AIにも部品表がいる──製造業が当たり前にやってきたことを、AI業界がいま始めた

AI-BOM、という言葉をこの数週間でやたら見るようになった。AI Bill of Materials、つまり「AI部品表」だ。

The Registerは「AI-BOMがSBOMを置き換える」と書き、Dark Readingは「2026年はAI部品表が本物になる年か」と問うている。要するに、会社の中にどんなAIモデルがあって、どのデータを食わせていて、どのエージェントがどの権限で動いているのか。その一覧をちゃんと作ろう、という話だ。

製造業で品質保証を13年やってきた人間として、この流れを読んだときの最初の感想を正直に書くと、こうだった。

「いま作るの？」

製造業にとって、部品表は空気みたいなものだった

部品表、つまりBOM（Bill of Materials）は、ものづくりの現場では当たり前すぎて、もはや意識すらしない。

どの製品が、どの部品でできていて、その部品がどのロットで、どこの工程を通って、誰がいつ作ったか。これが分からないと、何も始まらない。不具合が出たときに原因をたどれないし、リコールが必要になっても「どこまで回収すればいいか」の線が引けない。

ぼくらの現場では、トレーサビリティが切れることそのものが事故だ。性能の問題以前に、追えないことが怖い。

だから新しい部品をラインに入れるときは、図面に載せて、受け入れ検査の基準を決めて、台帳に記録する。手間はかかる。でもその手間が、後で全員を守る。「便利だから」で図面に載っていない部品が工程に紛れ込んでいたら、それは管理が崩れている合図だ。

この感覚が体に染みているから、AI-BOMのニュースを見て「いま作るの？」と思ってしまった。部品表なしでものを作るなんて、製造業ではありえないからだ。

ところがAIは、部品表なしで現場に入っていた

でも少し冷静になって考えると、笑えなかった。

AIの世界では、つい最近まで本当に部品表なしで現場投入が進んでいたからだ。

Copilot、Claude Code、Codex。便利だからと、誰がどこで何を使っているか分からないまま、組織の中に広がっていく。いわゆるシャドーAIだ。FedTechの記事でも、一番の死角は開発環境だと書かれていた。会社が把握していないところで、いつの間にかAIが業務に組み込まれている。

これを品質の言葉に翻訳すると、こうなる。

未承認の部品が、図面に載らないまま量産ラインに乗っている状態。

製造業なら一発で「止めろ」となる話が、AIだと「すごい、捗ってる」で済まされてきた。ツールが新しくて、見た目がチャット画面で、現場というより個人の工夫に見えるから、管理の対象だと気づかれにくい。

「いま作るの？」と「そりゃそうだ」が同居している

ここで自分の中に、二つの気持ちが同時に出てくる。

ひとつは「いま作るの？」という、製造業の人間としての驚き。もうひとつは「まあ、そりゃそうなるよな」という納得だ。

新しい技術は、最初はだいたい管理より普及が先に来る。便利さが先行して、後から「これ、誰が責任持つんだっけ」「何を使ってるんだっけ」が問題になる。製造業だって、トレーサビリティの仕組みが今の形になるまでには、たくさんの失敗とリコールがあったはずだ。

AIはいま、その「後から効いてくる」フェーズに入っただけなのだと思う。

正直に書くと、ぼく自身のチームも他人事じゃない。面白そうなAIツールを試して、効くと感じたらそのまま日常に溶け込ませている。「いま何を、どの業務に、どこまで使っているか、台帳になってる？」と聞かれたら、胸を張って出せる一覧はまだない。

人に偉そうに「部品表がいる」と言いながら、自分の足元がそうなっている。これはちょっと、ヒヤッとした。

AI部品表に何を載せるか、を品質の言葉で考える

じゃあ、AI部品表に何を載せればいいのか。

ここでも、製造業の工程変更管理の考え方がそのまま使えると思っている。新しいAIを業務に入れるのは、ツールの導入というより、工程を変える行為だからだ。

工程を変えるとき、ぼくらが必ず決めることがある。何を使うか。どの条件で動かすか。どの記録を残すか。誰が判定するか。それをAIに置き換えると、こうなる。

どのモデル、どのツールを使っているのか。それはどのデータに触れるのか。どこまで自律的に動いていいのか。作業ログは残るのか。最後に出力を確認するのは誰か。おかしいとき、どこで止めるのか。

AI-BOMが本来集めようとしているのも、たぶんこういう情報だ。モデル名のリストを作ることがゴールではなくて、「いま自分たちの組織で、何が、どこで、どんな権限で動いているか」を一枚にすること。それが見えて初めて、リスクの議論ができる。

賢いモデルを足す前に、いま使っているものを書き出す

AI-BOMの話は、技術が一周回って、製造業の基本に戻ってきた話だと思っている。

世の中の関心は、どうしても「次に出る賢いモデルは何か」に向かう。それも大事だ。でも現場で本当に効いてくるのは、新しいモデルを一個足すことよりも、いま自分たちが何を使っているかを正直に書き出すことだったりする。

派手じゃない。誰も褒めてくれない。でも、不具合が出たときに自分たちを守るのは、たぶんそっちだ。製造業が長い時間をかけて学んだのは、結局そこだった気がしている。

AIが速く賢くなるほど、それが「どこで、どの権限で、何に触れて動いているか」を把握しておくことの価値は上がる。賢さの話と、管理の話は、別の軸だ。そして後者は、品質保証をやってきた人間がいちばん語れる領域でもある。

あなたの組織で、いま動いているAIの「部品表」は、書けるだろうか。

正直に言うと、ぼくのチームでも、まだ書ききれていない。だからまず、自分の手元から一覧にしてみようと思っている。

---

参照情報源

• AI-BOMs replace SBOMs as way to track AI agents and bots（The Register, 2026-05-04）

• Is 2026 the Year AI Bills of Materials Get Real?（Dark Reading）

• How Federal Agencies Can Inventory and Govern AI Systems With AI-BOMs（FedTech Magazine, 2026-06-01）

• AI-BOMs: A Practical Guide to AI Bills of Materials（Wiz）

サムネイル画像プロンプト

A minimalist, conceptual flat-design illustration for a blog header. A traditional manufacturing bill-of-materials / inventory ledger on the left gradually transforms into a digital list of abstract AI components (nodes, model shapes, data blocks) on the right, connected by clean traceability lines. Industrial blue and warm neutral palette with a single soft accent color. Calm, structured, professional tone. No text or letters. Wide horizontal 1280x670 composition with generous negative space for overlaying a title.