「熟練者の目」は売り物になる — John DeereとJFEスチールに見る技能のAI外販

発行: アーキタイプ株式会社 / 2026年9月
シリーズ: AIの外で勝つ — 事例で読むAI新規事業（第3回/全6回）

熟練者の判断は、これまで「その人がいないと回らない」という弱点として語られてきました。検収員の等級判定、点検員の異常検知、査定員の損害評価。育成には長年を要し、拠点間で基準がばらつき、退職とともに消えていく。

AIは、この構図を反転させました。熟練者の判断をAIに学習させ、「熟練者の目」そのものをサービスとして外販する。今回の調査で一次確認した137事例のうち、この物理オペレーション×熟練知型は25件を数え、うち19件が大企業です。休眠データ商品化と並んで、大企業の参入がもっとも厚い型です。

理由は明確です。教師データを作れるのは、現場を持つ者だけだからです。第3回は、この型の海外・国内の事例を歩きます。

John DeereとCaterpillar──「熟練の目」を製品と設置基盤に載せた海外勢

John Deereの雑草選択散布は、カメラで作物と雑草を走行しながら見分け、雑草だけに除草剤を散布します。人の目でしか成立しなかった「見分けて撒く」という判断を、走行する機械そのものに載せた事業です。

公式発表によれば、2024年に100万エーカー超で使用され、除草剤を平均59%削減しました。そして次期モデルでは、この機能の標準搭載化が予定されています。オプション機能が製品の標準仕様に昇格する。これはこの型の成熟のひとつの形です。「AIサービス」として切り売りされる段階を越えて、本業の製品価値そのものに組み込まれたことを意味します。

海外の現存事例をもうひとつ挙げると、Caterpillarは世界中に据え付けた自社機械群という設置基盤の上に、鉱山の生産データの自動収集・可視化をサブスクリプションで重ねています（MineStar Edge、2020年）。装置の設置基盤そのものが、後発が再現できない参入障壁になっている例です。

JFEスチールと大成建設──国内の現在地

国内でも、同じ構造の参入が確認できます。

JFEスチールは2024年5月、AI画像認識によるスクラップ検収技術を含む製造業向けソリューション事業（JFE Resolus）を立ち上げ、2026年6月にはスクラップ自動検収技術を新メニューとして追加しました。

スクラップの等級判定は熟練検収員の経験に依存し、育成に長年を要し、拠点間で基準がばらつくことが積年の課題でした。その判定基準そのものを学習させ、標準化されたサービスとして外部にも提供する。教師データは、製鉄所の検収現場を数十年運営した企業にしか作れません。

大成建設のコンクリートひび割れ検出AI（t.WAVE）は、2020年7月からの約5年間で適用114件・約27.7万平方メートルという実績が公表資料で確認できます。従来は技術者が現地で手作業計測していた工程の自動化です。ただし正直に書き添えると、この適用実績には自社施工案件が含まれ、外部顧客への提供分の切り分けは開示されていません。この型の国内事例に共通する「実績開示の薄さ」は、連載第1回で触れたとおりです。

計測・認証という交差点

熟練知×現場の特殊形として、「検証のコスト」を崩す計測・認証型があります。Bayerは衛星画像と機械学習による土壌炭素の推定で、土壌サンプリングでは採算が合わなかった数百万農家規模のカーボンクレジット認証を可能にしました（Carbon Program、現ForGround。2026年も新規受付を継続中）。

AXAは保険引受で蓄積したリスク評価能力を、投資家向けの気候リスク評価サービス（Altitude）として切り出し、2022年9月のローンチ以降750社超の企業をスクリーニングしたと公式に発表しています。

「測るコストが高すぎて存在しなかった市場」を、計測対象への正当なアクセス権を持つ者が作る。熟練知の隣にあるこの型も、現場を持つ企業の選択肢です。

Ping An──教科書的な立ち上がりと、その後

この型でもっとも劇的な速度を示したのは、中国の平安保険（Ping An）です。

2016年に画像認識による自動車事故の損害査定を自社でオンライン化し、翌2017年には早くもこの査定能力を外部の保険会社100社超に開放しました。熟練査定員が現車を見に行くという物理的制約を外し、自社で磨いた能力そのものを同業に売る。自社実証から外販まで約1年という速度も含め、立ち上がりは教科書的でした。

ただし、後日談まで含めて見るべき事例です。この事業を担った子会社OneConnectは2025年に上場廃止・非公開化され、クラウド事業は縮小したと報じられています。教科書的な立ち上がりと、その後の縮小。

参入の速さと事業の持続は、別々に評価しなければなりません。この「発表の後」を測る方法は、次回の生存確認で扱います。

「作れる」と「売れる」の間にも、壁がある

もうひとつ、この型の落とし穴を書いておきます。

現場と教師データを持ち、AIを作れたとしても、売り先の開拓は別の能力です。実際、国内には外販を掲げた協業発表から年数を経ても、確認できる導入先が自社グループ内に留まる例があります。作る力と売る力は別物であり、「誰の、どの予算で買われるのか」は技術開発より先に設計すべき問いです。

自社への問い

自社に当てはめる際の起点は一つです。熟練者の判定業務のうち、「判定の正解が事後に検証できるもの」を探すこと。不良品は後工程で見つかり、等級は取引価格で答え合わせされます。正解ラベルが自然に生まれる業務は、教師データの供給源としてもっとも筋が良い場所です。

次回は視点を反転させ、「発表された事業のその後」を追跡します。資生堂とNTTドコモが公表した2つの終了事例から、この連載でもっとも重要な教訓を引き出します。

本記事は連載「AIの外で勝つ — 事例で読むAI新規事業」（全6回）の第3回です。

連載の全記事:

1. AI新規事業の勝敗はAIの技術力では決まらない — 137事例が示す5つのアセット障壁

2. 眠っているデータは商品になるか — WalmartとJR東日本「駅カルテ」が越えた2つの距離

3. 「熟練者の目」は売り物になる — John DeereとJFEスチールに見る技能のAI外販（本記事）

4.発表された39のAI事業を追跡したら — 資生堂OptuneとドコモAIタクシーの教訓

5.自社で使い倒してから売る — AI外販の定石は海外1〜2年、国内10年

6.いま走っているPoCは勝ち筋に載せ替えられる — 3つの経路と5つのアセット棚卸し

記事の元になった業界レポート「AI新規事業の勝敗は、AIの外で決まる — 国内外137事例が示す大企業の勝ち筋」（全61ページ）を無料で公開しています。物理オペレーション×熟練知型の全事例、成立の4条件、業界別の索引まで収録しています。