品質会議の議事録作成の失敗と改善｜製造業の生成AI・人工知能活用を定着させるポイント

改善前と改善後を数字で比べるため、グループ子会社Aで98件の記録を調べました。担当の石川健です。テーマは「品質会議の議事録作成」です。難しい仕組みより、毎日続けられる方法を優先しました。

取り組みの背景と進め方

取り組み前は、文章作成の品質が担当者ごとに異なり、レビューの手戻りが増えていました。そこで、直近の作業から98件を選び、作業時間、待ち時間、差し戻し、例外対応を記録しました。平均だけを見ると原因が隠れるため、特に時間が長かった例と、担当者が判断に迷った例を一件ずつ確認しました。

実施したのは、回答に根拠文書名を必ず添えるプロンプトを作り、現場メンバー5名による二週間の試行を行いました。現場を止めないよう対象を限定し、毎週一度、利用者と管理者で結果を確認しました。質問が多かった部分は短い手順書に直し、正常時だけでなく、作業を止める条件と手作業へ戻す条件も決めました。

分かった効果と残った課題

主な結果は「確認・検索時間を45％短縮」です。確認漏れややり直しも導入前より29％減りました。一方で、繁忙日や経験の浅い担当者では効果が小さい場面もありました。数字が良くても別の工程へ負担を移しては意味がないため、品質、安全、使いやすさも一緒に確認しています。

残る課題は、便利さだけを強調すると利用が先行するため、禁止事項と確認手順の教育を継続しています。次の確認では、担当者が交代しても同じ手順で続けられるか、例外対応に何分かかるかを測ります。ほかの工場へ広げる場合は、設備や人数の違いを先に整理し、そのままコピーできる部分と、変更が必要な部分を分ける予定です。

今回の学びは、便利な道具を入れるだけでは改善にならないことです。誰が判断し、困ったときに誰へ聞き、どの数字で効果を確かめるかまで決める必要があります。採用しなかった案とその理由も残すと、次の担当者が同じ検討を繰り返さずに済みます。

今回の確認ポイント

1. 対象業務と困りごとを一つに絞る
2. 改善前の数字を同じ条件で残す
3. 例外時の戻し方と相談先を決める

皆さんに聞きたいこと

皆さんの拠点では、生成AIの回答をどのような基準で評価し、誤回答をどこまで許容していますか。評価表や運用ルールの工夫があればコメントで教えてください。

※この投稿はデモンストレーション用のサンプルです。