自動車業界×生成AI 完全ガイド｜トヨタ・ホンダ・日産の事例からプロンプト・導入ロードマップまで

「生成AIをどう使えばいいのか、具体的な打ち手が見えない…」
「トヨタやホンダが生成AIを導入しているニュースは見るけど、自社の規模で何から始めればいいのか分からない」

この記事は、完成車メーカー・部品サプライヤー・ディーラー本部で、DXや人材育成の旗振りを任されているあなたに向けて書いています。立場は違っても、「設計データを入れていいのか」「現場に定着するのか」という悩みはほぼ共通しているからです。

産業統計で現在地を押さえたうえで、トヨタ・ホンダ・日産の公開事例、業界特有のガバナンス設計、現場で使えるプロンプト7選、そして3段階の導入ロードマップまでを一気に解説していきます。

---

法人向けAI研修の導入社数No.1*の弊社デジライズが、生成AIの基礎知識から社内導入の6ステップ・定着のポイントまでを1冊にまとめた「はじめての生成AI社内導入ガイド」を無料で配布中です。

※出典：株式会社東京商工リサーチ「法人向けリスキリングサービスに関する調査」（2026年5月／調査期間：2026年3月26日〜4月17日／調査方法：デスクリサーチおよびヒアリング／2026年3月末時点）

自動車業界×生成AIを取り巻く現在地

自動車業界×生成AIの潮流を理解するには、「産業としての構造的課題」「サプライチェーンの実態」「なぜ活用が進まないのか」という3つの視点から押さえておく必要があります。

日本の自動車産業が直面する構造的課題：CASE時代の変革期

日本自動車工業会（JAMA）の産業統計を見ると、自動車産業の存在感は圧倒的です。

指標	数値	時点
自動車関連産業の就業人口	約557万人（JAMA推計）	主に2025年統計ベース
製造品出荷額等	72兆8,906億円（全製造業の19.1%）	2024年
研究開発費	4兆9,957億円（全製造業の33.4%）	2024年度
輸出額	21兆9,258億円	2025年

文字通り日本経済の屋台骨です。しかし、この巨大産業がいま、かつてないスピードで変わろうとしています。変化の圧力は、大きく2方向から同時にかかっています。

1. 業態そのものの転換 — CASE／SDVへの対応
2. 環境対応 — カーボンニュートラルに向けた技術選択とサプライチェーン管理

CASE（コネクテッド・自動運転・シェアリング・電動化）への転換は、「エンジンで走るクルマを作る会社」から「ソフトウェアで動くモビリティを提供する会社」への根本的な業態変化を意味します。車載ソフトウェアのコード量は増大の一途をたどり、OTA（無線アップデート）を前提としたSDV（ソフトウェア定義車両）の開発が主戦場になりつつあります。

さらに、カーボンニュートラルへの対応も求められます。EV・水素・合成燃料のどこにリソースを張るか、サプライチェーン全体でのLCA（ライフサイクルアセスメント）をどう管理するのか。経営判断で押さえるべき論点が一度に増えています。

生産台数の振れ幅も大きくなっています。

年	四輪車生産台数	国内新車販売台数
2024年	823万5千台	442万1千台
2025年	841万334台	456万5,777台

2024年に落ち込んだ生産・販売は2025年に戻しました（JAMA統計）。需要の読みにくさが常態化しているぶん、コストと工数の管理はシビアになっています。

参考：日本自動車工業会「2026 日本の自動車工業」（PDF p.3〜6） ／ JAMA「四輪車統計」

サプライチェーン6万8千社の現実：売上高10億円未満が76.4%

「生成AIは大手だけの話でしょ？」——そう思う方にこそ知っていただきたいデータがあります。

帝国データバンクが2025年7月に公表した調査で、日本の自動車産業のサプライチェーンはこう整理されています。

項目	数値
サプライチェーンを構成する企業	6万8,338社（2024年12月時点）
うち売上高10億円未満	76.4%

つまり、自動車業界の生成AI活用を語るとき、完成車メーカーだけを見ていては、この産業の大半を占める規模の小さい企業の実情が視野から抜け落ちます。生成AIの導入設計は、大手OEMだけでなく、こうした企業まで含めて考える必要があります。

大手OEMは自前でAI環境を構築できるリソースがありますが、企業規模や業態によってIT専任体制には差があります。導入を検討するときは、社内で運用を担う人員がいるかを先に確認してください。限られた人員で、設計・製造・品質・営業・管理を回している現場ほど、管理業務の「すぐ使える」効果が大きく出ます。

参考：帝国データバンク「『自動車業界』サプライチェーン動向調査」（2025年7月）

日本の自動車産業が「OEM任せ」「個人利用」で止まる3つの壁

では、なぜ中小を含む多くの自動車関連企業で生成AIの活用が進まないのか。自動車業界ならではの壁は、大きく3つに整理できます。

1. 設計データの機密性が極めて高い — 図面・CADデータ・金型情報は、OEMとのNDAや基本契約で機密情報に指定されることがある。入力可否の線引きが決まっていないために、「何も入力できない」状態で止まっている
2. 多重下請け構造で情報が分断されている — OEM→Tier1→Tier2→Tier3と4層以上の取引構造の中で、使っているシステムも契約条件もバラバラ。組織横断でAIを導入する意思決定の主体が曖昧になりやすい
3. 「品質」が最優先の文化とAI出力の不確実性が衝突する — IATF 16949（自動車品質マネジメントシステム規格）に準拠した品質管理体制では、「AIが出した数字や文章をそのまま使う」ことへの心理的・制度的な抵抗がある

この「使いたいけど使えない」というジレンマこそが、自動車業界×生成AIの本質的な課題です。

だからこの記事では、順番を入れ替えます。まず「守り」をどう設計するかを先に固めてから、ユースケースと事例に進みましょう。

自動車業界×生成AIのリスクとガバナンスをどう設計するか

自動車業界で最初に決着をつけるべきなのは、活用アイデアではなく「何を入れていいか」のルールです。ここが曖昧なままだと、現場は永遠に手を止めたままになります。

自動車業界特有のリスク整理：設計機密・品質・多重下請け

生成AIには、自動車業界で特に注意すべき3つのリスクがあります。

リスク1：設計データ・金型情報の機密漏洩

CADデータ・図面・金型仕様・試作品情報は、OEMとの秘密保持契約（NDA）や基本契約で機密情報として指定されていることがあります。どこまでが対象になるかは個別契約で決まるため、パブリック版のAIへ入力してよいかを、まず契約条項で確認してください。

パブリック版の生成AIはサービスや設定によって入力情報の取り扱いが異なります。特にTier2・Tier3は複数のOEMと取引しているケースが多く、不適切な環境・権限設計のままでは、情報漏洩や誤共有のリスクがあります。

対策の起点：NDAの開示禁止条項を先に読み、「どのデータをどの環境になら入れてよいか」を文書で定義する

リスク2：ハルシネーションによる品質判断の誤り

生成AIは確率的にテキストを生成するため、材料特性値・公差・法規制情報などの精密な数値を「もっともらしく間違える」ことがあります。品質不具合の真因分析で、AIが指摘した原因を検証なく採用して対策を打った結果、別の原因による再発が起きる——こうしたリスクは、ISOの品質マネジメント原則である「証拠に基づく意思決定」と真正面から衝突します。

対策の起点：設計値・品質判定・法規制情報は、AI出力をそのまま採用しない承認フローを先に決める

リスク3：多重下請け構造での責任所在の曖昧化

OEMが「AIで作成した品質基準書」をTier1に渡し、Tier1がそれをTier2に展開し、Tier2がそのまま社内ルールとして運用した場合——もし品質事故が起きたとき、「AIが出力した内容の検証責任は誰にあるのか」が不明瞭になります。AI生成物を介在させる場合も、出力を誰が検証し、誰が承認するのかを社内手順で明確にしておきましょう。

自動車業界向け生成AI利用ガイドラインの設計ポイント

上記リスクを踏まえ、社内ガイドラインに最低限盛り込むべきポイントは以下の5点です。

1. 入力情報の機密レベル分類 — 公開情報／社内限り／OEM機密／設計機密の4段階で入力可否をルール化。「このデータはAIに入れてOKか？」を現場が即判断できるマトリクスを作る
2. 使用可能なAI環境のホワイトリスト — パブリック版は原則禁止、社内の法人向け環境は許可、Azure OpenAI や Amazon Bedrock を Private Endpoint／VPC エンドポイント等で外部公開を制限した構成は推奨、など
3. AI出力の「叩き台」位置づけの徹底 — 設計値・品質判定・法規制情報はすべて人間の最終確認を必須化。「AIが言ったから正しい」は絶対に許さない文化を作る
4. IATF 16949との整合性確保 — 文書管理（7.5）、設計開発（8.3）、不適合管理（10.2）のプロセスにAI活用をどう位置づけるかを明文化。内部監査でAI利用状況をレビュー対象に含める
5. OEMへの提出物の扱いを決める — AI出力をOEMに提出する場合は、人間が検証・承認したうえで提出するフローを確立する。Tier2・Tier3まで含めた統一ルールにする

ガイドラインは作って終わりではなく、現場で使われる形に落とすまでがセットです。「ダメ出しリスト」にするのではなく、「こう使えばOK」というポジティブリストにすると現場に受け入れられやすくなります。

ここまで読んで「ルールは作れそうだが、現場に浸透させる部分が不安だ」と感じた方へ。法人向けAI研修の導入社数No.1*の弊社デジライズが提供する「法人リスキリング」の研修内容・支援の流れ・料金をまとめたサービス資料を無料でお送りしています。

※出典：株式会社東京商工リサーチ「法人向けリスキリングサービスに関する調査」（2026年5月／調査期間：2026年3月26日〜4月17日／調査方法：デスクリサーチおよびヒアリング／2026年3月末時点）

自動車業界における生成AIユースケース全体像

自動車業界の生成AIユースケースは、「OEM（完成車メーカー）」「Tier1〜3サプライヤー」「ディーラー・整備・アフターサービス」という3つのレイヤーで整理すると見通しがよくなります。自分の立場でどの領域から着手すべきか、照らし合わせてみてください。

レイヤー	業務領域	生成AIの活用例
OEM（完成車メーカー）	設計・開発	デザイン案の自動生成、設計仕様書のドラフト、材料選定の比較分析
	製造・品質	工程改善提案、不具合分析レポート（なぜなぜ分析）、品質基準書の更新
	ソフトウェア開発	コードレビュー補助、テストケース生成、技術文書の自動翻訳
Tier1〜3サプライヤー	設計・試作	要件定義書の作成支援、仕様変更通知の標準化、VE（バリューエンジニアリング）提案
	生産管理	生産計画の最適化提案、在庫予測レポート、作業手順書の多言語化
	品質・監査	IATF対応の内部監査チェックリスト、不適合報告書のドラフト、工程FMEA支援
ディーラー・整備	営業・接客	提案資料の作成、見積書の下書き、顧客対応メールの生成
	整備・修理	故障診断の支援フロー、整備マニュアルの検索・要約、作業報告書
	人材育成	新人研修教材の作成、技能検定対策問題の生成
共通（全レイヤー）	管理業務	議事録作成、経営レポート、社内通達文、翻訳、メール作成

ポイントは、管理業務（議事録・メール・レポート）はどのレイヤーでもすぐ始められるということです。

ここで「使い方」と「成功体験」を積んでから、設計・品質・製造といったコア業務に広げていく。この順番が、後半で解説する導入ロードマップの基本設計になっています。

他の業界がどう進めているかを横目で見たい方は、こちらの導入ガイドもあわせてご覧ください。

2026.06.03 2026.08.06

【2026年最新】建設業×生成AI 完全ガイド｜施工管理から技能継承まで活用事例とプロンプト5選

国内大手はどこまで進んでいるか

自動車業界における生成AI活用は、OEM大手を中心にすでに本格的な段階に入っています。ここでは、各社もしくはその導入パートナーが公式に公開している情報に絞って紹介します。

トヨタ自動車｜「O-Beya」AIエージェントで800人のエンジニアの知見を24時間活用

トヨタ自動車は、パワートレーン開発部門において「O-Beya（オーベヤ）」と名付けたAIエージェントシステムを2024年1月から運用しています。「大部屋」とはトヨタの伝統的な経営手法で、異なる専門性を持つメンバーが一堂に会して課題を解決するスタイルであり、それをAI上で再現したシステムです。

Azure OpenAI Service を基盤に、Cosmos DB や AI Search を組み合わせた RAG（検索拡張生成）構成で作られています。実装されているのは9つのAIエージェント。振動の専門家から燃費の専門家まで、領域ごとに異なるAIが、蓄積された技術文書をもとに回答を返します。

項目	内容
運用開始	2024年1月
対象部門	パワートレーン開発（エンジン・トランスミッション・ドライブシャフト・アクスル）
利用可能なエンジニア	約800人
実装エージェント数	9つ
月間利用回数	数百回

燃費を担当するエンジニアが「情報を探すことが格段に容易になった」と語るように、膨大な技術文書から必要な知見を引き出すまでの時間が課題だった領域に効いています。

注目すべきは、このシステムが単なるチャットボットではなく、エンジニアの知見を蓄積して引き出す仕組みとして設計されている点です。蓄積された技術文書や専門家の知見へのアクセスをAIで支援し、若手への知識継承を進める——これは人材不足に悩む自動車業界全体が抱える課題への、一つの回答と言えます。

示唆：O-Beyaは「専門領域ごとにAIを分ける」構成。全社共通のチャットを1つ置くより、部門の文書資産に沿って切り分けるほうが回答の精度を保ちやすい

さらにトヨタグループでは、アイシン・デンソー・豊田通商・トヨタ自動車・ウーブン・バイ・トヨタの5社が共同で「トヨタソフトウェアアカデミー」を2025年5月22日に開講。約100種類の研修講座と、AI活用を11カテゴリーに体系化した「グローバルAIアクセレレーター（GAIA）」を始動させ、グループ全体でのAI人材育成を進めています。

参考: トヨタ「O-Beya」AIエージェント（Microsoft News Center Japan） ／ トヨタグループ5社「トヨタソフトウェアアカデミー・GAIA」（アイシン公式ニュース・2025年5月22日）

本田技研工業｜Gen-AIエキスパート制度で社内にAI人材のキャリアパスを作る

ホンダは2024年6月、社内に「Gen-AIエキスパート制度」を導入しました。生成AIのスキルを3段階で認定し、認定レベルと関与度に応じた手当を毎月支給する仕組みです（最大で月15万円）。

この制度は、社内の自律型コミュニティ「Borders」から生まれたものです。「Borders」と合わせた取り組みが、厚生労働省後援の「HRアワード2025」企業人事部門で最優秀賞を受賞しています。

項目	内容
導入	2024年6月
認定	スキルレベルに応じた3段階
手当	認定レベルと関与度に応じ、最大で月15万円
支援実績	導入から1年で50件以上のプロジェクト

社内に点在していた生成AI人材を可視化・認定し、組織の壁を越えてプロジェクトへアサインできる仕組みを整えた点が特徴です。

技術面でも生成AIの活用が進んでいます。

• 車両デザイン — 「人とくるまのテクノロジー展2025」で、生成AIとの対話からユーザー要求を満たした3D形状を作成するシステムを出展。歩行者保護性能を考慮した車両デザインの検討に、自然言語で駆動する3Dモデル生成技術を用いる
• マルチエージェント型AI — ホンダ独自の”ワイガヤ”文化（立場を超えた自由闊達な議論）に着想したマルチエージェント型AIシステムの研究論文が、AI分野の国際会議「ICLR 2025 Workshop Agentic AI」で採択

基礎研究から人事制度まで幅広く生成AIに取り組んでいるのが、ホンダのスタイルです。

参考: Hondaの「自律型コミュニティ」×「Gen-AIエキスパート制度」がHRアワード2025 企業人事部門 最優秀賞を受賞（Honda公式・2025年10月17日） ／ Honda R&D「人とくるまのテクノロジー展2025」出展技術 ／ マルチエージェント型生成AIシステム研究（Honda Stories）

日産自動車｜社内チャット「Nissan AI-Chat」と車載AIエージェント「AutoDJ」

日産自動車は、Azure OpenAI Service を基盤とした社内チャットアプリケーション「Nissan AI-Chat」を2023年11月から日本拠点の間接業務従事者に展開しています。文章生成・翻訳・メール作成・アイデア出しといった用途から始まった取り組みです。

導入後は、定着させるための施策が続けられました。プロンプトエンジニアリングの研修を実施し、業務別のテンプレートとして30個以上のプロンプトを開発。2024年10月時点で、対象社員の3人に1人が月次アクティブユーザーという状態まで利用率を引き上げています。

モビリティ体験そのものへの応用も進めています。2025年10月24日、日産は生成AIを活用した車載エージェントシステム「AutoDJ」を発表しました。日産総合研究所（モビリティ&AI研究所）発の開発事例です。

• 自然な音声対話を通じて目的地を提案する
• 目的地に応じて生成される観光案内などをAIラジオとして再生する
• マスコットキャラクター「エポロ」をAIエージェント化し、フィギュアをダッシュボードに置いて使う

日産の事例から見えるのは、社内業務の効率化（AI-Chat）とモビリティ体験への応用（AutoDJ）を同時並行で進めているということです。業務効率化で社内のリテラシーを底上げしつつ、製品の研究開発にもAIを持ち込む。この両輪の考え方は、トヨタ・ホンダとも共通しています。

参考: 日産自動車株式会社 導入事例（ソフトバンク・2024年7月） ／ ギブリー「Nissan AI-Chat」月次アクティブユーザー30%達成（2024年10月2日） ／ 日産自動車、生成AIを活用した車載エージェントシステム「AutoDJ」を発表（日産公式・2025年10月24日）

---

これら3社から見えてくるのは、生成AIが「個人の便利ツール」から「組織の知識基盤」「製品の中核機能」へと進化しているということです。トヨタのO-Beyaによる知見の集約、ホンダの制度化による人材育成、日産の全社展開と車載AI——いずれも「属人化した知識やスキルをいかにスケールさせるか」という共通課題に取り組んでいます。

では、中堅・中小規模の自動車関連企業ではどのような成果が出ているのでしょうか。私たちデジライズがご支援した事例を紹介します。

導入事例｜自動車関連企業で生成AIが出した成果

ここで紹介する2社は、完成車メーカーではなく、ディーラーや整備工場を支える側の企業です。設計・製造よりも先に管理業務からAIを入れた結果どうなったか、という点で、規模を問わず最初の一歩の参考になります。

株式会社チームエル 様｜20時間の資料作成を半分以下に

チームエルは、東京を拠点に、自動車業界（カーディーラー・整備業）に特化した経営コンサルティングを展開する企業です。全国チェーンの「カーリンク」本部を運営し、加盟店やクライアント企業の成長を直接支援する「伴走型コンサルティング」を強みとしています（従業員20〜49名）。

本来注力すべきは経営の相談やアドバイスであるにもかかわらず、プレゼン資料の作成や商談後の議事録作成に多くの工数がかかっていました。そこで弊社デジライズの「法人リスキリング（AI業務改革支援）」を導入いただき、「書く業務」からAIを組み込んでいます。

業務	導入前	導入後
プレゼン資料の作成	若手メンバーで20時間を要していた	AIによる構成案の自動生成で作成工数を半分以下に削減
業界向けコラムの執筆	2時間	30分に短縮
商談後の議事録・To-Doリスト	事務作業の負荷が大きく、顧客への迅速なレスポンスを阻んでいた	録音データからAIが即座に生成し、商談当日に顧客へ共有する対応を標準化

応用の幅も広がっています。エクセルの複雑なマクロ構築をAIにサポートさせたり、クライアントのイベント用BGMをAIで作曲したりと、非IT人材でも自力で解決できる領域が拡大しました。

参考：株式会社チームエル 様 導入事例（デジライズ）

九州SSK株式会社 様｜半日の資料作成が数分の叩き台に

九州SSK株式会社は、1951年の創立以来75年以上の歴史を持つ、自動車部品・用品から整備工具まであらゆる商品を網羅する自動車関連の総合販売商社です。福岡県の本社を中心に九州内で7拠点を展開し、福岡県内の数多くの自動車ディーラーや整備工場を支援しています（従業員50〜99名）。

バックオフィス業務ではアナログな手法や個人のスキルに依存した作業が残り、スピードを削ぐ要因になっていました。弊社デジライズの「AI Works」＋「法人リスキリング」を導入いただき、まずは文章業務から着手しています。

業務	導入前	導入後
資料作成・議事録・メール	特定の事務作業に半日近くを費やすこともあった	AIを叩き台として活用し、数分でドラフトが完成する状態へ
業務の棚卸し・改善案出し	自分たちの視点だけでは思考が固まり、新しい案が出にくかった	AIとの壁打ちを通じて、なかった切り口で改善案を策定できるように
組織としてのAI活用	個人で無料版AIを触る程度にとどまっていた	画像生成や活用事例が社員間の「共通の話題」となり、挑戦する空気が生まれた

今後は各拠点の拠点長へアカウントを順次付与し、メイン業務である「自動車整備工場からの注文受付」へのAI活用も視野に入れているとのことです。同社の注文業務は現在、電話やFAXが中心。同じような業務フローを持つ企業にとって、参考になる進め方だと思います。

参考：九州SSK株式会社 様 導入事例（デジライズ）

2社が受講した研修の内容・進め方・料金は、サービス資料でご確認いただけます。

こうした事例のように、自社の業務フローに合わせたAIチャットボットやカスタムAIシステムを構築したい場合は、弊社デジライズのAIコンサルティング＆開発サービスで設計から開発まで支援しています。

自動車業界で今日から使えるプロンプト7選

ここからは、自動車業界の業務でコピペですぐ使えるプロンプト7本を紹介します。OEM・サプライヤー・ディーラーのいずれの立場でも応用できるよう、バックオフィスからコア業務まで幅広くカバーしました。

①【設計・開発】設計仕様書・要件定義のドラフト作成

シーン: 新規部品や設計変更の要件を整理し、仕様書の叩き台を一気に作りたいとき。ゼロから書き起こす心理的負担を減らし、初動を加速します。

あなたは自動車部品の設計エンジニアです。
以下の条件から、設計仕様書のドラフトを作成してください。

【部品概要】
・部品名: {例：フロントバンパー ブラケット}
・対象車種・プラットフォーム: {例：Cセグメント SUV}
・材質: {例：アルミダイキャスト ADC12}
・主要機能: {例：バンパー保持＋歩行者保護}

【仕様書に含めたい項目】
1. 機能要件（何を実現するか）
2. 性能要件（荷重・耐久・温度・耐食）
3. 寸法・公差・重量目標
4. 接合方式・取付方法
5. OEM固有要求事項（記載がなければ一般的なOEM要求を例示）
6. 品質基準（IATF 16949に準拠した検査項目案）
7. リスク・懸念事項

【出力条件】
・各項目は箇条書き＋短い説明文
・「要確認」マークを未確定事項に付ける
・OEM提出を想定した構成にする

応用のコツ: 自社の過去の仕様書（PDF）を事前にAIに読み込ませると、フォーマットや記述粒度が社内標準に合った状態で出力されます。

注意点: 設計数値（荷重値・公差・材料特性）は必ずCAE解析や試験データで裏取りしてから正式版にしてください。AIの出力はあくまで叩き台です。

②【品質管理】不具合分析レポート（なぜなぜ分析）の自動生成

シーン: 市場クレームや工程内不良が発生したとき、なぜなぜ分析の初動を素早くまとめたいとき。

あなたは自動車部品の品質管理エンジニアです。
以下の不具合情報から、なぜなぜ分析（5 Why）レポートを作成してください。

【不具合情報】
・部品名/工程名: {例：エンジンマウント プレス工程}
・不具合現象: {例：寸法外れ（公差+0.15mm超え）}
・発生率: {例：0.3%（ロット1,000個中3個）}
・発生時期: {例：金型メンテナンス後の初回ロット}
・初期所見: {例：プレス荷重の変動が大きい}

【レポートの構成】
1. 不具合概要（5W1H）
2. なぜなぜ分析（5段階、各段階に根拠を付記）
3. 真因の特定
4. 暫定対策（即日実施可能なもの）
5. 恒久対策（仕組みで再発防止）
6. 水平展開（類似工程・類似部品への予防）
7. 効果確認方法と確認期限

【出力条件】
・IATF 16949:2016 10.2.3の問題解決要求（封じ込め、根本原因分析、
　是正処置、有効性確認、PFMEA／コントロールプラン更新）を意識
・顧客指定の8D様式がある場合は、その様式に合わせる
・推定部分には「推定」マークを付ける
・OEM提出を想定した体裁にする

応用のコツ: 過去の不具合レポート（PDFやExcel）をAIに読み込ませておくと、「類似事例ではこうだった」という水平展開案も一緒に出力してくれます。

注意点: 真因の特定と対策の最終判断は人間の品質エンジニアが行ってください。AI出力の因果関係が飛躍していないか、必ず検証するステップを入れましょう。

③【製造】工程改善・VA/VE提案書の作成

シーン: コストダウン活動やVE提案で、改善案の初案をスピーディーに整理したいとき。

あなたは自動車部品メーカーのVE推進担当者です。
以下の部品情報から、VA/VE提案書のドラフトを作成してください。

【対象部品】
・部品名: {例：ドアヒンジ アッセンブリー}
・現行材質・工法: {例：冷間鍛造 S45C → 機械加工}
・現行コスト: {概算単価}
・年間数量: {例：50万個}
・品質要件: {例：引張強度600MPa以上、耐久30万回}

【提案書の構成】
1. 現行工法の課題整理
2. VE提案（3案、各案に材質・工法・概算効果を記載）
3. 品質リスク評価（各案）
4. 投資額・回収期間の概算
5. 推奨案とその根拠
6. 次のアクション（試作・評価の計画案）

【出力条件】
・OEMへの提案資料として使える体裁
・コスト概算は「仮定」と明記

応用のコツ: 「競合メーカーが採用している工法」「最新の材料技術」をAIに調べさせてから提案書を書かせると、切り口が広がります。

④【営業】ディーラー・OEM向け提案資料の作成

シーン: 新規取引先への提案や、既存OEMへの新技術プレゼンの資料を効率的に作りたいとき。

あなたは自動車部品メーカーの営業担当者です。
以下の情報から、OEM/ディーラー向け提案資料のドラフトを作成してください。

【提案内容】
・提案先: {例：○○自動車 調達部門}
・提案する製品/技術: {例：軽量化アルミ鍛造ナックル}
・自社の強み: {例：アルミ鍛造一貫生産、品質不良率0.01%}
・競合との差別化: {例：重量15%減、コスト同等}

【資料の構成】
1. エグゼクティブサマリー（1ページ、結論先出し）
2. 市場動向と課題（軽量化ニーズの背景）
3. 提案ソリューションの詳細
4. 品質実績・認証情報
5. コスト比較（現行 vs 提案）
6. 導入スケジュール案
7. 次のステップ

【出力条件】
・パワーポイントに流し込める箇条書き構成
・数字は「仮定」と明記

応用のコツ: 提案先のOEMが公表している中期計画や技術方針を先にAIへ読ませると、相手の関心に沿った切り口で構成が出てきます。

⑤【アフターサービス】故障診断フローチャートの作成

シーン: 整備工場の現場で、特定の故障症状に対する診断手順を標準化したいとき。

あなたは自動車整備の熟練エンジニアです。
以下の故障症状から、整備士向けの故障診断フローチャートを作成してください。

【故障症状】
・車両情報: {例：2022年式 SUV 2.0Lターボ}
・症状: {例：アイドリング時の異常振動}
・発生条件: {例：冷間始動後5分以内、エアコンON時に顕著}
・DTC（故障コード）: {例：P0300（ランダムミスファイア）}

【フローチャートの構成】
1. 初期確認項目（DTC読み取り・目視点検）
2. 分岐判定（Yes/No形式で原因を絞り込み）
3. 各分岐先の詳細点検手順
4. 部品交換が必要な場合の判断基準
5. 作業完了後の確認手順

【出力条件】
・新人整備士でも手順通りに進められる粒度
・「整備マニュアルの該当ページを参照」の指示を適宜挿入
・安全に関わる作業には注意書きを付ける

応用のコツ: 自社で頻発する故障パターン（トップ10など）をまとめてフローチャート化しておくと、ベテラン依存の解消に直結します。

⑥【サプライチェーン】仕様変更通知・発注書の標準化

シーン: OEMやTier1からの仕様変更を受けて、社内展開や下請けへの通知を迅速・正確に行いたいとき。

あなたは自動車部品メーカーの生産管理担当者です。
以下の仕様変更情報から、社内展開用の仕様変更通知書と、
協力会社向けの発注仕様変更通知書を作成してください。

【変更情報】
・変更元: {例：○○自動車 設計部門}
・対象部品: {例：リアサスペンション ブッシュ}
・変更内容: {例：材質変更 NR→EPDM、硬度変更 50±5→55±5}
・変更理由: {例：耐熱性向上のため}
・切替時期: {例：2027年1月生産分から}
・影響範囲: {例：金型変更なし、材料手配変更あり}

【出力（2種類）】
■ 社内展開用（設計・品質・製造・購買宛て）
  - 変更概要、影響範囲、各部門のアクション、期限
■ 協力会社向け（材料サプライヤー宛て）
  - 変更内容、新仕様の詳細、切替スケジュール、回答期限

応用のコツ: 過去の仕様変更通知を数件読ませてから使うと、社内の定型文や宛先の書き方まで揃った状態で出てきます。

⑦【管理業務】経営層・OEM向け月次進捗レポートの自動生成

シーン: 月次で経営層やOEMに報告する進捗レポートを、データから短時間で作りたいとき。

あなたは自動車部品メーカーの事業管理担当者です。
以下のデータから、経営層向け月次レポートを作成してください。

【報告データ】
・対象期間: {例：2026年8月}
・売上実績: {計画比・前年比}
・生産実績: {稼働率・不良率}
・品質指標: {市場クレーム件数・工程内不良率}
・在庫状況: {原材料・仕掛品・製品}
・人員・残業時間

【レポート構成】
1. エグゼクティブサマリー（5行以内）
2. 売上・生産の実績と要因分析
3. 品質状況と改善活動の進捗
4. 在庫・キャッシュフローの状況
5. リスク・課題と対応策
6. 翌月の見通しと経営判断を仰ぎたい事項

【出力条件】
・経営層が5分で読める構成
・異常値は明確に強調
・「So What（だから何をすべきか）」を各セクション末に1文

応用のコツ: 社内の基幹システムからCSV出力したデータを貼り付ければ、月次ルーチンとして定着させることができます。

注意点: 売上や利益率などの機密情報を入力する際は、社内専用のAI環境（法人向けプラン・Azure OpenAI等）を使ってください。

製造現場向けのプロンプトをスクリーンショット付きでもっと見たい方は、以下の記事もあわせてご覧ください。

2025.12.26 2026.08.06

製造業のAI活用事例15選｜現場でそのまま使える生成AIプロンプト付き

自動車業界のための3段階導入ロードマップ

生成AIを自動車関連企業に定着させるには、いきなり全社展開を目指すより、「小さく始めて、効果を確認しながら拡大する」アプローチが現実的です。ここでは3段階のロードマップを紹介します。期間は目安として読んでください。

フェーズ	期間の目安	主な対象業務	必要な環境
フェーズ1	0〜3ヶ月	議事録・メール・提案資料・翻訳	法人向けプランで可
フェーズ2	3〜6ヶ月	設計仕様書・不具合分析・VA/VE・FMEA	社内専用環境／プライベート接続を構成したクラウドAI環境へ移行
フェーズ3	6ヶ月〜	技術文書のRAG検索・基幹システム連携	システム連携・セキュリティ要件の整備

フェーズ1：バックオフィス・営業業務から着手

まずは生成AIの「使い方」を組織で学び、成功体験を積むフェーズです。対象は議事録作成・要約、社内メールや報告書の作成支援、営業提案資料のドラフト、翻訳業務（海外サプライヤーとのやりとり、外国人作業者向け通達）など。

この段階でやることは3つです。

1. 推進リーダーを1〜2名決める
2. 前半で解説した利用ガイドラインの素案を作る
3. 全社展開ではなく1〜2部署でパイロット運用し、効果測定と課題抽出を進める

「思ったより簡単だった」「こんなに時短できるのか」という声が出てくれば、次のフェーズへの土台ができます。

フェーズ2：設計・品質・製造領域への展開

自動車業界のコア業務で生成AIを活用し、本格的な業務改善を狙うフェーズです。

対象業務

• 設計仕様書・要件定義書のドラフト
• 不具合分析レポート（なぜなぜ分析・8D）の初案作成
• VA/VE提案書の作成支援
• 工程FMEAの更新補助
• 仕様変更通知の標準化

フェーズ1で培った基礎スキルをベースに、設計・品質部門へのハンズオン研修を実施します。設計データや品質情報を扱うため、社内専用環境、またはプライベート接続を構成したクラウドAI環境への移行もこの段階で行うのが理想です。「AIはドラフト作成まで、最終判断は人」という承認プロセスの整備がポイントになります。

フェーズ3：サプライチェーン連携・AIエージェント化

生成AIと社内システム・サプライチェーンを連携し、業務プロセスを自動化する段階です。

対象業務

• RAGによる社内技術文書の横断検索（トヨタのO-Beyaと同じ発想）
• 基幹システムとのAPI連携（受発注・在庫・品質データの自動分析）
• 協力会社向けポータルへのAIアシスタント組み込み
• OEM向け報告書の自動生成パイプライン

ここまで来ると、システム連携の要件定義やセキュリティ要件の整備が本格的に必要になります。トヨタのO-Beyaは、RAGで技術文書を活用するというこの段階の事例です。ホンダと日産も全社横断の制度づくりや国内拠点への展開を進めていますが、到達している段階は各社で異なります。自社がどこから始めるかは、他社の最先端ではなく自社の現在地で決めてください。

「自社だけでは進められない」という方へ

ここまでで、やるべきことの全体像は見えたはずです。一方で、自社だけで進める場合は、次の4点が実務上の論点になります。

1. プロンプトの作り方は分かったが、現場に定着させる設計ができない
2. ガイドラインを作りたいが、OEMの監査にどこまで耐えるか判断できない
3. 経営層を説得するための投資対効果の示し方が分からない
4. Tier2・Tier3の協力会社への展開まで含めた全体設計ができない

生成AIは「使い始める」こと自体は簡単ですが、「組織として成果を出す」ためには、ガイドライン整備、現場への浸透、効果測定、経営層への報告といった”仕組み化”が欠かせません。

ここまで読んで「自社の業務にどう取り入れるか、社内でどう広げるかを具体的に考えたくなった」という方へ。法人向けAI研修の導入社数No.1*の弊社デジライズが、生成AIの基礎知識から社内導入の6ステップ・定着のポイントまでを1冊にまとめた「はじめての生成AI社内導入ガイド」を無料で配布中です。

※出典：株式会社東京商工リサーチ「法人向けリスキリングサービスに関する調査」（2026年5月／調査期間：2026年3月26日〜4月17日／調査方法：デスクリサーチおよびヒアリング／2026年3月末時点）

まとめ：自動車業界×生成AIは「導入しないリスク」を直視する

本記事では、自動車業界における生成AI活用の現在地から、リスクとガバナンス設計、トヨタ・ホンダ・日産の公開事例、現場で使えるプロンプト7選、3段階ロードマップまでを解説してきました。

要点を整理すると、次のとおりです。

論点	この記事の結論
何から決めるか	活用アイデアより先に「何を入れていいか」の機密レベル分類
どこから始めるか	議事録・メール・提案資料などの管理業務
大手はどこまで来たか	部門の知識基盤（トヨタ）・人事制度（ホンダ）・国内拠点への展開と車載AIの研究（日産）
中堅・中小の成果	20時間の資料作成が半分以下、半日の文章作成が数分の叩き台へ

改めて強調しておきたいのは、「導入しないリスク」です。

自動車業界では、CASE/SDVへの転換、カーボンニュートラル、サプライチェーン対応が同時に進んでいます。そしてOEM大手では、部門単位の知識基盤から全社横断の制度づくりまで、生成AIの活用範囲が着実に広がっています。

今日から始められることがあります。

本記事で紹介した7つのプロンプトの中から、まずは気になるものを1つ試してみてください。議事録作成でも、提案資料のドラフトでも、不具合分析のたたき台でも構いません。社内で利用を許可されたAI環境に、機密情報を除いた内容で貼り付け、自社の状況を1つだけ書き換えてみる。それだけで、「意外と簡単だった」という手応えがつかめるはずです。

自動車産業のDXは、生成AIによって新たなステージに入りました。この波に乗り遅れることなく、あなたの職場の競争力強化につなげていただければ幸いです。