ツール導入はゴールじゃない。AIと現場が共に育つ、ローゼン製菓の工場DX
ローゼン製菓株式会社 尼崎工場（以下「ローゼン製菓」）では、外観検査自動化AI「メキキバイト」と人員配置最適化AI「スキルパズル」の両方を導入し、検査と人員配置の両面から工場DXに取り組む先進的な事例です。食品工場における目視検査の負担軽減、紙の配置表による属人化解消、現場DXの定着までのリアルな取り組みを紹介します。
導入サービス：外観検査自動化AI「メキキバイト」／人員配置最適化AI「スキルパズル」
外観検査自動化AIと人員配置最適化AIによって、検品負担の軽減、紙の配置表からの脱却、現場の暗黙知の形式知化に取り組んだ導入事例です。
AI導入は、単なる省人化ではなく現場改革のきっかけに
食品工場では、目視による外観検査の負担や、紙の配置表による人員配置の属人化が、現場運営の大きな課題になっています。
AI導入というと、「人手不足を補うための省人化」や「業務効率化」の文脈で語られることが多くあります。もちろん、それは重要な価値です。
一方で、実際の製造現場では、AI導入の本当の価値はそれだけではありません。
AIを導入し、使える状態まで持っていく過程では、これまで現場の中に暗黙知として存在していた判断基準や作業の工夫、配置の考え方を言葉にし、周囲とすり合わせ、運用として定着させる必要があります。
つまりAI導入とは、単に新しいツールを入れることではなく、現場の仕事を見つめ直し、組織としての再現性を高めていく取り組みでもあります。
ブランド誕生40周年となるベルギーワッフル「マネケン」を展開するローゼン製菓では、外観検査自動化AI「メキキバイト」と人員配置最適化AI「スキルパズル」の両方を本格導入。二つのAIを現場で活用する取り組みとして、品質を支える検査と、働く人の配置の両面から工場DXを進めています
外観検査工程の負担軽減、人員配置作成時間の削減といった効果に加え、導入のプロセスそのものが、現場の基準づくりや人材育成、改善活動の質向上につながっていきました。
株式会社フツパー（以下「フツパー」）にとっても、二つのAIを導入いただいた現場のリアルなお話を伺うのは、今回が初めてのことです。尼崎工場 工場長と導入に携わった担当者の皆さまに、導入前の課題、運用定着までのリアル、そしてその先に見えてきた価値について伺いました。
製造部 部長 兼
尼崎工場 工場長
河合 謙吾 様
製造部 尼崎工場
生産管理課 ワッフル班 リーダー
阿部 優介 様
製造部 尼崎工場
製造課 ワッフル班 サブリーダー
冨原 直樹 様
製造部 業務推進課 課長
奥野 靖子 様
製造部 尼崎工場
生産管理課 ワッフル班 セットアップ担当
山下 大輝 様
食品工場を悩ませ続けた、外観検査と人員配置の二つの課題
熟練検査員に頼っていた、ワッフルの目視外観検査
「マネケン」のワッフルは、味だけでなく、格子模様や焼き色など、見た目にも品質へのこだわりが詰まっています。
その一方で、食品特有の個体差があるため、外観検査は長年、熟練者の目視に頼る体制が続いていました。ワッフルのように複雑な構造を持つ製品では、「良い・悪い」「焦げている・焦げていない」といった単純な基準だけでは判断しきれず、自動化のハードルが高い領域だったといいます。
しかも、外観検査工程は現場の中でも負担の大きいポジションでした。全量を両面検品するため、集中力を維持しながらの作業が続きます。さらに力量が求められ、担当者を一定時間ごとに交代させる必要もあるため、常に人を確保し続けなければなりませんでした。現場にとっては、まさに“しんどい工程”でした。
この負担をどう軽減するか。それが、外観検査自動化AI導入の出発点のひとつになっていました。
紙の配置表による人員配置の属人化と残業負担
一方、人員配置の現場にも別の重さがありました。
「紙の配置表に直接記入して作成していました。番号を振ったり、色を塗ったり、いろいろ複雑で、1枚あたり大体2〜3時間くらいかかっていました」
配置作成が遅れると、そのしわ寄せは残業にもつながります。
「前日の終わりになっても次の日の配置がまだ終わっていないと、夜から作り出すことになります。そこから時間を取られて、残業につながる。そういう悪循環が一番の課題でした」
さらに、配置作成には現場のローテーション事情や各工程の特性を理解している必要があります。紙で掲示しているため、変更が起きた時に別工程や別フロアへ最新情報が伝わるまでにタイムラグも発生していました。
品質管理の負担と、人員配置の非効率。
一見別々に見えるこの二つの課題には、「現場の時間と人の力が、本来使うべき仕事に使えていない」という共通点がありました。
外観検査自動化AI「メキキバイト」導入｜AIを入れるのではなく、AIを育てる
AIは最初から万能ではない。食品外観検査自動化AI導入のリアル
導入当初、現場には「AIなら良品と不良品を流せば、自動で賢く判断してくれるのではないか」という期待もありました。
しかし実際には、そう単純ではありませんでした。
「最初は、良品と不良品を流せば、あとはAIが勝手に賢く判断してくれるものだと思っていました。でも、思ったものを弾かなかったり、逆にそのままスルーしてしまったりすることもありました」
AIは、使い始めた瞬間から完璧に働く魔法の道具ではありません。良品・不良品の違いを学ばせ、検証し、再び教える。その繰り返しの中で、現場と一緒に育っていく存在でした。
「やっていく中で、AIとはこういうものなんだという知識も分かってきました」
アノテーション（AIに学ばせるために、画像へ良品・不良品などの情報を付ける作業）や再学習を重ねても、以前に指摘した不良に近いものをAIが再び見逃すこともあります。そのたびに、現場からは「本当に大丈夫なのか」という疑念の声も上がりました。
それでも担当者の皆さまは、「AIも新しいスタッフと同じ。少しずつ経験を積んで成長していくもの」と周囲に伝えながら、学習と検証を続けていきました。
不安は少しずつ手応えへ。AI学習が現場の成長機会に
導入初期に大きかった不安のひとつは、「いつ終わるのか」が見えにくいことでした。
「精度が上がるにはどれだけデータが必要で、僕たちは何時間この作業に向き合うんだろう、という不安がありました」
一方で、学習が進むにつれて、現場の受け止め方も少しずつ変わっていきました。
新しいデータが届くたびに、「今度はどう変わったのか」を確かめることが、前向きな手応えに変わっていったのです。
「新しいデータができました、テストできました、と聞くたびに、ときめくんです。『来た、明日やってみようか』という気持ちになりました」
AI導入は、苦労だけではありませんでした。少しずつできることが増えていく過程そのものが、担当者にとって学びとなり、現場を前に進める実感にもつながっていきました。
フツパーの伴走支援が、AI導入の定着を後押し
こうしたプロセスは、現場だけで抱え込むと途中で止まりやすいものです。だからこそ重要だったのが、フツパーの伴走でした。
現場では、問い合わせへの返答が早いこと、実際に現場に来て一緒に確認したこと、一つひとつ丁寧に対応したことが、導入を進めるうえでの支えになったといいます。
AI導入の成否は、精度だけでは決まりません。現場の不安や疑問にどれだけ向き合い続けられるか。使える状態まで持っていくためには、プロダクトだけでなく、一緒に調整し続ける姿勢が必要でした。
AI導入が、検品基準の言語化と暗黙知の形式知化につながった
外観検査自動化AI導入で特に大きかったのは、単に検査を自動化したことではありません。
AIに判断を任せるためには、人がこれまで感覚的に判断していた基準を、あらためて整理する必要がありました。
現場には検品基準があります。しかし実際の製品には、焼き色や形状のばらつきがあります。そのため、「理想の基準」と「現実の判断」の間にある曖昧さと向き合う必要がありました。
「検品の基準はあるけれど、現実との乖離もあります。どこまでが良品としていけるのか、そこに向き合う必要がありました」
AIに教えることは、現場の判断基準を言葉にすることでもあります。
「人が見れば分かる」で済ませていた領域を、他の人にも伝わる基準に変えていく。その営み自体が、現場の暗黙知を形式知に変えるプロセスでした。
一次検品＋二次検品で、品質担保と検品負担軽減を両立
ローゼン製菓では、AIを完璧な存在として扱うのではなく、AIによる一次検品と、人による二次検品を組み合わせた運用を採用しました。
背景には、食品製造ならではの現実があります。AIの基準を厳密にしすぎると、生産が進まなくなる。一方で、人だけで全量検品を続けるには負担が大きい。そのため、AIで一次検品を担い、人が最終確認するという現実的な形を選びました。
「完全に人がいない状態にすると、厳密になりすぎて進まなくなってしまいます。最初の作戦通り、AIで一次検品をして、人が見ていく形にしました」
「全量を両面検品する作業をしなくなっているので、作業者の負担は確実に減っています」
一次検品工程の人員配置は大幅に圧縮され、無人化を実現した商品も増えています。ただしこれは人員削減ではなく、空いた人員を他工程に振り分けることで、工場全体の負担軽減につなげています。
AIは“人の仕事を奪うもの”ではなく、“しんどい工程を支えるもの”として現場に受け止められるようになっていきました。
ワッフル検査の様子
人員配置最適化AI「スキルパズル」導入｜紙の配置表から、配置の考え方そのものを見直す
導入のきっかけは、外観検査の打合せで見えた人員配置の課題
スキルパズル導入のきっかけは、外観検査の打合せが進む中で人員配置の悩みが話題に上ったことでした。
翌日分の配置作成に2〜3時間かかること、紙運用ゆえに変更の伝達が遅れること、配置を組むために現場事情を細かく理解している必要があること。こうした課題が見えていた一方で、当初は休憩ローテーションの考え方に対応しきれず、すぐの導入には至りませんでした。
しかし、その後フツパー側で現場のフィードバックを踏まえた機能改善が進み、改めてご相談する中で本格導入が決まりました。
最初から100点の適合を目指すのではなく、一度ぶつかった論点を、現場の声をもとに改善して前に進める。この積み重ねが、導入の現実解になりました。
苦労したのは操作ではなく、現場のローテーション設計を変えること
導入時に大きかったのは、単に紙の配置表をデジタル化することではありませんでした。
スキルパズルの仕組みを活かすためには、これまで現場で続けてきた配置の回り方やローテーションの考え方そのものを見直す必要がありました。
「一からローテーションや配置の回り方を組み換えなければいけなかったので、どういう形にして、どう現場へ落とし込んでいくかが一番悩んだところでした」
ここに、DX導入の本質があります。
既存業務をそのままシステムへ写すだけでは、現場は本当の意味で楽になりません。システムの得意なことを活かしながら、そもそものやり方を見直す。その視点があって初めて、“導入”が“改革”に変わります。
パートスタッフも巻き込み、現場に定着する人員配置へ
ローゼン製菓で印象的だったのは、運用設計を社員だけで決めなかったことです。
社員から見た効率と、実際に作業するパートスタッフから見たやりやすさは、必ずしも同じではありません。だからこそ、山下様は現場の声を聞きながら、ローテーションの設計を調整していきました。
「社員だけで決めるのではなく、パートさん目線でも見え方が違うと思いました。『この回り方ってどうなんやろう』と聞きながら、落とし込めるものは取り入れていくようにしていました」
「パートさんから『こっちの方がいいんちゃう』と言われて、取り入れてみたらうまくいったこともありました」
現場の納得がなければ、どれだけ理屈が正しくても定着しません。時間をかけてすり合わせを行ったことが、導入成功の大きな要因になりました。
これは、単なる“使い勝手の調整”ではありません。
真の最適とは何かを、現場全体で考え直すプロセスです。その意味でスキルパズル導入は、配置表をデジタル化した話ではなく、現場の合意形成そのものだったと言えます。
リアルタイム共有により、配置変更の確認・伝達負荷を軽減
導入後、配置作成にかかる時間は、1日あたり2〜3時間から約30分まで、約75％短縮されました。この結果、残業時間の短縮、現場のさらなる改善へのリソース創出につなげています。
しかし、実感した効果は、配置作成時間の短縮だけではありませんでした。
特に大きかったのが、最新の配置情報をその場で確認できるようになったことです。
「今までは紙がないと分からなかったので、現場まで見に行く必要がありました。今はパソコンで確認できるので、変更された配置もその場で見られるようになりました」
この効果は、単なる“紙の削減”ではありません。
変更が起きたときに、誰がどこにいるのか、誰が降りてくるのかをすぐ把握できる。現場を回し続けるうえでの確認・伝達の負荷が下がったことも、大きな導入価値でした。
人員配置データを、労務連携や現場改善へ活用する可能性
スキルパズルの活用は、人員配置の効率化にとどまりません。
ローゼン製菓では、今後の労務管理や現場情報共有のあり方にも関心が広がっています。生産状況によって勤務体系が変わる可能性がある中で、電話や個別連絡に頼らず、本人がクラウド上で最新情報を確認できるようになれば、現場の負担を減らしながら、必要な情報を確実に伝えることができます。
「連絡を取り合うのではなく、スキルパズルを見に行けば、その日の勤務体系がすぐに見える。そうなれば気を遣わなくていいですし、仕事も止まりません」
配置情報は、単なる予定表ではありません。誰が、いつ、どこで、どの作業に入るのかという、現場運営の基礎データです。この情報を活用することで、将来的には労務連携や実績管理、改善活動への展開も見えてきます。
シフト表共有モニター（画面内容はイメージです）
省人化の先にあったもの｜AI導入による人材育成と組織力向上
DX導入の成果として、工数削減、省人化、検査負担の軽減、配置作成の効率化はわかりやすい成果です。
しかし、今回の取り組みでより本質的だったのは、その先に人と組織の成長があったことです。
AI導入・育成という前例のないテーマに取り組む中で、担当者の皆さまは、社内調整、現場への説明、品質基準の整理、運用設計、改善テーマの言語化といった経験を積み重ねていきました。
それは単にツールの担当者になることではなく、現場を動かす人材へ変わっていくプロセスでもありました。
省人化はもちろん重要です。しかし、それだけではありません。若いメンバーがAIと向き合い、現場を巻き込み、改善を前に進める中で、会社の力そのものが底上げされていく。さらに、省人化や工数削減で生まれた時間を、現場対応や改善活動へ再配分できるようになる。
その変化こそが、工場DXの本質的な成果だといえます。
経営層や工場長の立場から見ると、ここは特に重要です。
AI導入は「コスト削減施策」では終わりません。導入の過程そのものが、現場改革であり、人材育成であり、組織の学習機会になる。
ローゼン製菓の事例は、そのことを非常にリアルに示しています。
これからの伴走｜品質・人員配置・実績データをつなぐ工場DXへ
今回の取り組みは、まだ通過点です。
人員配置、品質、実績、環境データをつなぎ、現場全体の判断をより良くするための基盤をつくること。検査の負担軽減から始まった動きが、配置の見直しへと広がっていった今回の事例は、単体導入では得られない相乗効果を示すものでもあります。
ローゼン製菓の先進的な挑戦は、その第一歩としてすでに大きな価値を生んでいます。
「おいしい笑顔がうれしいね。」
この理念を支えているのは、品質への誠実な向き合い方と、働く人が力を発揮できる現場づくりです。
AIは、そのための近道ではありません。ですが、現場と一緒に育て、使えるところまで伴走すれば、確かに現場を変える力になります。
フツパーはこれからも、ツール導入で終わらない伴走を通じて、次の課題、その先の工場DXまで支えていきます。
（本内容は2026年2月に取材した内容です）
食品工場の外観検査・人員配置に課題をお持ちの方へ
食品工場では、目視検査の負担、紙の配置表による属人化、急な欠勤・変更対応、現場ごとのローテーション設計など、日々の運用に多くの負荷がかかっています。
フツパーでは、外観検査自動化AI「メキキバイト」と人員配置最適化AI「スキルパズル」、AIエージェントやフィジカルAIを通じて、現場の実態に合わせたAI導入・運用定着を支援しています。
「どこから自動化できるか分からない」「今の運用をそのままシステム化できるか不安」「現場に定着するか心配」といった段階からでも、お気軽にご相談ください。
導入企業紹介
ローゼン製菓株式会社は1975年に設立。株式会社ローゼンのグループ会社として、ベルギーワッフル「マネケン」の製造を担う洋菓子メーカーです。1986年のマネケン1号店オープン以来、駅中や商業施設等で展開しているマネケン店舗や全国のスーパー・コンビニに供給する商品を製造しています。グループ理念「おいしい笑顔がうれしいね。」のもと、安心・安全でおいしいお菓子を届け続けています。
社 名：ローゼン製菓株式会社 尼崎工場
所 在 地：兵庫県尼崎市西川1丁目1-11
事業概要：洋菓子の製造・販売
会 社 H P：https://www.manneken.co.jp/
導入サービス：外観検査自動化AI「メキキバイト」
人員配置最適化AI「スキルパズル」