まず2026年時点の事実関係を押さえる

議論の土台として、確認できる事実を時系列で並べます。

  • 2026年3月：GartnerのMES Market Guideが、MES選定の評価軸として相互運用性・オープンAPI・MCP（Model Context Protocol）整合と、セキュリティ・観測性・human-in-the-loop（人の関与を残す設計）という信頼メカニズムを挙げました。あわせて「AI導入はレガシー刷新が先」「派手な機能ではなく測定可能な成果に集中せよ」という前提条件も示しています。この文書の位置づけはGartnerのMES評価の変化で詳しく扱っています
  • 2026年4月20日：OPC Foundationが、430超のOPC UAコンパニオン仕様をRAG・MCP・AI支援エンジニアリングに最適化した形式へ変換するプロジェクトを発表しました。産業標準そのものがAIエージェントの知識ベースとして再パッケージされ始めたという意味で、単発の製品発表より射程の長い動きです（詳細はOPC UAのAI対応）
  • 2026年6月1日：SiemensがAIオーケストレーション基盤Intelligence Center Xを発表。ローコード（Mendix）・ナレッジグラフ・AIスタジオを統合し、AIエージェントを人間のワークフローに組み込む際の監査可能性とポリシー統制を提供すると位置づけています。MES本体にAIを詰め込むのではなく、AI層を別レイヤーに切り出した構成です
  • 2026年8月11日：RockwellがPlex QMSとFactoryTalk Analytics VisionAIの統合を発表。AI外観検査の品質管理への組み込みに加え、CADファイルから作業手順書を自動生成するAIオーサリングエージェントを打ち出しました

実装のパターンとしては、①MES内蔵の対話UI（自然言語でのKPI照会）、②特定業務のエージェント（手順書生成・外観検査・レポート生成）、③MESの外側のオーケストレーション層、という3層への分化が読み取れます。この整理は産業AIの3層分化で個別に論じています。

ここから言えるのは、「MES×AIエージェント」はコンセプト段階を過ぎ、製品と標準の両面で具体化が始まったこと。同時に、ベンダー自身が監査可能性・ポリシー統制・human-in-the-loopを前面に出していることから、「勝手に実行させない」設計が業界の共通前提になっていることです。

任せられること・まだ任せられないこと

2026年時点の製品実装と、私たちの導入支援の現場感覚を合わせると、線引きは次のようになります。

分類仕事の例判断
照会・要約「昨夜の不良の上位要因は」「このロットの経緯をまとめて」への回答任せられる。誤答しても人が確認してから動くため、被害が閲覧で止まる
文書のドラフト生成作業手順書の下書き、逸脱報告書の下書き、シフト引継メモの要約任せられる（承認は人）。生成物を人がレビューして確定する前提
検知・分類外観検査の判定補助、アラームの優先度付け、異常の予兆検知条件付きで任せられる。判定基準の検証と、疑わしい場合に人へ回す設計が前提
分析・原因候補の提示歩留まり低下の要因候補の提示、ボトルネックの指摘条件付きで任せられる。「候補の提示」までで、対策の決定は人
実行の提案スケジュール変更案、パラメータ調整案の起案境界線上。案の生成までは可。適用の承認は人に残す
業務トランザクションの実行実績の自動登録・訂正、指図の変更、在庫の引き落としまだ任せるべきでない。誤りが記録の完全性を直接壊す
統制の解除ホールド解除、品質判定、逸脱時の出荷可否任せるべきでない。権限と責任の所在が制度上も人に紐づく仕事

表の上から下へ行くほど、誤りのコストが「読み直せば済む」から「製品と記録が壊れる」へ増えていきます。線を引く基準は技術的な精度ではなく、誤った場合に誰が気づけるか、取り消せるかです。照会の誤答は使った人が気づけますが、深夜に自動実行された実績訂正は、誰も気づかないまま監査証跡だけが残ります。

なぜ「実行」はまだ渡せないのか──精度の問題だけではない

「モデルの精度が上がれば実行も任せられるようになる」という見立ては、半分だけ正しいと考えています。実行を渡せない理由は精度のほかに、構造的なものが3つあるからです。

第一に、責任の受け皿がない。 誤投入をエージェントが見逃した場合、責任はモデルの提供者か、導入したSIerか、運用した工場か。この整理は契約実務としてまだ固まっていません。人の作業者なら教育・資格・承認という既存の制度で責任が構成できますが、エージェントにはそれに相当する枠組みがまだありません。

第二に、MES側の統制設計が「人が操作する」前提で作られている。 権限、画面、承認フロー、監査証跡は人の操作単位で設計されています。エージェントが1秒に何十件も操作できる世界では、「承認」や「ダブルチェック」という統制の粒度そのものを設計し直す必要があります。Gartnerが信頼メカニズム（観測性・human-in-the-loop）を選定基準に挙げ、SiemensがIntelligence Center Xでポリシー統制を看板にしているのは、この設計問題が業界の主戦場になっている証拠と読めます。

第三に、失敗時の復旧手段が未整備。 人の誤操作には訂正の手順がありますが、エージェントの連鎖的な誤操作（誤った前提で複数の指図を書き換える等）を検出し、巻き戻す運用は確立していません。ここが整うまでは、実行系は「案の生成＋人の承認」で止めるのが合理的です。

なお、これらが今後2〜3年でどう解けていくかは推測の域を出ませんが、方向としては「エージェント専用の権限クラスと証跡形式が製品機能として整備され、低リスク操作から段階的に自動化される」と私たちは見ています。これは推測であり、現時点の製品発表で確認できる事実ではないことを明記しておきます。

導入する側の準備──エージェントより先にデータとAPIを整える

「どの製品を選ぶか」より先に効くのが、自社側の受け入れ準備です。Gartnerの「レガシー刷新が先」という指摘は、実務では次の3点に具体化できます。

  1. データの意味を機械が読める状態にする。 エージェントの回答品質は、MESのデータそのものより「このコードは何を意味するか」というマスタ・コード体系の整備水準で決まります。不良コードが「その他」だらけ、同じ設備が拠点ごとに別名、という状態では、どんなモデルを載せても答えは出ません。これはAI以前にKPI管理・拠点間比較を妨げている問題と同一であり、投資が二重に回収できる領域です
  2. APIでの入出力経路を確認する。 画面スクレイピングでしか外部からアクセスできないMESは、エージェント統合の出発点に立てません。現行製品のAPI公開範囲、そしてベンダーのMCP対応の計画を確認してください。ベンダーへの質問として「MCPへの対応方針」は、2026年時点で回答の具体性がベンダーの本気度をよく映す質問になっています
  3. 小さく測れる業務から始める。 最初の適用先は、効果が測定可能で、誤りが閲覧で止まる業務──シフト引継の要約、逸脱報告書のドラフト、日次レポートの自動生成──が定石です。「工場全体をAIで最適化」から入る構想は、Gartnerの言う「派手な機能ではなく測定可能な成果」の逆を行くことになります

ベンダー各社のAI戦略はレイヤー構成に個性が出ており、たとえばSiemensはMES本体・SaaS・AI層・データ層を分離する構成を採っています（Siemensの4層戦略参照）。選定時は「AI機能の有無」ではなく、自社が上の3点を整えたときにどの層で接続できる設計かを比較するほうが、数年後の選択肢を広く保てます。

よくある質問

今すぐ投資すべきですか、待つべきですか？

「エージェント製品への投資」と「受け入れ準備への投資」を分けて判断してください。前者は製品の世代交代が速く、様子見にも合理性があります。後者──コード体系の整備、API経路の確認、データの意味づけ──は、どのベンダーのどの製品が主流になっても無駄にならず、AIを使わなくてもKPI管理と拠点間比較の改善として回収できます。迷う場合、後者だけ先行させるのが後悔の少ない選択です。

自社の古いMESでもAIエージェントは使えますか？

「MES内蔵型」は製品のバージョンアップが前提になるため、古いMESでは選択肢が狭まります。一方、MESの外側に置く構成（データを吸い上げて照会・文書生成に使う）は、データを取り出す経路さえあれば技術的には可能です。ただしその経路がDB直接参照しかない場合、整合性・性能・保守性のリスクを抱え込むため、まずAPIまたはデータ連携基盤の整備が先です。古いMESの延命判断全体の中で、AI対応可否を刷新判断の一要素として扱うのが現実的です。

「AIエージェント搭載」を謳う製品のデモで、何を確認すべきですか？

デモの見栄えは判断材料になりません。確認すべきは、①エージェントの操作権限をどう制限できるか（読み取り専用に絞れるか）、②エージェントの動作がどう記録されるか（誰の名義で、どの証跡に残るか）、③誤答・誤動作時の停止と巻き戻しの手段、④回答の根拠表示（どのデータを参照したか）、⑤自社データでの精度検証の方法と費用、の5点です。この5つに具体的に答えられる製品は、社内の稟議・監査への説明もそのまま組み立てられます。