工場の仕事は、これまで決して華やかなものではなかった。だが、細い平均台に立つ体操選手のように、時間と労力の配分を正しく均衡させられる限り、それは十分に高収入になり得る。
その綱渡りの危うさを理解するために、こんな苛立たしい場面を想像してほしい。産業プラントの責任者であるあなたは毎週月曜、見積依頼（RFQ）の山に優秀な人材が吸い込まれていくのを、嘆きながら見送ることになる。彼らの努力が結局、何の成果にも結びつかないかもしれないと分かっているのに、だ。
「問題は単純だ」と、筆者のインタビューでダリル・エドワーズは説明する。「工場は、受注できるかどうかも分からない案件の価格を算出することに時間を浪費している」
エドワーズはこのジレンマを理解している。トロント拠点の製造業向けAI企業Agent Impactを創業する以前、彼は工場長とオペレーション担当副社長を務め、ペルー最大の靴輸出企業の規模拡大を支えてきた。
エドワーズが指摘する手強い課題が現実であるのと同様に、いま浮上しつつある解決策もまた現実だ。それがエージェンティックAI（自律的に判断・行動するAI）である。この解決策を理解するには、まず時間をさかのぼり、地球の反対側へと目を向ける必要がある。第二次世界大戦後、日本は甚大な破壊ののち、経済の再建に取り組んだ。
それは容易な偉業ではなかった。
敗戦国は資源に乏しく、在庫を扱うためのスペースにも制約があった。米国のような無駄の多い生産モデルを追求する余裕はなかった。米国の産業アプローチは、しばしばバッファ在庫と大量の棚卸資産を前提に動いていた。好景気に沸く米国では、予測不能な注文や部品の納入遅延に備えて、倉庫を満杯にしておく余裕があった。
日本には、そのぜいたくはなかった。そこで日本は、トヨタ生産方式（TPS）を発展させた。トヨタ自動車によれば、これはジャスト・イン・タイム（JIT）生産という原則、すなわち「必要なものを、必要なときに、必要な量だけつくる」に基づく。
この考え方は瞬く間に広がった。
EBSCOは次のように説明する。「TPSを通じて、トヨタが米国の製造生産を大幅に低いコストで達成し、さらに上回るという卓越した成功を収めたことで、1980年代から1990年代、そしてそれ以降にかけて、世界中の製造業者がTPSに基づく実践を急速に採用し、模倣した」。またEBSCOは、米国の製造業者を対象とする2006年の調査を引用し、「ジャスト・イン・タイムのサプライヤー納入が、在庫管理に用いられる最も一般的な手法の一覧で最上位にあった」としている。
このモデルが世界の製造業にもたらした啓示性は大きい。しかし2026年の現在でも、重大な制約が1つ残っている。現代の見積システムが生むボトルネックだ。
なぜか。1人の顧客が、1万個のボールベアリングを必要としている場面を思い浮かべてほしい。しかも昨日のうちに、である。当然、顧客は複数の工場に見積を依頼する。妥当な価格を提示し、最も早く返答した工場が受注する。簡単だろうか。いや、そうではない。価格の算定は容易ではない。工場が価格を確約する前に、熟練の作業者がコストを見極めるために、部品を半ば設計する必要がある。
残酷なのは、それを「受注できるかどうか分からない」前提でやらなければならないことだ。作業が遅すぎたり、方法論に忠実すぎたりすれば、競合に先を越される。手順を省略すれば、履行できない欠陥見積を出してしまい、収益性と評判を台無しにしかねない。
ここで、エージェンティックAIの妙味に話が戻る。エドワーズは最近、工場にとっての新たな革新になり得ると期待するアプローチを切り開いた。そのプロセスでは、見積業務を彼が「アトミック・ステップ」と呼ぶ、可能な限り小さい作業単位へと分解する必要がある。
「見積は、そのうちの15〜20個に集約される」と彼は言う。「メールでの依頼に必要な情報が含まれているかの確認から、機械と労務の要件の抽出まで、あらゆるものが含まれ得る」。さらに工場の従業員に追加の支援層を提供する形で、エージェンティックAIは、CAD設計者が描き始める前に必要な項目をすべて整える、といった他の価値ある行動も実行できる。
見積は、こうしたアトミックなアプローチが適用できる複数のカテゴリの1つにすぎない。他には、計画とスケジューリング、品質、エンジニアリングと設計、生産の可視化、財務、人事、管理などがある。具体的なユースケースが何であれ、エージェントは、チームが知っていることと、十分な時間がなくて把握できないことの間のギャップを埋める。
その結果として生まれるのは、時間と資源を節約し、工場がより少ないリソースでより多くを成し遂げることを可能にする、ダイナミックな新しい働き方だ。これは筆者が以前、Forbesに寄稿した「マイクロ・エンタープライズ・モデル」の重要な要素でもある。「私たちは人を置き換えるのではない」とエドワーズはすぐに付け加える。「これは、退屈で情報量の多い作業を、人の時間の積み重なった山の底から持ち上げることだ。そうすることで人は、関係構築や戦略といった、より高い価値の仕事へ移れる」
この区別は、さらに大きな論点を示している。再構想されているのは、エージェンティックAIを基盤とするあらゆる企業が、将来のワークフローをどう設計するかという点だ。このテーマは、ピーター・ディアマンディスが自身のポッドキャストMoonshotsで、「The New Era of Jobs: Organizational Singularity（仕事の新時代：組織のシンギュラリティ）」と題したエピソードで最近取り上げた。
エドワーズは、その背後にある考え方を「エージェンティック・ラダー（Agentic Ladder）」と呼ぶ。AIエージェントとは何を意味するのかを、シンプルに説明する枠組みだ。彼が筆者に語ったところでは、「それぞれの段は、受動的な参照から自己主導の同僚まで、現実の技術的能力を積み上げていく。段が上がるほど、監督の必要性は減り、代わりにあなたのためにより多くの仕事をこなす」
以下は、その段を従業員の職位に対応させたもので、技術的な飛躍を括弧内に記している。
-L0, Reference（参照のみ）：棚の上の本。求めに応じて保存された情報を取り出すだけで、生成も行動もない。
-L1, Collaborator（今日の多くの人のChatGPT）：入社1週目の新人。求めに応じてテキスト、コード、画像を、1ターンずつ生成する。あなたは出力をすべて確認する。
-L2, Consultant（ツール呼び出しを連鎖）：若手社員。複数のツール呼び出しをつなげて定型タスクを完了し、境界事例はあなたにエスカレーションする。
-L3, Approver（「エージェント」が通常意味するもの）：シニア社員。イベントをトリガーに、ツールを使い、あなたのシステムに書き戻し、承認のために作業を要約する。
-L4, Observer（継続的に稼働）：部門マネジャー。目標とガードレールに沿って機能を自律的に運用する。あなたは個々の行動ではなくKPIをレビューする。
-L5, Investor（自己改善）：自己発展するリーダー。結果を観察し、自身のプレイブックを書き換え、再プログラムされずに改善していく。
この階層は、製造業という、それが形作られた領域を超えて、米国企業にも示唆をもたらす。例えばマーケティング代理店のようなプロフェッショナルサービス企業が、これを使ってワークフローを実行する姿も想像できる。より大きな示唆は、エージェンティックAIが、業種を問わず将来の企業運営のあり方を変えつつあるという点だ。生産性の高い人間／機械のハイブリッドな働き方をいっそう推し進める道を開いている。
「未来の働き方を説明するのに役立つ比喩がある。私はそれに何度も立ち返っている」とエドワーズは言う。「エージェンティックAIでは、あなたはツールを買うのではない。チームメイトを雇い、時間とともに昇進させていくのだ」。多くの工場が、たとえ最新の設備を備えていても、見積、スケジューリング、品質管理などの面で行き詰まったままでいるのは、L1で止まってしまうからだ。良くて、である。「真の見返りは、仕事をラダーの上へ押し上げたときにやってくる。エージェントが、あなたの作業を速めるだけでなく、あなたの代わりにタスクをこなすようになるからだ」
かつて米国は、製造業の先導役として世界的地位を高めた。ジャスト・イン・タイム生産以前から、米国はイノベーションの模範として道を切り開き、世界の働き方を形作ってきた。いまエージェンティックAIが登場したことで、私たちは製造業、そしてそれ以上の領域で、次の大きな飛躍をもたらす機会を得た。生産性向上を押し上げ、生活水準の上昇を呼び込む可能性を秘めた、私たちがいまようやく捉え始めている有望な展開である。
確かに工場の仕事が華やかになることはないかもしれない。だがエージェンティックAIのおかげで、明日の企業はこの刺激的なテクノロジーを活用し、工場の現場における最も希少なぜいたくである「時間」を取り戻すことができる。
