T26生成AIが出した不良原因の答えの扱い方
目的／考え方
現場や関係者が生成AIに不良原因を尋ね、その回答を根拠として持ち込んでくる場面が増えている。T16（生成AIの安全な使い方）は入力してよい情報の線引きを扱うのに対し、T26は「AIが出した原因の答えを、どう扱うか」に絞る。AIの回答は一次情報ではなく、もっともらしい誤りを含む前提で扱う。
- AIが出した回答はそのまま報告書・顧客回答に載せない（下書きの手がかりとして扱う）重点
- 回答に含まれる数値・規格・過去事例は、必ず一次情報（試験記録・図面・規格票・社内文書）と突き合わせる重点
- 原因究明はB3（4M＋変化点で切る）の手順を主に使い、AIの回答はB3の仮説の一つとして位置づける
- AIの回答を持ち込んだ人には、根拠となる一次情報を一緒に確認するよう伝える（AIの回答自体を責めない）
- 顧客への回答文書にAIが関与したことを理由に承認フローを省略しない（通常のD5の承認を通す）
持ち込まれたときの対応フロー
- 回答の内容を確認する（何を根拠に、どの範囲の原因を示しているか）
- 数値・規格・過去事例が含まれる部分を一次情報と突き合わせる重点
- 裏づけが取れた部分だけを、通常の原因究明（B3）の材料として採用する
- 最終的な原因・対策はB3・B4の手順で確定し、AIの回答をそのまま結論にしない重点
業務で利用が認められている生成AIはCopilotのみ（T16）。原因の答えを丸ごと信じるのではなく、一次情報との突き合わせを経て初めて使える材料になる。
同じ読者向けの他トピック
T1新製品・量産立ち上げ（APQP／PPAP 的）T24M変更管理（人・機械・材料・方法）T3工程・検査基準の制定／改訂T4設備の導入・改善T5工程能力・初期流動・データ活用T6化学物質・環境法規の設計織り込みT7不具合の再発防止と設計・標準へのフィードバックT8治具・型・設備の維持管理T9設備保全とデータ活用（予知保全の入口）T10検査の自動化・AI外観検査導入の進め方T11工程FMEA（PFMEA）の作成と活用T12統計的工程管理（SPC）・管理図の導入と工程能力の見える化T13トレーサビリティ設計（ロット管理・識別の作り込み）T14測定システム解析（MSA／Gage R&R）の実施と判断T15品質業務のノーコード自動化の進め方T16生成AIを品質業務で安全に使うT17試作品の品質評価依頼の出し方T18工程データの品証への共有ルールT19顧客規格から社内管理値への落とし込み方T20工程条件変更の社内実験計画の立て方T21検査基準書の作り方T22検査データの統計処理でやりがちな誤り5類型T23図面・仕様書に書ききれない「暗黙の要求」の拾い方T24過去トラブルの再発防止策が現場で守られているかの確認T25試験・測定を外注するときの相手の見方T27試験・検査の結果が規格ぎりぎりのときの扱いT28根拠の記録が残っていない社内基準に出会ったときの扱いT29測定方法を変えるときの同等性の示し方T30顧客へ検査の生データ（測定の生値）を求められたときの扱いT31自作治具・簡易測定器を検査に使うときの確認T32抜取検査の水準を顧客と決め直すときの進め方T33測定値の丸め方・有効数字で社内と顧客の解釈が割れたときの揃え方T34社内の検査データを外部に出す前の匿名化・加工の線引き