8月21日、IIoT Worldが「Agentic AI in Manufacturing: ROI vs. Reality」と題した記事を公開した。この記事では、製造業におけるAgentic AI（エージェント型AI）の導入実態として、平均171%のROIを報告する企業がある一方、プロジェクトの76%が失敗しているという現場データについて詳しく紹介されている。
ROI 171%と失敗率76%が同時に成立する理由
製造業でAIエージェントを本番環境に投入した企業は、平均171%のROIと34%の生産効率向上を報告している（2025〜2026年のエンタープライズ導入データより）。米国企業に限定すると平均ROIは**192%**に達する。
しかし同時に、製造業のAIプロジェクト失敗率は76.4%（Folio3 AI調べ）という数字も存在する。Gartnerは、Agentic AIプロジェクトの40%以上が2027年末までにキャンセルされると予測している。
この一見矛盾する数字がともに現実であることが、この記事の核心だ。「成功した案件は圧倒的な成果を出すが、失敗する案件の方が圧倒的に多い」という構造である。
Agentic AIとは何か：チャットボットやRPAとの違い
Agentic AI（エージェント型AI）とは、状況を認識し、判断を下し、人間の介入を最小限にして複数ステップのワークフローを自律実行するソフトウェアを指す。
工場での具体例を挙げると、ビジョンシステムが品質異常を検知→プロセスパラメータと照合→機械設定を自動調整→是正措置をログ記録、という一連の処理をオペレーターが画面操作することなく完結させる。
質問に答えるチャットボットや、固定スクリプトを実行するRPA（ロボティック・プロセス・オートメーション）とは本質的に異なる。Gartnerは「エージェント・ウォッシング」と呼ぶ問題を指摘している。市場に存在する数千のAgentic AIベンダーのうち、本物の自律性を持つと認定できるのは約130社のみだという。2025年には生成AIプロジェクトの50%がPoC（概念実証）段階で放棄された。これはアナリスト予測の30%を大幅に上回る数字だ。
実際に成果を出している導入事例
Siemens（ジーメンス）
2026年のHannover MesseでEigen Engineering Agentを発表し、会話型コパイロットから自律実行へのシフトを宣言した。エアランゲンのエレクトロニクス工場ではスループット20%向上、設備投資10〜15%削減、設計バリデーション率ほぼ100%を達成。予防保全コパイロット「Senseye」のパイロットでは、事後対応型メンテナンス時間を25%削減した。
Honeywell（ハネウェル）
Experion CognitionプラットフォームにAIエージェントを統合し、異常検知・アラーム予測・オペレーター作業ガイダンスを実現。2026年1月には、アブダビのBorouge施設で業界初のAI駆動型コントロールルームの構築を発表した。
Rockwell Automation（ロックウェル・オートメーション）
2026年8月にPlex全プラットフォームへAIエージェントを組み込んだ。Plex QMSはVisionAIと統合して品質管理を自動化。Connected WorkerエージェントはCADファイルを作業手順書に自動変換する。今後1年以内に製造プロセスの42%をAI対応にする目標を掲げている。
上記3社に加え、DanfossはAgentic AIによる受注処理自動化でトランザクション判断の80%を自動化し、製紙大手SuzanoはAIエージェントを活用した資材データ照会システムでクエリ時間を95%削減している。
| 企業 | 用途 | 主な成果 |
|---|---|---|
| Siemens（エアランゲン） | 適応型製造 | スループット20%向上、設備投資10〜15%削減 |
| Siemens（Senseye） | 予知保全 | 事後対応メンテナンス時間25%削減 |
| Honeywell（Borouge） | AIコントロールルーム | フルスケールリアルタイム運用 |
| Rockwell（Plex） | 品質管理＋作業指示 | プロセスの42%をAI対応化目標 |
| Danfoss | 受注処理 | トランザクション判断の80%を自動化 |
| Suzano | 資材データ照会 | クエリ時間を95%削減 |
失敗プロジェクトに共通する3つの落とし穴
失敗の84%は技術的な問題ではなく、意思決定層の判断に起因する（Labor411調べ）。具体的には以下の3点に集約される。
① 成功指標を定義しない
定量的な成功指標を設定したプロジェクトの成功率は**54%。設定しなかった場合は12%。しかし、AIイニシアチブを立ち上げる企業の73%**が明確な指標を持たないまま始めている。
② インテグレーションコストの過小評価
製造業では、統合作業がプロジェクトリソース全体の**58%**を消費する。レガシーOT（オペレーショナル・テクノロジー）システムや独自プロトコル、断片化したデータアーキテクチャが、ソフトウェア導入を数年規模のインフラ工事に変える。
③ 基盤への投資不足
組織の68%がデータ整備・チェンジマネジメント・従業員教育への投資を怠る。2025年に企業がAIにグローバルで費やした6840億ドルのうち、5470億ドルは測定可能な成果を生まなかった。
失敗したAIプロジェクトの平均コストは420万〜840万ドル。成功した場合の正のROI達成までの中央値は本番稼働から4〜8ヶ月だが、データ準備サイクルが長い製造業では8ヶ月側に偏る。
規制対応：EU AI法と米国州法が製造業を直撃
EU AI法の透明性規定と一般条項は2026年8月から適用開始。高リスク義務は独立型AIシステムが2027年12月まで、機械などの規制対象製品に組み込まれたAIは2028年8月まで段階的に導入される。
EU製品責任指令は2026年12月に発効し、AIを厳格責任の対象となる「製品」に分類。域外適用（エクストラテリトリアル）の効力を持つ。
米国には統一された連邦AI法が存在せず、48州が独自の法律を制定している。テキサス州のTRAIGAは2026年1月1日、カリフォルニア州のFEHA自動化意思決定規則は2025年10月から施行済みだ。
サプライチェーン全体では、ISO 42001（AIマネジメントシステム規格）認証がAIベンダーへの調達要件として定着しつつある。ISO 42001はAIシステムのリスク管理・透明性・説明責任に関する国際規格であり、製造業の調達部門がベンダー評価の基準として採用する動きが広がっている。
まとめ
成功した案件のROIデータは実在する。だがそれは「勝者の数字」であり、多数の失敗コストと引き換えに得られたものだ。記事が示す3つの落とし穴——成功指標の未定義、統合コストの過小評価、データ基盤への投資不足——はいずれも技術的な問題ではなく、プロジェクト開始前の意思決定の問題である。導入を検討する企業にとっての実践的な出発点は、PoC着手よりも先に「何をもって成功とするか」を定量的に定義し、レガシーシステムとの統合工数を正直に見積もることになる。規制面ではEU AI法とISO 42001への対応も並行して進める必要があり、技術・組織・法務の三軸で準備を整えることが求められる局面だ。
詳細はAgentic AI in Manufacturing: ROI vs. Realityを参照していただきたい。
