中国の工業和信息化部など6部門は2026年11月19日、「領航級」スマートファクトリー(领航级智能工厂)の第2弾として34工場の育成リストを公表しました。中国中央テレビ(央視新聞)は、この34工場の全員労働生産性が平均34.4%、生産効率が平均19.3%向上したと伝えています。この記事では、中国のスマートファクトリー事例として何が発表され、数字をどう読むべきかを報道から整理したうえで、AIエージェントや業務システムを作る開発会社がこの発表から何を持ち帰るべきかを、システム開発会社の代表として考えます。
要点 (事実のみ)
- 工業和信息化部など6部門が11月19日、領航級スマートファクトリー第2弾の育成リスト34工場を公表した。第1弾は15工場で、領航級は累計49工場になった。地域は東北・西北・西南・中部・東部をすべて含み、業種は装備製造、鉄鋼、非鉄、電子情報、消費財など。医薬・アパレルの企業が初めて入った。
- 中国信息通信研究院の敖立副院長によると、第2弾の工場は全員労働生産性が平均34.4%、生産効率が平均19.3%向上した。AIの応用シーンの比率は70%超、開発した工業用AIエージェントは1,000超、1日あたりのトークン呼び出し量は3億超。34工場は累計で4,000社近くのデジタル化・スマート化を牽引したという。
- 中興通訊(南京)の周建峰総経理は、南京の工場で自社開発のエージェント基盤上に数十の工業AIエージェントを置き、生産作業指示の発行、資源の割り当て、品質検査を自動で行い、300以上の製品で段取り替えを意識させない切り替え生産を実現したと説明した。
- 瀋鼓集団(遼寧省瀋陽)の戴継双董事長は、研究開発設計・生産製造・設備保守の3工程をつなぐ「研産服一体化」で各工程のデータを相互に流通させ、製品の開発期間を50%以上短縮したと説明した。同社のタービン圧縮機は最長60年使われるという。
徐 聖博の見解
平均34.4%は「工場を比べる数字」ではない
最初に、数字の読み方を整理しておきます。34.4%や19.3%は、業種も規模も違う34工場の向上率の平均で、何年のどの状態と比べたのか、どう測ったのかは報道からは分かりません。発表しているのも、工場を選定・育成する側の機関です。研究出身の私は、評価指標と比較条件が分からない数字を、自社の投資判断の基準には使いません。「34%上がるならうちも」という読み方は避けるべきです。
一方で、数字ではなくどこに手を入れたかの説明は参考になります。今回の報道で私が注目したのは、AIエージェントの数そのものではなく、中興通訊と瀋鼓集団の説明がどちらも「工程と工程のあいだ」の話をしていることです。
価値はエージェントの数ではなく、工程をまたぐデータのつながりにある
中興通訊の説明は、作業指示、資源の割り当て、品質検査という別々の業務を、複数のエージェントが連携して自動で回すというものです。瀋鼓集団は、設計・製造・保守のデータを相互に流通させた結果として開発期間を半分以下にしたと言っています。60年使われる製品なら、保守の現場で得たデータを次の設計に戻せるかどうかが効いてくるのは理解できます。
どちらも、AIを1つの工程に入れた話ではありません。工程ごとに分かれていたデータと判断を、つなぎ直した話です。作る側から見ると、難所はモデルではなく、工程ごとに別のシステム・別のマスタ・別の責任者で動いているデータを、どの粒度でつなぎ、誰が正とするかを決めるところにあります。紙やExcelで工程間の受け渡しが成立していない業務は、エージェントを何十体置いても成立しません。
エージェントが1,000を超えたとき、誰が止めるのか
もう1つ、作る側として気になるのは運用です。工業用エージェントが1,000を超え、作業指示や資源の割り当てまで自動で出しているなら、各エージェントが誰の権限で何を変更できるのか、誤った指示を出したときに誰がどこで止めるのかを設計しておく必要があります。報道ではそこまでは触れられていません。生産指示を出すエージェントは、間違えれば工場の段取りを直接動かします。認証・認可と停止手順は、エージェントの数が増えるほど後から足すのが難しくなる部分です。
この記事のテーマを、自社のシステムでどう扱うか相談する
記事で取り上げた技術や出来事を自社のシステムに当てはめると、何を作り、何を直し、どこから手を付けるべきか。開発会社・SIer・事業会社の開発部門の方からのご相談を無料で承っています。社内で検討を始める前の壁打ちでも構いません。自社の場合の進め方を相談する →まだ検討段階の方は 質問だけでもOK
開発を生業にする会社の事業判断にどう効くか
製造業向けにシステムやAIエージェントを作る開発会社として、私はこの発表から次の3点を持ち帰るべきだと考えています。
- 受注の単位を「AIの導入」から「工程間のデータ連携」へ寄せる。 単体の画像検査や需要予測のPoCは作りやすい一方、成果が工程の外に広がりにくい。設計・製造・保守、あるいは指示・割当・検査のように、工程をまたいだデータの流れを設計するところに、開発会社が価値を出せる余地があります。AIエージェント群とデータ整備の順序については、スマートファクトリーの事例から実装の中身を読んだ記事でも整理しました。
- エージェントを分ける設計を、業務の責任分担から決める。 数十のエージェントで業務を分担させるなら、どこで分けるかは技術ではなく業務と責任の分け方で決まります。役職の視点でサブエージェントを分けた事例は、パナソニック インダストリーの20体サブAIエージェントの記事で扱っています。
- 見積りに「権限と停止」の設計を入れる。 エージェントが増えた後に誰が保守し、誰が止めるのかは、作った後では決めにくい。日経225企業のAIエージェント活用を扱った記事でも書いた論点ですが、製造の現場では止める判断が生産に直結するため、なおさら最初に設計と契約に入れておくべきです。
まとめ
中国の工業和信息化部など6部門は11月19日、領航級スマートファクトリー第2弾の34工場を公表しました。中国信息通信研究院によると、全員労働生産性は平均34.4%、生産効率は平均19.3%向上し、工業用AIエージェントは1,000超、AIの応用シーンの比率は70%超です。ただし比較条件の分からない平均値なので、私は自社の判断基準には使いません。持ち帰るべきなのは、中興通訊や瀋鼓集団が説明している、工程をまたいでデータと判断をつなぎ直すという設計の方向です。そしてエージェントが増えるほど、権限と停止の設計を先に決めておく必要があると私は考えています。
出典: 从重大装备到精密零部件 领航级智能工厂如何“领航”未来制造(数字中国建設峰会/央視新聞)、我国新增34家领航级智能工厂(央視網)