Fordが数百台のAIカメラを外して、引退エンジニアを呼び戻した

まずこの事実だけ見てほしい。

Fordは製造ラインに数百台のAIカメラを導入した。デザインの不整合チェック、塗装ムラの検出、組み立て精度の確認。いわゆる「目視検査のAI化」だ。投資額は明らかにされていないが、産業用AIカメラは1台あたり数千〜数万ドル。数百台なら、システム構築・運用込みで数百万ドル規模の投資だったと推定できる。

で、結果どうなったか。

品質が落ちた。

AIカメラは「見えるもの」は検出できる。だが、製造現場で本当に問題になるのは「見えないもの」だ。過去の設計変更の経緯を知らなければ見逃す不具合。手触りや音でしかわからない異常。数値に現れない「なんか違う」という違和感。これらはAIカメラのスコープ外だった。

Fordが出した答えは明快だ。「グレイビアード（白髭）」と呼ばれる、引退した熟練エンジニアたちを再雇用した。数十年の経験を持つ人間の「目」と「勘」を、もう一度製造ラインに戻したのだ。

ここで考えたいのは「AIが使えない」という話ではない。「AIに何を任せたか」の設計が間違っていたという話だ。

OKXは真逆を行く。AIがAIを雇う世界

一方、暗号資産取引所OKXが打ち出した構想はまったく別の方向だ。

OKXが描くのは、AIエージェント同士が仕事を発注し、報酬を暗号資産で支払い合う「AIエージェント経済圏」。人間が介在しない取引が、ブロックチェーン上で自律的に回る世界だ。

具体的に言うと、こういうことが起きる。あるAIエージェントが「この画像を1000枚分類してほしい」とタスクを出す。別のAIエージェントがそれを受注し、処理し、完了したらスマートコントラクト経由で自動的に報酬が支払われる。人間は最初の設計だけやって、あとは回る。

これは荒唐無稽な未来の話ではない。すでにAutoGPTやCrewAIといったマルチエージェントフレームワークは実用段階に入りつつある。OKXがやろうとしているのは、そこに「経済レイヤー」を乗せることだ。

Fordが「AIを外して人を戻した」のに対し、OKXは「人すら外してAI同士で回す」と言っている。真逆だ。

で、どっちが正しいのか？

損益分岐点は「判断の複雑さ×失敗コスト」で決まる

答えはシンプルだ。どっちも正しい。ただし、条件が違う。

整理するとこうなる。

Fordの失敗は、失敗コストが極めて高い領域（自動車の品質管理）に、判断の複雑さを過小評価してAIを入れたことにある。自動車のリコール1件で数億ドルが飛ぶ。その判断を、過去の設計経緯を知らないAIカメラに任せた。これは設計ミスだ。

OKXの構想が成立するのは、失敗コストが低く、やり直しが効く領域だからだ。画像分類を間違えても車は壊れない。データ処理のタスクなら、失敗したら再実行すればいい。

中小企業が考えるべきは、この2軸のマトリクスに自社の業務を当てはめることだ。

中小企業にとっての「本当の損益分岐点」を数字で考える

抽象論はここまでにして、具体的な数字で考えよう。

地方の中小企業（従業員30人規模）が、月次の請求書処理をAI化するケースを想定する。

現状（人間がやる場合）：

• 経理担当者の人件費：月額30万円（社保込み40万円）
• 請求書処理に費やす時間：月40時間（総労働時間の約25%）
• 請求書処理の人件費換算：月10万円

AI化した場合：

• AI-OCR＋自動仕訳ツール：月額2〜5万円
• 初期設定・カスタマイズ：10〜30万円（1回のみ）
• 処理時間：月4時間（人間のチェック含む）
• チェック工数の人件費換算：月1万円

差額：月5〜7万円のコスト削減。年間60〜84万円。

これは「やるべき」案件だ。失敗コストも低い（請求書の仕訳ミスは修正が効く）。判断もルールベースで明確。データも定型的。AI化の教科書的な領域だ。

一方、同じ会社の「顧客への提案書作成」をAI化するとどうか。

• 生成AIで下書きは作れる。コスト的には月数千円のAPI費用で済む
• だが、提案の質が落ちて1件の大口案件（年間500万円）を失ったら？
• 「AIが書いた提案書」で顧客の信頼を損ねるリスクは？

この領域は、AIに「下書き」を任せて、人間が「仕上げ」をやるのが正解だ。全部任せるのでも、全部人間がやるのでもない。

中小企業が今日からやるべき3つのこと

理論はいい。で、結局どうすればいいのか。

1. 自社の業務を「失敗コスト×判断の複雑さ」で4象限に分類する

全業務を洗い出す必要はない。まず売上に直結する業務と、バックオフィス業務を分ける。バックオフィスの定型業務から手をつける。ここが一番リスクが低く、効果が出やすい。

2. 月5万円以下で始められるAIツールから実験する

請求書処理、議事録作成、問い合わせ対応の一次振り分け。この3つは、今すぐ月額数千円〜5万円で試せるツールが揃っている。3ヶ月試して効果が出なければやめればいい。数百万円の初期投資は不要だ。

3. 「AIに任せない業務」を明確に決める

これが一番重要だ。Fordの失敗は「何でもAIに任せようとした」ことにある。自社の競争力の源泉は何か。それが属人的な技術や判断力なら、そこはAI化しない。むしろ、周辺業務をAI化して、その人がコア業務に集中できる環境を作る。

Fordの教訓とOKXの構想が示す、同じ結論

面白いのは、FordとOKXの話は一見真逆に見えて、実は同じことを言っている。

「AIに任せる領域の設計が、すべてを決める」ということだ。

Fordは設計を間違えた。高度な判断が必要な品質管理にAIを入れて失敗した。OKXは設計を正しくやろうとしている。定型的なタスクの発注・処理・支払いという、ルールが明確な領域にAIを閉じ込めている。

中小企業にとっての問いはこうだ。

「うちの会社で、AIに任せて失敗しても痛くない業務はどれか？」

その答えが出たら、明日からそこだけAI化すればいい。月5万円で始められる。大企業のように数百万ドルを賭ける必要はない。

むしろ、小さく始めて小さく失敗できることこそ、中小企業の最大の武器だ。Fordには数百台のAIカメラを外すのに取締役会の承認がいる。あなたの会社なら、社長の一声で明日から変えられる。

その意思決定の速さが、AIの時代に中小企業が大企業に勝てる唯一の構造的優位性だ。

—