中小企業のAI導入2026｜総務68%・製造35%というズレの正体

中小企業のAI導入は、統計の上では確かに進み始めています。ところが中身を部門別に見ると、AIが入っているのは総務・管理部門が68.3%、製造・生産部門は34.9%。一方で経営者が「重大な経営課題」の筆頭に挙げるのは直接部門の人手不足で39.7%、間接部門は15.3%にとどまります。入っている場所と、痛い場所が逆になっている。本稿はこのズレがなぜ起きるのかを2つの一次調査から読み解き、タイの日系製造子会社が次に何へ投資すべきかを費用試算まで含めて整理します。

中小企業のAI導入は「遅れている」のではなく「届いていない」

AI導入をめぐる記事の多くは、「導入率は2割程度にすぎない」「まだ8割が使えていない」という書き出しから始まり、処方箋として「まず生成AIから始めよう」「補助金を使おう」で締めくくられます。この構図は間違いではありませんが、決定的に大事な点を落としています。問題は導入率の低さではなく、導入されたAIが向いている方向です。

独立行政法人中小企業基盤整備機構（中小機構）の「中小企業のAI等の利活用に係る実態調査」（2026年3月）によれば、業務分野別のAI導入率は総務・管理部門68.3%、営業・販売・サービス部門60.3%、経営・企画部門58.5%に対し、製造・生産部門は34.9%です。総務・管理と製造・生産のあいだには33ポイント以上の開きがあります。

同じ時期に商工組合中央金庫（商工中金）が実施した「中小企業の生成AIの利用にかかる調査（2026年1月調査）」では、経営課題の取組優先度を聞いています。「重大な経営課題」と回答された割合の最上位は直接部門（製造・販売・輸送）の人手不足対応・業務効率化で39.7%。間接部門の人手不足対応・業務効率化は15.3%で、8項目中の下位です。

並べると、こうなります。経営者が最も痛いと感じているのは直接部門で、そこへのAI導入率は最も低い。痛みが最も小さい間接部門に、AIは最もよく入っている。AIは「効く場所」ではなく「入れやすい場所」に入っているわけです。

この違いは実務上の意味が大きく異なります。「遅れている」のであれば、時間が解決します。認知が広がり、価格が下がり、事例が増えれば自然に追いつく。しかし「届いていない」のであれば、時間は解決しません。届かない理由が構造にあるなら、その構造を先に変えないと、10年待っても製造・生産部門の導入率は上がりません。

本稿の結論を先に書きます。現場にAIが届かない理由は、経営者の知識不足でも予算不足でもなく、AIの手前にデータが無いからです。そして、データが無い会社はAI投資の回収計算を原理的にできません。だから最大の障壁として「具体的な活用場面が不明」35.6%が残り続けます。この構造を分解し、打ち手を3層に分けて順番に置くのが本稿の趣旨です。生成AI全体の導入ロードマップについては生成AI導入ガイドで別途整理していますが、本稿は「現場に届かせる」という一点に絞ります。

数字で見る現在地——2つの一次調査が示す同じ結論

議論の土台として、性格の異なる2つの一次調査を並べます。どちらも2025年秋から2026年初にかけて実施されたもので、母集団も設問設計も違いますが、結論の方向は一致しています。

この2つを重ねると、単独では見えない構造が浮かびます。商工中金は「生成AIをどう使っているか」を深掘りし、中小機構は「どの部門にどの種類のAIが入っているか」を押さえている。前者が用途を、後者が分布を示す関係です。

AI導入率20.4%の内訳は、部門で大きく割れている

中小機構調査のAI導入率は20.4%（全社的に導入＋一部の業務で導入）です。検討中が18.6%で、合わせて39.0%がAI導入に前向きという整理になります。

商工中金調査の生成AI導入状況は、より細かく分かれます。自社専用モデル・AIエージェントの導入が0.9%、全社的なパッケージ導入が4.1%、一部部署・一部メンバーでのパッケージ導入が11.2%で、会社としての導入は16.3%（四捨五入のため内訳の和とは一致しません）。これに対し「会社導入なし・個人の生成AI活用を推奨」が14.9%、「会社導入なし・使用も個人の判断に任せる」が64.9%、禁止・制限が1.4%、その他が2.5%です。会社導入と個人利用推奨を合わせた「生成AI積極活用層」は約3割になります。

対象範囲が違うので単純比較はできませんが、会社として導入している企業は2割弱という姿は両調査に共通します。個人任せが6割超という内訳は商工中金調査に固有の設問ですが、会社の外側で使われている量の大きさを示しています。ここまでは既知の話です。問題は次の内訳です。

上位3つが58〜68%の帯にひとかたまりで並び、製造・生産だけが34.9%と離れています。これは「製造業の導入が遅い」という話ではありません。同じ会社の中で、間接部門には入り、直接部門には入っていない、という分布です。

入っているAIの82.6%は生成AI、現場系AIは1割前後

なぜ製造・生産部門だけが取り残されるのか。答えは「どの種類のAIが導入されているか」を見ると見当がつきます。

中小機構調査（n=322、複数回答）の結果です。生成AIが82.6%で突出し、製造業の現場で価値を出すタイプ、すなわち画像認識11.2%・需要予測8.1%・異常検知4.3%は、いずれも1割前後かそれ以下にとどまります。

導入目的（n=331）は業務効率化・作業時間の短縮が87.0%で最上位、以下、品質向上32.3%、人手不足対応31.7%、付加価値創出24.5%、エラー・ミスの軽減24.2%、売上拡大・顧客獲得22.1%、コスト削減14.8%と続きます。導入効果としても業務効率化・作業時間の短縮が83.2%で、目的と効果がきれいに一致しています。時間短縮については、企業は狙ったとおりの成果を得ています。

そして商工中金調査で、その時間短縮の中身が分かります。積極活用層の活用事例は、メール・報告書・議事録の作成・要約が74.0%で最多、デスクワーク作業支援・自動化が48.7%、戦略・計画策定支援30.0%、デザイン生成29.3%、リサーチ20.2%、アプリ開発16.9%、人材育成・社内研修9.9%と続き、現場業務・対人業務の支援・自動化は9.5%です。

74.0%と9.5%。この差が、部門別導入率の68.3%と34.9%という差の正体です。

「痛い場所」と「AIが入っている場所」が逆になっている

3つの数字を並べ直します。

優先度が高い側ほど導入が薄く、優先度が低い側ほど導入が厚い。完全に逆相関しています。

この逆転は、成果の実感にも表れます。商工中金調査の総合評価（積極活用層のみ）では、なんらかポジティブな評価をしている先が73.7%に達する一方、経営へのプラスの効果を感じている先は31.7%にとどまり、「今のところ効果はみられない」が19.3%あります。7割超が「便利だ」と言い、3割しか「経営に効いている」と言わない。生成AIが間接部門の作業時間を削っている以上、これは自然な結果です。削っているのは、経営課題としては15.3%の側だからです。

なお同調査では、会社として導入している先のほうが個人登録に任せている先より、経営へのプラス効果が10ポイント以上高いことも示されています。個人任せの64.9%という数字と合わせると、多くの企業がまだ「経営に効く使い方」の入口にすら立っていないことが分かります。

なぜ現場に届かないのか——AIの手前にデータが要る

ここからが本稿の中心です。なぜ現場業務には9.5%しか届かないのか。答えは技術の難しさでも価格でもありません。

生成AIだけが「自社データを用意しなくても動くAI」

生成AIが82.6%という圧倒的なシェアを取ったのは、性能が高いからではなく、準備コストがゼロだからです。

生成AIは、汎用のテキストや画像で事前学習された状態で提供されます。利用者が用意するのは、その場のプロンプトと、せいぜい数枚の参照資料だけ。アカウントを作った初日から動きます。自社の過去データを集める必要も、ラベルを付ける必要も、モデルを訓練する必要もありません。

これは他のどのAIにも無い性質です。裏を返せば、生成AIが扱えるのは「一般的な言語処理」であって、自社固有の判断ではありません。だから用途がメール・報告書・議事録の作成74.0%に寄ります。自社データを必要としない仕事にしか使えないのだから、当然そうなります。

導入率82.6%という数字は、技術の優劣ランキングではなく、「準備コストゼロで動くAIが1つだけ存在する」という事実の反映です。

画像認識・異常検知・需要予測は、自社のデータが無いと始まらない

現場で価値を出すAIは、すべて自社データを前提とします。

導入率の並び順（82.6% → 11.2% → 8.1% → 4.3%）は、技術の難易度順ではありません。必要なデータの入手難易度順です。異常検知が最下位なのは、設備から連続的に信号を取るという工程が、4つの中で最も物理的な手間を要するからです。

ここで多くの現場AIプロジェクトが止まります。外観検査AIの導入を検討し、ベンダーに相談し、そこで「まず良品と不良品の画像を数百枚から数千枚、同じ撮影条件でご用意ください」と言われて止まる。外観検査AIの導入でも述べたとおり、この画像収集の工程は数週間から数ヶ月かかり、しかも「AI導入プロジェクト」の見積書には載っていないことが多い。同じことが設備の予知保全でも起きます。振動センサーを付けるところまでは進むのに、比較対象となる正常時のデータが数ヶ月分たまるまで、モデルは何も判定できません。

つまり、現場AIが届かないのはAIの問題ではなく、その手前にある「記録の状態」の問題です。紙とExcelで回っている工場には、AIに食わせるものが存在しません。

打ち手は3層に分けて順番に置く

以上を踏まえると、打ち手は3つの層に分かれます。この層分けは、必要なデータの有無と、回収の性質で決まります。

中小企業がやりがちな失敗は、第1層をやってから第3層に飛ぼうとすることです。 第2層が抜けているので止まります。そして厄介なことに、第2層は「AIではない」ので、「AI導入」の名目で予算を取ろうとすると通りません。ここが構造的な罠です。

第1層 間接部門——今すぐ効き、労務削減だけで回収する

第1層は、いま多くの企業が実行している層です。メール・報告書・議事録の作成、翻訳、資料の要約、社内文書の下書き。商工中金調査の74.0%と48.7%がここに当たります。

タイの日系製造子会社では、この層の効きが日本国内より大きくなります。日本語・タイ語・英語の3言語が日常的に混在し、本社報告のための翻訳と要約が恒常的に発生しているからです。現地スタッフが書いたタイ語の報告を日本語に整えて本社に送る、という作業は、多くの拠点で毎週数時間から十数時間を消費しています。

ただし第1層には、効果を消しやすい罠が2つあります。商工中金調査の「導入後の課題」がそのまま該当します。社内ルールや方針整備が追い付かない25.1%、導入効果が測定できず成果が見えにくい21.3%、一部部署や職員に知識・ノウハウが偏る14.7%、業務プロセスに組み込めず定着しない12.0%。

ひとつめの罠が、ルールの不在です。情報管理やセキュリティに関する不安は21.0%が挙げており、規程が無いまま個人アカウントで使い始めると、いずれ図面や原価情報の入力が問題になります。着手時点で生成AIの利用規程を整えるのは、抑止のためではなく、むしろ「ここまでは入れてよい」を明示して利用を伸ばすためです。

ふたつめの罠が、対象業務の選び方です。生成AIのチャット画面を全員に配っただけでは、使う人と使わない人に分かれます。効果を確実にするには、特定の定型業務を名指しで置き換える必要があります。たとえばExcel業務の自動化のように、毎月決まった形で発生する集計・転記・書式変換を対象にすると、削減時間が測れる形で残ります。

第2層 現場の記録をデータにする——AIではないが、ここが抜けている

第2層は、現場で起きていることを、後から集計できる形で残す工程です。具体的には次の3つです。

• 電子帳票——作業日報、検査記録、点検表、不良報告をタブレットやPCから入力する形に置き換える
• 実績収集——生産数・稼働時間・停止時間・段取り時間を、工程単位・時刻付きで自動または半自動で取得する
• 設備からの信号取得——電流・稼働信号・カウンタ・温度などを設備やPLCから読み出し、時系列で蓄積する

この3つには、AIという言葉が一度も出てきません。だから社内の位置づけが宙に浮きます。「AI導入プロジェクト」の名前では通らず、かといって単なる効率化投資としては後述のとおり回収が長い。結果として、稟議のどこにも居場所が無いまま先送りされます。

しかし第2層が無いと、第3層は原理的に始まりません。良品・不良品の画像が無ければ外観検査AIは学習できず、時刻付きの停止記録が無ければ異常検知AIの評価対象が定義できません。電子帳票によるペーパーレス化を「紙をやめる話」として捉えている限り、この投資は毎年見送られます。捉え直しが必要な理由は、費用試算の章で数字とともに示します。

第3層 現場AI——第2層が無ければ原理的に動かない

第3層は、蓄積されたデータの上で初めて動く層です。外観検査の自動化、設備の異常検知、需要予測。中小機構調査で11.2%・4.3%・8.1%だった領域です。

第3層の便益は、第1層とも第2層とも性格が違います。第1層と第2層の便益は「人が使う時間が減る」という労務削減で、金額は人時単価に比例します。これに対し第3層の便益の本体は損失の回避です。不良の流出を止める、設備の突発停止を減らす、欠品と過剰在庫を減らす。いずれも「起きていたはずの損失が起きなくなる」という形の便益です。

この違いが、回収計算のやり方を変えます。労務削減は、人数と時間と単価を掛ければ出ます。損失回避は、その損失が現在いくら発生しているかを知らなければ計算できません。 そして、その金額を知る手段が第2層です。ここで論理が一周します。

第2層が無い会社は、第3層をやるべきかどうかを判断できません。やる価値があるかもしれないし、無いかもしれない。判断材料が存在しないというだけです。

費用と回収を層ごとに試算する（タイ拠点・従業員120人）

ここまでの主張を金額で確かめます。以下はタイの日系製造子会社1拠点を想定したモデル計算です。数字は拠点ごとに変わるため、必ず自社の実測値に置き換えて検算してください。 式と前提をすべて併記するのはそのためです。

共通前提の置き方

自社の数字に置き換えるときは、人時単価を次の式で出してください。

人時単価 ＝ 月額人件費 ÷ 月間稼働日数 ÷ 1日の実働時間

月額人件費に社会保険料・住宅手当・賞与引当を含めるかどうかで、単価は相応に上がります。本稿は基本給ベースの保守的な値を使っています。含めた場合は便益が増える方向に動きますが、後述のとおり費用側も同時に動くため、純便益の増え方は便益の増え方より緩やかになります。

直接部門の50バーツ/時は、タイの最低賃金の水準から置いています。JETROのビジネス短信（2025年7月4日）によれば、2025年7月1日施行でバンコク都は全業種で日額400バーツ（改定前は372バーツ）、チョンブリー県・ラヨーン県など4県1郡は2025年1月から400バーツが適用済みで、2026年に入っても据え置き、日額337〜400バーツのレンジが継続しています。400バーツを8時間で割った50バーツが、本稿の直接部門の単価です。

第1層は約7.5ヶ月で回収する

間接部門20人に生成AIを配り、定型文書の作成時間を1人1日30分削減する想定です。

初期費用150,000バーツは、年間純便益239,100バーツで割ると0.63年、つまり約7.5ヶ月で回収します。

ここで年間費用に社内運用管理工数18,900バーツを入れている点が重要です。生成AIの導入費用を席課金だけで見積もると、実態から離れます。アカウント管理、質問対応、プロンプトの共有、規程の更新は誰かが担当しており、その人の時間は無料ではありません。1日30分という置き方は控えめな部類です。

それでも第1層は回収します。「生成AIから始めよ」という一般的な助言は、この意味で正しい。 労務削減だけで、追加のデータ整備なしに、1年以内に回収できる打ち手はそう多くありません。問題は、ここで止まってしまうことです。

第2層は労務削減だけでは回収しない

現場帳票を電子化し、実績収集の仕組みを入れる想定です。タブレット10台、ライセンス、設定、現場教育を含みます。

初期費用900,000バーツを年間純便益97,200バーツで割ると、回収は約9.3年です。設備投資の稟議で9.3年という数字を出せば、まず通りません。

この結果は、手を抜いた見積もりのせいではありません。労務削減の便益が構造的に小さいのです。直接部門100人の記入時間を1人1日6分減らしても、単価が50バーツ/時なので126,000バーツにしかなりません。人件費の安い拠点では、直接部門の時間短縮を金額に換算した瞬間に数字が小さくなります。

だから第2層を「効率化投資」として評価してはいけない、というのが本稿の主張です。 第2層の本当の価値は、削減した時間ではなく、生成されるデータそのものにあります。それが何をもたらすかは、次の第3層の計算で明らかになります。

第3層も単独では回収しない——回収は「損失の回避」で成立する

第2層のデータがある前提で、外観検査の自動化を入れる想定です。

初期費用1,500,000バーツを年間純便益102,400バーツで割ると、回収は約14.6年です。第2層と第3層を通しで見ても、状況は変わりません。

12年です。この数字を見て「だからAIは中小企業には早い」と結論づけるのが、最もありがちな誤読です。正しい読み方はこうです。労務削減だけを便益に数えると、現場AIは回収しない。 現場AIの回収を成立させるのは、検査工数の削減ではなく、不良流出・ダウンタイム・納期遅延といった損失の回避です。

そして、その額は自社実績からしか出せません。ここで、必要な損失回避額を逆算する式が使えます。

必要な年間損失回避額 ＝ 初期投資 ÷ 目標回収年数 ＋ 年間運用費 − 労務削減による年間便益

モデル計算の数字（初期2,400,000バーツ、年間運用380,000バーツ、労務削減579,600バーツ）を入れると、こうなります。

つまり「5年で回収したい」なら、不良流出とダウンタイムの削減で年間280,400バーツ相当の損失を回避できるかどうかが判断基準になります。月あたりに直すと約23,400バーツ（日額400バーツの作業者で約58人日分）です。多いとも少ないとも言えます。自社で年間いくらの損失が出ているかを知らなければ、判断できません。

ここで注意してほしいのは、この表が「損失回避額はこれくらいある」と主張しているのではない、という点です。示しているのは必要条件だけです。実際の損失額は、自社の不良率・出荷停止の頻度・チョコ停の時間から計算するしかありません。効果測定の考え方についてはAI投資のROI測定で整理していますが、どの測定フレームを使うにせよ、入力となる実績値が無ければ式は空のままです。

感度分析——人時単価を動かすと何が変わるか

前提の置き方で結果がどう変わるかを確認します。第1層について、間接部門の人時単価を動かします。ここで重要なのは、便益側だけでなく費用側も同時に動くという点です。年間費用に含めた社内運用管理工数126時間は、同じ人時単価で評価されるからです。

費用の式は「席課金120,000バーツ ＋ 126時間 × 人時単価」です。便益側だけを動かして「単価が上がれば効果も上がる」と説明する試算をよく見かけますが、それは運用工数を無視しているだけです。

この表から純便益の式を整理すると、次のようになります。

年間純便益 ＝ 2,520時間 × 人時単価 − 120,000 − 126時間 × 人時単価 ＝ 2,394 × 人時単価 − 120,000

この式が0になるのは人時単価が約50バーツ/時のときです。つまり第1層は、対象者の人時単価がおおむね50バーツ/時を超えていれば労務削減だけで黒字になります。 間接部門の150バーツ/時では余裕がありますが、直接部門の50バーツ/時はちょうど分岐点です。生成AIのアカウントを直接部門にそのまま横展開しても、労務削減だけでは回収しないことになります。第1層の対象を間接部門に絞るべき理由が、ここに数字として出てきます。

第2層についても同じ操作をします。第2層の年間運用費180,000バーツはライセンスと保守なので人時単価では動かず、動くのは便益側だけです。間接部門の人時単価が200バーツ/時なら年間純便益は147,600バーツとなり回収は約6.1年、100バーツ/時なら46,800バーツで約19.2年になります。単価をどう置いても、労務削減だけでは投資判断に耐える年数になりません。前提の置き方を変えても結論は変わらないことが、この操作で確かめられます。

「具体的な活用場面が不明」35.6%の正体は、測っていないこと

商工中金調査で、AI導入以前のフェーズにおける課題の最多は「具体的な活用場面が不明」35.6%でした。全フェーズを通しても最大の障壁です。以下、導入検討フェーズでは「導入を推進する人材がいない」32.0%と「従業員の知識不足・心理的抵抗」29.2%が続き、導入後フェーズでは「社内ルールや方針整備が追い付かない」25.1%が最多になります。

この35.6%は、通常「情報不足」として解釈されます。実際、中小機構調査でも「成功事例や活用事例などの情報が十分に入手できている」は不充足が計83.3%、「適切なベンダーや製品を選定する情報が十分にある」は不充足が計79.8%に達し、必要な公的支援としても導入事例などの情報提供が70.5%（導入費用などの助成77.9%に次ぐ2位）で挙がっています。だから施策も「事例を増やそう」に向かいます。

しかし、事例を100件読んでも「自社のどこに効くか」は出てきません。理由は単純です。効くかどうかは、自社でいまいくら損しているかに依存するからです。

右端の列が、35.6%の中身です。活用場面が見えないのは、経営者の想像力の問題ではありません。自社の損失がどこでいくら出ているかを測っていないからです。損失額が空欄である以上、どんな事例を見ても「うちにも効きそうだ」以上のことは言えず、稟議に書ける形になりません。

導入後の課題として「導入効果が測定できず成果が見えにくい」が21.3%挙がっているのも、同じ根から出ています。導入前に測っていない企業は、導入後も測れません。ベースラインが無いからです。

ここから、第2層の位置づけが変わります。第2層は「AIの前段階」でも「紙をやめる効率化」でもありません。第3層の投資判断を可能にするための投資です。

この捉え直しは、稟議の書き方を実際に変えます。

• 従来の書き方——「現場帳票を電子化し、日報の転記工数を年間151,200バーツ削減する」（回収9.3年で否決される）
• 捉え直した書き方——「不良・停止・手待ちの発生を金額で毎月出せる状態を作る。その数字をもとに、来期の現場AI投資（初期1,500,000バーツ規模）の可否を判断する」

後者は、900,000バーツを「効率化」ではなく「1,500,000バーツの投資判断の精度を上げるための調査費」として説明しています。判断を誤ったときの損失と比較する形になるため、評価の土俵が変わります。そして副産物として、日報の転記削減151,200バーツと現場の記入時間短縮126,000バーツが付いてくる。順序を逆にするだけで、同じ投資が通る形になります。

タイ拠点では条件が4つ変わる

ここまでは日本の一次調査を土台にしてきました。タイの日系製造子会社に当てはめるとき、変わる条件が4つあります。

タイのSMEは7割がAIを使うが、全社で回っているのは2割弱

UOBのBusiness Outlook Study 2026（2026年上期版、タイの経営者・意思決定層265社）によれば、タイのSMEは7割超がAIを実装しており、ASEAN域内平均を上回ります。デジタルソリューションの導入は8割超。AI導入企業のうち58%が運用コストの削減を、44%が即時の生産性向上を報告しています。

数字だけ見ると日本より進んでいるように読めますが、同じ調査に続きがあります。全社規模でのAI導入は18〜24%で頭打ちで、73%がデジタル変革を「準備中」の段階にあるとされています。

この18〜24%という帯は、日本の会社導入16.3%、AI導入率20.4%とほぼ重なります。つまり、個人や一部部署で使っている企業は多いが、全社の業務プロセスに組み込めている企業は2割前後という構造は、日本もタイも変わりません。「タイだから遅れている」も「タイのほうが進んでいる」も、どちらも実態を捉えていません。詰まっている場所が同じなのです。

背景として、タイのSMEは約330万社、全企業の99.5%を占め、1,360万人を雇用しています。一方でデジタル人材は約8万人不足しているとされ、8割超が今後2〜3年での海外展開を検討し、シンガポール・ベトナム・マレーシアが行き先の上位に挙がっています。人材が薄いまま、事業の複雑さだけが増していく方向です。

現場の言語と、IT担当が実質いないという前提

タイ拠点で第2層を設計するときに最初にぶつかるのが、言語です。現場の作業者はタイ語、管理層はタイ人スタッフと日本人駐在員の混成、本社報告は日本語。この構造が、2つの方向に効きます。

第1層には有利に働きます。翻訳・要約・議事録という生成AIの得意分野が、そのまま日常業務だからです。前述の年間便益378,000バーツは、多言語環境の拠点によってはむしろ控えめな見積もりになります。

第2層には不利に働きます。電子帳票の入力画面と選択肢がタイ語で完結していなければ、現場は入力しません。日本語の項目名にタイ語の注釈を添えた画面は、運用開始から数週間で「とりあえず先頭の選択肢を選ぶ」形に崩れます。不良の分類コードは、タイ人の検査員が迷わず選べる粒度と語彙で設計する必要があります。ここを手抜きすると、集まったデータが第3層で使えません。

推進体制も条件が違います。商工中金調査では「導入を推進する人材がいない」32.0%、「従業員の知識不足・心理的抵抗」29.2%、「支援先や相談相手を確保できない」11.5%が挙がっていますが、タイ拠点ではこれが増幅します。専任の情報システム担当がおらず、総務や経理の担当者が兼務しているケースが少なくないからです。加えて、駐在員の任期が3〜5年であるため、推進役が交代した時点でプロジェクトが止まるリスクが構造的にあります。どこを自社で持ち、どこを外部に委ねるかの切り分けはAI内製化と外部支援で整理していますが、タイ拠点では「タイ語で書かれた手順書と、現地メンバーへの引き継ぎ」を成果物に含めるかどうかが、日本国内の案件以上に成否を分けます。

人件費の水準が回収計算の形を変える

3つめが人件費です。バンコク都の最低賃金は日額400バーツで、直接部門の人時単価は50バーツ/時の水準になります。日本の同種作業の人時単価とは水準が大きく異なります。

この差は、投資判断の形を変えます。直接部門の労務削減を根拠にした提案は、タイでは成立しにくい。 第3層の試算で検査工数の削減が302,400バーツにとどまり、回収が14.6年になったのは、まさにこの効果です。同じ設備を人件費の高い国に入れれば、労務削減だけで数年の回収になる可能性があります。

一方で、損失回避の側は人件費と連動しません。不良を流出させたときの費用は、材料費・輸送費・顧客対応・場合によっては生産ラインの停止で決まります。輸出主体の拠点であれば、顧客は日本や欧米にあり、対応費用はその国の水準で発生します。

結論として、タイ拠点では回収の重心が労務削減から損失回避へ、日本国内より強く寄ります。 損失回避を根拠にするには金額が必要で、金額を出すには記録が必要です。第2層の重要性は、人件費が安い拠点ほど相対的に高くなります。

タイ側の支援制度と、日系現地法人が確認すべきこと

4つめが制度です。タイ側にも中小企業のデジタル化を後押しする枠組みがあります。

ETDA（電子取引開発機構）が主導するSMEs Growth 2026には、depa、OSMEP、SME D Bank、TCGが参画しています。2026年は16県・4地域に拡大し、ロードショー、ワークショップ、相談クリニック、技術ショーケース、ビジネスマッチングを提供する形です。「どのベンダーに何を頼めばよいか分からない」という状態にある拠点には、技術ショーケースとビジネスマッチングが実務的な入口になります。

資金面では、OSMEPが12億バーツ規模のSME融資を用意しています。年利1%、最長5年。Transformation SME（近代化・デジタル技術・イノベーション向け）は最大1,000万バーツ、Enhancement SMEは小規模1,000万バーツ・中規模1,500万バーツという枠で、2026年5月5日から申込が始まっています。名称からも分かるとおり、Transformation SMEの用途は本稿の第2層と第3層に重なります。

ただし重要な注意があります。 国籍・出資比率といった適用要件は公表記事に明記が無く、日系100%出資の現地法人が対象になるかどうかは断定できません。制度の存在を前提に投資計画を組む前に、OSMEPに直接確認してください。タイのSME向け支援制度は、タイ資本比率の要件が付くものと付かないものが混在しており、条件を確認しないまま計画に織り込むと、後で資金計画を作り直すことになります。

規制については、誤情報が出回っている点にも触れておきます。タイのAI法は、本稿執筆時点で未成立です。 草案段階にとどまっており、施行はされていません。2026年3月1日施行のAI法はベトナムのものであって、タイではありません。この2つを混同した記事が日本語でも英語でも流通しているため、コンプライアンス方針を作る際は原典に当たってください。タイ拠点でのAI導入の全体像はタイでのAI導入にまとめています。

90日で「次の投資判断ができる状態」に持っていく手順

最後に、実行の順序です。目的は「AIを導入すること」ではありません。90日後に、第3層に投資すべきかどうかを数字で議論できる状態を作ることです。

このロードマップから、意図的に外してあるものが2つあります。

ひとつは、第3層のPoC（実証実験）を90日に入れないことです。データが無い状態でベンダーのデモを見ても、判断材料は増えません。増えるのは「よさそうだ」という印象だけで、それは35.6%の解決になりません。

もうひとつは、全社展開を求めないことです。46日目からの損失測定は、選んだ1工程だけで構いません。全工程を測ろうとすると、様式づくりで30日を消費し、90日目に何も出てこない結果になります。1工程で金額が出れば、他工程に横展開する根拠になります。

90日目に手元にあるのは、第1層の実測された純便益と、1工程の損失金額です。この2つがあれば、経営会議の議題は「AIを入れるべきか」ではなく「この損失額に対して、いくらまでなら投資してよいか」になります。議論の形が変わることが、この90日の成果です。

中小企業のAI導入でよくある質問

中小企業のAI導入は何から始めるべきですか？

第1層（間接部門の生成AI）から始めるのが正解です。モデル試算では初期150,000バーツが約7.5ヶ月で回収し、追加のデータ整備も不要です。ただし同時に、第2層の「測り始め」を並走させてください。 第1層だけを続けても、39.7%が重大な経営課題に挙げる直接部門の人手不足には届きません。具体的には、痛い工程を1つ選び、不良・停止・手待ちの3つを紙でよいので記録し始めることです。これは費用がほぼかからず、3ヶ月後の投資判断の材料になります。

AI導入の費用はどれくらいかかりますか？

層によって桁が違います。モデル試算（タイ拠点・従業員120人）では、第1層が初期150,000バーツ・年間138,900バーツ、第2層が初期900,000バーツ・年間180,000バーツ、第3層が初期1,500,000バーツ・年間200,000バーツでした。相場は拠点の規模と対象工程で大きく変わるため、金額そのものより式を持ち帰ってください。 年間便益は「削減時間 × 人数 × 稼働日数 × 人時単価」、必要な損失回避額は「初期投資 ÷ 目標回収年数 ＋ 年間運用費 − 労務削減による年間便益」です。人時単価は「月額人件費 ÷ 月間稼働日数 ÷ 1日の実働時間」で出します。この3つの式に自社の数字を入れれば、どの層に投資できるかが判断できます。

専任のIT担当がいなくてもAIは導入できますか？

第1層は可能です。運用管理に1日30分程度の工数は要りますが、専任者は不要です。第2層以降は事情が変わります。商工中金調査でも「導入を推進する人材がいない」が32.0%で導入検討フェーズの最多課題であり、タイ拠点では情報システム担当が総務や経理の兼務であることが多いため、さらに厳しくなります。現実的な進め方は、要件の定義と受け入れ判断を自社が持ち、構築と運用の一部を外部に委ねる形です。その際、成果物にタイ語の作業手順書と現地メンバーへの引き継ぎを含めておかないと、駐在員の交代で運用が止まります。

生成AIを入れたのに効果が感じられないのはなぜですか？

同じ状態の企業が多数派です。商工中金調査では、積極活用層でもなんらかポジティブな評価は73.7%に達する一方、経営へのプラスの効果を感じている先は31.7%にとどまり、19.3%は「今のところ効果はみられない」と回答しています。原因は2つあります。ひとつは、用途の74.0%がメール・報告書・議事録の作成であり、それが削っているのは経営課題としては15.3%の側の時間だからです。もうひとつは測定の問題で、導入後の課題として「導入効果が測定できず成果が見えにくい」が21.3%挙がっています。前者への対処は本稿の3層モデルで層を上げること、後者への対処は導入前に所要時間のベースラインを取ることです。なお会社として導入している先は個人任せの先より経営へのプラス効果が10ポイント以上高く、ルール整備（導入後の課題の最多は25.1%の「社内ルールや方針整備が追い付かない」）も効果に効いています。

タイの現地法人でも日本と同じ進め方でよいですか？

3層の順序と、投資判断の考え方は同じです。変わるのは4点です。第1に人時単価で、直接部門の労務削減を根拠にした提案が成立しにくくなります。第2に言語で、電子帳票の画面と選択肢をタイ語で完結させる設計が必須になります。第3に推進体制で、専任のIT担当が不在であることと、駐在員の任期でプロジェクトが切れるリスクを前提に置く必要があります。第4に制度で、ETDA主導のSMEs Growth 2026やOSMEPの融資といったタイ側の枠組みがある一方、日系100%出資の現地法人が対象になるかは各制度に確認が要ります。なお、UOBの調査ではタイのSMEの7割超がAIを実装しているとされますが、全社規模での導入は18〜24%で頭打ちです。個人利用と全社運用の落差は日本と同じ構造です。

まとめ

本稿の要点を整理します。

• 中小企業のAI導入は「遅れている」のではなく「届いていない」。AIが入っているのは総務・管理部門68.3%に対し製造・生産部門は34.9%で、経営課題として重大とされるのは直接部門39.7%・間接部門15.3%。入っている場所と痛い場所が逆になっています
• 導入済みAIの82.6%は生成AIで、画像認識11.2%・需要予測8.1%・異常検知4.3%は1割前後。生成AIの用途も74.0%がメール・報告書・議事録の作成で、現場業務・対人業務の支援は9.5%です
• 理由は知識不足ではありません。生成AIだけが自社データを用意せずに動くAIだからです。画像認識には画像が、異常検知には設備データが、需要予測には実績データが要ります
• 打ち手は3層に分けます。第1層（間接部門の生成AI）、第2層（現場の記録のデータ化）、第3層（現場AI）。失敗の典型は、第1層から第3層に飛ぼうとして第2層が抜けていることです
• 試算では、第1層は初期150,000バーツを約7.5ヶ月で回収します。一方、第2層は約9.3年、第3層は約14.6年、通しで約12年。第2層も第3層も労務削減だけでは回収しません
• 現場AIの回収を成立させるのは損失の回避であり、その額は自社実績からしか出せません。「具体的な活用場面が不明」35.6%の正体は、自社の損失を測っていないことです
• したがって第2層は「効率化投資」ではなく「第3層の投資判断を可能にするための投資」として位置づけ直す必要があります
• タイ拠点では、人時単価・言語・推進体制・支援制度の4条件が変わります。人件費が安いほど労務削減の便益は小さくなり、回収の重心は損失回避に寄ります。タイのAI法は執筆時点で未成立である点にも注意してください

AI導入の可否を分けるのは、モデルの性能でもベンダーの選定でもなく、自社の損失を金額で言えるかどうかです。言えるようになった時点で、AIを入れるべきかどうかは自動的に決まります。

TOMAS TECHは、タイの日系工場向けに実績収集・電子帳票・設備からの信号取得といった第2層の基盤を構築し、その上で外観検査や異常検知の導入まで支援しています。いきなり第3層の見積もりを出すのではなく、いまどの層にいて、次にどこから手を付けるべきかの切り分けだけでもご相談いただけます。現状の記録の取り方と痛い工程を伺ったうえで、90日で判断材料を揃える組み立てからお手伝いしますので、お問い合わせからお気軽にご連絡ください。

参考情報

• 商工中金「中小企業の生成AIの利用にかかる調査（2026年1月調査）」2026年3月31日公表: https://www.shokochukin.co.jp/report/data/assets/pdf/futai202603.pdf
• 中小機構「中小企業のAI等の利活用に係る実態調査」2026年3月: https://www.smrj.go.jp/research_case/questionnaire/fbrion0000002pjw-att/202603_AI_point.pdf
• UOB Business Outlook Study 2026（タイのSMEのAI導入状況、2026年7月報道）: https://www.thaipr.net/en/business_en/3735803
• The Resilient Innovators: How Thai SMEs are Navigating Economic Shocks via AI and Regional Expansion（The Nation Thailand、2026年7月3日。UOB調査の詳細）: https://www.nationthailand.com/business/economy/40068200
• Thailand Expands SMEs Growth 2026 Programme to Accelerate Digital Adoption（OpenGov Asia、2026年5月）: https://opengovasia.com/thailand-expands-smes-growth-2026-programme-to-accelerate-digital-adoption/
• OSMEP launches THB1.2 billion Thai SME loan scheme at 1% interest（The Nation、2026年5月）: https://www.nationthailand.com/business/economy/40065764
• ジェトロ ビジネス短信「バンコクの最低賃金、日額400バーツに引き上げ（タイ）」2025年7月4日: https://www.jetro.go.jp/biznews/2025/07/b21007a1ac8f7fca.html