AI PRACTICAL

AI実践

事例

製造業の生成AI活用事例|大企業事例から中小企業の始め方まで解説

製造業の生成AI活用事例|大企業事例から中小企業の始め方まで解説。赤いポロシャツ姿の黒山結音。

製造業の生成AI活用事例を調べても、自社の規模で本当に効果が出るのか判断に迷う経営者は少なくありません。生成AIには業務領域ごとに向き・不向きがあるため、事例は領域別に整理して見るのが近道です。本記事では設計・開発から技術継承、バックオフィスまで領域別に事例を紹介し、中小企業が始める際の注意点も解説します。読み終える頃には、最初に着手する業務を自社で絞り込めるようになります。

目次

生成AIを使いたい製造業が今どういう状態にあるか

日本企業の生成AI利用率86.4%と組織的取組状況を示すカード比較図。積極的に取り組んでいる企業65.6%、組織的な取組はない企業27.0%、製造業のIoT・AI等導入率30.6%を紹介

自社の製造業で生成AIを検討する前に、まず日本企業全体の現状を押さえておきましょう。総務省の令和8年版情報通信白書によると、日本企業で「自社の何らかの業務で生成AIを利用している」と回答した割合は86.4%に達しています。2024年度企業向け調査の55.2%から大幅に上昇した数値です。

一方で、実態には大きなばらつきがあります。同白書では「積極的に取り組んでいる」との回答が65.6%を占める一方、「組織的な取組はない」との回答も27.0%と約3割に上り、米国・ドイツ・中国に比べて顕著に高い結果でした。この傾向は企業規模別に見ると中小企業で特に高くなっています。

現場では個人の試行が進む一方、方針や責任者、利用ルールが決まっていない企業が目立ちます。

製造業に限った数値は次のとおりです。総務省の令和7年通信利用動向調査では、デジタルデータの収集・解析のためIoTやAI等のシステム・サービスを導入している企業の割合が全産業で27.3%、製造業では30.6%(前年26.1%)でした。

ここでいうAI等はIoTを含む広い概念であり、生成AIに限った数値ではない点に注意しましょう。

同じ調査を産業別に見ると、金融・保険業が52.3%と最も高く、建設業は25.5%にとどまります。製造業の30.6%は他産業のなかでは中位の水準です。

派手な数字ではありませんが、着実に導入が広がっている業種の一つです。

こうした数字の背景には、企業規模を問わず共通する人手不足という課題があります。当社(あなたのAI顧問株式会社)自身も、従業員5名にAIエージェント4体を加えた体制で会社を運営しています。製造業の現場とは業態が異なりますが、限られた人数でも役割を分担すれば業務を回せる、規模を問わず参考にできる考え方です。

「組織的な取組」を進めるとは、経営層が活用方針を明文化し、担当部署や責任者を決め、成果を定期的に確認する体制を指します。個人の自己流利用のままでは、成功事例が社内に広がらず、属人化がかえって進んでしまいます。

まずは自社に活用方針や推進担当者が存在するかどうかの確認が出発点です。

数字だけを見ると生成AIの利用は広がっているように映りますが、実際には「個人が試している段階」と「会社として業務に組み込んでいる段階」のあいだに大きな開きがあるのが実情です。決裁者である経営者や経営企画の立場からすると、個人利用を放置したままでは、情報管理のリスクだけが積み上がり、業務効率化という本来の効果を得られない状態になりかねません。

次の章では、この差がなぜ生まれるのか、製造業ならではの原因を見ていきます。

出典:令和8年版 情報通信白書|生成AIの業務利用状況

出典:令和7年版 情報通信白書|企業におけるAI利用の現状

出典:令和8年版 情報通信白書|組織的な取組状況

出典:令和7年通信利用動向調査の結果(総務省報道資料・別紙2 概要)

製造業で生成AIの活用が進みにくい原因

従来型AI(画像認識・予知保全)と生成AI(LLM)の違いを対比する2カラム比較図

数字の上では利用が広がっているように見える生成AIですが、製造業の現場ではなぜ活用が進みにくいのでしょうか。生成AIは指示文をもとに文章や画像を新しく作り出す技術で、既存のデータを分類・識別する従来型AIとは、そもそもの目的が別物です。

この違いが社内で共有されていないことが、つまずきの起点になります。

当社(あなたのAI顧問株式会社)は、AI活用をテーマとしたセミナーやイベントへの登壇を重ねてきた立場です。その経験から見ても、推進役と情報の扱い方を先に決めておくことが出発点になります。製造業で活用が進みにくい原因は、大きく2つに分けられます。

「生成AI」と「従来型AI(画像認識・予知保全)」を混同している

製造業ではAIという言葉自体が馴染み深い存在です。トヨタ自動車の本社工場鍛造部は2018年10月から、ディープラーニングによる画像検査AIを磁気探傷検査に導入し、検査精度の向上と省人化を実現しました。ただしこれは画像を分類する従来型AIで、文章を作る生成AI(LLM)とは仕組みそのものが別です。

両者を混同すると、文書作成や要約、仕様整理といった生成AIならではの適用機会を逃します。

推進する人材・情報管理のルールが整っていない

推進役の不在も原因の一つです。テクノアの調査では、中小企業が生成AI導入を阻む最大の要因は「推進する専門人材の不足(55.1%)」でした(東京商工リサーチ調べ)。担当者が決まらないまま個人任せの利用にとどまります。

図面や技術情報を入力する際は、自社に秘密管理の措置があるかの事前確認も必須です。AI事業者ガイドラインでも、AI利用者にセキュリティ対策や個人情報の不適切入力への対策が求められています。

出典:トヨタ自動車株式会社 様|WiseImaging|導入事例(シーイーシー)

出典:【テクノア】中小製造業様の生成AI活用を後押し!「中小製造業様が実務で使えるプロンプト100選」を公開

出典:営業秘密管理指針(経済産業省)

出典:AI事業者ガイドライン(第1.2版)(総務省・経済産業省)

生成AIをどの業務に使うかを判断する視点

技術継承・ナレッジ共有、設計・開発、バックオフィス・全社業務、品質・現場改善の4つの業務領域を示す4象限マトリクス

原因が分かったところで、次に考えるべきは「自社のどの業務から生成AIを使い始めるか」という判断軸です。経営者の姿勢について触れているのが、経済産業省・厚生労働省・文部科学省による2026年版ものづくり白書です。地政学リスクやサプライチェーン、サイバーセキュリティリスクといった経営課題への意識が高い経営者ほど、AI・デジタル技術を経営改革に積極的に活用していると報告されています。

一方で、AI・デジタル技術の活用にあたっては知識・ノウハウや人材確保の難しさが課題であり、環境整備が不可欠だとも指摘されています。

つまり、生成AIを使うかどうかは技術の得意・不得意だけで決まるものではなく、自社の課題に直結する業務から選ぶのが前提です。判断軸として整理しておきたいのが、技術継承・ナレッジ共有、設計・開発、バックオフィス・全社業務、品質・現場改善といった業務領域ごとの分類です。それぞれの領域で、生成AIが得意とする作業の型が異なります。

技術継承・ナレッジ共有の領域では、ベテランの頭の中にあるノウハウを言語化し、文章や図解として残す作業に生成AIが向いています。設計・開発の領域では、図面や仕様書といった大量の文書を横断的に確認し、記載の食い違いを見つけ出す作業との相性が良好です。

バックオフィス・全社業務の領域では、議事録の作成や報告書のとりまとめなど、フォーマットが決まった定型業務ほど効果を出しやすくなります。品質・現場改善の領域は、検査データの分析結果を分かりやすい文章にまとめたり、改善提案を整理したりする周辺業務から着手しやすいのが特徴です。

この判断で欠かせないのが、「人にしかできない仕事」と「AIに任せられる仕事」の線引きです。当社では、秘書・COO・CMO・CTOというように役割ごとにAIエージェントを分けて運用し、定型的な情報整理や取引の記録といった業務をAIに任せ、判断や交渉が必要な部分は人が担う形にしています。代表の黒山は、営業現場で培った「お客様の課題を聞く力」、エンジニアとしての「技術的な実装力」、ベンチャー立ち上げの経験から得た「経営視点での優先順位付け」という経験の持ち主です。こうした視点も、業務の切り分けを考えるうえで参考になります。

業務の切り分けと合わせて判断材料になるのが、その業務にどれだけ生成AI活用の実績や事例があるかという点です。すでに大企業で数値化された成果が出ている業務は、社内の理解を得やすく、稟議も通しやすくなります。逆に、公開事例がまだ少ない業務に挑戦する場合は、小規模な検証を先に行い、社内向けの説明材料を自分たちで用意する姿勢が欠かせません。

自社にとって重い課題は、属人化した技術の継承、設計の手戻り、バックオフィスの定型業務、現場改善のスピードあたりです。そのうちどれが重いかを見極め、生成AIが担える作業がどれだけあるかを掛け合わせると、着手すべき業務領域の優先順位が見えてくるはずです。

判断に迷うときは、業務の発生頻度、必要なデータの整理状況、AIの提案を誤って採用した場合の影響度合いを並べて比べてみてください。発生頻度が高く、データがある程度整理されており、多少の誤りが後工程で吸収できる業務ほど、最初の一歩に向いています。

逆に、法令や契約に直結する判断や、修正が効かない一発勝負の業務は、生成AIだけに任せず人の最終確認を挟むのが前提となります。

自社に十分なデータがない、あるいは相談できる専門家がいないという場合は、まず外部の知見を借りて業務の切り分けから一緒に整理する進め方も選択肢の一つです。判断の初期段階でつまずくと、着手そのものが遅れる原因になります。専門家の視点を借りることで、自社だけでは気づきにくい活用領域が見えてくるケースも少なくありません。

たとえば、ベテラン社員の退職を控えていて技術継承が急務なら、まずはノウハウの言語化から着手するのが順当な選択です。一方、日々の議事録作成や報告書のとりまとめに時間を取られているなら、バックオフィス業務から着手するほうが早く効果を実感できます。

検査や異常検知にAIを使う取り組みは以前からありますが、その多くは画像認識などの従来型AIであり、生成AIは検査結果のレポート作成や改善提案の言語化といった周辺業務から広げやすい領域です。次の章では、これらの業務領域別に実際の活用事例を見ていきます。

出典:2026年版ものづくり白書 概要(経済産業省・厚生労働省・文部科学省)

製造業の生成AI活用事例(業務領域別)

製造業の生成AI活用事例を業務領域別に整理したカードギャラリー。ダイセル生産性1.3倍、パナソニック コネクトの照合時間短縮と総労働時間3.4%削減、ライオン×NTTデータ、エムニ×ダイセル、オーテックの取り組みを紹介

ここからは、前章で整理した業務領域に沿って、実際の生成AI活用事例を紹介します。大企業の事例だけでなく、読者と近い規模の中小製造業自身の取り組みも取り上げるのが本章の狙いです。

設計・開発領域:生成AIで開発スピードと品質を両立する

株式会社ダイセルはアクセンチュアと共同で設計開発領域に生成AIを導入し、生産性を1.3倍に向上させました。2030年までに生産性を2倍へ高める方針も示しています。

ただし大企業の取り組みで、同じ効果が中小企業でも出るとは限らない点は前提です。それでも「特定の部門から着手して数値で成果を確かめる」という進め方は、規模を問わず参考にできます。

図面・仕様書の照合:確認作業そのものを生成AIに渡す

パナソニック コネクトは図面と設計仕様の照合業務にAIエージェントを導入し、従来50分〜340分かかっていた作業を10分に短縮しました。

図面や仕様書を突き合わせる作業自体は、規模を問わず製造業に共通します。中小製造業であれば、月次の検査記録と仕様書の照合あたりから試す方法が考えられます。

技術継承・ナレッジ共有領域:熟練者のノウハウを形式知にする

ライオンとNTTデータが2024年6月に公表したのは、衣料用粉末洗剤の生産技術領域における暗黙知の形式知化です。熟練者への聞き取りを「勘所集」として文書化し、生成AI検索サービスで新規参画者が活用できるようにする取り組みで、公表から時間が経ちますが続報は確認できていません。

自社で試すなら、ベテランへの聞き取り内容を録音・文字起こしし、生成AIに要点を整理させるところから始める方法があります。

設備保全領域:保全文書の作成を生成AIが下書きする

京都大学発のスタートアップであるエムニは、ダイセルと共同で化学プラントの設備保全業務を効率化するプロジェクトを2025年4月に開始したと公表しました。設備保全に関わる技術文章や図表データをデータベース化し、RAGを活用して工事仕様書や工事手順書の作成を支援する内容です。

効果を示す数値は公表されていないため、着手段階の取り組みとして捉えてください。

専門人材が少ない企業向けの支援も増えている

中小製造業向けには、生産管理システムを扱う岐阜県のテクノア(社員355名)が、現場改善やIT活用に使えるプロンプト集を無料で公開しました。専門人材を置けない企業でも着手しやすい材料が増えつつあります。

当社でも、秘書AIが毎朝チームの情報を整理してDiscordに投稿しており、属人化しがちな情報共有の一部をAIに任せています。

バックオフィス・全社業務領域:日々の定型業務を生成AIに任せる

全社的な活用が最も進んでいるのがパナソニック コネクトの事例です。2025年度、全社員約11,800人が利用する生成AIアシスタント「ConnectAI」で、総労働時間の3.4%にあたる78.8万時間を削減したと発表しています。

利用回数は361万回、1回あたりの削減時間は33分、月間ユニークユーザー率は61%に上りました。議事録作成やコード生成、提案書作成支援など、個人業務での活用が広がっています。

中小企業がバックオフィスから始めるなら

前項の数値は、中小企業がそのまま同じ削減率を再現できるわけではない、全社員1万人超の大企業ならではの実績です。当社でもCOO AI(スティーブ)がfreeeと連携し、売上取引の登録や入金確認、消込を自動化しています。

運用の実例は「1人社長がAI社員4人を雇ったら、会社が「回る」ようになった話」で紹介しています。議事録作成や請求書処理など、月次の定型業務から試すと効果を実感しやすい領域です。

中小製造業自身の取り組み:町工場が生成AIとどう向き合っているか

自社に当てはめて考えにくいと感じる方には、規模の近い企業の取り組みが参考になります。愛知県の自動車部品製造業・株式会社オーテック(1959年創業)は、2024年9月から社内向け生成AI研修を開始しました。

IoTデータをAIに分析させる現場改善、ノウハウを継承する社内チャットボット「DENSHO AI」、生成AIによる社内システムの内製プログラミングといった形で取り組みが進んでいます。

オーテックの事例を自社に置き換えて読む

同社は2021年からIoT導入を進めており、生成AI活用はその延長線上にあります。公開情報に定量的な効果数値はありませんが、従業員規模の近い企業が実名で発信している数少ない一次情報です。なお「DENSHO AI」は同社の自社開発ツールであり、他社がそのまま導入できる汎用製品ではありません。

自社に置き換えるなら、日報や作業記録をAIに読み込ませ、簡単な分析やまとめから試すのが現実的な入り口です。

業種が違う事例でも読み取れること

業種は異なりますが、当社が支援したOpenClaw導入事例(株式会社ドゥイブス・サーチ)のように、業種を問わずAIエージェントを業務に組み込むこと自体が成果につながるケースもあります。製造業の事例が自社の業態と重ならない場合でも、「どの業務を切り出して任せたか」という観点で読むと応用が利きます。

出典:生成AIを活用しセイフティSBUにおける設計開発領域を抜本的に変革(株式会社ダイセル)

出典:パナソニック コネクト、図面/設計仕様の照合業務で独自開発のManufacturing AIエージェントの利用を開始

出典:国内熟練技術者の技術継承に向け、生成AIを活用した暗黙知伝承に関する取り組みを開始(NTTデータ・ライオン)

出典:エムニとダイセルが、生成AIを活用して化学プラントの設備保全業務を効率化するプロジェクトを開始

出典:パナソニック コネクト、AI活用で総労働時間の3.4%削減

出典:【中小町工場DXの道のり⑧】製造現場で生成AIは使えるのか?(株式会社オーテック公式note)

出典:【テクノア】中小製造業様の生成AI活用を後押し!「中小製造業様が実務で使えるプロンプト100選」を公開

中小製造業が生成AIを始めるときに押さえておきたいこと

中小製造業が生成AIを始める3ステップ(スモールスタート・検証・本格展開)を示すフロー図

ここまで業務領域別に事例を見てきましたが、共通しているのは「対象範囲を絞って始めている」という点です。ダイセルは設計開発領域、ライオンは衣料用粉末洗剤の生産技術領域、オーテックは現場改善と技術継承という具合に、いずれも全社一斉ではなく特定の業務から着手しています。

ここからは、中小製造業が実際に生成AIを取り入れるときに押さえておきたいポイントです。大企業と同じ規模の投資をしなくても、対象業務の絞り込みと短期の検証に時間を振り向ければ成果につながります。

いきなり全社展開せず、小さく始めて検証する

ものづくり白書でも指摘されているとおり、AI・デジタル技術の活用では知識・ノウハウや人材確保の難しさが課題です。最初から全社展開を目指すのではなく、対象業務を1つに絞って小さく検証する進め方が向いています。技術継承の資料整理やバックオフィスの定型業務など、効果を測りやすい範囲から始めましょう。

前章の事例でも、ダイセルは設計開発領域という特定の部門から着手し、段階的に本格導入へ移行しています。

検証の指標と期間を先に決めておく

検証に入る前に、何をもって「効果あり」と判断するかを決めておきます。作業時間がどれだけ短縮できたか、生成AIを使った回数がどれだけ増えたかは、現場でも数えやすい指標です。

1〜3か月程度を目安に、本格展開へ進むかどうかを判断しましょう。期限を切らないまま試用を続けると、効果の有無が曖昧なまま社内の熱量だけが下がっていきます。

入力する情報の扱い方を先に決めておく

図面や技術仕様書といった重要情報を生成AIに入力する前に、社内のルールを決めておくことが前提です。経済産業省の営業秘密管理指針では、何らの秘密管理措置もされていない場合には秘密管理性の要件を満たさないとされています。

入力の前提として、自社にアクセス制限や秘密表示などの措置があるかを確認しておきましょう。

契約前に確認しておきたいサービス側の設定

生成AIサービスによっては、入力データを学習に利用しない設定が用意されています。契約前には、入力データが学習に再利用されない設定になっているか、データの保存期間はどれくらいかも確認事項に含めておく点です。

セキュリティ対策の考え方は、「【2025年最新版】ChatGPTで情報漏洩?中小企業が知るべき生成AIセキュリティ対策ガイド」でも詳しく解説しています。

費用感を把握し、公的支援の情報も併せて確認する

生成AIの導入支援サービスの費用相場は、支援範囲に応じて月額数万円クラスから数十万円クラスまで幅広いのが実情です。自社が何を任せたいかによって適正な価格帯は変わるため、複数の支援先を比較したうえで検討することをおすすめします。

AI導入に使える公的支援も確認しておく

中小企業・小規模事業者向けの「デジタル化・AI導入補助金2026」や「ものづくり補助金」など、AI導入にあわせて使える公的支援制度もあります。

ただし補助率や締切は変更されることがあるため、2026年9月時点の情報として捉え、詳細は必ず公式サイトで確認してください。申請の締切に間に合わせるには、導入する業務の範囲を先に固めておく必要があります。

自社だけで決めきれないときの相談先

何から手をつければよいか整理したい場合は、専門家に相談するのも一つの手です。当社では、現場感覚と技術的な実装力の両方をもとに、業務の優先順位づけから支援しています。

導入の進め方や成功事例は「中小企業のAI導入支援完全ガイド|失敗しない進め方と成功事例」にまとめています。相談先の選び方は「AI顧問の選び方完全ガイド|現場力重視で失敗しない中小企業のAI導入」をご覧ください。

出典:2026年版ものづくり白書 概要(経済産業省・厚生労働省・文部科学省)

出典:営業秘密管理指針(経済産業省)

出典:事業スケジュール|デジタル化・AI導入補助金2026

出典:スケジュール|ものづくり・商業・サービス生産性向上促進補助金

あなたのAI顧問について

当社(あなたのAI顧問株式会社)は、従業員5名にAIエージェント4体(秘書・COO・CMO・CTO)を加えた体制で会社を運営しています。定型的な情報整理や取引の記録はAIに任せ、判断が必要な部分に人の時間を使う役割分担を自社で実践しています。

代表の黒山は、営業現場で培った課題を聞く力とエンジニアとしての実装力、事業立ち上げの経験から得た優先順位づけの視点をもとに、AI活用の相談に応じる立場です。AI関連のセミナー・イベントへの登壇実績もあり、自社での運用経験を交えたアドバイスが強みです。

自社の業務のどこから生成AIを取り入れるべきか整理したい方は、あなたのAI顧問にご相談ください。

製造業の生成AI活用事例についてよくある質問

Q1. 製造業で生成AIを導入した企業の事例にはどんなものがありますか?

設計・開発領域では、ダイセル×アクセンチュアやパナソニック コネクトの図面照合が挙げられます。技術継承ではライオン×NTTデータの暗黙知伝承、バックオフィスではパナソニック コネクトのConnectAI全社活用が代表例です。中小企業自身の事例としては、愛知県の自動車部品製造業・オーテックの取り組みがあります。業務領域ごとに使い方が異なるため、自社の課題と照らし合わせて見るのが判断のヒントです。

Q2. 製造業における生成AIの導入率はどのくらいですか?

総務省の令和8年版情報通信白書では、日本企業全体で生成AIを業務利用していると回答した割合は86.4%でした。製造業に限ると、令和7年通信利用動向調査でIoTやAI等のシステム・サービスを導入している企業の割合は30.6%となっています。ただしこの数値は生成AI限定ではなく、IoTを含む広い概念である点に注意してください。

Q3. 製造業で生成AIの活用が進まない理由は何ですか?

中小企業では「組織的な取組はない」との回答が特に高く、テクノアの調査では導入を阻む最大の要因を「推進する専門人材の不足(55.1%)」としています。加えて、生成AI以前からある画像認識AIなどとの違いが整理できていないことも、活用が広がりにくい要因の一つです。情報管理のルールが整っていないことも、経営層が導入をためらう理由になっています。

Q4. 中小企業の製造業でも生成AIは導入できますか?

導入できます。愛知県の自動車部品製造業・オーテックは、IoTデータ分析や社内チャットボットの開発、内製プログラミングという形で生成AIを活用中です。大企業のような大規模な投資でなくても、対象業務を絞って小さく始めることは十分に可能です。

Q5. 製造業が生成AIを導入する際に気をつけるべきことは何ですか?

図面や技術仕様書などの重要情報を入力する前に、社内の秘密管理措置を確認しておくことが欠かせません。経済産業省の営業秘密管理指針や、AI事業者ガイドラインが示す入力データの扱いに関する項目を踏まえたうえで、利用ルールを整えておきましょう。

出典:令和8年版 情報通信白書|生成AIの業務利用状況

出典:令和7年通信利用動向調査の結果(総務省報道資料・別紙2 概要)

出典:【テクノア】中小製造業様の生成AI活用を後押し!「中小製造業様が実務で使えるプロンプト100選」を公開

出典:営業秘密管理指針(経済産業省)

出典:AI事業者ガイドライン(第1.2版)(総務省・経済産業省)

出典:生成AIを活用しセイフティSBUにおける設計開発領域を抜本的に変革(株式会社ダイセル)

出典:パナソニック コネクト、図面/設計仕様の照合業務で独自開発のManufacturing AIエージェントの利用を開始

出典:国内熟練技術者の技術継承に向け、生成AIを活用した暗黙知伝承に関する取り組みを開始(NTTデータ・ライオン)

出典:パナソニック コネクト、AI活用で総労働時間の3.4%削減

出典:【中小町工場DXの道のり⑧】製造現場で生成AIは使えるのか?(株式会社オーテック公式note)

まとめ:自社に合った領域から生成AIの活用を始めよう

生成AIは製造業のどの業務にも一様に効くわけではなく、業務領域ごとに向き・不向きがあります。事例は設計・開発、技術継承、バックオフィスといった領域で整理して見ることが、自社への当てはめの第一歩です。大企業の事例をそのまま真似るのではなく、規模の近い中小企業自身の取り組みも参考にしながら、自社が抱える課題との結びつきで判断することが欠かせません。

入力する情報の扱い方を先に決めておくことも重要なポイントです。まずは自社の業務を洗い出し、小さく始められる対象を1つ選んでみましょう。

判断に迷う場合は、あなたのAI顧問にご相談ください。

WRITERライター紹介

黒山結音

あなたのAI顧問株式会社 代表取締役

「AIは現場で使えなきゃ意味がない」を掲げ、30社以上にAI顧問として導入から定着までサポート。OpenClaw・Claude・ChatGPTなどAIツールを実務でフル活用し、AI駆動経営を実践。本メディアでは、実際の現場で効果が出た事例や、AI初心者がつまずく「最初の一歩」を、専門用語を極力使わずに解説します。

黒山結音

OpenClaw / Claude Code / Codex / Cursor / Manus

この記事をシェアする

トップメディアトップAI実践製造業の生成AI活用事例|大企業事例から中小企業の始め方まで解説
キャラクター