ROI事件ファイル No.290｜『CircuitWorksの小さな実証』

第一章：AI導入という壁——大きな投資への恐怖

ElectroMartのSBI分析事件が解決した翌週、今度は北関東から電子回路基板メーカーのAI導入に関する相談が届いた。第二十三巻「再現性の追求・続編」の最終話となる第290話は、大きな賭けを避け、小さな実証を積み重ねることで確実に前進する物語である。

「探偵、経営層はAI画像検査の導入を検討しています。しかし、投資額は3,800万円。失敗したら責任問題です。現場は『本当に使えるのか』と懐疑的です。誰も決断できず、検討が1年以上続いています」

CircuitWorks の品質管理部長、群馬出身の木村正樹は不安を隠せずにベイカー街221Bを訪れた。彼の手には、AI画像検査システムの豪華な提案書と、それとは対照的に「導入判断保留」と記された稟議書が握られていた。

「我々は群馬で電子回路基板を製造しています。外観検査は人の目に頼っていますが、人手不足と品質のバラつきが課題です。AIで解決したいのですが、踏み切れません」

CircuitWorks の導入迷走： - 設立：1988年（電子回路基板製造） - 年間売上：85億円 - 従業員数：280名 - 検査工程：外観検査（目視） - 検査員：12名（平均年齢52歳） - 検査対象：月間12万枚の基板 - 不良流出率：0.18%（目標0.05%） - AI導入検討期間：14ヶ月 - 投資額（提案）：初期3,800万円 + 年間保守680万円 - 決断状況：保留

木村の表情には深い葛藤があった。

「問題は、我々が『完璧なシステム』を求めていることです。ベンダーは『精度99.8%』と言いますが、本当でしょうか。カメラ10台、サーバー2台、専用ソフトウェア。一度導入したら、後戻りできません」

現場の不安： - 「AIは本当に人間より正確なのか？」（検査員） - 「使い方が分からなかったらどうする？」（現場主任） - 「誤検知で生産が止まったら？」（生産部長） - 「投資が無駄になったら誰が責任を？」（経営層）

ベンダーの提案： - 「完全なターンキーソリューション」 - 「一括導入で効率最大化」 - 「6ヶ月で全ライン展開」 - 「投資回収3年」

検討会議の記録（1年間で18回開催）： - 第1回：「素晴らしい提案だ」 - 第5回：「本当にこの精度が出るのか？」 - 第10回：「もう少し検討しよう」 - 第15回：「他社の事例を調査しよう」 - 第18回：「引き続き検討」

「我々は決められません。大きすぎる投資、不確実な効果、後戻りできないリスク。全てが怖いのです」

第二章：記録・確認・実行の連鎖——大きな賭けを小さな実証に変える

「木村さん、現在のAI導入計画は、どのような前提で進められているのでしょうか？」

私の問いに、木村は答えた。

「基本的には『一括導入』です。カメラ10台を全ラインに設置し、システムを統合し、一気に切り替える。ベンダーも『段階的導入は非効率』と言っています。でも、それが不安なのです」

現在の導入計画（オール・オア・ナッシング型）： - 前提：「大規模投資で一気に導入」 - 期待：「投資対効果の最大化」 - リスク：失敗した場合、全てが無駄になる - 結果：決断できない

私は小さな実証の重要性を説いた。

「不確実な技術は、大きく賭けてはいけません。RCD——Record（記録）、Check（確認）、Do（実行）。小さく試し、記録し、確認し、次に進む。この連鎖が、リスクを最小化しながら前進する唯一の道です」

⬜️ ChatGPT｜構想の触媒

「大きな賭けは失敗する。小さな実証を積み重ねよ。Record、Check、Do」

🟧 Claude｜物語の錬金術師

「完璧なシステムは幻想だ。不完全でも動かし、記録し、学び、改善する。それが前進だ」

🟦 Gemini｜理性の羅針盤

「RCDは学習の技術。記録がデータを生み、確認が判断を生み、実行が成果を生む」

3人のメンバーが分析を開始した。Geminiがホワイトボードに「AI導入特化型RCDモデル」のフレームワークを展開した。

RCDモデルの3段階： 1. Record（記録） - データを収集・記録する 2. Check（確認） - 記録を分析・検証する 3. Do（実行） - 確認結果に基づいて行動する

従来の大規模導入との違い： - 従来：計画 → 一括導入 → 評価（後戻り困難） - RCD：小さく試す → 記録 → 確認 → 次の実行（柔軟）

「木村さん、CircuitWorksのAI導入を、小さなRCDサイクルで進めましょう」

第三章：第1サイクル——最小限の実証実験

Phase 1：Record - 最小限の記録（2週間、投資68万円）

完璧なシステムではなく、「最小限の実験」から始めた。

実験内容： - 対象：1ライン、1台のカメラのみ - 設置場所：最終検査工程の1箇所 - カメラ：産業用カメラ1台（レンタル、月8万円） - AI：クラウドAI（従量課金、検証期間は月5万円） - 目的：「AIが不良を検知できるか」のデータ収集

記録項目： - AI判定：良品 / 不良品 - 人間判定：良品 / 不良品（従来通り） - 不良の種類：傷、汚れ、位置ズレ等 - 記録期間：2週間、検査枚数8,000枚

2週間後の記録結果：

データ： - 検査枚数：8,000枚 - AI判定「不良」：156枚 - 人間判定「不良」：142枚 - 一致：128枚 - AI のみ検知：28枚（人間の見落とし？） - 人間のみ検知：14枚（AIの見落とし？）

Phase 2：Check - 記録の検証（3日）

記録されたデータを詳細に分析した。

詳細検証（AI のみ検知28枚）： - 再度、ベテラン検査員が確認 - 結果：28枚中22枚が「実際には不良」（人間の見落とし） - 残り6枚は「過検知」（問題ないのに不良と判定）

詳細検証（人間のみ検知14枚）： - AIの画像を確認 - 結果：照明の角度でAIが見えなかった（10枚） - AIの学習不足（4枚）

確認結果： - AIの精度：実質94.3%（調整前） - 人間の見落とし：22件発見 - 改善余地：照明角度、学習データ追加で精度向上可能

経営判断： 「これなら使えそうだ。次のステップに進もう」

Phase 3：Do - 改善と次の実験（4週間、追加投資85万円）

確認結果を元に、改善して次の実験を実行した。

改善内容： - 照明角度の調整（最適角度を発見） - 学習データの追加（過去の不良品500枚） - カメラ位置の微調整

次の実験： - 期間：4週間 - 対象：同じ1ライン、検査枚数16,000枚 - 投資：改善費用85万円

4週間後の結果： - AI精度：94.3% → 98.7% - 人間の見落とし：12件発見（累計34件） - 過検知：6件 → 2件（83%削減） - 検査員の声：「AIが見つける不良に驚く」

第四章：第2-4サイクル——段階的拡大と学習

第2サイクル：2ラインへの拡大（3ヶ月、投資240万円）

Record： - 2ライン目にもカメラ設置 - 製品タイプが異なる（多層基板 vs 片面基板） - 記録：2ライン×3ヶ月＝検査枚数72,000枚

Check： - 2ライン目の精度：96.8%（1ライン目より低い） - 原因：製品タイプが違い、学習データが不足 - 発見：製品タイプ別に学習が必要

Do： - 多層基板専用の学習データ追加（1,200枚） - 2ライン目の精度：96.8% → 98.9%

第3サイクル：人間とAIの協働（6ヶ月、追加投資なし）

Record： - AIの判定を「1次検査」として利用 - 人間は「AIが不良と判定したもの」のみ確認 - 記録：検査時間、人間の負荷、最終精度

Check： - 検査員の作業時間：50%削減 - 検査員の負荷：「楽になった」（疲労度調査で改善） - 最終精度：99.2%（AI+人間の協働） - 検査員の声：「AIは見落とさない。疲れない。頼りになる」

Do： - 人間とAIの協働モデルを標準化 - 検査員を12名 → 6名に削減（配置転換、解雇なし）

第4サイクル：全ライン展開の判断（12ヶ月、投資1,280万円）

Record： - 2ライン×12ヶ月の運用実績 - 不良流出率：0.18% → 0.03%（83%削減） - ROI：投資回収期間8.2ヶ月

Check： - 技術的に実現可能（実証済み） - 経済的に合理的（ROI明確） - 現場の受容性：高い（検査員が支持） - リスク：最小化済み（段階的に検証）

Do： - 全10ラインへの展開を決定 - 3年計画 → 1年計画に前倒し（自信がついた） - 投資額：1,280万円（当初提案3,800万円の34%）

18ヶ月後の総合成果：

品質の飛躍的向上： - 不良流出率：0.18% → 0.02%（89%削減） - 顧客クレーム：月平均8件 → 月平均0.8件 - 顧客満足度：3.9 → 4.7 - 品質評価：主要顧客から「ベストサプライヤー賞」

検査効率の改善： - 検査員：12名 → 6名（配置転換） - 検査時間：1枚あたり12秒 → 5秒 - 検査能力：月12万枚 → 月28万枚（受注拡大に対応）

投資の最適化： - 累計投資：1,673万円（当初提案3,800万円の44%） - 投資回収期間：8.2ヶ月 - 年間コスト削減：2,400万円（人件費 + 不良コスト）

組織の変化： - 「AIは脅威」→「AIは相棒」 - 検査員の新しい役割：AI の学習指導、品質分析 - 若手の定着率向上：「AIと働ける会社」として評価

Phase 5：継続的改善（継続）

RCDサイクルは終わらない。

新たなRecord： - AIが蓄積した不良パターンから、製造工程の課題を発見 - 「なぜこの不良が発生するのか」の予測分析

新たなCheck： - 不良の80%が「工程B」で発生していると判明 - 原因：温度管理の微妙なズレ

新たなDo： - 工程Bの温度管理を改善 - 不良発生率：さらに50%削減

24ヶ月後の最終成果：

ビジネス指標： - 年間売上：85億円 → 102億円（+20%、品質向上で受注増） - 営業利益率：6% → 11% - 新規顧客：品質評価で8社獲得 - 競合優位性：「最高品質の基板メーカー」

AI活用の拡大： - 画像検査：全ライン完了 - 新領域：製造工程の異常検知、需要予測へ展開 - 社内AI人材：6名育成（検査員からの転身）

顧客の声：

自動車部品メーカー・品質部長： 「CircuitWorksの基板は、不良がほぼゼロです。我々の製造ラインが止まることがなくなりました。信頼できるパートナーです」

検査員（48歳、勤続20年）： 「最初はAIに仕事を奪われると思いました。でも今は、AIが私の目を補強してくれています。疲れた時もAIは見落としません。一緒に働く相棒です」

第五章：探偵のRCD診断——第二十三巻の完結、そして次なる旅へ

ホームズが総合分析をまとめた。

「木村さん、RCDの本質は『謙虚さ』です。我々は未来を完全に予測できません。だから、大きく賭けるのではなく、小さく試す。記録し、確認し、学び、次に進む。この繰り返しこそが、不確実な時代を生き抜く技術なのです」

36ヶ月後の最終報告：

CircuitWorksは電子基板業界で「品質とAI活用のリーディングカンパニー」として新しい地位を確立した。

最終的な成果： - 年間売上：85億円 → 135億円（+59%） - 不良流出率：0.18% → 0.008%（96%削減） - 業界賞：「品質優秀賞」3年連続受賞 - AI活用事例：業界セミナーで講演依頼多数

木村からの手紙には深い感謝が記されていた：

「RCDモデルによって、我々は『決断できない組織』から『試し続ける組織』へと変わりました。最も重要だったのは、『完璧を求めない』ことでした。小さく試し、記録し、確認し、改善する。この繰り返しが、14ヶ月の検討を超える成果を生みました。今では新技術の導入は全てRCDで進めます。大きな賭けは必要ない、小さな実証の積み重ねこそが確実な前進なのだと理解しました」

探偵の視点——第二十三巻の終わり、再現性という旅の継続

その夜、再現性の追求という長い旅を振り返った。

第二十三巻「再現性の追求・続編」は、SWOT、TOC、ブルーオーシャン、バリューチェーン、LEAN、JTBD、OODA、MECE、SBI、そしてRCDへと至った。

10の事件を通じて、我々は一つの真理を再確認した。

成功は、再現可能である。

• SWOTは戦場を選ばせる
• TOCは制約を見抜かせる
• ブルーオーシャンは競争を無効化する
• バリューチェーンは価値の源泉を特定する
• LEANはムダを削ぎ落とす
• JTBDは真の雇用理由を発見する
• OODAは変化に適応させる
• MECEは混沌を整理する
• SBIは因果を解きほぐす
• RCDは小さな実証を積み重ねる

第二十二巻から第二十三巻まで、20の事件、20のフレームワーク。全てが「再現性」という一つの目的地へと向かっていた。

成功は偶然ではない。測定され、分析され、改善される。そして、その過程を記録すれば、誰もが再現できる。

「再現性とは、未来を設計する技術だ。そして、その技術は誰もが学べる」

第二十三巻、ここに完結。
しかし、探偵の旅は終わらない。次なる巻では、さらなる深みへと潜る冒険が待っているだろう。

「大きな賭けは失敗する。小さな実証を積み重ねよ。記録し、確認し、実行する。その連鎖が、確実な未来を創る」――探偵の手記より

— 第二十三巻「再現性の追求・続編」完 —

関連ファイル