町の整備工場がAIエージェントを導入してみた — 現役整備士のDX奮闘記

はじめに — なぜ町の車屋がAIに手を出したのか

「うちみたいな小さい整備工場に、AIなんて関係ないでしょ？」

正直に言えば、半年前まで私もそう思っていました。スタッフ数名の小規模な町の車屋。お客様の車検や点検整備、修理を日々こなす、どこにでもある整備工場です。

ところが2025年の秋頃から、業務のあちこちで「このままじゃ回らないな」という場面が増えてきました。車検の予約管理はホワイトボードと手書き台帳の二重管理。部品の発注履歴は担当者の記憶頼り。お客様への連絡漏れも月に何度か発生する。人を増やそうにも、整備士の採用は年々厳しくなる一方です。

そんなとき、ふと「AIエージェント」という言葉が目に留まりました。ChatGPTのようなAIに「指示を出せば自動で仕事をしてくれる」仕組みがあるらしい。最初は半信半疑でしたが、調べれば調べるほど「これは使えるかもしれない」と思うようになったのです。

この記事では、ITの専門家でも何でもない町の整備士が、AIエージェントの導入に挑戦した約半年間のリアルな体験を共有します。

Step 1：まずは「生成AI」から始めた（2025年秋）

いきなりAIエージェントに飛びつくのは無謀だと感じたので、まずは基本的な生成AIツールを業務に取り入れるところからスタートしました。

ChatGPTで整備レポートの下書き

最初に試したのは、ChatGPTを使った整備レポートの下書きです。車検で見つかった不具合の内容を箇条書きで入力すると、お客様向けの丁寧な報告文に変換してくれます。これだけで、報告書作成の時間が1台あたり15〜20分短縮されました。

Notionでの情報一元化

次に取り組んだのが、バラバラだった業務情報をNotionに集約すること。車検の予約台帳、顧客情報、部品の在庫管理をすべてNotionのデータベースに移行しました。最初は慣れるまで2週間ほどかかりましたが、「あの情報どこだっけ？」という探し物の時間が劇的に減りました。

この段階での気づき

生成AIもNotionも、単体で使うだけでも十分に効果がありました。ただ、この段階ではまだ「人間がAIに聞く→AIが答える→人間が作業する」という流れ。作業の主体はあくまで人間です。ここからさらに自動化を進めるには、AIに「自分で判断して動いてもらう」仕組みが必要でした。

Step 2：AIエージェントという概念に出会う（2026年初頭）

2026年に入ってから、AIの世界で「エージェント」という考え方が急速に広まりました。生成AIが「聞かれたことに答える」存在だとすれば、AIエージェントは「目的を与えると自分で考えて行動する」存在です。

学習期間は約1ヶ月

正直に言うと、この概念を理解するのに約1ヶ月かかりました。YouTubeの解説動画を見たり、実際にClaude（Anthropic社のAI）のエージェント機能を試したり、試行錯誤の日々でした。整備の合間に少しずつ学ぶスタイルだったので、時間はかかりましたが、逆に「本業の課題」と照らし合わせながら学べたのは良かったと思います。

具体的に何ができるのかが見えた瞬間

ある日、「車検証のPDFをAIに渡したら、自動で顧客データベースに登録してくれる」という仕組みを作れることに気づきました。それまでは車検証を目で読んで、手でNotionに入力していた作業です。1台あたり5分の入力作業×1日10台＝50分。これが自動化できるなら、月に10時間以上の時間が生まれます。

Step 3：実際に導入したAIエージェントたち（2026年2〜3月）

現在では以下のようなAIエージェントが稼働しています。

車検証の自動登録エージェント

ScanSnapでスキャンした車検証のPDFを自動で読み取り、車両情報と顧客情報をNotionのデータベースに登録します。登録番号、車台番号、使用者名などを正確に抽出してくれるので、入力ミスも激減しました。

整備記録の自動構造化エージェント

車検や点検の際、整備の実況をAI録音ツール（PLAUD）で録音しておき、その文字起こしデータから整備記録簿を自動生成します。「右フロントブレーキパッド残量3mm、交換推奨」といった内容が構造化されたデータとして記録され、使用部品の情報まで自動でリストアップされます。

部品納品書の自動登録エージェント

部品の納品書をスキャンすると、品番・品名・数量・金額を読み取り、在庫データベースに自動で登録します。手作業での入力漏れがなくなり、在庫管理の精度が格段に向上しました。

導入してみて分かったこと — メリットと注意点

メリット：時間の創出

最大のメリットは「時間が生まれた」こと。手作業で行っていたデータ入力の多くが自動化され、スタッフが本来の整備作業やお客様対応に集中できるようになりました。体感では、事務作業の時間が3〜4割減ったと感じています。

メリット：情報の正確性が上がった

人間の手入力はどうしてもミスが出ます。AIエージェントは疲れないので、100台分の車検証を処理しても同じ精度を保ってくれます。

注意点：完璧ではない

AIの読み取り精度は100%ではありません。車検証の印字が薄い場合や、手書きのメモが入っている場合は、誤認識が起きることがあります。最終チェックは人間の目で行う運用にしています。

注意点：最初の構築に時間がかかる

「導入して終わり」ではなく、自社の業務フローに合わせてカスタマイズする必要があります。うちの場合、最初の設定に約2週間、微調整にさらに1ヶ月ほどかかりました。

今後の展望 — 小さな整備工場のDXはまだ始まったばかり

現在は車検証の登録や整備記録の自動化が中心ですが、今後はお客様への車検案内メールの自動送信や、部品の発注タイミングの自動判定なども視野に入れています。

2026年度には国の「デジタル化・AI導入補助金」（予算3,400億円規模）も予定されています。小規模な整備工場でも、こうした制度を活用すれば、大きな自己負担なくDXを進められる可能性があります。

大切なのは、「自分たちの現場の課題」を起点にすること。最新のAIツールを使うことが目的ではなく、「お客様により良いサービスを提供する」「スタッフの負担を減らす」という本来の目的に立ち返ることが、DX成功の鍵だと実感しています。

まとめ

小規模な町の整備工場でも、AIエージェントの導入は十分に可能
いきなり全自動化を目指すのではなく、生成AI→情報一元化→エージェント化の段階的アプローチが有効
車検証の自動登録、整備記録の構造化、部品管理の自動化など、整備工場ならではの活用シーンは豊富
完璧を求めず「AIが8割やって人間が2割チェック」の運用設計が現実的
2026年度の補助金制度も追い風。まずは小さく始めて、成功体験を積み重ねることが大切