Claude内製が町工場DXを変える中小製造業現場の真の勝ち筋

Claude内製が町工場DXを動かす理由

中小製造業のDXは、長く「人も予算も足りない」という壁に阻まれてきました。生産管理、寸法管理、見積もり、検査記録、在庫確認といった業務は会社ごとの癖が強く、汎用SaaSをそのまま入れても現場に合わないことが少なくありません。

そこへClaudeのような生成AIが入り、自然文で要件を説明しながら業務アプリを組み立てる道が開けました。金沢の研磨加工会社が、外注すれば高額になり得る寸法管理などの業務システムを自作した事例は、その象徴です。

重要なのは、AIがプログラマーを不要にしたという単純な話ではありません。現場の困りごとを最もよく知る経営者や後継者が、AIを通じて仕様、画面、データ構造、改善サイクルに直接関われるようになった点です。本稿では、Claude内製が中小製造業、SaaS、SIerの力学をどう変えるかを解説します。

高額業務システムを自作できた技術的背景

自然文から実装へ進んだAI開発

Claude Codeの公式ドキュメントは、同ツールをコードベースを読み、ファイルを編集し、コマンドを実行し、開発ツールと統合するエージェント型コーディングツールと説明しています。従来のコード補完は、開発者が書いている関数の続きを提案する性格が強いものでした。現在のAI開発支援は、既存ファイルを読み、修正案を作り、テストや差分確認まで含めて作業を進める段階に移っています。

この変化は、中小企業にとって特に大きな意味があります。業務システム開発で最も重いのは、実はコードそのものより、現場の言葉を仕様に翻訳する作業です。例えば「検査表を探す時間を減らしたい」「仕上げ寸法の履歴を品番ごとに見たい」「再加工の原因を作業工程と結び付けたい」という要求は、現場では自然に出てきます。しかし外部ベンダーに伝える時点で、要件定義書、画面設計、データ項目、権限設計に分解しなければなりません。

生成AIは、この翻訳コストを下げます。経営者や現場リーダーが業務の流れを文章で説明し、AIがテーブル設計、画面案、入力チェック、検索条件、CSV出力、簡易な権限管理のたたき台を作る。そこで動く試作品を見ながら「この項目名は現場では通じない」「この検索順だと検査担当が困る」と修正を重ねる。こうした反復が、これまでより短い周期で回せるようになりました。

Anthropicが2024年に公表したClaude 3.5 Sonnetの説明では、20万トークンのコンテキストウィンドウ、コードの作成・編集・実行を伴う能力、社内評価でのコーディング問題解決率の向上が示されました。モデル性能の個別比較だけでなく、長い仕様や既存コードを一度に読ませられることが、業務アプリ内製の実用性を押し上げています。

寸法管理が最初の価値を生む理由

町工場の業務システムで、寸法管理はAI内製の効果が見えやすい領域です。研磨、板金、切削、溶接などの現場では、品番、材質、図面番号、加工条件、測定値、検査担当者、再加工履歴が品質と納期を左右します。これらが紙、Excel、個人のメモ、口頭確認に散らばると、探す時間が増え、同じミスを繰り返し、熟練者の記憶に依存しやすくなります。

中小企業白書2025年版は、デジタル化の取組段階が進むほど、売上面、コスト面、人材面で効果を感じる割合が高いと整理しています。また、DXに向けた問題点として、費用負担の大きさと推進人材の不足が目立つとしています。寸法管理のような小さな業務から内製する方法は、この二つの制約を同時に弱めます。

第一に、対象範囲を絞れば、最初から巨大なERPを目指す必要がありません。測定値の登録、図面情報の検索、工程別の異常履歴、出荷前チェックなど、現場が毎日使う機能を先に作れます。第二に、作った本人が現場の反応を見て修正できるため、外注の追加見積もりを待つ時間が減ります。第三に、データが蓄積されるほど、不良要因や段取りの偏りを後から分析しやすくなります。

もちろん、AIが出したコードをそのまま業務の中核に置けるわけではありません。バックアップ、入力権限、監査ログ、誤入力時の復旧、サーバー障害時の運用など、製造業の基幹情報として守るべき設計があります。それでも、最初の試作品を現場起点で作れることは、外部ベンダーとの会話の質も高めます。内製は外注の代替だけでなく、発注者側の解像度を上げる手段でもあります。

中小製造業で広がる身の丈DXの経済合理性

白書が示すデジタル化の実態

政策資料を見ると、町工場のAI内製は例外的な美談ではなく、構造変化の延長にあります。2025年版ものづくり白書は、ものづくり企業の約8割がデジタル技術を活用した業務改善を行っているとまとめています。工程別では、製造、生産管理、事務処理、受注・発注・在庫管理で取り組みが多く、品質管理や設計領域にも広がっています。

同白書は、従業員数が少ない企業ではデジタル導入のきっかけとして経営者や役員の発案が相対的に多いとも示しています。大企業なら専門部署やIT子会社が主導できますが、小規模な製造業では経営トップ、工場長、後継者、現場リーダーが直接動かなければ進みません。Claude内製の本質は、まさにこの小回りのよさと相性が良い点にあります。

人材面でも、白書は示唆的です。デジタル技術導入のための人材確保では、社内人材の活用・育成が最も多く、外部委託や新規採用だけに頼る構図ではありません。新しいデジタル技術を活用するためのOJT、社外研修、社内セミナーも使われています。つまり中小製造業の現実解は、外から完成品を買うだけではなく、社内の業務知識を持つ人にデジタルの実装力を少しずつ足していくことです。

中小企業白書2026年版の概要は、労働供給制約社会、人手不足、賃上げ原資の確保を中小企業の大きな課題に挙げ、AI活用・デジタル化を「稼ぐ力」の強化策の一つに位置付けています。別章では、省力化投資のうちAI活用に取り組む事業者が全体で約3割あること、ITツールの活用では現場からの意見収集や段階的導入が効果を高める可能性があることも示されています。

これらの調査から見えるのは、AI内製が「先端好きの経営者の趣味」ではなく、人手不足と利益率改善に直結する経営課題になっているという現実です。特に多品種少量生産の会社では、標準パッケージに業務を合わせきれない一方、個別開発を全面外注する余力も限られます。生成AIは、その中間にある「自社業務に合う軽量なシステム」を作る選択肢を広げています。

SaaSとSIerに迫る役割変更

町工場のClaude内製は、SaaS企業やSIerにとって脅威であると同時に、新しい市場機会でもあります。脅威になるのは、これまで高額な個別開発や月額サービスでしか提供できなかった小規模機能が、社内で作られるようになるためです。帳票の並び替え、検査記録の検索、承認フローの簡素化、社内向けダッシュボード程度なら、現場がAIと相談しながら組み立てる場面が増えます。

一方で、すべての会社が安全で保守しやすいシステムを単独で作れるわけではありません。そこでSaaSやSIerの価値は、完成品の一括納入から、内製を前提にした部品提供と設計支援へ移ります。API、データ連携、認証、監査ログ、バックアップ、脆弱性診断、クラウド運用、テンプレート化された業務部品を提供する役割です。

中小企業省力化投資補助金は、カタログ注文型と一般型の二つを用意し、一般型では個別現場や事業内容に合わせた設備導入・システム構築などを支援するとしています。デジタル化・AI導入補助金も、中小企業・小規模事業者向けのITツール活用を後押しする制度です。こうした政策環境では、ベンダーは「導入して終わり」ではなく、顧客の内製力を育てる伴走者になれるかが問われます。

SIerに残る高付加価値は、業務を理解したうえで、システム全体の地図を描くことです。町工場の現場がAIで個別機能を作るほど、逆にデータの重複、権限の乱立、属人的な保守、セキュリティの穴が生じやすくなります。そこを整理し、共通マスタ、権限設計、ログ管理、保守ルール、外部サービス連携を設計する仕事は残ります。

つまり、生成AI時代のSaaSやSIerは、コードを書く量だけで競うと苦しくなります。現場が自分で作れる領域を認めたうえで、壊れてはいけない部分を守り、育てる仕組みを提供する企業が選ばれます。中小製造業のAI内製は、IT産業に「顧客を囲い込む」発想から「顧客の実装力を引き上げる」発想への転換を迫っています。

AI内製に潜む品質保証と情報管理の落とし穴

AI内製の最大のリスクは、動く試作品が早くできるために、運用上の弱点が見えにくくなることです。画面が表示され、登録と検索ができれば、業務システムとして十分に見えます。しかし製造現場で使うなら、測定データの改ざん防止、誤削除の復旧、退職者アカウントの無効化、図面情報の外部流出防止、クラウド障害時の代替手順まで考える必要があります。

OWASPのLLMアプリケーション向けTop 10は、プロンプトインジェクション、出力検証不足、機密情報の漏えい、過剰な自律性、過信を主要リスクとして挙げています。AIに社内ファイルやターミナル操作を許すほど便利になりますが、権限を広げすぎれば、誤操作や悪意ある入力の影響も大きくなります。

NISTのAIリスク管理フレームワークは、AIの設計、開発、利用、評価に信頼性の観点を組み込むための任意の枠組みです。中小企業が同じ水準の文書化を最初から行う必要はありませんが、考え方は参考になります。どの業務にAIを使うのか、どのデータを入れてよいのか、誰が結果を確認するのか、障害時に誰が止めるのかを決めるだけでも、事故の確率は下がります。

もう一つの落とし穴は、AIで作った人だけが保守できる状態です。これは紙と口頭の属人化を、コードとプロンプトの属人化に置き換えただけです。設計メモ、画面一覧、データ項目、バックアップ方法、変更履歴、利用ルールを簡単に残し、少なくとも二人以上が理解する体制を作る必要があります。AI内製は「一人で作れる」ことが魅力ですが、「一人しか直せない」状態になれば経営リスクに変わります。

経営者が明日確認すべき内製DXの条件

Claudeで業務システムを内製する動きは、中小製造業にとって現実的な選択肢になりつつあります。ただし、成功の条件はAIの性能だけではありません。最初に選ぶ業務が狭く、効果が測りやすく、現場の入力負担が小さいことが重要です。寸法管理、検査記録、見積もり補助、工具管理、作業日報のように、毎日使われ、紙やExcelの痛みが見えている業務が向いています。

次に確認すべきは、データの置き場所と責任者です。誰が入力し、誰が承認し、誰がバックアップを確認し、誰がAIの生成物をレビューするのかを決めます。さらに、将来SaaSや基幹システムとつなぐ可能性を考え、品番、顧客、工程、担当者などの基本データを雑に作らないことが大切です。

町工場のAI内製が示した勝ち筋は、巨大なDX計画を掲げることではありません。現場の一番近くにいる人が、AIを使って小さく作り、すぐ試し、データをため、必要な部分だけ外部の専門家を使うことです。この順序を守れる会社ほど、限られた人員と予算でも、業務改善を利益率と人材定着につなげやすくなります。

参考資料:

• Overview - Claude Code Docs
• Claude 3.5 Sonnet
• 2026年版 中小企業白書・小規模企業白書の概要
• 2025年版 中小企業白書 第5節 デジタル化・DX
• 2025年版 中小企業白書 第4節 労働生産性・設備投資
• 2026年版 中小企業白書 第2章 中小企業の「稼ぐ力」の強化に向けた取組
• 2025年版ものづくり白書
• 2025年版ものづくり白書 ものづくり企業におけるDXの取組状況と人材活用
• デジタル化・AI導入補助金2026
• 中小企業省力化投資補助金
• OWASP Top 10 for Large Language Model Applications
• AI Risk Management Framework - NIST