AI Japan：町工場の溶接工が6時間でアプリ開発——生成AI教育に500万円投じたコプレックの戦略と成果

溶接の火花を散らしていた職人が、その日の午後にはiPadで動く業務アプリを完成させていた。所要時間はわずか6時間。外注でもなければ、社内のIT担当が作ったわけでもない。アプリを作ったのは、毎日金属を溶かして接合している現場の溶接工だった。

静岡県掛川市にある金属加工会社コプレックは、金属加工を中心とした製造業を手がける会社だ。この会社が約500万円を投じて、社員への生成AI教育に取り組み、職人自身が業務改善アプリを開発できる体制を作り上げたとされる。「中小企業にそんな予算はない」「製造業にAIは関係ない」——そう思った人にこそ、この事例の中身を知ってほしい。

溶接工が6時間でアプリを開発——コプレックで何が起きたのか

コプレックは静岡県掛川市に本社を置く金属加工会社。金属加工を手がける製造業の現場だ。

この会社が生成AIの教育プログラムに約500万円を投じ、溶接工を含む現場スタッフへの教育を実施したと報告されている。押さえておきたいのは「一部の若手だけ」や「管理職だけ」ではなく、現場の職人も対象に含まれていたこと。経営者の判断は明快で、「AI時代にホワイトカラーの仕事が代替されるなら、現場のものづくり人材こそ次の競争力になる」という読みがあったという。

コプレックの会社概要と投資の背景

500万円規模の教育投資。中小企業の研修費としては決して小さい金額ではない。

背景にあるのは、AI時代の競争構造の変化だ。事務処理やデータ入力のようなホワイトカラー業務は、生成AIによる代替が急速に進んでいる。一方で、金属の状態を見極めて溶接条件を調整する、微妙なゆがみを手作業で修正するといった現場の技能は、AIが簡単に置き換えられる領域ではない。コプレックの経営者は、この「代替されにくい現場の技能」と「AIの生産性」を掛け合わせることに活路を見出したと伝えられる。

溶接工が作ったアプリの中身と開発プロセス

教育の成果として特に話題を集めたのが、溶接工がわずか6時間で業務用アプリを開発したという事例。生成AIを使い、自分が日々の業務で感じていた不便を解消するためのアプリを、自らの手で形にしたとされる。

従来であれば、こうした業務改善アプリの開発は外注するか、社内にIT人材がいなければ諦めるしかなかった。外注すれば最低でも数十万円、要件定義から納品まで数か月かかるのが一般的な相場。それが、現場の課題を最もよく知る本人が、たった6時間で「動くもの」を完成させたという。

なぜ「現場の職人」がAI活用で有利なのか

「AIを使いこなすのはIT人材や若いエンジニアだろう」——そう考える人は多い。しかし、コプレックの事例はその常識に一石を投じた。現場の職人にこそ、生成AI活用の大きな優位性がある。

「AI時代に強い職人」の条件

生成AIを使ってアプリを開発する際、最も重要なのは「何を作るべきか」を正確に言語化できる能力だ。プログラミングのスキルではない。

溶接工は毎日、現場で起きる具体的な課題に直面している。「この条件の記録を毎回手書きするのが面倒」「材料の在庫確認で事務所まで往復している」「日報を書くのに相応の時間がかかる」——こうした課題は、現場にいない人間には見えにくい。外部のIT企業に発注しても、要件定義の打ち合わせを何度も重ね、それでも本当の困りごとが伝わらないことは珍しくないだろう。

生成AIに「こんなアプリが欲しい」と伝えるとき、現場の課題を肌感覚で理解している人間のプロンプトは、抽象的な仕様書よりはるかに的確なものになりやすい。これが「現場の職人がAI活用で有利」と言われる根拠の一つだ。

現場発のアプリ開発が外注より優れる理由

外注開発とのもう一つの決定的な違いは、改善サイクルのスピード。現場で使ってみて「ここが使いにくい」と感じたら、その場で修正できる。外注なら変更依頼書を出し、見積もりを取り、修正版の納品を待つ——このプロセスに数週間かかるのが一般的だが、自分で作ったアプリなら短時間で直せる可能性がある。

製造業の現場には、AIアプリとの相性が良い業務が数多く存在する。

• 日報・作業記録の管理: 手書きから電子入力へ移行することで、記録作業の時間短縮が見込める
• 品質確認記録のデジタル化: 紙の確認表をアプリ化し、異常値の自動アラートを組み込む
• 在庫・資材の管理: 倉庫に行かなくても手元のタブレットで在庫状況を確認できる
• 溶接条件・加工パラメータの参照: 過去の作業データを検索可能にし、ベテランの知見を共有する

これらはいずれも、現場の人間が「自分に必要なもの」として作るからこそ、実際に使われるアプリになりやすい。IT部門が作った「誰も使わないシステム」とは異なる出発点だ。

500万円のAI教育は高いのか——投資対効果を考える

「500万円」という数字だけを聞けば、製造現場には大きな投資に映る。では、この金額は本当に「高い」のか。複数の角度から考えてみたい。

投資額の意味を比較で読む

この金額を他の教育投資や開発コストと比較してみよう。

外注でアプリを1本作るだけで相応のコストがかかることを考えれば、「自分たちでアプリを作れるスキル」を付与した教育投資は、一つの見方として割安とも言えるかもしれない。一度身につけたスキルは繰り返し使える点も見逃せない。

さらに、ChatGPTをはじめとする生成AIの急速な進化によって、プログラミング未経験者でもアプリ開発が現実的になりつつある。数年前なら同じ教育にさらなるコストと期間が必要だったとも考えられ、コプレックの投資時期は一つの節目だったかもしれない。

予算が限られる中小企業はどう始めるべきか

「うちには500万円も出せない」——そう感じた中小企業の経営者も多いはず。実際、日本の製造業には小規模な事業者が多く、コプレックのような投資判断ができる企業はまだ一握りだ。

だが、500万円がスタートラインではない。段階的に始める取り組みがある。

フェーズ1: まず1人、無料ツールから（コスト: 0〜5万円）

ChatGPTの無料版やGoogleのGeminiなど、費用なしで使える生成AIは複数存在する。まず1人の「やる気のある社員」に学習時間を確保し、自分の業務の中で「AIに任せられそうな作業」を探してもらう。日報のテンプレート作成、メールの下書き、簡単なデータ整理あたりから始めるのが現実的なところ。

フェーズ2: 成功事例を横展開（コスト: 10〜30万円）

1人の社員が「これは使える」という手応えを掴んだら、その具体的な活用例を社内で共有する。ChatGPT Plusなど有料プランへのアップグレードや、簡単なオンライン研修の受講を検討する時期だ。

フェーズ3: 本格的な教育プログラム（コスト: 50〜200万円）

複数名が基本的なAI活用をこなせるようになったら、外部講師を招いた体系的な教育プログラムに投資する。この段階で初めて「全社展開」が視野に入る。

非エンジニアでもアプリが作れる生成AIツール

「6時間でアプリ」と聞いて、具体的にどのツールを使えばいいのか気になる読者は多いはず。プログラミング未経験者でもアプリ開発が射程に入る生成AIツールには複数の選択肢があり、業務との接続点も異なる。代表的な5つを並べる。

料金は更新が頻繁なため、導入前に必ず各社の公式ページで最新条件を確認するのが安全だ。代表的なリンクは OpenAI ChatGPT 公式、Anthropic Claude 公式、Google Gemini 公式 の3つを起点にすると探しやすい。

選び方の指針は単純で、すでに業務で使っているクラウド環境に寄せること。Microsoft 365 を全社で使っているなら Copilot Studio、Google Workspace 中心なら Gemini、特定ツールに縛られないなら ChatGPT や Claude、社内データを参照させたいなら Dify が候補になる。コプレックの溶接工がどのツールを使ったかの一次情報は公開されていないが、「自然言語で要件を伝えて動くアプリが返ってくる」体験は、上記いずれのツールでもある程度再現できるところまで来ている。

AI活用を「一人の成功」から「組織の仕組み」に変えるには

溶接工が1人でアプリを作った——これは確かにインパクトのある成果だ。しかし、この成功を組織全体の力に転換できるかどうかが、真の分水嶺になる。

「小さく始めて大きく育てる」が通用しなくなる瞬間

自動化やAI活用のプロジェクトには、ある段階で「拡張の壁」が立ちはだかる。

最初の1〜2個のアプリは、作った本人が管理し、本人が使うだけで問題ない。だが、社内で5個、10個とアプリが増え、複数の社員がそれぞれ別のツールを使い始めると、状況は一変する。「誰が作ったアプリか分からない」「作った社員が辞めたら誰も更新・管理できない」「アプリ同士のデータが連携していない」——こうした問題が表面化してくるのは、数か月後というケースが多いとされる。

「動く状態」と「拡張可能な状態」は別物。個人の試作品を組織の共有資産にするには、命名規則やデータ管理のルール、更新手順のドキュメント化といった「地味な仕組みづくり」が欠かせない。

幅広い教育という選択が組織にもたらす変化

コプレックが現場を含む幅広い社員を教育対象にした判断は、この拡張の壁を見越した戦略とも解釈できる。

もし2〜3人だけが生成AIを使いこなせる状態なら、その人たちに業務が集中し、属人化のリスクが高まる。多くの社員がAIの基礎的な活用力を持っていれば、「あの人がいないとアプリが直せない」という状況は避けやすくなる。また、共通言語を持つことで、「AIでこれができるのでは？」というアイデアが現場の至るところから生まれるようになる可能性もある。

組織レベルでAI活用を定着させるには、次の3つが不可欠とされる。

1. 多くのメンバーが「AIで何ができるか」を理解している状態を作る——使いこなす必要はないが、可能性を知っていることが重要
2. 作ったアプリやプロンプトを共有・管理する仕組みを設ける——社内Wikiやチャットグループでの情報共有でも十分
3. 「AI活用の成果」を評価制度に組み込む——改善提案と同様、AIを使った業務改善を正式に評価する

コプレックの場合、現場を含む多くの社員が教育を受けたことで「AIを使うこと」が特別な行為ではなくなったとされる。これは技術の導入以上に、組織文化の変革と呼べるかもしれない。

日本の製造業がAI教育で変わるために必要なこと

コプレックの事例は示唆に富んでいるが、そのまま他の中小製造業に横展開できるかと言えば、現実はそう甘くない。

活用できる公的支援と学習リソース

AI教育の費用を自力で捻出するのが難しい中小企業にとって、公的支援制度の活用は現実的な選択肢になる。

人材開発支援助成金（厚生労働省） は、事業主が労働者に対して職業訓練を実施した場合に、訓練経費や賃金の一部を助成する制度。AI関連の研修も対象に含まれるケースがあり、中小企業向けの助成率は一般企業より手厚い設定になっていることが多い。最新の対象コースや助成率は 厚生労働省「人材開発支援助成金」公式案内 で確認するのが確実だ。

IT導入補助金 も併用を検討する価値がある。こちらはソフトウェアやクラウドサービスの導入費用が対象で、AI関連のSaaSツールの利用料がカバーされるケースもある。対象ツールや申請手順は IT導入補助金 公式サイト（中小企業庁・独立行政法人中小企業基盤整備機構） で随時更新されているため、申請を検討する際はまず一覧から自社の状況に合うコースを確認するとよい。

無料で使える学習リソースも充実してきた。経済産業省と独立行政法人情報処理推進機構（IPA）が運営する マナビDX では、AI や DX に関する体系的な教材を無償で公開しており、自社内勉強会の素材としても活用しやすい。各生成AIサービスの公式チュートリアルと組み合わせれば、初期投資ゼロから学習を始められる。

「動かしてから直す」が許される現場ほど、生成AI活用の浸透は速い。完璧な要件定義を待つ習慣は、外注前提の組織で身についた癖でもある——コプレックの事例が示しているのは、その癖を一度脇に置くことで、半日で形になるアプリが現場から生まれるところにある。

「AI格差」を埋めるために経営者がすべき判断

「AIの恩恵が最も必要な層に、最も届いていない」——この指摘は国内外で聞かれるようになった。大企業は専門チームを組んでAI導入を進める一方、中小企業は情報収集すらままならない。予算もスキルも時間も足りない現場が、結果的にAI活用から取り残されるという構造的な課題がある。

こうした中小企業を取り巻く環境の変化については、中小企業庁「中小企業白書」 や IPA「DX白書」 が継続的にレポートを公開しており、DX 推進状況や課題の最新動向を確認するのに役立つ。

しかし、コプレックの事例が示唆するのは、この格差は「資金力の差」だけでは説明できないということ。500万円は確かに大きな金額だが、基幹システムの導入に比べれば桁が一つ小さい。経営者に必要なのは、莫大な予算よりも「現場のスキルアップに投資する」という意思決定そのものではないか。

実際、多くの中小製造業では、ベテラン社員の退職による技能伝承の問題、慢性的な人手不足、受注変動への対応力不足といった課題を抱えている。これらの課題に対し、「人を増やす」のではなく「今いる人材の生産性を上げる」というアプローチは、AI教育への投資を考える一つの根拠になりうる。

経営者がまず取るべき行動は3つ。

1. 自社の業務の中で「毎日繰り返しているが、付加価値を生んでいない作業」をリストアップする
2. その中から1つを選び、生成AIで改善できないか試してみる（まずは経営者自身が触ること）
3. 手応えがあれば、助成金の活用を前提とした教育計画を策定する

「AIは大企業のもの」「製造業には関係ない」という思い込みが、最大の参入障壁になっている。コプレックの事例は、その壁が想像より薄い可能性を示している。

よくある質問

Q. プログラミング未経験者が本当にアプリを開発できるのですか？

コプレックの事例では、プログラミング経験のない溶接工が生成AIを活用して6時間でアプリを完成させたとされます。生成AIは自然言語での指示をコードに変換できるため、「何を作りたいか」を言語化できれば、コーディングの知識がなくても動くものを作ることは可能とされています。ただし、作れるアプリの規模や複雑さは習熟度によって異なります。

Q. 500万円の教育投資は中小企業にとって現実的な金額ですか？

外注すれば数十万〜数百万円かかる業務アプリを自社で何本も開発できるようになることを考えると、一概に「高い」とは言い切れません。また、人材開発支援助成金などの公的支援を活用すれば、実質的な自社負担を大幅に抑えられる可能性があります。500万円をそのまま用意するのが難しい場合でも、無料ツールを使った小さな取り組みから始める段階的なアプローチがあります。

Q. AI教育を始めるにあたって、最初に何から手をつければよいですか？

まずは費用をかけずに始めることを推奨します。ChatGPTやGeminiの無料アカウントを1名の社員に試してもらい、日報作成やメール下書きなど身近な業務から使ってみる方法が現実的です。小さな成功体験が生まれたら、人材開発支援助成金の申請準備を進めながら、段階的に教育の範囲を広げていくとよいでしょう。

Q. どの生成AIツールから始めるのが無難ですか？

すでに社内で使っているクラウド環境に合わせて選ぶのが、運用面の負担を抑える近道です。Microsoft 365 を使っているなら Copilot 系、Google Workspace なら Gemini、特定環境に縛られないなら ChatGPT や Claude の無料版から触ってみるとよいでしょう。社内データを参照させたい段階に進んだら、Dify のような RAG 系ツールも候補に入ります。

まとめ——現場を知る人間がテクノロジーを握る時代

コプレックの事例が示す本質は、「AIで業務が効率化された」という表面的な成果ではない。現場の暗黙知を持つ人間が、テクノロジーの力を直接手にしたという構造的な変化にこそ意味がある。

従来、現場の改善提案は「こうしてほしい」と声を上げ、IT部門や外注先が形にするという間接的なプロセスだった。生成AIは、このプロセスを「自分で考えて、自分で作る」に変える可能性を持っている。課題の発見から解決までの距離が縮まる——これは単なる効率化ではなく、働き方の根本的な転換につながりうる。

中小製造業の経営者や現場責任者がまず踏み出すべき一歩は明確。今いるメンバーの中で最も改善意欲の高い1人に、ChatGPTやGeminiの無料アカウントを渡し、「自分の業務で困っていることをAIに相談してみてほしい」と伝えること。フェーズ1はそれだけで始まる。そこで小さな成功体験が生まれたら、助成金の申請準備に動き、教育プログラムの設計に進めばよい。

500万円は、コプレックにとって「覚悟のいる金額」だったはず。だが、その投資が生み出したのは現場スタッフのアプリ開発能力であり、それは今後何十本ものアプリとなって現場を変え続ける可能性を持っている。

本記事は AIツール図鑑編集部 が記載時点の情報をもとに執筆。製品アップデートや第三者ベンチマーク・価格・対応ランタイム等の変動で評価が変わる可能性がある。一定期間経過した内容は再検証を推奨する。