A: AIが現場にそのまま配布でき、レビューにも耐えるSOPを自動生成するには、データ基盤は「文書があるか」ではなく、工程構造・作業粒度・版変更という3系統のデータを同時にきちんと与えられているかである。どれか1つが欠けると、生成内容は草案レベルに留まる。
1. 工程BOMと工順が骨格であり、これがないと章立てすら作れない
SOPの本質は「誰が、どの工程で、どの順序で、どのパラメータで、どの基準まで」を明確に示すことにある。生成するには、AIが下層の構造化工順データを読める必要がある。工程番号、工程名、前後関係、対応するワークセンターや設備IDなどである。電子工場がPDFの作業指示書を山のように渡すだけでは、AIは要約しか作れない。しかしMESの工程マスタとPLMの工程BOMがつながれば、AIは工程・ステップ・動作の3階層で展開し、階層番号付きのSOP骨子を自動生成できる。個別受注生産でよくある複数版BOMや代替材の関係も、データ層で明示的にタグ付けする必要がある。そうしないとAIは異なる構成の工程を1つの文書に混ぜてしまう。
2. 設備パラメータと工程ウィンドウが血肉であり、SOPがレビューを通るかを決める
工程技術者がSOPを差し戻す理由は、十中八九パラメータの欠落か誤りである。AIには設備台帳、パラメータテンプレート、工程仕様ライブラリが必要だ。例えば自動車部品企業の熱処理工程では、AIは「焼入れ温度840±10℃、保持時間は有効厚さ25mmあたり30分」といった文を書く必要があり、データ源には設備能力表、材料別工程カード、過去の合格ロットの実パラメータ分布が含まれていなければならない。工程ウィンドウのデータがなければ、AIは「工程要求に従って実施」といった空虚な表現しか書けず、書かないのと同じである。パラメータは単位・上下限・適用材料グレードを持つ構造化フィールドにし、Wordの表に散らばったままにしないこと。
3. 過去のSOPと変更記録は、自社の書き方をAIに教える校正器
汎用モデルが書くSOPは「正しいが自社らしくない」ことが多い。出力をそのまま使えるものにするには、過去3〜5年の管理対象SOP文書、ECN変更通知、工程変更指示をコーパスとしてファインチューニングや検索拡張に使う。工業用バルブ工場が、各作業ステップの前に必ず安全注意を置き、最後にまとめない習慣を持っているとする。AIは十分な過去の管理文書を読んで初めて、その配置の好みと言い回しの習慣を学べる。変更記録は特に重要で、どのパラメータが失効し、どのステップが置き換わったかをAIに伝え、古い内容の混入を防ぐ。
4. 検査基準と欠陥処置データが最低ラインであり、欠けるとコンプライアンスリスクになる
SOPには自己検査・相互検査・専任検査の合否基準が含まれなければならない。AIは検査指示書から公差範囲、抜取計画、欠陥コード、処置フローを読む必要がある。例えば電子工場のSMT実装工程では、AIは「2時間ごとに5枚を抜取り、ルーペで半田ブリッジや冷半田がないことを確認し、不良を発見したら直ちにラインを停止してIPQCに連絡する」と書かなければならず、その背後には検査基準ライブラリと欠陥処置ライブラリの両方がオンラインである必要がある。このデータがなければ、生成されたSOPはISO監査や顧客工場監査で不適合を指摘される。
5. マルチモーダルデータは加点要素だが、見栄えのために無理に導入しない
現在は設備ログ、PLCの時系列データ、さらには工程カメラの映像を取り込み、実際のタクトや動作順序を自動抽出するソリューションもある。これによりAIは実作業に近いSOPを書ける。例えば映像から、作業者が製品を置く前に治具を取ることを認識できる。ただしこのデータのクレンジングは高コストなので、まず上記4種の構造化データを固め、その後でマルチモーダルを検討すべきだ。3,200台以上の端末と120社以上(15以上の業界)への導入経験では、工順・パラメータ・過去文書・検査基準を明確にできる企業は、AI生成SOPの実用率がすでに70%を超え、残りは手作業の微調整で対応している。
まとめ: 慌ててAIツールを選ばず、まず自社のデータを棚卸しする。工順とBOMはシステム内にあるか、パラメータは構造化されているか、過去の管理SOPは一括エクスポートできるか、検査基準は独立したライブラリか。この4問に答えれば技術ルートは自ずと定まる。データ基盤が弱ければ、どんなに高価なモデルでも美しいだけの無意味な文章しか生まない。