京都府は 人口約258万人、事業所数約11.1万、従業者数約115万人 を擁する近畿圏の重要経済圏である。任天堂・京セラ・村田製作所・島津製作所・オムロン・ロームといった世界的な技術企業の本社が集中する一方、西陣織・京焼・茶業等の伝統産業、年間5,000万人超の観光客を抱える観光産業など、独特の産業ミックスを持つ。同じ府内に「世界市場でシェア争いをする精密メーカー」と「数人規模で技を継ぐ工房」が同居していること自体が、京都のAI戦略を他県と分ける最大の要因になる。

本稿では、令和3年経済センサスの公開データと、京都府のDX施策をもとに、京都府に拠点を置く企業のAI重点領域を整理する。前提として、AIは「ツールを足すこと」ではなく「ヒトがやる必要のない工程を見極めて引き算し、空いた工数を価値ある仕事へ再配置すること」だと捉えたい（AIは足し算より引き算→再配置）。京都の場合、その「引き算してよい工程」と「引き算してはいけない工程」の線引きが、製造現場と伝統工房とで大きく異なる点が要諦になる。

47都道府県全体の概観は47都道府県のAI/DX推進状況比較を参照されたい。

京都府の産業構造（2021年データ）

指標 数値
人口（2020年国勢調査） 2,578,087人
民営事業所数 110,564事業所
民営従業者数 1,148,970人

従業者数の多い上位3業種は、卸売業・小売業、製造業、医療・福祉の順となる。

順位 業種 従業者数 シェア
1 卸売業・小売業 239,889 20.9%
2 製造業 180,810 15.7%
3 医療・福祉 176,055 15.3%

京都府の特徴は、製造業比率（15.7%）が全国平均より高く、なかでも電子部品・精密機器・電機メーカーの本社や主力工場が集中している点にある。任天堂（ゲーム）、京セラ（電子部品）、村田製作所（電子部品）、島津製作所（精密機器）、オムロン（制御機器）、ローム（半導体）、日本電産（モーター）など、世界市場でトップシェアを持つ企業が多い。製造業のシェアは数字上15.7%だが、京都経済への影響度はこの比率以上で、研究開発から海外生産までを国内本社が束ねる「頭脳機能の集積地」としての性格が強い。同時に、西陣織・京焼・茶業・京菓子等の伝統産業、京都市内の観光産業も経済の柱であり、この三層構造の温度差をどう扱うかが京都のAI論点を貫いている。

京都府のDX推進方針

京都府は「京都府DX戦略」を策定し、行政DXと産業DXの両輪で推進している。府政デジタル化、データ活用基盤整備、デジタル人材育成を柱に据えており、地場の中堅・中小企業がデータ活用に踏み出すための下地づくりに重点が置かれている。京都市はこれと別に独自のDX推進計画を持ち、行政手続きのデジタル化に加えて「観光×デジタル」「伝統産業×デジタル」という京都ならではのテーマを前面に出しているのが特徴である。同じ府域でも、府は産業横断の基盤整備、市は観光・伝統という固有資産のデジタル化、と役割が分かれている点を押さえておくと、自社がどちらの支援メニューと相性が良いかを判断しやすい。

産学連携の厚みも京都の固有資産である。京都大学・立命館大学・京都工芸繊維大学・同志社大学といった研究機関が集積し、AI研究開発が活発に行われている。京セラ・島津製作所・村田製作所といった地元企業と大学の共同研究から生まれた技術が製造現場へ還元される循環が形成されつつあり、これは大学が少ない他県には模倣しにくい優位性といえる。ただし、研究シーズが社内の業務改善に直結するとは限らない。論文レベルの成果と、現場で日々回るAI運用との間には実装と定着の溝があり、その橋渡しこそが企業側の課題になる。

製造業に効く工程と、効きにくい工程

製造業（18万人）はAI活用の本丸である。ただし京都の精密・電子部品メーカーで重要なのは「製造業にAIを入れる」という一般論ではなく、工程ごとに効果のばらつきが大きいという現実認識だ。

外観検査は最も投資対効果が読める領域である。微小な電子部品の傷・欠けを人の目で全数判定する工程は、判定基準が明文化しやすく、画像AIで再現性のある検査に置き換えやすい。検査員の熟練度に依存していた品質のブレが減り、空いた人員はより上流の歩留まり改善や不良の原因分析へ再配置できる。24時間稼働するラインの予知保全も、振動・温度などのセンサーデータが既に取得されている工場であれば、異常検知の導入障壁は比較的低い。

一方で、グローバル顧客の発注変動に合わせた生産計画最適化や、材料開発・設計のR&D効率化は、効果は大きいが立ち上げが重い。生産計画は需要・在庫・サプライヤー能力など多変数が絡み、現場の暗黙の調整ルールをモデルに落とし込む工数がかかる。R&Dのシミュレーション高度化も、扱うデータが各社固有で汎用ツールに乗りにくい。京都の世界的メーカーが直面しやすいのは、海外拠点ごとにバラバラに進んだ取り組みをどう統合するかという問題で、ここは技術というよりガバナンスの課題に近い。各拠点の独自運用を束ねる仕組みがなければ、AIは「拠点ごとの実験」で止まる。グローバルなAIガバナンスとデータ標準の設計については企業のAIガバナンス実務ガイドとAI Center of Excellence (CoE)が、技術選定の観点は業務AIインフラの技術選定が参考になる。製造業のAI活用全般は製造業のAI活用を参照されたい。

経営と現場が近い中堅メーカーであれば、検査・保全のように効果が読める工程から着手し、生産計画やR&Dは効果検証を経て段階を踏むのが現実的だ。意思決定が速いぶん「効くところから引き算する」判断を回しやすいのは、京都の中堅企業の強みでもある。

観光・小売と、伝統産業の温度差

卸売・小売業（24万人）は従業者数で府内最大の業種であり、京都ではこのうち相当部分が観光と結びついている。観光客の需要予測、店頭やオンラインでの多言語AI接客、伝統工芸品のEC化支援などが具体的な打ち手になるが、いずれも「季節・国別の観光客動向」という京都固有の強い変動要因に左右される点が特徴だ。観光案内や予約支援、混雑予測、観光ルート提案といった用途は、年間5,000万人超という規模ゆえに精度向上の余地が大きい。観光産業のAI化の論点は小売・EC業界のAI活用でも一部論じている。

京都市の観光業で他都市と決定的に違うのは、多言語対応の「質」が満足度に直結することだ。英語・中国語・韓国語などへの単純な機械翻訳では足りず、神社仏閣の作法や宗教・文化的配慮を含んだ案内が求められる。汎用の観光向けSaaSでは細部を取りこぼすことがあり、京都に特化した運用設計や、京都市・観光業協会との連携が効いてくる。混雑が特定エリアに集中するオーバーツーリズム問題に対しても、AIによる分散誘導や予約最適化が現実的な対応策として議論されている。

伝統産業の温度差はこれとはまったく別の話になる。西陣織・京焼・茶業・京菓子・京漆器などの工房は、職人文化が強くAI導入への心理的抵抗がある一方で、後継者不足という切実な背景から技能伝承の必要性も高い。ここで「引き算→再配置」の発想をそのまま当てはめるのは危うい。製造現場で検査工程を引き算するのと違い、職人の技そのものは引き算の対象ではないからだ。AIが入りやすいのは、職人技能を動画として記録し暗黙知を形式知に近づける支援、海外向けの多言語商品説明やSNSマーケティングの自動化、品質基準の評価補助といった「職人の周辺業務」であって、技そのものを置き換える発想ではない。日本ならではのコンテンツを世界市場へ届けるブリッジとしてAIを位置づけると、未開拓のEC・マーケティング領域が機会として見えてくる。

医療・福祉（17.6万人）も京都の厚い業種だ。京都大学医学部附属病院、京都府立医科大学附属病院、京都市立病院といった大規模医療機関が集積しており、診療記録からの所見書・退院サマリーの自動下書き、PMDA承認のAI診断機器による画像診断支援、介護記録の音声入力による自動構造化などが具体的な活用例になる。文書作成や記録の負担を減らし、専門職の時間を患者・利用者と向き合う本来業務へ戻す方向が筋であり、これも再配置の発想と重なる。医療機関のAI活用全般は医療機関のAI活用を参照。

受容性とガバナンス — 京都で詰まりやすいところ

京都の企業がつまずきやすい論点は、産業層ごとに性格が異なる。グローバル製造業では、本社・海外拠点・サプライヤーをまたぐAI戦略の統合が課題になる。各拠点が善意で進めた独自の取り組みが、データ標準も評価基準もバラバラなまま乱立し、全体としての効果が見えなくなるパターンだ。これは技術力の問題ではなく、誰がどの基準で束ねるかというガバナンスの設計問題である。

伝統産業では、AI受容性そのものが障壁になる。職人文化のなかで「AIが職人を置き換える」という誤解が先行すると、本来役立つはずの技能記録や販路拡大の支援まで拒まれてしまう。導入の成否を分けるのはツールの性能ではなくチェンジマネジメントであり、「技を残し広げるための道具」というフレーミングを最初に共有できるかにかかっている。定着が崩れる構造はAI定着失敗の典型7パターンで整理している。

観光産業では、前述のとおり多言語・多文化対応の質が壁になる。文化的配慮を欠いた自動応答はかえって満足度を下げかねず、品質の作り込みと現場運用の設計が不可欠だ。いずれの層でも共通するのは、「導入して終わり」ではなく現場に根づくまで伴走しないと成果に結びつかないという点である。

90日で着手するなら

最初の30日は業務の棚卸しと優先領域の特定に充てたい。グローバル製造業であれば海外拠点との連携やグローバル品質管理の候補抽出、伝統産業であれば技能記録のデジタル化や海外向けEC改善の着眼点の洗い出し、観光業であれば多言語対応・需要予測・動線分析のなかから早期に成果が出る用途を見極める。ここで効果の読める工程と読みにくい工程を仕分けしておくことが、後の失速を防ぐ。

次の30日はPoCの実施期間とする。京都大学・立命館大学などとの産学連携を検討する余地もあるが、まずは観光・伝統産業向けのSaaS型AIツールで試験運用し、効果を実データで確かめるのが堅実だ。投資判断の根拠づくりにはAI ROIの測定方法が役立つ。費用面では補助金を手段の一つとして検討してもよいが、それを起点に企画を組むと制度に振り回されやすい。資金や稟議の組み立て方はAI予算計画と社内稟議の通し方に委ねる。

最後の30日は全社展開の設計だ。グローバル企業であればAIガバナンス体制を本社と海外拠点で統一し、伝統産業であれば職人の理解を踏まえた段階的展開を描く。PoCで止まらず本番運用へ抜けるための論点はAI PoC止まり脱出フレームワークを参照されたい。

よくある質問（FAQ）

Q1. 京都の伝統産業にAIを導入する際の注意点は？

A. 職人文化への配慮が特に重要になる。「AIが職人を置き換える」のではなく「職人の技能を残し広げる」という設計思想で進めるべきで、技能記録・海外マーケティング支援・後継者教育が入りやすい入口となる。技そのものではなく周辺業務から始めるのが定着の近道である。

Q2. 京都の世界的製造業のグローバルAI統合とは具体的に？

A. 日本本社・海外工場・サプライヤーをまたいだAIガバナンス、データ標準、業務AIの統一仕様の設計を指す。拠点ごとにバラバラに進んだ取り組みを束ねる仕組みづくりが核で、詳細は企業のAIガバナンス実務ガイドとAI Center of Excellence (CoE)を参照されたい。

Q3. 観光業のAI導入で京都ならではの論点は？

A. オーバーツーリズム対応、神社仏閣の文化的配慮、多言語の質の三点が特殊である。一般的な観光地向けSaaSでは対応しきれない部分があり、京都市・観光業協会との連携や、京都に特化したサービス設計が有効に働く。

まとめ

京都府の企業がAI戦略を組み立てる際は、世界的製造業のグローバルAI統合を中核テーマに据えつつ、観光×AIで京都ならではの体験設計を磨き、伝統産業では技能伝承を支援する形で後継者問題に向き合う、という三層の温度差を前提にすると解像度が上がる。大学・研究機関との産学連携で先端AIを社内に取り込める京都の強みを活かしながら、効く工程から引き算して空いた工数を価値ある仕事へ再配置していく——この見極めこそが、ツールの数を増やすことよりも成果を左右する。

AX Boostでは、京都府の企業に対しても全国対応のFDE型コンサルティングで、どの工程を引き算すべきかの見極めから実装・定着までを伴走している。詳細はFDE型コンサルティング完全解説、コンサル選定はAX支援サービスの選び方を参照されたい。

主要参照ソース

関連記事: