「アラームが出るたびに、ベテランの日本人スタッフやタイ人リーダーの携帯が鳴る。夜中でも休日でも同じ」。タイの日系工場の保全課長から、こうした話をよく聞きます。若手のタイ人保全員が、取扱説明書とアラームコード表と過去の修理記録を見て、自分で原因の候補と手順にたどり着けるようにしたい。その手段として、設備保全のAIアシスタント導入を検討する工場が増えています。
先に結論を書きます。保全AIアシスタントが縮めるのは「修理時間」全体ではなく、その中の「どこが悪いかを突き止める時間（局所化・診断）」です。そして、答えの質を決めるのはAIモデルではなく、過去の修理記録の質です。 設備を止めて電源を切り、「スイッチを入れるな」の札を掛ける時間は、縮めてはいけない時間です。導入で決めることは、①何を縮めるかを定義する、②何を読ませるかを整える、③どう信用するかを受入試験で決める、の3つに絞れます。
なお、本記事に登場する工場の設備台数・件数・時間・金額・回収年数は、すべて後述のモデル工場を前提にした本記事オリジナルの試算値・想定値（仮置き値）です。業界平均でも調査値でもありません。ベンダーの価格や効果の一次情報も使っていません。自社の実測値と見積もりに差し替えて使う「計算の型」として読んでください。
なぜ今、タイ工場で設備保全のAIアシスタント導入が問われるのか
保全向け生成AIの発表が相次いでいる
ここ2年ほどで、保全や現場作業者向けの生成AIアシスタントの発表が続いています。市場にある選択肢の例として、確認できた発表を並べます。効果の数値はいずれもベンダーや発表企業が自社で公表したもので、第三者の検証は受けていません。
| 発表元 | 時期 | 発表の内容 | 効果の数値と性質 |
|---|---|---|---|
| Siemens | 2025年3月 | Industrial Copilotに保全向けの生成AI製品を追加。修理のガイドと予知保全を組み合わせたパッケージ | 最初のパイロット事例で「事後保全にかかる時間が平均25%減」（ベンダー公表値。対象工場・件数は非公表。MTTRの値ではない） |
| Accenture・Avanade・Microsoft | 2026年4月 | 「agentic factory」を共同開発。初期の状態確認・診断・ガイド付きトラブルシューティングを支援し、保全チケットや予備品発注の作成を手伝う | 測定値の公表なし。一般提供は2026年後半とされている |
| Microsoft・Schaeffler | 2024年12月 | 「昨日の3号ラインの停止原因は？」のような自然文の質問に、ERP・MES・設備データを横断して答えるエージェントを試験導入 | 定量的な効果の記載なし |
| IBM（Maximo） | 2026年6月 | Maximo Application Suite 9.2。モバイルで技術者が自然文で資産情報や履歴を調べられる。OEM保全マニュアルの文書抽出は拡張の計画 | 数値の記載なし |
| Rockwell Automation × Augury | 2026年7月 | Auguryのエージェントが設備状態を分析して是正処置を推奨し、Fiix MAXが保全の作業指示に落とし込む | 初期の製品は「9月に提供予定」と発表（実際の提供開始は確認できていない） |
日本でも動きがあります。日立グループは2025年4月に設備・資産管理システム「SmartFAM Ver.4」を発売し、生成AIで過去の保守データを分析して類似する故障と復旧対策を示すとしています。JR東日本は信号通信設備の故障復旧を支援するシステムに生成AIを導入する計画を発表し、復旧時間を従来比で「最大50%削減する」としています。これは目標値で、実績ではありません。阪神電気鉄道とアイテック阪急阪神は、過去の故障対応記録を解析して故障原因の推定や復旧マニュアルを表示するシステムを2025年10月から試験導入しています（いずれも鉄道の事例です）。PKSHA Technologyは設備保全向けのRAG構成の生成AIを作るサービス「PKSHA Maintenance」を2024年9月に発表し、数年分の実データで有識者が評価したところ「80％以上の未知事象に対して正解処置案もしくは一部正解の処置案を生成」できたと公表しています。この80%には「一部正解」が含まれており、正答率ではありません。
ここで気をつけたいのは、数字の意味がそろっていないことです。Siemensの25%は「パイロット事例での事後保全時間の削減」、PKSHAの80%は「一部正解を含む処置案の生成率」、JR東日本の50%は「目標値」です。どれも「MTTRが何%縮んだ」という意味ではありません。発注する側がこれらを同じ物差しで比べることはできない、と整理できます。だからこそ、自社で何をどう測るかを先に決める必要があります。
入れただけでは停止は減らない
CMMSベンダーのMaintainXが2026年5月に公表した米国・カナダの調査（保全・運用リーダー2,234人）では、58%がすでに業務でAIを使っていると答えました。一方で、79%は計画外停止が「横ばいか増えた」と答えています。計画外停止の主な原因として挙がったのは、人手不足と知識の継承不足でした。タイやASEANのデータではありませんが、「AIを使い始めたことと、止まる時間が減ることは別の話」だと読めます。
タイの製造業の足元
タイの工業省の発表を伝えたReuters配信記事（2026年9月30日）によると、2026年8月の製造業生産指数（MPI）は前年同月比4.44%増で、2か月連続のプラスでした。ただし工業省はMPIの算出方法を改定した直後で、過去の年と単純には比べられません。タイ工業連盟（FTI）の産業景況感指数は2026年8月に89.70で、7月の90.0から下がりました。悪化の要因として、大雨、高いエネルギー価格、自動車販売の落ち込みが挙げられています。
投資の面では、タイ投資委員会（BOI）の発表によると、機械の更新・デジタル技術・自動化の導入を対象とする「Smart and Sustainable Industry」措置への申請が、2026年上半期に132件・5億760万ドルありました。これは申請の数字で、承認ではありません。
生産は動いているが、コストの圧力は強い。止まった設備を早く戻す力は、そのまま損失を抑える力になります。一方で、ベテランに頼った夜間呼び出しの体制は長く続けにくい。本記事のモデル工場は、そうした状況を想定しています（統計ではなく、本記事の想定です）。
保全AIアシスタントとは：取扱説明書・アラームコード・過去記録をつなぐ仕組み
仕組みの全体像
本記事でいう保全AIアシスタントは、保全員が自然な言葉で質問すると、工場の文書と記録を検索して、原因の候補と確認手順を、出典付きで返す仕組みです。多くはRAG（検索拡張生成）と呼ばれる構成で、次の部品からできています。
- 入口：アラームの発生、保全員の質問（タイ語・日本語・英語）、写真やアラームコード。アラームを通知する仕組みとの連携は「設備異常通知システム」で扱っています
- 読ませる文書：メーカーの取扱説明書、アラームコード表、社内の作業手順書、過去の作業記録
- 参照するシステム：CMMS（設備保全システム）の設備台帳と作業履歴、必要に応じてMESの停止記録。CMMSの台帳の粒度や起票の経路は「設備保全システムの選び方」で解説しています
- 回答：原因の候補、確認する順番、関係する手順書の該当箇所、類似の過去記録、そして出典（文書名・ページ・記録番号）
何ができて、何ができないか
| できること（設計しだいで） | できないこと・してはいけないこと |
|---|---|
| アラームコードから、取扱説明書の該当ページと点検箇所を引く | 設備の実際の状態を見て判断すること（人が現物を確認する） |
| 似た症状の過去記録を探して、そのときの原因と処置を示す | 記録に無い故障の「正解」を保証すること |
| 若手が確認すべき順番を、手順書に沿って示す | 停止・遮断・ロックアウトを省いた近道を示すこと |
| 作業記録の下書きや、故障コードの候補を出す | 最終判断を下すこと（判断と署名は人が行う） |
| タイ語・日本語・英語の質問に、同じ文書から答える | 文書に書かれていないことを、もっともらしく補うこと |
左の列は「設計しだいで」と書きました。出典を返さない設計や、記録が整っていない状態では、左の列の多くが機能しません。出典を返す設計の考え方は「マニュアル検索AI」で詳しく扱っています。
IBMはMaximoのアシスタントの機能として、作業指示の記述から問題コード（problem code）を提案することを挙げています。MaintainXの2026年調査でも、AIの用途に「知識の記録」が入っています。AIは記録を読むだけでなく、記録の質を上げる側にも使われ始めている、と整理できます。この点は後の記録の節で生かします。
MTTRを分解する：AIが縮めるのは「診断」、縮めてはいけないのは「安全」
MTTRは「平均修理時間」ではない
保全の現場では「MTTR＝平均修理時間」と呼ぶことが多いのですが、国際電気標準会議（IEC）の用語集 IEC 60050-192 では、MTTRは mean time to restoration（平均修復時間）で、修復時間の期待値と定義されています。「mean time to repair」「mean time to recovery」という呼び方は非推奨とされています。
修復時間は「故障が起きた時点から、修復するまで」の時間です。故障の発生時刻が分からない場合は、故障を検出した時点から数えます。つまりIECの定義のMTTRには、修理そのものの時間だけでなく、待ち時間や遅れも含まれます。
そのうちの「修理時間（repair time）」は、次の4つからなると定義されています。
- 故障の局所化時間（どこが悪いかを絞り込む）
- 故障診断時間（なぜ悪いかを突き止める。局所化に含まれていない場合）
- 故障修正時間（部品交換や調整）
- 機能確認時間（直ったことを確かめる）
そして修理時間には、技術的遅延・管理上の遅延・ロジスティクス遅延は含まれません。技術的遅延の例として、IECは「設備を安全な状態にすること（停止、冷却、遮断、接地など）」を挙げています。平均修理時間はMTTRとは別の語（MRT）です。
米国の保全・信頼性の専門家協会SMRPのベストプラクティス指標では、MTTRは「Mean Time to Repair or Replace」として挙がっていて、IECの「restoration」とは言葉の意味が違います。同じ「MTTR」でも、どこからどこまでを数えるかが組織によって違いうるということです。社内でMTTRを指標にするなら、まず定義をそろえる必要があります。
AIが効く時間、効かない時間、縮めてはいけない時間
この分解に当てはめると、保全AIアシスタントの効きどころがはっきりします。
| 時間の区分 | 中身 | AIアシスタントの効き方 |
|---|---|---|
| 設備を安全な状態にする（技術的遅延） | 停止、遮断、ロックアウト、「スイッチを入れるな」の札掛け | 縮めてはいけない。AIは手順を省かずに示す側に回る |
| 局所化・診断 | どこが悪いか、なぜ悪いかを突き止める | 主に効く。説明書・アラーム表・過去記録の検索で候補を絞る |
| 修正 | 部品交換、調整 | 手順の参照で多少は助かるが、作業そのものは縮まりにくい |
| 機能確認 | 試運転、品質確認 | 確認項目の提示程度 |
| 部品待ち・承認待ちなど | ロジスティクス遅延、管理上の遅延 | ほぼ効かない。在庫や承認の仕組みの問題 |
AIアシスタントが主に縮めるのは局所化・診断の時間で、部品待ちや承認待ちは縮まらないと考えられます。ですから、受入試験やその後の効果測定でも、MTTR全体ではなく診断時間を独立した指標にするのが測りやすい、と整理できます。
モデル工場Mの90分の内訳
本記事のモデル工場Mでは、ラインが止まる故障1件あたりの平均修復時間を90分と仮置きし、次のように分けました（簡単にするため、部品待ちなどの遅延はこの90分に含めていません）。
| 区分 | 時間（仮置き値） | 試算での扱い |
|---|---|---|
| 安全な状態にする（停止・遮断・ロックアウト・札掛け） | 10分 | 削減対象外 |
| 局所化・診断 | 40分 | AIで縮める対象 |
| 修正（部品交換・調整） | 35分 | 変えない |
| 機能確認 | 5分 | 変えない |
| 合計 | 10 ＋ 40 ＋ 35 ＋ 5 ＝ 90分 |
90分の中で、AIの効く余地があるのは40分です。「MTTRを半分にする」といった目標は、この内訳を見ると現実的でないことが分かります。逆に、40分の診断時間をどこまで縮められるかは、次に説明する記録の質で大きく変わります。
保全記録の質が答えの質を決める：生成AI活用の前に故障コードを整える
作業記録は、そのままでは読めない
保全AIアシスタントの答えのうち、もっとも価値が高いのは「この症状のとき、前回は何が原因で、何をしたら直ったか」です。それを出すには、過去の作業記録が検索できる形になっている必要があります。
ところが、現場の作業記録は崩れていることが多いのが実情です。米国国立標準技術研究所（NIST）と西オーストラリア大学の研究者による2018年の論文は、保全作業指示の記録について、誤字、分野や職場ごとの専門用語、略語のせいで、そのままでは計算機で分析できないことが多いと指摘しています。この論文は生成AIを評価したものではありませんが、記録の自由記述が崩れているという前提は今も変わらないと考えられます。
タイの工場ではこれに言語の問題が加わります。同じ故障が、ある日はタイ語で、ある日は日本語で、ある日は英語の略語で書かれる。「シリンダー」「cyl」「กระบอกสูบ」が同じものを指していても、検索はそれを知りません。
風力発電の保全記録の研究に見る「2割は情報不足」
生成AIで保全記録を整理した研究もあります。2026年に公開された風力発電の保全記録の研究（査読前のプレプリント）は、32の陸上ウィンドファーム、280基の風車、9.2年分、16,316件の保全記録を大規模言語モデルで構造化しました。記録の問題として挙げているのは、システムコードの不統一、大まかすぎる分類欄、技術者の自由記述です。
結果は、故障モードの根拠付けができたのが11,662件、「情報が足りない」と判定されたのが3,441件、ルールで対象外とされたのが1,213件でした（11,662 ＋ 3,441 ＋ 1,213 ＝ 16,316）。つまり約2割（3,441 ÷ 16,316 ≒ 21%）の記録は、故障モードを判断するには情報が足りなかったことになります。
これは風力発電の保全記録の研究で、工場の記録ではありません。それでも「AIの性能を上げても、記録に書かれていない情報は取り出せない」という点は、工場にもそのまま当てはまると考えられます。
故障コードの体系：ISO 14224の考え方を参考に
記録を整える骨組みとして参考になるのが、ISO 14224です。これは石油・石油化学・天然ガス産業の規格で、設備の信頼性・保全データの収集と交換を扱います。一般の組立工場にそのまま当てはまる規格ではありませんが、集めるデータを次の3つに分ける考え方は役に立ちます。
- 設備データ：設備の分類体系（タクソノミー）と属性
- 故障データ：故障の原因、故障の影響
- 保全データ：保全処置、使った資源、保全の影響、停止時間
規格本体で定める故障モードは「信頼性の用語集」として使えると説明されています。工場で言い換えれば、「設備 → 部位 → 故障モード → 原因 → 処置」を選択式のコードで残し、詳しい状況は自由記述で補う、という形です。
過去記録の再コード化と入力テンプレート
整え方は2つに分かれます。
- 過去記録の再コード化：過去数年分の作業記録に、設備・部位・故障モード・原因・処置のコードを後から付け直す。生成AIにコードの候補を出させ、ベテランが確認すると早く進められます。ただし、情報が足りない記録は無理にコードを付けず「情報不足」として残すのが安全です
- これからの記録の入力テンプレート：選択式の故障コードと自由記述を組み合わせたテンプレートをCMMSに入れる。AIが記述から故障コードの候補を出し、保全員が選ぶ形にすると、入力の手間を増やさずに記録の質を上げられます
ベテランの頭の中にある「この音がしたらまずここを見る」といった判断を記録に残す方法は、「熟練技能の継承AI」で扱っています。また、取扱説明書や手順書は改訂されるので、古い版の手順をAIが答えてしまう事故を防ぐ版管理も欠かせません。詳しくは「工場RAGの文書版管理」をご覧ください。
生成AIの誤りと安全：出典・人の判断・ロックアウト
もっともらしい間違いと、AIを信じすぎる問題
米国国立標準技術研究所（NIST）が2024年7月に公表した生成AIのリスク管理の手引き「NIST AI 600-1」は、生成AI特有のリスクとして「Confabulation（作話）」を挙げています。自信を持って述べられた、誤った内容や偽の内容を生成することで、いわゆるハルシネーションのことです。手引きは、これが専門性の高い分野や長い回答でとくに問題になること、さらに回答を正当化する根拠や出典そのものがでっち上げられることもあると注意しています。
同じ手引きは、人とAIの関係のリスクとして「自動化バイアス」、つまり自動化されたシステムに過度に従ってしまう傾向を挙げ、これが作話のリスクを大きくしうると書いています。経験の浅い保全員ほど、AIの答えをそのまま信じやすいと考えられます。保全の現場では、もっともらしい間違いがそのまま設備やけがにつながります。
推奨されている対策を、設計と受入に落とす
NIST AI 600-1 は、推奨アクションとして次のようなことを挙げています（米国の任意のガイダンスで、法的な拘束力はありません）。
- 導入前と運用中に、生成AIの出力に含まれる出典・引用を確認する
- RAGに使うデータが根拠に基づいていることを確認する
- 狭く体系的でない、少数の事例による評価から性能を一般化しない
- 導入前のテスト結果を、リリースを承認する権限者と共有する
- 運用後の監視の仕組み（とくに作話について）を作り、維持する
- 品質基準を定めた契約やSLAを結び、第三者の生成AIのプロセスを評価できる条項を契約に入れる
これを保全AIに当てはめると、「手順や数値を含む回答には必ず出典を付ける」「デモの数件で判断せず、過去の故障事例で作った評価セットで試す」「試験結果は工場長など承認者が見て判断する」「稼働後も同じ評価を続ける」となります。
また、手引きは情報セキュリティのリスクとして、検索で取り込まれそうなデータに悪意のある指示を仕込む「間接プロンプトインジェクション」を挙げています。外部のPDFやベンダー資料を取り込むときは、取り込む文書を承認制にするなどの対策が要ります。CMMSやMESに書き込める権限を持たせる場合の考え方は「工場AIエージェントのセキュリティ」で、システムへのつなぎ方は「MCPサーバーでMES・ERPをAIにつなぐ」で扱っています。
ロックアウトはAIが省けないようにする
保全作業の安全で最も大事なのは、作業前に設備を動かない状態にすることです。
タイでは、労働省令「機械・クレーン・ボイラーに関する労働安全衛生・作業環境の管理基準を定める省令 B.E.2564（2021年）」の第7条が、機械の設置・修理・点検をする場所で分かりやすい標識を出すこと、機械が動かないようにする仕組み・方法・器具を用意すること、機械のスイッチに「スイッチを入れるな」という札か表示を掛けることを求めています（条文の日本語は当方の要約です）。
参考として、米国の規則である OSHA 29 CFR 1910.147（危険エネルギーの管理、いわゆるロックアウト／タグアウト）は、事業者にエネルギー管理の手順・教育・定期点検からなるプログラムを求め、停止の準備、停止、遮断、ロックやタグの取り付け、残留エネルギーの解放、遮断の確認という順序を定めています。タイの工場に直接適用されるものではありませんが、手順を文書にして必ず使うという考え方は参考になります。
保全AIアシスタントの設計では、次の3点を守ることが大切だと考えます。
- 設備の内部に触れる手順を示すときは、停止・遮断・ロックアウト・札掛けの手順を必ず先頭に含める。AIが「急ぎなら省略可」と答える余地を残さない
- ロックアウトの実施と確認は人が行う。AIは手順を示すだけで、実施の代わりにはならない
- この「安全手順を省いた回答」が出ていないかを、受入試験の合否の指標にする
時間を縮めたい気持ちが強いほど、安全の10分は削りたくなります。だからこそ、試算でも受入でも「ここは対象外」と最初に書いておくことに意味があります。
費用とROI：モデル試算で見る「記録の整理」の価値
ここからは、モデル工場Mで2つの構成を比べます。繰り返しになりますが、すべての数値は本記事オリジナルの試算値・想定値（仮置き値）で、ベンダーの価格や効果の一次情報は使っていません。
共通の前提（モデル工場M）
| 項目 | 仮置き値 |
|---|---|
| 所在と業種 | タイ東部（ラヨーン県）の日系自動車部品工場 |
| 設備 | 60台（プレス・溶接・機械加工・樹脂成形） |
| 保全員 | 12名（ベテラン4名、経験3年未満の若手タイ人8名） |
| 保全呼び出し（故障対応） | 年1,200件。うちラインが実際に止まる故障は年600件 |
| ライン停止1時間あたりの損失（逸失限界利益） | 6,000 THB/時 |
| 故障1件あたりの平均修復時間 | 90分（安全10分＋局所化・診断40分＋修正35分＋機能確認5分） |
| ベテランを呼ぶエスカレーション | 年240件（夜間・休日を含む）、1件あたり1,500 THB（呼び出し手当・残業） |
エスカレーションの費用は、240件 × 1,500 THB ＝ 年360,000 THBです。参考として、現状の診断時間による損失は、600件 × 40分 ＝ 24,000分 ＝ 400時間、400時間 × 6,000 THB ＝ 年2,400,000 THBになります。
効果はライン停止の600件だけで計算し、ラインが止まらない残り600件の効果は保守的に0としました。
構成A：取扱説明書・アラームコード表・過去記録をそのまま読ませる
初期投資は次のとおりです。
| 項目 | 金額（THB） |
|---|---|
| アシスタント基盤の構築（RAG・権限・タイ語/日本語/英語のUI・CMMS参照） | 600,000 |
| 文書の取り込み（取扱説明書・アラームコード表・手順書の整備と版管理） | 200,000 |
| 評価セット作成（過去の故障事例）とFAT/SAT | 200,000 |
| 初期計 | 600,000 ＋ 200,000 ＋ 200,000 ＝ 1,000,000 |
年間運用（LLMの利用料・ホスティング・保守）は180,000 THB/年と置きます。
効果の想定は次のとおりです。過去記録は誤字・略語・コードの不統一が残ったままなので、類似事例の検索は効きにくいと想定し、診断時間は40分から32分（−8分）にとどめました。
- 診断時間：600件 × 8分 ＝ 4,800分 ＝ 80時間、80時間 × 6,000 ＝ 480,000 THB
- エスカレーション：20%減。240件 × 20% ＝ 48件、48件 × 1,500 ＝ 72,000 THB
- 効果合計：480,000 ＋ 72,000 ＝ 552,000 THB/年
- 年間純便益：552,000 − 180,000 ＝ 372,000 THB/年
- 単純回収：1,000,000 ÷ 372,000 ＝ 2.688… → 約2.7年
構成B：構成Aに過去記録の整理（故障コード体系）と入力テンプレートを加える
| 項目 | 金額（THB） |
|---|---|
| 構成Aの一式（評価セット・FAT/SATを含む） | 1,000,000 |
| 過去3年分の作業記録3,600件の再コード化（設備・部位・故障モード・原因・処置の分類）3,600件 × 100 | 360,000 |
| 作業記録の入力テンプレート（選択式の故障コード＋自由記述）とCMMS連携 | 240,000 |
| 追加分の評価とFAT/SAT | 100,000 |
| 追加計 | 360,000 ＋ 240,000 ＋ 100,000 ＝ 700,000 |
| 初期計 | 1,000,000 ＋ 700,000 ＝ 1,700,000 |
年間運用はコード体系の維持を含めて220,000 THB/年と置きます。
効果は構成Aの効果を置き換えるもので、Aの効果に足すものではありません。診断時間の−15分はAの−8分を含み、エスカレーションの40%減はAの20%減を含みます。
- 診断時間：40分 → 25分（−15分）。600件 × 15分 ＝ 9,000分 ＝ 150時間、150時間 × 6,000 ＝ 900,000 THB
- エスカレーション：40%減。240件 × 40% ＝ 96件、96件 × 1,500 ＝ 144,000 THB
- 効果合計：900,000 ＋ 144,000 ＝ 1,044,000 THB/年
- 年間純便益：1,044,000 − 220,000 ＝ 824,000 THB/年
- 単純回収：1,700,000 ÷ 824,000 ＝ 2.063… → 約2.1年
- 平均修復時間：90分 → 10 ＋ 25 ＋ 35 ＋ 5 ＝ 75分（−15分、約16.7%減）。安全な状態にする10分は変えない
比較表
| 項目 | 構成A | 構成B | 構成A′（後述） |
|---|---|---|---|
| 初期投資（THB） | 1,000,000 | 1,700,000 | 800,000 |
| 年間運用（THB/年） | 180,000 | 220,000 | 180,000 |
| 診断時間 | 40分 → 32分 | 40分 → 25分 | 40分 → 38分 |
| エスカレーション減 | 20%（48件） | 40%（96件） | 0件 |
| 効果合計（THB/年） | 552,000 | 1,044,000 | 120,000 |
| 年間純便益（THB/年） | 372,000 | 824,000 | −60,000 |
| 単純回収 | 約2.7年 | 約2.1年 | 回収できない |
| 5年累計（THB） | 860,000 | 2,420,000 | − |
読みどころ1：記録の整理は「AIの追加機能」ではなく、回収を早める本体
5年間の累計で比べます。
- 構成A：372,000 × 5 − 1,000,000 ＝ 1,860,000 − 1,000,000 ＝ 860,000 THB
- 構成B：824,000 × 5 − 1,700,000 ＝ 4,120,000 − 1,700,000 ＝ 2,420,000 THB
Bの上乗せ分だけを取り出すと、追加の初期投資は700,000 THB、追加の年間純便益は 824,000 − 372,000 ＝ 452,000 THB/年です。上乗せ分の回収は 700,000 ÷ 452,000 ＝ 1.548… → 約1.5年で、5年累計の差は 452,000 × 5 − 700,000 ＝ 1,560,000 THB（＝ 2,420,000 − 860,000）になります。
初期投資はBのほうが大きいのに、回収はBのほうが早い。この試算の前提では、記録の整理はAIの「おまけ」ではなく、投資の回収を早める本体だということになります。逆に言えば、記録を整えずにAIだけを入れると、高い基盤の上で効きにくい検索を回すことになります。
読みどころ2：評価セットと受入試験を省いたら（構成A′）
予算を削る場面で真っ先に候補になりがちなのが、評価セットと受入試験の200,000 THBです。これを削った構成A′を考えます。
- 初期投資：1,000,000 − 200,000 ＝ 800,000 THB
- 想定：稼働直後の誤回答で保全員がAIを信用しなくなり、使われなくなる。診断時間は−2分のみ。600件 × 2分 ＝ 1,200分 ＝ 20時間、20時間 × 6,000 ＝ 120,000 THB。エスカレーション減は 0
- 効果合計 120,000 THB/年 − 運用 180,000 ＝ −60,000 THB/年 → 回収できない
200,000 THBを削ると、年間純便益が372,000 THBから−60,000 THBに落ちます。さらに、安全手順を省いた回答が出ていても誰も検出できない、という金額にできないリスクが残ります。評価と受入は、削ってよい予備費ではありません。
試算を使うときの注意
- 世界線は1つです。年600件、診断40分、6,000 THB/時、エスカレーション240件、1件1,500 THBが共通の出発点で、構成によって変えていません
- 構成Bの効果は構成Aの効果を置き換えたもので、AとBの効果を足してはいけません
- 自社で使うときは、まず故障対応の記録から実際の診断時間とエスカレーション件数を測り、仮置き値を差し替えてください
保全AIのRFPに書く12項目
発注仕様書（RFP）には、機能の一覧よりも「何を、どう測って、何で合格とするか」を書きます。ベンダーの公表値は指標がそろっていないので、測定の定義を発注側が指定する必要がある、と整理できます。
| No. | 項目 | 書く内容の例 |
|---|---|---|
| 1 | 対象設備と文書の範囲 | 対象の設備（最初は代表設備から）、対象の文書の種類と冊数、対象外のもの |
| 2 | 参照データと更新・版管理 | 取扱説明書、アラームコード表、作業記録、CMMSのどれをどう参照するか。改訂時の差し替え手順と、旧版を答えない仕組み |
| 3 | 言語と用語集 | タイ語・日本語・英語の質問と回答。現場の略語・用語集の作り方と保守の担当 |
| 4 | 回答の出典表示 | 手順や数値を含む回答には、文書名・ページ・記録番号を必ず付ける |
| 5 | 安全手順の扱い | 停止・遮断・ロックアウト・札掛けの手順を省略させない。実施と確認は人が行う前提であることを画面に明示 |
| 6 | 分からないときの振る舞い | 根拠が見つからないときは「分からない」と答え、ベテランへの連絡など次の行動を示す |
| 7 | 権限とアクセス管理、プロンプトインジェクション対策 | 利用者ごとの閲覧範囲、取り込む文書の承認、システムへの書き込み権限の有無 |
| 8 | 個人情報（PDPA）の扱い | 作業記録に含まれる保全員の名前などの扱い、保存場所、保存期間（法的な判断は専門家に個別確認） |
| 9 | 効果の測り方 | MTTRの内訳、診断時間の始点と終点、エスカレーション件数の数え方を定義する |
| 10 | 評価セットと合格基準 | 過去の故障事例による評価セットの作り方、件数、指標と目標値 |
| 11 | ログ・監査・継続評価 | 質問と回答と出典のログ、定期的な再評価、モデルや文書の変更時の再試験 |
| 12 | 現地サポートと運用体制 | タイ語での問い合わせ対応、現地での障害対応、工場側の運用担当の役割 |
9番の「効果の測り方」は特に大事です。「MTTRを短縮します」という提案を受けたら、そのMTTRは修復時間か修理時間か、安全の時間や部品待ちを含むのか、診断時間はどこからどこまでか、を必ず確認してください。ベンダーが他社事例の数字を示す場合も、その数字が何を測ったものか（パイロット事例か、目標値か、一部正解を含むか）を聞くことをおすすめします。
契約については、NIST AI 600-1 が品質基準を定めた契約・SLAや、第三者の生成AIのプロセスを評価できる条項を推奨していることも参考になります。
保全AIのFAT/SATで確認すること
評価セットをつくる
受入試験の中心は、過去の故障事例で作った評価セットです。例として、次のように作ります（数値は仮置きの目標例で、規格値ではありません）。
- 過去の故障事例100件を、正解（実際の原因と処置）付きで用意する
- タイ語・日本語・英語の問い合わせを混ぜる。現場の略語を使った質問も入れる
- 記録に答えが無い事例、つまり「分からない」と答えるべき事例も入れる
- 稼働前の工場出荷試験（FAT）と、現場での受入試験（SAT）で同じセットを流す
見る指標
| 指標 | 見る内容 | 目標の例（工場が自分で決める） |
|---|---|---|
| ① 原因候補の上位3件の正解率 | 上位3件の候補に正解が入る割合 | 70% |
| ② 出典の付与率 | 手順・数値を含む回答に、文書名・ページ・記録番号が付いている割合 | 100% |
| ③ 安全手順の省略 | 停止・遮断・ロックアウトの手順を省いた回答の件数 | 0件 |
| ④ 「分からない」の正しさ | 分からないと答えるべき事例で、分からないと答えた割合 | 工場が決める |
| ⑤ 応答時間 | 質問から回答までの時間 | 工場が決める |
| ⑥ タイ語の回答の正しさ | タイ語の質問への回答が正しく読めるか。タイ人保全員が判定する | 工場が決める |
①の70%は、あくまで目標の例です。自社の設備と記録で何%なら現場で役に立つかは、工場が自分で決めます。②と③は、例外を認めない指標として扱うのが安全だと考えます。
合わせて試すこと
- 誤回答時の挙動：わざと記録に無い故障を聞き、もっともらしい作り話をしないか。出典として示した文書が本当にその内容を含んでいるかも、人が開いて確かめます
- タイ語の判定：日本人だけで判定せず、タイ人保全員が実際に読んで、意味が通るか、手順の順番が正しいかを見ます
- オフライン・通信断：工場のネットワークやクラウドへの接続が切れたとき、どう振る舞うか。使えない間の代替手段（紙の手順書、ベテランへの連絡）が決まっているか
- 版の切り替え：取扱説明書を新しい版に差し替えたあと、旧版の内容を答えないか
稼働後も、同じ評価セットを定期的に流して、文書の追加やモデルの更新で回答の質が落ちていないかを確かめます。継続評価と再承認の進め方は「AIエージェントの継続評価と監査」で解説しています。
タイ・ASEAN固有の論点
1. 労働省令：修理中の機械を動かさない仕組みと、取扱説明書の言語
前述の省令 B.E.2564 の第7条は、修理中の機械が動かない仕組みと「スイッチを入れるな」の札を求めています。第8条は、機械の組立・据付・使用・修理・保守・点検などでメーカーが定めた仕様と取扱説明書に従うことを求め、それが無い場合は技術者に書面で作らせることとしています。そして、仕様と取扱説明書は「タイ語、または従業員が読んで安全に作業できる他の言語」でなければなりません。
AIがタイ語で手順を示せても、その回答が条文でいう「取扱説明書」の代わりになるかどうかは確認できていません。AIの回答は省令が求める仕組みを置き換えるものではなく、元になるメーカーの説明書を参照させ、出典を示す設計にしておくのが安全です。そのためにも、AIが参照する説明書の言語と版を整える必要があります。条文の日本語は当方の要約で、具体的な適用は所轄機関・専門家に個別に確認してください。
2. PDPA：作業記録に入る個人の情報
タイの個人情報保護法（PDPA）は2022年6月1日に全面施行されました。法律事務所Herbert Smith Freehills Kramerの整理によると、個人情報保護委員会（PDPC）は2025年9月までに、5件・8命令で合計2,150万バーツを超える行政罰金を科しています。行政罰金の上限は最大500万バーツです。
作業記録には、作業者の名前が入っていることがよくあります。記録をAIに読ませたり、記録から保全員ごとの対応件数を集計したりする場合、その扱いがPDPAの上でどうなるかは、専門家に個別に確認してください。
3. 生成AIのガイドラインとAI法案
タイのデジタル経済社会省（DE）と電子取引開発庁（ETDA）のAIガバナンスセンターは、2024年10月30日に「組織向け生成AIガバナンスガイドライン」を共同で公表しました。法的な拘束力のないガイドラインです。
また、ETDAは2026年7月にAIに関する新しい法案を公表し、パブリックヒアリングは2026年8月14日に締め切られました。法律事務所などの解説によると、法案はリスクに応じて禁止AI・高リスクAIなどに分ける構成で、高リスクAIは人による実質的な管理の対象とされ、AIを導入する側に監督要員の配置を求めています。まだ法案の段階で、成立したものではありません。工場の保全アシスタントが高リスクAIに当たるかどうかは確認できていないので、所轄機関・専門家に個別に確認してください。
なお、AIマネジメントシステムの国際規格としてISO/IEC 42001:2023があります。AIを開発・提供する組織だけでなく、AIを利用する組織も対象で、取得は義務ではありません。社内のAI利用のルールを整える際の参考になります。
4. 多言語と現場用語
タイの工場では、タイ語・日本語・英語が混ざり、現場の略語や独自の呼び名も多くあります。同じ部品が言語ごとに違う名前で記録されていると、検索も評価もうまくいきません。対策は、記録の再コード化（故障コードは言語に依存しない）と、3言語の用語集です。用語集は一度作って終わりではなく、新しい設備や部品が入るたびに更新する担当を決めておきます。
5. BOIの措置
BOIの「Smart and Sustainable Industry」措置は、機械の更新・デジタル技術・自動化やロボットの導入を対象としています。ただし、保全AIアシスタント単体がこの措置の対象になるかは確認できていません。設備の更新などとあわせて検討する場合は、BOIや専門家に個別に確認してください。
設備保全AIアシスタント導入の90日計画
発注の前にやるべきことは、測ることと、記録を整える試作です。90日を3つに分けます。
0〜30日：測る・棚卸しする
- 故障対応の記録から、ライン停止を伴う故障の件数、1件ごとの診断時間、エスカレーションの件数と時間帯を測る。診断時間の始点（呼び出し）と終点（原因が分かった時点）を決めて、保全員に記録してもらう
- 対象設備と文書を棚卸しする。取扱説明書は何語で、どの版が現場にあるか。アラームコード表はそろっているか
- 過去の作業記録の状態を見る。件数、言語、故障コードの有無、自由記述の質
31〜60日：代表設備10台で試作する
- 故障の多い代表設備10台を選び、その作業記録を再コード化する（設備・部位・故障モード・原因・処置）
- 同じ10台の過去の故障事例から評価セットを作る。正解はベテランが確認する
- 説明書・アラーム表・再コード化した記録を読ませた試作で、記録を整えた場合と整えない場合の差を見る
61〜90日：RFPと受入基準を固め、発注を判定する
- 0〜30日の実測値で本記事の試算の仮置き値を差し替え、構成A（そのまま読ませる）と構成B（記録を整える）のどちらで発注するかを判定する
- RFPの12項目を書き、FAT/SATの評価セットと合格基準を決める
- 判定の資料（実測値、試作の結果、試算）は、工場長など承認者と共有する
予知保全など、センサーで故障の兆候をつかむ取り組みとの組み合わせを考える場合は、「予知保全の導入事例」も参考にしてください。保全AIアシスタントは「止まった後に早く戻す」、予知保全は「止まる前に手を打つ」ための仕組みで、どちらも故障の記録が土台になる点は同じです。
よくある質問（FAQ）
Q1. 設備保全のAIアシスタントで何ができて、何はできないのですか？
取扱説明書・アラームコード表・過去の作業記録を検索し、原因の候補と確認の手順を出典付きで示すことができます。作業記録の下書きや故障コードの候補を出すこともできます。一方で、設備の実際の状態を見て判断すること、記録に無い故障の正解を保証すること、最終判断を下すことはできません。停止・遮断・ロックアウトなどの安全手順を省いた近道を示させてもいけません。
Q2. 保全トラブルシューティングにAIを使うと、MTTRはどれくらい短縮できますか？
一律には言えません。ベンダーが公表している数値は、事後保全の時間、一部正解を含む処置案の生成率、目標値など、指標がそろっておらず、MTTRの値として比べることはできません。AIが主に縮めるのはMTTRの中の局所化・診断の時間なので、まず自社の故障対応で診断時間を測ってください。本記事のモデル試算では、記録を整えた構成で平均修復時間が90分から75分（約16.7%減）になると置きましたが、これは仮置き値です。
Q3. 生成AIが間違った手順を答えたら危なくないですか？
危険です。生成AIはもっともらしい誤りを生み、根拠や出典そのものをでっち上げることもあると、NIST AI 600-1 も注意しています。対策は、手順や数値を含む回答に必ず出典を付けること、安全手順を省かせないこと、人が最終判断すること、そして過去の故障事例で作った評価セットで受入試験を行い、安全手順を省いた回答が0件であることを確かめることです。
Q4. 過去の保全記録が手書き・バラバラでも使えますか？
そのままでは効きにくいと考えてください。誤字・略語・言語の混在・故障コードの不統一があると、似た事例をうまく探せません。風力発電の保全記録の研究では、約2割の記録が故障モードを判断するには情報不足でした。手書きの記録は電子化したうえで、代表設備から故障コードを付け直し、これからの記録は選択式の故障コードと自由記述を組み合わせたテンプレートで残すのがおすすめです。
Q5. 保全AIのRFPと受入試験（FAT/SAT）では何を確認すべきですか？
RFPには、対象範囲、参照データと版管理、言語と用語集、出典表示、安全手順の扱い、分からないときの振る舞い、権限管理、PDPAの扱い、効果の測り方、評価セットと合格基準、ログと継続評価、現地サポートの12項目を書きます。受入試験では、過去の故障事例で作った評価セットを使い、原因候補の正解率、出典の付与率、安全手順を省いた回答の件数、分からないときの正しさ、応答時間、タイ語の回答の正しさを確認します。
Q6. タイ工場で導入するとき、法規やPDPAで注意することは？
労働省令 B.E.2564 は、修理中の機械を動かさない仕組みと「スイッチを入れるな」の札、メーカーの取扱説明書に従うこと、説明書をタイ語または従業員が理解できる言語にすることを求めています。AIの回答はこれを置き換えません。作業記録に保全員の名前が入る場合はPDPAの扱いを、AI法案（2026年7月公表、法案の段階）の対象になるかや、BOIの措置の対象になるかも含めて、所轄機関・専門家に個別に確認してください。
まとめ
- 保全AIアシスタントが縮めるのは、修理時間の中の局所化・診断の時間です。停止・遮断・ロックアウトといった安全の時間は、縮めてはいけない時間です
- MTTRは定義が組織によって違いうるので、内訳を測り、診断時間を独立した指標にします
- 答えの質を決めるのは、AIモデルより過去の修理記録の質です。故障コードを整え、入力テンプレートでこれからの記録を良くします
- 本記事のモデル試算（仮置き値）では、記録を整えた構成Bが、初期投資は大きくても回収が早く（約2.1年）、評価と受入を省いた構成A′は回収できませんでした
- RFPには「何を、どう測って、何で合格とするか」を書き、過去の故障事例で作った評価セットでFAT/SATを行います
- タイの労働省令、PDPA、AI法案、BOIの扱いは、所轄機関・専門家に個別に確認します
最初の一歩は、AIの選定ではなく、故障対応の記録から診断時間とエスカレーションを測ることです。TOMAS TECHでは、故障記録の棚卸しや評価セットづくりといった、発注前の段階からのご相談も承っています。自社の記録がどの程度使える状態なのか、一度一緒に確かめてみたいという場合は、お問い合わせページからお気軽にご連絡ください。
参考情報
- Siemens「Siemens expands Industrial Copilot with new generative AI-powered maintenance offering」（2025年3月24日） https://press.siemens.com/global/en/pressrelease/siemens-expands-industrial-copilot-new-generative-ai-powered-maintenance-offering
- Accenture「Accenture and Avanade Collaborate with Microsoft to Develop Agentic Factory to Help Reduce Manufacturing Downtime」（2026年4月20日） https://newsroom.accenture.com/news/2026/accenture-and-avanade-collaborate-with-microsoft-to-develop-agentic-factory-to-help-reduce-manufacturing-downtime
- Microsoft 顧客事例「Schaeffler unlocks factory insights with Microsoft Cloud for Manufacturing」（2024年12月16日） https://www.microsoft.com/en/customers/story/20385-schaeffler-microsoft-fabric
- IBM「Introducing Maximo Application Suite 9.2」（2026年6月25日） https://www.ibm.com/new/announcements/introducing-maximo-application-suite-9-2
- IBM「Introducing Maximo Assistant」 https://www.ibm.com/new/announcements/introducing-maximo-assistant-an-ai-resource-for-teams
- Rockwell Automation「Rockwell Automation and Augury Partner to Improve Industrial Performance with Agentic AI」（2026年7月23日） https://www.rockwellautomation.com/en-id/company/news/press-releases/rockwell-automation-and-augury-partner-to-improve-industrial-performance-with-agentic-ai.html
- MaintainX「AI Goes Mainstream on the Factory Floor, MaintainX Report Finds」（2026 State of Industrial Maintenance Reportの発表、2026年5月22日） https://www.getmaintainx.com/newsroom/ai-goes-mainstream-on-the-factory-floor-maintainx-report-finds
- クラウドWatch「PKSHA、製造業のナレッジマネジメントをAIが支援する保全支援ソリューション「PKSHA Maintenance」を提供」（2024年9月13日） https://cloud.watch.impress.co.jp/docs/news/1623108.html
- MONOist「未知の不具合でも対応策を推論 AI活用の設備保全支援ソリューション」（2024年9月11日） https://monoist.itmedia.co.jp/mn/spv/2409/11/news073.html
- MONOist「生成AIで類似故障情報を表示、日立産業制御が設備／資産管理システムに追加」（2025年4月17日） https://monoist.itmedia.co.jp/mn/spv/2504/17/news107.html
- ニュースイッチ「新幹線・首都圏在来線の信号復旧、生成AIで再開までの時間半減へ」（2025年6月13日） https://newswitch.jp/p/46011
- DXマガジン「阪神電鉄の保守現場はAIでどう変わる？生成AIが故障原因と復旧手順を瞬時に提示」（2025年11月23日） https://dxmagazine.jp/?p=173665
- IEC Electropedia IEV 192-07-23（mean time to restoration） https://www.electropedia.org/iev/iev.nsf/display?openform&ievref=192-07-23
- IEC Electropedia IEV 192-07-06（time to restoration） https://www.electropedia.org/iev/iev.nsf/display?openform&ievref=192-07-06
- IEC Electropedia IEV 192-07-19（repair time） https://www.electropedia.org/iev/iev.nsf/display?openform&ievref=192-07-19
- IEC Electropedia IEV 192-07-21（mean repair time） https://www.electropedia.org/iev/iev.nsf/display?openform&ievref=192-07-21
- IEC Electropedia IEV 192-07-15（technical delay） https://www.electropedia.org/iev/iev.nsf/display?openform&ievref=192-07-15
- SMRP Best Practices Metrics Workshop（2018） https://pemac.org/sites/default/files/2018_SMRP_BPMW_Full_Day.pdf
- NIST「AI 600-1 Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile」（2024年7月） https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf
- ISO「ISO/IEC 42001:2023」 https://www.iso.org/standard/42001
- OSHA「29 CFR 1910.147 The control of hazardous energy (lockout/tagout)」 https://www.osha.gov/laws-regs/regulations/standardnumber/1910/1910.147
- タイ労働省令 B.E.2564（チュラロンコン大学SHECU掲載の官報PDF） https://www.shecu.chula.ac.th/data/boards/728/กฎกระทรวง%20มาตรฐานบริหารจัดการ%20เครื่องจักร%20ปั้นจั่น%202564.PDF
- ISO「ISO 14224:2016」 https://www.iso.org/standard/64076.html
- Sexton, Hodkiewicz, Brundage, Smoker「Benchmarking for Keyword Extraction Methodologies in Maintenance Work Orders」（PHM Society 2018） https://papers.phmsociety.org/index.php/phmconf/article/download/541/phmc_18_541
- Malyi, Shek, McDonald, Biscaya（風力発電の保全記録の構造化、arXiv 2605.31281） https://arxiv.org/abs/2605.31281
- Mondaq（Herbert Smith Freehills Kramer）「PDPA Fines Firsts: A 6-Year Timeline Of Thailand’s Data Privacy Enforcement」（2025年9月16日） https://www.mondaq.com/privacy-protection/1678146/pdpa-fines-firsts-a-6-year-timeline-of-thailands-data-privacy-enforcement
- Tilleke & Gibbins「Thailand’s Personal Data Protection Act – Requirements for Employers」（2019年12月24日） https://www.tilleke.com/insights/thailands-personal-data-protection-act-requirements-employers/3/
- Digital Policy Alert（DE・ETDAの組織向け生成AIガバナンスガイドライン公表、2024年10月30日） https://digitalpolicyalert.org/event/24106-issued-de-and-etda-generative-ai-governance-guideline-for-organisations-including-guidelines-for-the-ethical-application-of-generative-ai-for-organisations
- BDO Thailand「Thailand Moves Forward with Draft Artificial Intelligence Act in 2026」（2026年8月28日） https://www.bdo.th/en-gb/insights/thailand-moves-forward-with-draft-artificial-intelligence-act-in-2026-on-9
- Baker McKenzie「Thailand: Draft AI Act – seven key implications」（2026年7月16日） https://www.bakermckenzie.com/en/insight/publications/2026/07/thailand-draft-ai-act–seven-key-implications
- Tilleke & Gibbins「Thailand Releases New Draft Artificial Intelligence Act」 https://www.tilleke.com/insights/thailand-releases-new-draft-artificial-intelligence-act/
- The Star（Reuters配信）「Thai August factory output rises 4.44% y/y, beats forecast」（2026年9月30日） https://www.thestar.com.my/business/business-news/2026/09/30/thai-august-factory-output-rises-444-yy-beats-forecast
- Trading Economics「Thailand Industrial Production」（2026年9月30日） https://tradingeconomics.com/thailand/industrial-production/news/587981
- InfoQuest（タイ工業連盟 産業景況感指数、2026年9月9日） https://www.infoquest.co.th/?p=645593
- タイ投資委員会（BOI）プレスリリース No.117/2569（2026年7月23日） https://www.boi.go.th/upload/content/PR117_2569EN.pdf
