メルマガ登録
経済産業省が発行する「ものづくり白書2025」は、日本の製造業が直面する現状と課題、そして今後の戦略的な方向性を示す重要な報告書です。今年の白書では、グローバル競争の激化、労働力不足、脱炭素対応、経済安全保障など、多岐にわたるテーマが分析されています。以下では、白書の主要ポイントとその含意を整理し、製造業DXに取り組む企業への示唆を読み解きます。
白書冒頭では、日本の製造業が「いま大きな転換点に立っている」と指摘されています。グローバル市場での競争激化や国内市場の縮小に加え、人口減少による人手不足や熟練技能の継承難など、複数の構造的課題が山積しています。例えば製造業は日本のGDPの約2割を占める一方、国内CO2排出量の36%を占めています。そのうち約7割は削減が難しい産業分野であり、脱炭素化と産業競争力強化を同時に達成する必要性が強調されています。さらに、新型コロナからの回復期においてもウクライナ情勢や原材料高騰など逆風が吹き、事業環境の不確実性が高まっています。
短期的な景気動向を見ると、製造業の業績はコロナ禍から一時持ち直したものの、世界的な半導体不足や原材料高の影響で足踏みし、先行き不透明感が漂っています。こうした不安定な環境でも中長期の成長を実現するために、企業は攻めの投資を継続する必要があります。白書は、「事業環境の不確実性が高まる中、製造事業者は脱炭素・経済安全保障を複合的に考慮した中長期投資が重要」と述べ、政府も産業政策で競争力・脱炭素・安保を一体的に捉える動きを強めていると指摘しています。
カーボンニュートラル(脱炭素)への対応は白書の大きなテーマのひとつです。製造業は気候変動対策の観点から厳しい目標を求められる一方で、過度な負担は産業競争力を損ねかねません。白書では「脱炭素と産業競争力の複合的追求」が掲げられ、グリーン成長に向けたイノベーションの必要性が強調されています。日本政府は2050年カーボンニュートラル宣言に基づき、産業界にも技術開発・設備投資を促しています。具体的には、水素利用やCCUS(CO2回収・貯留・利用)技術、グリーンスチール(脱炭素製鉄)などの取り組みが紹介され、これらは単なる環境対策に留まらず将来の競争力源になると位置付けられています。
製造業各社にとっても、サプライチェーン全体でのCO2削減や省エネ投資は避けて通れない課題です。例えば自動車、化学、素材産業などでは既にScope3排出の削減に向け取引先と協働する動きが見られます。白書は、日本の製造業は世界潮流に遅れずグリーン分野で主導権を握るべきだとしています。その一方で、多くの企業が「環境対応には取り組んでいるが何をすべきか具体的に分からない」と感じている現状も指摘されました。こうした不安に応えるため、政府はグリーン関連の好事例の共有や資金支援(グリーンファイナンス)で企業を後押ししています。
デジタルトランスフォーメーション(DX)は近年の白書で一貫して強調されてきたテーマであり、2025年版でも例外ではありません。経済産業省は以前より「2025年の崖」というキーワードで既存システムの老朽化がDXの足かせとなるリスクを警鐘してきました。今回の白書でも、日本の製造業におけるDX進捗は必ずしも十分ではないことがデータで示されています。例えば、生産設備の稼働データを収集している企業の割合は、2018年には58%でしたが、2019年には51%へと減少しており、横ばいではなく、むしろやや低下傾向が見られました。また、約8割の企業がレガシーな基幹ITシステムの複雑・老朽化を抱え、その約7割がそれを「DXの足かせ」と認識しています。
このように「データ活用の必要性は理解しているが、なかなか全社的なDXに至っていない」企業が多い現状を踏まえ、白書は複数の解決策を提示しています。ひとつは経産省が策定した「デジタルガバナンス・コード」の実践です。経営陣が率先してDX戦略を掲げ、IT投資の優先順位付けや人材確保に責任を持つことが重要だと説きます。また、サイバーセキュリティ対策もDX推進の前提条件として言及されています。デジタル化が進めばサプライチェーン全体がサイバー攻撃のターゲットになり得るため、官民一体でのセキュリティ強化が必要だとしています。
一方で、DXの成果が出始めている領域もあります。白書によれば、製造業の8割が何らかの形でデジタル技術を工程に活用しており、その8割以上で「生産性向上の効果があった」と回答しています。例えばIoTセンサーで設備の稼働状況を可視化した結果、ボトルネック工程の改善や予知保全につなげた事例が紹介されています。また、現場技能の継承にもデジタル活用が期待されています。ベテラン作業者の技能を動画やセンシングデータで記録・分析し、標準手順化や新人教育に役立てる試みです。
こうした流れに対応して、「BrainPad-FAST実験計画最適化アプリケーション」は製造現場のDX推進を強力にサポートします。高度な数理最適化技術により、需要予測や在庫、水すまし生産(日程計画)などの制約条件を考慮しつつ、最適な生産スケジュールを自動生成するアプリケーションです。これを導入することで、従来は担当者の経験則に頼っていた生産計画業務がデータドリブンな意思決定に変わり、在庫削減や納期遵守率向上などの成果が得られています。例えば需要変動の激しい食品業界で、FAST生産計画により過剰生産の抑制と欠品防止を両立させた事例があります。これは白書が強調するサプライチェーン全体の効率化(共同受注や物流最適化など)にも資する取り組みです。
【参考】
データアプリケーション提供サービス「BrainPad FAST」|株式会社ブレインパッド
さらに、ブレインパッドが開発中の「作業動画解析AIエージェント」は、製造現場における熟練工の作業映像をAIで解析し、動作の癖やコツを見える化する技術です。白書で言及された技能伝承のDXに対し、まさに具体解を提供するソリューションといえます。これを活用すれば、匠の技をデータ化してマニュアル化したり、作業効率のボトルネック動作を発見して改善したりすることが可能です。労働人口減少で一人ひとりの生産性向上が不可欠な今、このような現場DXは企業の競争力維持に直結するでしょう。
【参考】
作業動画解析AIエージェント|株式会社ブレインパッド
人材面の課題も、2025年版白書で大きく取り上げられています。製造業の就業者数はこの20年で約157万人減少し、特に若年層(34歳以下)が大幅に減っています。逆に65歳以上の高齢就業者は割合が倍増しつつあり、現場の高齢化・技能伝承問題が顕在化しています。また、デジタル時代に対応できる人材(データサイエンティストやITエンジニア)の不足も深刻で、各社が人材確保に苦戦している状況です。
白書はこの問題への対策として、リスキリング(学び直し)と人材育成の強化を掲げました。具体的には、政府施策として「数理・データサイエンス・AI教育の推進」「マイスター・ハイスクール構想(高度技能者養成)」「DX等成長分野に焦点を当てたリカレント教育の推進」などが挙げられています。企業に対しても、社員のデジタル研修への投資や資格取得支援などを通じた社内人材育成計画の重要性が説かれています。実際、DX銘柄企業では「挑戦を促す仕組み」や「人材育成・確保」の項目スコアが他社より高いというデータもあります。
この点で、ブレインパッドの業界特化型「育成コンテンツ」サービスは有効なソリューションとなります。ブレインパッドは延べ8万人以上の受講実績を持つデータ活用人材育成プログラムを展開しており、特に食品業界向け・機械業界向けにカスタマイズした研修コースを提供しています。一般的なデータサイエンス研修では学びづらい製造業固有のテーマ(例えば食品メーカーの需要予測や、機械メーカーにおける故障データ分析など)を題材に、実践的な演習を組み込んだカリキュラムを用意しているのが特徴です。これにより受講者は、自社のビジネス現場に直結するスキルを習得し、研修後すぐに現場課題の解決リーダーとして活躍できるようになります。
例えば食品メーカーの研修では、2年分の受注実績データを分析して卸先別の販売傾向を可視化し、営業戦略に活かす演習があります。機械メーカー向けでは、空調機器の大量の修理履歴データを解析して設計部門にフィードバックを行うケーススタディを実施します。こうした業務に即した演習を通じて、単なる知識習得に留まらず「自社でDXを推進できる人材」を育てるのがブレインパッドのプログラムの強みです。
【参考】
業界特化型研修(食品系/機械系製造業)|株式会社ブレインパッド
白書が示すように、デジタル技術の効果を最大化するのも結局は「人」です。データ分析ツールやAIソリューションを現場で使いこなし、継続的な改善サイクルを回せる人材なくしてDXの成功はあり得ません。ブレインパッドの人材育成サービスは、この人材面の底上げを図ることで、企業が直面するDX推進上の障壁を下げ、日本全体のデジタル競争力強化につながるでしょう。
昨今、地政学リスクやパンデミックを受けて経済安全保障(経済安保)への関心が高まっています。白書でも、サプライチェーンの強靭化や重要技術の流出防止といった観点から製造業の経済安保対応が論じられました。アンケート結果によれば、日本の製造業者の約7割は「経済安全保障という言葉は聞いたことがあるが具体的イメージが湧かない」と回答しており、概念の認知度に比べ具体策の浸透が進んでいない状況です。実際、経済安保に関する取組を実施していない企業が約6割にのぼり、脱炭素やDXの取組に比べて対応が遅れているとの指摘があります。
特にサプライチェーンの脆弱性について、白書は興味深いデータを示しています。製造企業に「リスク分析の際に把握しているサプライチェーンの範囲」を尋ねたところ、自社から見て上流・下流とも直接取引先および2~3次先までしか把握できていない企業が9割強にも上りました。言い換えれば、ほとんどの企業は「3社先」より深い川上・川下の状況を把握できていないのです。この事実は、サプライヤーのさらに向こう側で起こった災害や国際情勢の変化が、自社の調達に影響を及ぼすリスクを見逃している可能性を示唆します。
白書では、経済安保対応が進まない理由として企業から「自社の経営に必要性を感じない」「何をすべきかわからない」といった声が挙がっていると分析しています。しかし同時に、既に取組を進めている企業からは「事業の継続性が高まった」との効果が報告されており、中長期的には経済安保リスクを放置した場合の損失の方が対応コストを上回ると判断する向きが多いとも述べられています。要するに、短期の楽観より長期の視点で備えることが自社の持続的成長に不可欠だというメッセージです。
政府は今年、「経済安全保障法」の施行やガイドライン公表を通じて企業の対応を促進しています。製造業においても、例えば重要物資の国内生産支援や特定サプライチェーンの強化策などが進行中です。企業側はまず自社にとっての経済安保上の弱点を洗い出し、必要な社内体制(専門部署の設置など)を構築することが求められます。白書は「自社に適したプロセスを確立し主体的に取り組むことが必要」と強調しつつ、政府も好事例の共有などで後押しするとしています。
ブレインパッドの視点からは、データ分析とシミュレーションが経済安保対応に寄与できる領域です。例えば調達データを活用したサプライチェーンマッピングや、災害シナリオを想定した供給網のシミュレーションによって、ボトルネックとなる部品や地域を特定することが可能です。ブレインパッドは製造業向けコンサルティングの中で、調達リスクの見える化を支援する取り組みも行っています。具体的には、複数のサプライヤーから調達している重要部材について在庫水準や代替先確保状況をデータで可視化し、最適な在庫戦略・調達戦略の提案などを実施しています。こうしたデータ駆動型のアプローチは、白書が課題として示す「自社では何をすべきか分からない」という状態を打破し、経営層が納得感を持って投資判断できる材料を提供します。
ものづくり白書2025は、製造業が直面する難題に包括的に向き合うべき時期に来ていることを浮き彫りにしました。レジリエンス(強靭なしなやかさ)を持ってサプライチェーンの不確実性に備え、グリーンな革新で脱炭素と成長を両立させ、デジタルの力で生産性と付加価値を飛躍させる――この“三本の柱”はもはや企業経営のオプションではなく不可欠な戦略となっています。
同時に、その土台を支えるのは「人と組織」です。現場を知る人材とデータサイエンスを活用できる人材、その双方が協働し企業文化を変えていくことで、初めてDXは定着します。白書はポストコロナやAI時代を見据え、企業に対し「激しい環境変化をチャンスと捉え、自社変革を遂げよ」とエールを送っています。
ブレインパッドは創業以来、「データ活用の促進を通じて持続可能な未来をつくる」ことをミッションに掲げ、様々な業界の企業課題の解決に取り組んできました。製造業分野でも、実験計画の最適化から生産計画の高度化、現場AI活用、人材育成まで、一気通貫で支援できる体制を整えています。これは、白書が掲げる政策の方向性としっかり連動した取り組みでもあります。FASTソリューションや育成コンテンツといった具体的サービスを通じて、ブレインパッドは日本のものづくり企業がデータとデジタルを武器に変革を遂げるお手伝いを今後も続けていきます。
製造業に携わるビジネスリーダーの皆様におかれては、白書の内容をぜひ自社戦略の点検に役立ててください。自社のDXや人材戦略がこれら複合課題に対応できるものになっているか、また不足があれば社外のパートナーも活用しつつ補っていくことが重要です。日本のものづくりがこれからも強みを発揮し続けるために、官民の知恵と技術を結集して未来への一歩を踏み出しましょう。
あなたにオススメの記事
2023.12.01
生成AI(ジェネレーティブAI)とは?ChatGPTとの違いや仕組み・種類・活用事例
2023.09.21
DX(デジタルトランスフォーメーション)とは?今さら聞けない意味・定義を分かりやすく解説【2024年最新】
2023.11.24
【現役社員が解説】データサイエンティストとは?仕事内容やAI・DX時代に必要なスキル
2023.09.08
DX事例26選:6つの業界別に紹介~有名企業はどんなDXをやっている?~【2024年最新版】
2023.08.23
LLM(大規模言語モデル)とは?生成AIとの違いや活用事例・課題
2024.03.22
生成AIの評価指標・ベンチマークとそれらに関連する問題点や限界を解説