関税と半導体停止でも止まらない製造業へ：AIで生産を強くする

2025年10月、日系自動車メーカー8社の世界生産は222万7509台（前年同月比▲1.5%）。3カ月連続で前年を下回りました。海外生産も145万1437台（▲2.2%）、国内生産も**77万6072台（▲0.2%）**と、じわっと効いてくる下振れです。

背景にあるのは、現場の努力ではどうにもならない外部要因。記事が触れているように、いわゆるトランプ関税を見据えた回避行動、そしてネクスペリアの半導体供給停止問題が、生産調整や地域別の波を生みました。ここで僕が強く言いたいのは、外部要因は今後も「起きるもの」だということです。だからこそ勝負は、起きた後にどう立て直すかではなく、起きても崩れない生産体制をどう作るかに移っています。

本稿は、連載「建設業界のAI導入ガイド：生産性向上と安全管理」の文脈で、製造（特に自動車のような複雑サプライチェーン）を題材にしつつ、建設現場にも共通する「不確実性への強さ」をテーマにします。結論から言うと、**AIは“減産の穴埋め”ではなく、“変動に耐える筋肉”**になります。

生産が落ちる本当の理由は「需要」より「不確実性」

生産が前年割れになると、つい「販売が弱いのでは」「景気が悪いのでは」と考えがちです。でも今回のようなケースは、需要だけで説明できません。要点は、不確実性が増えるほど、最適化していたはずの計画が崩れることにあります。

記事では、8社合計の北米生産が50万5351台（▲4.3%）、中国生産が**26万6662台（▲0.1%）**と地域差が出ています。ここに「関税回避の動き」が絡むと、

• 生産地の配分（国内／海外、国別）がぶれる
• 部品手配の前提（リードタイム、輸送モード）が変わる
• 在庫の置き方が突然“正解ではなくなる”

という連鎖が起きます。建設でも同じです。資材価格の変動、輸入材の遅延、技能者不足、規制強化。どれも「現場の頑張り」でゼロにはできません。

だから、AI導入の狙いは単純な省人化よりも、まずは**“変動を前提に回す”意思決定の高速化**に置くのが現実的です。

関税・供給停止に効くAIは「予測」より「再計画」

AI活用というと需要予測が注目されますが、外乱が強い局面では、予測が当たるかどうかより計画を何回作り直せるかが勝ち筋です。

1) サプライチェーンのリスク検知（早期警戒）

ネクスペリア問題のような半導体供給停止は、代替が効きにくい「クリティカル部品」ほど致命傷になります。AIで効くのは、華やかな未来予測というより、次のような兆候の拾い上げです。

• 発注残と納期回答の乖離の拡大
• 特定部品だけ検収遅延が増える
• 物流の滞留（港湾、通関、幹線輸送）の発生頻度が上がる

これらの“いつもの異常”を、購買・生産管理・物流データから検知し、止まる前に工程の手当てを打てるようにします。

2) 自動再計画（APS＋AI）で「止めない段取り」を作る

関税回避のために生産地配分を変える、部品が来ないから仕様を切り替える、などの判断は、従来だと関係者が集まって数日〜数週間かかることがあります。その間に現場は“待ち”に入る。

AIを組み込んだAPS（高度計画）でやるべきは、

• 制約条件（設備能力、部品在庫、納期、輸送）を取り込む
• 複数シナリオ（関税率A/B、納期遅延1週/3週）を同時に回す
• コストだけでなく、欠品・停止リスクも指標化する

という再計画の自動化です。現場の感覚だと、「計画は1つでいい」ではありません。「計画は3つ用意して、起きたら切り替える」が強い。

3) 建設の工程管理にもそのまま移植できる

建設現場なら、資材遅延や天候、協力会社の稼働変動が外乱です。AIで工程表を“固定”するのではなく、

• 実績進捗（出来高）と手配状況から遅延を早期検知
• クリティカルパスの変化を自動で再計算
• 代替作業（先行可能な段取り）を提案

のように、工程を動かし続ける仕組みを作るのが近道です。

減産局面で差が付くのは「品質」と「立ち上げ速度」

生産が不安定なときほど、品質トラブルは増えます。理由はシンプルで、段取り替え・仕様替え・代替部品・応援要員の投入が重なるから。ここでAIが効くのは、品質を“検査で守る”から、工程で守るに寄せられる点です。

画像認識の外観検査は「現場の再現性」を上げる

外観検査AIは、単に不良を見つけるだけではなく、

• 判定基準のばらつきを減らす
• 忙しいときでも見逃し率を上げにくくする
• 新人・応援でも品質を落としにくくする

という意味で、変動に強いです。建設でも、画像認識による安全監視（保護具、立入禁止、重機接近）や出来形確認に同じ構造があります。人が増減しても、基準はぶれない。

立ち上げ（新型車・新工法）に効くのは生成AIの「ナレッジ化」

記事には「新型車効果で回復基調も期待」とあります。新型投入は追い風ですが、現場には立ち上げ負荷がかかる。ここで生成AIが効くのは、設計・品質・生産技術の会話を議事録で終わらせず、

• 不具合の再発防止（なぜなぜ、対策、確認項目）をテンプレ化
• 作業標準書の改訂差分を抽出
• QCD判断の根拠を検索可能にする

といった**“立ち上げの暗黙知”を資産化**できるところです。建設で言えば、BIMや施工計画、KY活動、安全手順を「更新し続ける知識」に変えられるかが勝負になります。

まず何から始める？AI導入の現実的ロードマップ（90日）

AI導入は大規模プロジェクトにしない方が成功率が上がります。僕のおすすめは、最初から「全社DX」ではなく、外乱の影響が最も出る一点に絞ることです。

Step1（1〜2週）：外乱に弱い“工程”を特定する

• 止まるとライン全体が止まる工程
• 代替が効かない部品・資材が絡む工程
• 検査で後追いしている工程（手戻りが高い）

ここを決めるだけで、データ収集の設計が一気に楽になります。

Step2（3〜6週）：データを「意思決定の形」に整える

AI以前に勝敗を分けるのは、

• マスター（品目、工程、設備、協力会社）の整備
• 実績の粒度（いつ・どこで・何が起きたか）
• 欠損や手入力のルール

です。建設なら、日報・出来高・資材搬入・写真が該当します。

Step3（7〜12週）：再計画・検知・検査のどれかをPoCする

90日で成果を出しやすいテーマは次の3つです。

1. 納期遅延の早期警戒（購買・物流データで異常検知）
2. 工程の自動再計画（制約込みで複数シナリオ）
3. 画像認識の品質／安全確認（現場の再現性を上げる）

大事なのは、モデル精度の自慢ではなく、意思決定が何時間短縮されたか、停止リスクがどれだけ減ったかで評価することです。

AIの価値は「当てること」より「迷う時間を減らすこと」に出ます。

年末の今こそ「来期の外乱」を織り込んで準備する

2025年末は、多くの企業が来期計画を固めるタイミングです。関税や地政学、半導体を含む電子部品の需給、物流の制約――これらは“読めない”前提で動く方が、結果として損をしません。

今回の生産減少は、製造業にとって嫌なニュースに見えます。でも僕は、AI導入の優先順位をハッキリさせてくれる材料だと思っています。外部要因で生産が揺れるなら、強化すべきは設備ではなく、まず計画と意思決定の筋肉です。

建設業界でも同様に、資材遅延や人手不足が「通常運転」になりつつあります。AIで工程管理・安全管理・品質管理をつなぎ、現場が止まりにくい運用を作れる会社が、来年以降に強い。

あなたの現場で、止まりやすいのはどこでしょう。そこから逆算してAIの使い方を決めると、導入は驚くほど現実的になります。