製造業のローカルLLM。設計データと営業秘密を外に出さないAI活用
図面・配合レシピ・工程ノウハウをそのまま外部のクラウドAIに入力すると、営業秘密の「秘密管理性」が揺らぐ場面があります。製造業がローカルLLMや閉域構成を選ぶのは、情報統制の一環として合理的な判断です。ただし「クラウドAI＝危険」と一括りにするのは誤りで、実務解は法人契約AI（学習不使用）とローカルLLMの使い分けにあります。本記事では、その線引きを製造業の機密資産に即して整理します。
この記事の要点
- 製造業の機密の中心は設計データ・配合レシピ・工程ノウハウ・原価であり、個人情報保護法ではなく不正競争防止法の「営業秘密」として保護される情報です
- 経済産業省の営業秘密管理指針（令和7年3月改訂）は、営業秘密がAI提供事業者など第三者に提供される場合には秘密管理性が否定される可能性があると整理しています
- リスクの所在は「AIを使うこと」自体ではなく「営業秘密を第三者に渡すこと」です。法人契約AI（学習不使用）とローカルLLM・閉域構成の使い分けが実務解になります
- ローカルLLMは外部通信なしで推論が完結するため、インターネット非接続の工場や、NDAで持ち出しを制限された貸与図を扱う業務でも使えます
- 独自AIシステムの構築はものづくり補助金と親和性が高く、補助上限は従業員規模により最大1,500万円前後（賃上げ特例で2,000万円程度）が目安です
製造業の機密は「顧客情報」だけではない（営業秘密という視点）
「うちはBtoBだから個人情報は関係ない」という認識は、守るべき情報を狭く見積もりすぎています。製造業が抱える機密の中心は、個人情報ではなく次のような技術・営業資産です。
| 機密資産 | 具体例 |
|---|---|
| 設計データ | 2D図面・3D CAD・部品表 |
| 製造ノウハウ | 配合レシピ・材料組成・熱処理や加工の条件出しノウハウ |
| 原価・営業情報 | 原価・見積ロジック・歩留まりデータ |
| 預かり情報 | 取引先とのNDAで受領した貸与図・仕様書 |
これらは個人情報保護法ではなく、不正競争防止法の「営業秘密」として保護される情報です。個人情報が少ないからといって、AI利用のリスクが小さいわけではありません。
営業秘密の「秘密管理性」と生成AIの関係（令和7年改訂指針の整理）
営業秘密として法的保護を受けるには、不正競争防止法の3要件を満たす必要があります。
| 要件 | 内容 |
|---|---|
| 秘密管理性 | 秘密として管理されていること |
| 有用性 | 有用な情報であること |
| 非公知性 | 公然と知られていないこと |
このうち実務で最も崩れやすいのが秘密管理性です。
生成AIとの関係について、経済産業省の営業秘密管理指針（令和7年3月改訂）は重要な整理を示しています。社内で秘密として管理している情報を生成AIに利用し、その後AIから同じ情報が出力されても、それ自体では秘密管理性は否定されません。一方で、営業秘密が生成AIの提供事業者など第三者に提供される場合には、秘密管理性が否定される可能性があると述べています。
これを実務に翻訳すると、リスクの所在は「AIを使うこと」自体ではなく「営業秘密を第三者に渡してしまうこと」にあります。利用形態ごとに統制の状況を整理すると次のようになります。
| 利用形態 | 第三者への提供 | 秘密管理性・漏洩リスク |
|---|---|---|
| 無統制な外部クラウドAI（個人アカウント等） | あり得る（保存・学習される場合） | 無許可送信は漏洩行為に該当しうる／秘密管理性が否定されるリスク |
| 法人契約の外部AI（学習不使用・守秘契約・アクセス制限） | 契約で限定 | リスクを相当程度コントロール可能 |
| ローカルLLM・閉域構成 | 発生しない（自社内で完結） | 第三者提供そのものが起きない |
「クラウドAI＝学習される」は誤解（法人契約とシャドーAI）
ここで押さえておきたいのは、「クラウドAI＝学習される」という一括りが誤解だという点です。法人プランやAPI利用は契約上、入力が学習に使われません。個人プランはオプトアウト設定を行って初めて学習対象から外れます。学習利用の線引きはClaudeの学習利用ポリシー（法人／個人の違い）に整理しています。
最大の穴は、従業員が私物アカウントで図面を貼り付ける、いわゆるシャドーAIです。これはシャドーAI対策・社内AI統制の論点そのものです。
つまり製造業のAI統制は二段構えになります。
- 外部AIを使う業務は法人契約に一本化し、利用規程とアクセス制限を文書化する（指針も就業規則等でのルール明確化を推奨しています）
- 外に出せない図面やレシピを扱う業務はローカルLLM・閉域構成にし、第三者提供そのものを発生させない
全部をローカルにする必要はなく、機密度で振り分けるのが現実解です。社内データを外に出さない全手法と費用の全体像は『[2026年7月更新] 社内データを外に出さずに生成AIを使う全手法と費用』にまとめています。
製造業でローカルLLMが効くユースケース（技能継承・品質・帳票）
ローカルLLMが効くのは、機密度が高く、かつ社内文書が蓄積している業務です。
| 業務領域 | 活用イメージ |
|---|---|
| 技能継承 | ベテランの作業報告書・トラブル対応記録・不具合対策書をRAG化し、「聞ける先輩AI」として若手が過去の類似トラブルを自然文で検索できるようにします |
| 設計・品質 | 過去トラブル事例の横断検索、検査記録の要約、作業手順書やFMEAの下書き生成に使えます |
| 現場帳票 | 手書き日報・検査表・チェックシートをVLM（画像を読めるモデル）で読み取り、データ化します |
事例としては、自動車部品の旭鉄工（IPA DX SQUARE）が参考になります。同社は市販の高価なIoTを買わず、汎用センサーで内製化し、年間約4万時間・4億円超の労務費削減を実現しました。その過程で改善ノウハウが属人化する課題に直面し、横展開リストを整備したうえで、生成AIを改善活動の支援に使い始めています。IoTによる削減効果と生成AIの活用は別の取り組みですが、「まず自分たちで小さく作り、蓄積したノウハウをAIで横展開する」という順序は多くの中小製造業に当てはまります。国内他社を含む共通パターンは『ローカルLLM国内導入事例2026。8社から見える共通パターン』で扱っています。
工場ネットワークでのローカルLLM構成（OT/IT分離と配置）
製造業特有の制約が、OT（生産設備側）とIT（事務所側）の分離です。生産ラインの制御系は原則インターネットから遮断されており、ここへ外部AIを引き込むことはまずできません。ローカルLLMの置き場所は、業務に応じて分けます。
| 配置 | 置き場所 | 向く用途 |
|---|---|---|
| 事務所側サーバ | IT系ネットワーク | 設計・品質文書のRAG、報告書検索 |
| 工場側エッジ | OTから分離したセグメント | 現場端末からの手順照会、帳票読み取り |
| 完全オフライン | インターネット非接続 | 外部NDA制約が厳しい受託加工 |
ローカルLLMは外部通信なしで推論が完結するため、インターネットに接続していない工場でも動きます。これはクラウドAIには出せない、製造現場固有の強みです。取引先から「貸与図は社外ネットワークに出さないこと」と契約で縛られているようなケースでも、閉域で使えます。GPUサーバーでの本格構成についてはローカルLLM導入支援で紹介しています。
導入費用とものづくり補助金の使い方
自社業務に特化した独自AIシステムの構築は、省力化・生産性向上を目的とするため、ものづくり補助金と親和性が高い業界です。オーダーメイドのAIシステム開発は補助対象になり得ます。
| 項目 | 目安 |
|---|---|
| 補助上限 | 従業員規模により最大1,500万円前後（賃上げ特例で2,000万円程度） |
| 補助率 | 中小1/2・小規模2/3 |
| 注意点 | 年度・申請枠で条件が変わるため公募要領での個別確認が必要 |
生成AIツールなら自動的に対象になるわけではなく、要件との適合を確認したうえで申請します。補助金活用の落とし穴と使いどころは『ローカルLLM構築に補助金は使えるか。IT導入補助金の落とし穴とものづくり補助金という現実解』で詳しく整理しています。
導入は一気に全社展開せず、段階を踏むのが安全です。
- GPU1台のオンプレ環境で1業務（例: トラブル報告検索）を検証します
- 効果が出たら部門単位のRAGに広げます
- 運用が回ることを確認してから全社・複数拠点へ展開します
各段階の実額は『ローカルLLM導入費用の実額内訳』で、クラウドと比較した3年総保有コストは『オンプレLLMは本当に安いのか。3年TCOと損益分岐点』で開示しています。
導入前チェックリスト（機密度の振り分けから）
見積もりや検証に進む前に、次の項目を確認してください。埋まっていない項目が、そのまま情報統制の穴や導入のつまずきになります。
- 外部AIの利用が法人契約（学習不使用）に一本化されている（私物アカウントのシャドーAIを放置していない）
- AIの利用規程とアクセス制限が就業規則等で文書化されている
- 扱う情報を機密度で振り分けた（法人契約AIで足りる業務／ローカル・閉域に限定する業務）
- 取引先とのNDA・貸与図の持ち出し制限を確認した
- ローカルLLMの置き場所（事務所側サーバ／工場側エッジ／完全オフライン）を業務に合わせて決めた
- 最初に検証する1業務（例: トラブル報告検索）を特定した
- 検証の撤退基準を先に決めた（決め方はこちら）
- 導入後の運用担当者の当てがある（挫折の最大要因です）
- ものづくり補助金の公募要領で対象要件を確認した
まとめ
- 製造業の機密は図面・レシピ・工程ノウハウ・原価であり、営業秘密（不正競争防止法）の世界です。個人情報が少なくてもAI利用リスクは小さくありません
- 令和7年改訂の営業秘密管理指針は、社内で管理した情報のAI利用では秘密管理性は否定されないものの、第三者（AI提供事業者）への提供では否定され得ると整理しています
- リスクの所在は「AIを使うこと」ではなく「営業秘密を外へ渡すこと」です。法人契約AI（学習不使用）とローカル／閉域の使い分けが実務解です
- 「クラウドAI＝学習される」は誤解です。法人プラン・APIは契約上学習されず、個人プランはオプトアウトが必要です。私物アカウントのシャドーAIが最大の穴です
- 効くのは技能継承・品質文書検索・帳票読み取りです。OT/IT分離のなかで置き場所を選び、オフラインでも動く強みを活かします
- 独自AI構築はものづくり補助金と相性が良く、GPU1台での検証→部門RAG→全社という段階導入で始めます
よくある質問
Q. 図面や設計データをクラウドAIに入力しても大丈夫ですか？
無統制な外部クラウドAI（個人アカウント等）への入力は、営業秘密の無許可送信として漏洩行為に該当しうるうえ、不正競争防止法上の秘密管理性が否定されるリスクがあります。一方、学習不使用・守秘契約・アクセス制限を備えた法人契約の外部AIであれば、リスクを相当程度コントロールできます。NDAで持ち出しを制限された貸与図など、契約上外に出せないデータはローカルLLM・閉域構成で扱うのが実務解です。
Q. 営業秘密を生成AIに入力すると法的保護は失われますか？
経済産業省の営業秘密管理指針（令和7年3月改訂）は、社内で秘密として管理している情報を生成AIに利用し、その後AIから同じ情報が出力されても、それ自体では秘密管理性は否定されないと整理しています。一方で、営業秘密が生成AIの提供事業者など第三者に提供される場合には、秘密管理性が否定される可能性があるとしています。つまり分かれ目は「AIを使ったか」ではなく「第三者に渡ったか」です。
Q. クラウドAIに入力したデータは学習に使われますか？
契約形態によって異なります。法人プランやAPI利用は契約上、入力が学習に使われません。個人プランはオプトアウト設定を行って初めて学習対象から外れます。統制上の最大の穴は、従業員が私物アカウントで図面や技術情報を貼り付けるシャドーAIであり、外部AIの利用を法人契約に一本化し、利用規程とアクセス制限を文書化することが対策になります。
Q. 製造業でローカルLLMはどんな業務に使えますか？
機密度が高く社内文書が蓄積している業務に効きます。具体的には、ベテランの作業報告書やトラブル対応記録をRAG化して「聞ける先輩AI」にする技能継承、過去トラブル事例の横断検索・検査記録の要約・FMEAの下書き生成といった設計・品質業務、手書き日報や検査表をVLMで読み取る現場帳票のデータ化です。国内の導入事例に共通するパターンは『ローカルLLM国内導入事例2026』で整理しています。
Q. インターネットに接続していない工場でもローカルLLMは使えますか？
使えます。ローカルLLMは外部通信なしで推論が完結するため、インターネット非接続の環境でも動作します。OT（生産設備側）とIT（事務所側）が分離した工場ネットワークでは、事務所側サーバ・OTから分離した工場側エッジ・完全オフラインという3つの置き場所を業務に応じて使い分けます。「貸与図は社外ネットワークに出さないこと」という取引先契約がある受託加工でも閉域で利用できます。
Q. 製造業のローカルLLM導入にものづくり補助金は使えますか？
オーダーメイドのAIシステム開発は補助対象になり得ます。補助上限は従業員規模により最大1,500万円前後（賃上げ特例で2,000万円程度）、補助率は中小1/2・小規模2/3が目安ですが、年度・申請枠で条件が変わるため公募要領での個別確認が必要です。生成AIツールなら自動的に対象になるわけではありません。詳しくは『ローカルLLM構築に補助金は使えるか』で解説しています。
Q. 製造業のローカルLLM導入は何から始めればよいですか？
一気に全社展開せず、GPU1台のオンプレ環境で1業務（トラブル報告検索など）を検証し、効果が出たら部門単位のRAGへ、運用が回ることを確認してから全社・複数拠点へと段階を踏むのが安全です。TodoONadaでは約30万円・2週間のミニ検証を入り口にしています。各段階の実額は『ローカルLLM導入費用の実額内訳』を、GPUサーバーを構える前の小さく始める構成はMacで始める社内専用AI導入支援を参照してください。
主な参考資料: 営業秘密～営業秘密を守り活用する～（経済産業省）、営業秘密管理指針 令和7年3月改訂（経済産業省）、旭鉄工の製造業DX事例（IPA DX SQUARE）、ものづくり補助金 総合サイト
TodoONadaでは、製造業のローカルLLM／生成AI導入を、現場業務の棚卸しと機密度の振り分けから支援しています。「どの業務はローカルで守り、どこまで法人契約AIで足りるのか」という線引きが最初の関門です。まずは約30万円・2週間のミニ検証で、外に出せない設計データを守りながら、自社の業務データで効果を確かめられます。
この記事に関連するサービス
TodoONada株式会社では、機密データを外部に出さないローカルLLMの導入支援を行っています。
- ローカルLLM導入支援 — GPUサーバーでの本格構成。モデル選定からRAG構築・運用まで
- Macで始める社内専用AI導入支援 — Mac 1台から始める社内専用AI。PoCから部門導入まで対応
導入・開発のご相談はお問い合わせからお気軽にどうぞ。検討段階のご相談も歓迎です。
出典・参照
- 不正競争防止法 （2026年7月5日確認）
- 営業秘密管理指針（令和7年3月改訂） （2026年7月5日確認）
- Claudeの学習利用ポリシー（法人／個人の違い） （2026年7月5日確認）
- シャドーAI対策・社内AI統制 （2026年7月5日確認）
- 旭鉄工（IPA DX SQUARE） （2026年7月5日確認）
- ものづくり補助金 （2026年7月5日確認）
