【自動車部品業界向け】不具合の判定で若手が止まらない工場へ

9時。品質検査の小野さん（27歳）は、出荷検査で寸法がぎりぎりの品を手にしていました。合格か、不合格か。迷った小野さんは先輩を探しに行き、その間、ラインの出荷は止まります。午後には別の不具合の報告書。原因の欄に何を書けばよいのか分かりません。

※小野さんは、公開データから想定した架空の人物です。

品質の判断は、ベテランに集まりやすい

部品の品質は、図面と基準書だけでは決まりません。基準ぎりぎりの品をどう扱うか、傷の位置と深さをどう見るか、不具合の原因をどこから疑うか。こうした判断は、ベテランの経験に頼りやすい仕事です。

労働政策研究・研修機構の調査（2026年5月）では、技能継承が「うまくいっている」企業は33.3%にとどまり、将来に不安がある企業は85.4%でした。2027年は60歳に達する人が前年の1.4倍になります。判定の理由を持つ人が抜ける前に、それを若手の手元に残す必要があります。

若手が止まる3つの場面

場面	何が足りないか
合否の判定	基準ぎりぎりの品の過去の扱いと、その理由
原因の調査	似た不具合の過去の原因と、確かめた順番
是正報告書	Tier1に通る書き方と、過去の対策の例

足りないのは基準そのものではなく、「なぜそう判断したか」の記録です。

判定の「理由」を台帳にする

AIを使う前に、判定の記録の型を決めます。

• 品番・工程・不具合の種類
• 写真（どこを、どう見たか）
• 判定と、その理由
• 原因と、確かめた順番
• とった対策と、その後の結果

ベテランには、判定のたびに理由を一言、音声で残してもらいます。AIがそれを整理し、写真と一緒に台帳にします。

AIで変わること

場面	2027年・AIを使うと
合否の判定	過去の判定例と基準をAIで確認し、迷う品だけ品質保証に相談
原因の調査	写真から類似の不具合と、過去の原因をAIが表示
是正報告書	過去の対策を踏まえた下書きをAIが作成し、品質保証が確認

判定の最終的な責任は人が持ちます。AIは、判断の材料を若手の手元に運ぶ役です。

本社と工場の分担

誰が	やること
工場 品質（検査）	判定と理由の記録、台帳の活用
工場 製造課長	判定の待ち時間の把握、記録の時間の確保
本社 品質保証	台帳の管理、是正報告書の確認とTier1への提出
本社 営業	Tier1との品質の協議

見る数字

判定の待ち時間、ベテランへの確認件数、是正報告書を出すまでの日数、同じ不具合の再発件数。この4つを、始める前に測っておきます。

まとめ

判定の理由と過去の対策を記録すれば、品質は「人」から「仕組み」で守れます。AIが材料をそろえ、人が判断し、理由を残す。2027年の人の入れ替わりの前に、判定の記録から始めてください。

出典

• 労働政策研究・研修機構 技能継承の調査（2026年5月、MONOist）
• 国立社会保障・人口問題研究所「人口統計資料集2023」表4-1（出生数）