公開日:
公式ドキュメント・公式発表などの一次情報を確認したうえで、株式会社Nexaが執筆・更新しています。AIツールの仕様や料金は変わることがあるため、導入判断の前に各公式サイトの最新情報もご確認ください。運営会社について
中小企業の生成AI活用事例2社から学べるのは、文章作業の支援と業務アプリの内製化です。公表成果は、人の確認や業務改善を含めて読み解きます。
- 営業の支援：オプトサイエンスは専門資料の要約、翻訳、広告案の作成に生成AIを活用しています。
- 内製化の支援：岡田研磨は生成AIでプログラムを作成し、業務データの一元管理を進めています。
- 成果の読み方：削減時間や問い合わせ数は、測定範囲と時点を確認し、自社の効果保証にしません。
対象読者：中小企業の経営者、DX推進担当者
今日やること：公開資料を扱う業務を一つ選び、現在の作業時間と確認担当者を記録する。
中小企業の生成AI活用事例を参考にするなら、社名と成果の数字だけでなく「何を生成し、誰が確かめたか」を確認します。営業資料の下書きを作る使い方と、業務アプリ自体を作る使い方では、必要な準備も保守も異なります。
この記事は2026年版中小企業白書に掲載された実在2社を取り上げます。企業の規模、生成AIの役割、公表成果の条件を整理したうえで、自社で小さく試す方法を示します。事例の事実と、編集部が提案する手順は区別して記載します。
中小企業の生成AI活用事例はどこまで参考にできるか
他社事例は、対象業務と人の役割を決める参考になります。公表された削減時間を、そのまま自社の目標にしないでください。
今回の2社は、生成AIの使いどころが対照的です。オプトサイエンスでは営業担当者の情報処理を支え、岡田研磨では社内で使う仕組みを作る段階を支えています。どちらも、生成した結果を無確認で業務へ流す事例として読むものではありません。
| 企業 | 業種 | 生成AIが支援した作業 | 人や組織が担ったこと |
|---|---|---|---|
| オプトサイエンス | 機械器具卸売業 | 論文の要約、翻訳、広告案の作成 | 営業担当者の推敲、情報のファクトチェック |
| 岡田研磨 | 金属製品製造業 | 社内アプリのプログラム作成 | 業務の整理、現場意見の収集、改善と社内展開 |
比較するときは、同業かどうかに加えて、作業の頻度、確認できる人の有無、既存データの状態を照らし合わせます。例えば専門資料を毎週読む会社なら、システム全体の開発よりも要約の検証から始める判断ができます。
事例企業が中小企業である根拠
中小企業の規模は、業種ごとの資本金または従業員数で確認します。この記事の2社は、白書掲載値で該当範囲に入ります。
中小企業庁の定義では、卸売業は資本金1億円以下または常時使用する従業員100人以下が基本です。製造業その他は資本金3億円以下または従業員300人以下とされています。個々の補助制度では別の条件があるため、ここでの確認を申請資格の判断には使えません。
| 企業 | 白書掲載時の資本金 | 白書掲載時の従業員数 | 規模を確認する基準 |
|---|---|---|---|
| オプトサイエンス | 9,600万円 | 33名 | 卸売業の基準 |
| 岡田研磨 | 5,000万円 | 85名 | 製造業の基準 |
なお、オプトサイエンスの公式会社概要は2026年6月現在の従業員数を32名としています。白書の33名とは掲載時点が異なります。事例の背景には白書値、現在の企業情報の確認には公式会社概要を使い、数値を混ぜないようにします。
生成AIと従来のAIをどう見分けるか
生成AIの事例かどうかは、新たに作った文章やコードを特定して判断します。AIという名称だけでは用途を区別できません。
生成AIは、指示や資料を受け取り、文章、画像、プログラムなどを生成する技術です。自然な文章を返しても、内容が正しいとは限りません。根拠のない説明を事実らしく出力することがあるため、原資料との照合が必要です。
例えば、製品画像から不良品を判別する仕組みは、AI活用であっても生成AIとは限りません。今回の2社では、要約文や広告案、プログラムという生成物を確認できます。一方、生成AIで開発したアプリが、稼働中の全処理で生成AIを使うとは限りません。
AI導入に関するお困りごとは、株式会社NexaのAI顧問がサポートします。「何から始めればいいか分からない」という段階からご相談いただけます。
オプトサイエンスは専門資料の要約と翻訳に活用
オプトサイエンスは、海外論文の要約や英語マニュアルの翻訳に生成AIを活用し、営業担当者の専門知識習得を支えています。
2026年版中小企業白書の事例2-2-3によると、同社は光学機器の輸入販売を行う専門商社です。製品の専門性が高く、営業担当者が海外論文や英語マニュアルを探して読み、技術解説文書を作る負担がありました。
2023年の生成AI導入後、論文の要約、マニュアルの翻訳、要点の抽出へ活用を広げました。白書では、特に若手従業員の技術知識を補うことにつながったと紹介されています。原文を理解する手掛かりを増やした事例であり、専門知識を持たなくてよくなったという意味ではありません。
自社で応用するなら、まず一つの公開マニュアルを選びます。担当者が普段説明している注意事項や使用条件が、要約にも残るかを確かめるところから始められます。
オプトサイエンスは広告案の作成にも活用
同社は製品選定やキャッチコピーの案を生成AIに出させ、営業担当者が推敲しました。白書は広告レスポンスの増加も報告しています。
専門誌の特集に適した製品を選び、訴求点を考える作業にも生成AIを利用しています。生成した理由やコピーを担当者がブラッシュアップし、情報の正確性は必ずファクトチェックする運用です。生成案の数だけを増やすのでなく、製品を知る営業担当者が仕上げています。
白書の表現は「レスポンスは平均で2倍以上」です。以前は月平均5件程度だった問い合わせが、多い月には45件に達したとも記載されています。平均と最大側の月を比較して「平均9倍」と言い換えたり、問い合わせ増を売上増の倍率に置き換えたりはできません。
広告内容、掲載条件、需要の変化も成果に関係し得ます。自社で測る際は、掲載媒体と期間、問い合わせの定義を揃え、生成AI単独の効果だと早計に結論付けない設計にします。
専門商社の事例を自社へ応用する条件
原資料と確認担当者が揃う文書業務なら、同社の要約活用を応用しやすくなります。入力から確認までの工程を先に定めます。
以下は事例企業の実際の手順ではなく、編集部が提案する検証方法です。
- 利用を許可された資料を選び、目的と読者を指定します。
- 要約に必要な項目を決め、原文の参照箇所も出力させます。
- 経験者が原文と照合し、欠落や誤訳を記録します。
- 修正した結果を共有し、次回の指示へ反映します。
短い要約であっても、前提条件が消えると意味が変わります。例えば「特定の条件下で使える」という説明が「使える」に縮まっていないかを点検します。業務に採用する基準は、読みやすさだけでなく、条件を正しく残しているかです。
岡田研磨は生成AIで業務アプリを内製
岡田研磨は、生成AIを使ったプログラム作成を通じて社内アプリを内製しました。生成AIは業務の道具を作る段階で役立っています。
2026年版中小企業白書の事例2-2-14では、紙やExcelへの情報分散、転記、資料探しが課題として挙げられています。2023年末に生成AIによるプログラム作成を見た同社の専務が、社内アプリを自作する方針を選びました。
統合管理システム「OKADA Board」には、白書の記載で「約30種類以上」のアプリを搭載しています。検査実績、品質報告、在庫、生産進捗に加え、労務や原価などのデータを一元化しました。各部門の若手によるDX推進チームが試行し、現場の意見を集めて改善しています。
岡田研磨の公式DXページでも、自社アプリの開発と現場の声を取り入れる取組を確認できます。自社へ応用する際は、いきなり全業務を統合せず、転記の多い帳票など、困りごとが具体的な範囲を選びます。
岡田研磨の削減時間をどう読むか
白書の月530時間程度という削減量は、統合管理システム導入全体の成果です。生成AIが直接代行した時間とは区別して読みます。
白書は「OKADA Board」の導入により、月5,000〜6,000枚分のペーパーレス化と月530時間程度の労働時間削減を報告しています。情報の一元化や紙資料の管理方法の変更も含む成果であり、生成AIへの質問だけで同じ削減が起きたという記述ではありません。
資料によって数字も異なります。公式DXページでは月400〜500時間、中小機構J-Net21の2025年7月31日公開記事では月330時間の削減が紹介されています。公開時期や集計範囲が同一と確認できないため、これらを並べた増加率の計算は行いません。
他社の効果を読む際は「いつの数値か」「どの業務を含むか」「何と比較したか」の3点を確認します。前提が不明な部分は、自社の稟議資料にも不明と明記します。大きい数値を採用することより、比較できる条件を残すことが先です。
内製化に必要な知識と保守の備え
生成AIでコードを作れても、業務に適合するかの検証と保守は残ります。担当者の学習時間も導入の計画へ含める必要があります。
白書では、岡田研磨の専務が約2年間で1,000時間以上、生成AIとの対話を重ねたとされています。非エンジニアによる内製化の事例ですが、「知識も時間も不要」と読むことはできません。業務の仕組みを学び、現場の要望を反映する取組が伴っています。
自社でアプリを作る場合は、入力できる人、閲覧できる人、誤入力の戻し方、保存データの復旧方法を決めます。担当者以外でも変更履歴と操作手順を確認できるようにし、退職や不在の際に止まらない状態を目指します。
特に給与計算、請求、個人情報の処理は、動いたことだけでは検証完了になりません。通常時と例外時のテストを分け、社内で確認できない箇所は専門家による確認を組み込みます。
最初に試す業務を選ぶ基準
最初の対象は、入力を管理でき、人が結果を確認できる小さな業務にします。誤りの影響と確認の負担を比較して選びます。
以下は編集部が提案する選定表です。難易度は製品名ではなく、扱う情報と結果の使い道によって変わります。
| 候補業務 | 試しやすくする条件 | 最初に避ける運用 |
|---|---|---|
| 公開資料の要約 | 原文と担当者の知識で照合できる | 要約だけで重要事項を決裁する |
| 広告文の案出し | 製品仕様と表現基準を渡せる | 未確認の性能や比較優位を公開する |
| 社内文書の整形 | 利用許可済みの情報に限定する | 秘密情報を個人アカウントへ入力する |
| 業務アプリの試作 | ダミーデータで試験できる | 本番データへ直接書き込ませる |
候補が複数ある場合は、週に繰り返す作業を優先し、確認者の余力も確かめます。生成が速くても、その確認で担当者の仕事が増え続けるなら、試す範囲を縮めます。
要約を依頼する際の入力と出力の型
要約の指示には、目的、必要項目、根拠の位置、不明点の扱いを入れます。文章の短さだけを指定しないことが誤読防止になります。
プロンプトは、生成AIへ渡す作業指示や質問です。以下は編集部作成の例で、紹介企業が実際に使用した指示文ではありません。利用を許可された公開資料を添え、原文の範囲内で回答させる想定です。
添付資料を、営業担当者が内容を確認するために要約してください。出力は「用途」「適用条件」「制約」「未確認事項」の4項目に分けてください。数値と単位を変えず、根拠となる見出しやページを併記してください。資料にない内容は推測せず、「資料内で確認できない」と書いてください。最後に、人が原文と照合すべき箇所を列挙してください。この指示は正確性を保証するものではありません。存在しないページや引用を示す場合もあるため、根拠欄そのものを確認します。うまくいかなかった出力と修正点を残せば、同じ確認漏れを防ぐためのチェック表を作れます。
専門性が高い回答の確認方法
専門的な回答は、原文の数値、適用条件、例外を一つずつ照合します。読みやすい文章であることと、技術的な正しさは別です。
例えば製品資料なら、型番、数値と単位、使用環境、禁止事項を確認項目にします。翻訳では否定表現が落ちていないか、要約では但し書きが消えていないかを点検します。元資料が古い場合は、生成結果も現行仕様を表していない可能性があります。
社外に出す文章は、担当者が修正した最終版と根拠資料の版を残します。後から問い合わせを受けた際に、どの資料のどの記述を使ったかを追えるためです。確認不能な内容を生成AIに再質問して一致させるだけでは、独立した裏取りにはなりません。
情報漏えいを避ける入力ルール
個人情報や機密情報は、入力前に利用目的と契約条件を確認します。学習に使われない設定だけで、すべての利用が許可されるわけではありません。
個人情報保護委員会の注意喚起とその別添資料は、個人情報を含む入力の取扱いを示しています。個人情報取扱事業者には、利用目的の達成に必要な範囲か、応答生成以外の目的で扱われないか等の確認が求められます。
実務上は、公開情報、社内限定情報、顧客情報などに分け、入力できるサービスと承認者を決めます。保存期間、管理者の権限、外部連携先、退職者のアクセス停止も確認対象です。無料版か有料版かだけで安全性を決めないようにします。
最初の試行では、公開資料か個人を特定できないテストデータを使います。実データへの切替は、社内規程と契約の確認が終わってから行います。
広告文や画像の権利確認
生成した広告案は、事実と権利を別々に確認してから公開します。自動生成したものでも、既存の著作物や商標への配慮が必要です。
文化庁のAIと著作権に関する情報では、考え方やチェックリストを確認できます。個別の利用が適法かどうかは、生成物や利用態様によって判断が異なります。「生成AIで作ったから自由に使える」と一律には扱えません。
例えば広告文では、実際に提供していない性能を付け加えていないかを確認します。画像やコピーが特定の作品やブランドに似ている場合は、そのまま公開せず確認へ戻します。入力する写真や資料についても、利用できる権利があるかを先に確かめます。
導入費用は利用料と社内工数を合わせて考える
生成AIの導入費用には、利用料だけでなく、準備、確認、教育、保守の工数を含めます。内製化も人件費が不要になるわけではありません。
岡田研磨の事例には長期間の学習と継続的な改善が含まれています。同様の取組を予算化するときに、月額利用料だけを費用として載せると、社内で必要な時間を確保できなくなります。
| 費用の区分 | 見落としやすい項目 |
|---|---|
| 利用費 | アカウント数、従量課金、周辺サービス |
| 開始時の工数 | 対象業務の整理、規程確認、テストデータ準備 |
| 継続する工数 | 出力確認、修正、利用者への説明 |
| 保守費 | 不具合対応、権限管理、バックアップと復旧試験 |
具体的な金額は選ぶサービスと契約時点で確認します。既存業務の削減時間が出ても、直ちに現金支出が減るとは限りません。空いた時間を営業や改善へ振り向ける効果と、外注費などの実支出削減は分けて説明します。
効果測定で記録する項目
効果測定は、準備から確認、修正、利用まで同じ範囲で比較します。生成ボタンを押してからの時間だけでは、業務全体の改善を測れません。
例えば資料要約では、資料の選定、入力、出力の照合、書き直しまでが対象です。導入前にも同程度の長さと難しさの資料を使い、品質の基準を揃えます。以下は空欄のまま使う記録表で、実績値や架空の削減結果を示すものではありません。
| 記録項目 | 導入前 | 試行後 |
|---|---|---|
| 対象業務と資料条件 | 記入欄 | 記入欄 |
| 準備から完了までの時間 | 記入欄 | 記入欄 |
| 修正が必要だった箇所 | 記入欄 | 記入欄 |
| 確認担当者の負担 | 記入欄 | 記入欄 |
| 誤りやヒヤリとした事象 | 記入欄 | 記入欄 |
時間が短くなっても、誤りの増加や確認担当者への負担集中があれば、そのまま展開しません。成功した出力だけでなく失敗も残し、業務を続けられる条件を判断します。
少人数でも続く担当分担と中止基準
少人数の会社でも、利用を決める人、作業する人、確認する人の役割を定めます。兼任する場合も、判断の責任は曖昧にしません。
担当表には、使える情報、社外へ出す際の承認者、問題が起きたときの連絡先を書きます。確認者が不在の間は社外公開を止めるなど、代替方法も決めます。使い方を詳しく知る一人だけが対応する体制では、試行が成功しても継続しにくくなります。
中止基準の例は、入力禁止情報を扱った、重要な数値の誤りが繰り返された、確認時間が許容範囲を超えた場合です。これらは編集部の提案であり、事例企業の基準ではありません。停止後に対象範囲や指示を修正し、再開条件を満たしたかを確認します。
4週間で小さく検証する手順
4週間の計画は、効果を保証する期間ではなく、試行を区切る例です。業務選定、比較、振り返りを分け、拡大の可否を判断します。
以下は編集部が提案する進め方です。2社がこの日程で導入したという説明ではありません。通常業務や情報管理の確認に時間が必要なら、期間を延ばして構いません。
1. 最初の週に業務と確認者を決める
対象を一つに絞り、入力してよい資料、成果物の使い道、確認担当者を決めます。現行の作業時間と品質基準を記録し、どの範囲を改善するかを揃えます。
2. 続く期間に同じ条件で試す
許可済み資料で試行し、指示文、結果、修正箇所を残します。毎回違う業務へ広げず、同じ作業で使える条件と苦手な条件を整理します。良い出力だけを選んで報告しないようにします。
3. 最後の週に継続と拡大を判断する
総作業時間、品質、確認負担、費用を見て、継続、範囲縮小、停止を選びます。拡大する場合も、一つずつ対象業務を増やします。自動送信や本番データ更新など、取り消しにくい操作は別の検証対象にします。
中小企業の生成AI活用事例に関するよくある質問
活用事例を自社へ移す際は、確認できる範囲を先に決めます。企業規模やツール名が同じでも、同じ成果が出るとは限りません。
Q. 中小企業はどの業務から生成AIを使えばよいですか？
公開資料の要約など、入力を管理でき、経験者が原文と照合できる業務が候補です。繰り返し発生する作業を一つ選び、準備と確認を含む時間を測ります。最初から重要な意思決定や社外送信を自動化しないようにします。
Q. 非エンジニアでも業務アプリを作れますか？
岡田研磨には非エンジニアが生成AIを使って内製化した公開事例があります。ただし、白書では長期間の対話と学習が紹介されています。業務設計、テスト、情報管理、保守まで不要になるわけではありません。
Q. 無料版なら費用をかけずに試せますか？
利用料がかからない場合でも、資料の準備や出力確認には時間がかかります。無料か有料かだけで入力情報の可否は決まりません。サービスの規約、データの取扱い、会社の利用ルールを確認してから試します。
Q. 公開事例と同じ削減時間や売上効果を期待できますか？
同じ成果は保証されません。業務量、データの状態、確認者の経験が異なるためです。公表値の測定範囲を理解したうえで、自社の導入前後を同じ条件で比較します。問い合わせ数の増加を売上の増加と同一視しないことも必要です。
まとめ
中小企業の生成AI活用では、文章作業の支援と、業務の道具を作る支援を分けて考えます。事例の成果だけでなく、人の役割も参考にします。
オプトサイエンスは専門資料の要約や広告案の作成に活用し、営業担当者による推敲とファクトチェックを行っています。岡田研磨は生成AIを活用してアプリを内製し、現場の改善と情報の一元化を進めました。両社の公表成果を、自社への効果保証として扱うことはできません。
まずは公開資料を扱う業務を一つ選び、現状の時間と確認担当者を書き出します。生成の速さではなく、確認後に使える成果物を、どれだけの負担で作れるか。その比較が、自社に合う活用を見つける出発点です。
AI導入に関するお困りごとをサポートします
株式会社NexaのAI顧問は、ツール選定から業務への適用、社内定着までを月額制でサポートします。特定のツールに限らず、「AIをどう使えばいいか分からない」という段階からご相談いただけます。
この記事で参照した外部情報
- 中小企業庁の定義chusho.meti.go.jp
- オプトサイエンスの公式会社概要optoscience.com
- 2026年版中小企業白書の事例2-2-3chusho.meti.go.jp
- 2026年版中小企業白書の事例2-2-14chusho.meti.go.jp
- 岡田研磨の公式DXページdx.okadakenma.co
- 中小機構J-Net21の2025年7月31日公開記事j-net21.smrj.go.jp
- 個人情報保護委員会の注意喚起ppc.go.jp
- その別添資料ppc.go.jp
- 文化庁のAIと著作権に関する情報bunka.go.jp
本文中でリンクしている外部ページの一覧です（自動生成）。最終確認日は本記事の最終更新日 2026-09-19 で、リンク先の内容はその後変わることがあります。
