東京製鐵株式会社が挑む、一人ひとりの生産性向上への道 ― AI コーディングツール Kiro の全社導入で、スタッフが自ら業務システムを内製する文化へ

本ブログは東京製鐵株式会社様とアマゾン ウェブ サービス ジャパン合同会社が共同で執筆しました。

こんにちは。AWS の犬塚と山澤です。国内最大手の電炉メーカーである東京製鐵株式会社（以下、東京製鐵）では、一人ひとりの生産性向上に向けて、AI コーディングツール「Kiro」を全社に導入し、現場の従業員が自らの手で業務システムを内製する取り組みを進めています。本ブログでは、東京製鐵の皆さまに、Kiro 導入の背景や具体的な活用、成果、今後の展望について伺いました。

東京製鐵について

東京製鐵は、鉄スクラップを電気炉で溶かして鋼材を製造する、国内最大手の電炉メーカーです。1934 年の創立以来、田原・岡山・九州・宇都宮の 4 工場で、ホットコイル、厚板や H 形鋼などを供給しています。従業員数は 1,161 名（2026 年 3 月 31 日現在）、売上高は約 3,267 億円で、電炉法による資源循環型のものづくりを通じて、脱炭素社会の実現にも貢献しています。

導入の背景 ― 分散する情報と、外部委託に頼る開発

東京製鐵は、「TSSF2030（Tokyo Steel Smart Factory 2030）」のもと、全社スマートファクトリー推進プロジェクトを、安全・環境・品質・カーボンニュートラルに続く 5 本目の柱に掲げています。中期的な目標は、2030 年の年間生産量 600 万トンを 2021 年の人員数で達成する体制をつくることです。そのために、一人ひとりの生産性をいかに高めるかが大きなテーマとなっていました。

一方で、事業の成長とともに業務システムやノウハウが工場・部門ごとに発展してきた結果、情報が分散し、横断的に把握するには手間がかかっていました。加えて、システム開発は外部委託が中心で費用も大きく、「作りたいもの」があっても、なかなか形にできない状況でした。

もともと東京製鐵では、生成 AI の活用に早くから取り組んでいました。社内向けには、Amazon Bedrock を活用した生成 AI 基盤として、AWS がオープンソースで公開している「Generative AI Use Cases（GenU）」を運用しています。2025 年 11 月には、情報システムセンターのメンバーが、AI コーディングツール Kiro を使い始めました。これが、東京製鐵での Kiro 活用の始まりです。

最初の用途は、開発ではなく調査でした。工場の計算機は多くの機能がつながり合う大きな仕組みで、不具合が起きると、原因の箇所を絞り込むだけでも手間がかかっていました。そこで、関係する資料を Kiro に読み込ませ、調べる手がかりにしました。当初は半信半疑だったといいます。自分たちで正しさを確かめられる範囲に絞って修正を任せ、その結果を一つずつ検証しました。こうして Kiro に任せられる範囲を見極めながら、2026 年 4 月にかけて、情報システムセンターの中で使う人が少しずつ増えていきました。

全社への広がり ― 常務執行役員自らの手応えから

全社に広がるきっかけは、常務執行役員の國米 博之様ご自身の体験でした。國米様は、田原工場長として工場を率いるとともに、品質管理と情報システムの部門を管掌しています。ある金曜日の夕方、レポート作成に行き詰まっていた國米様は、管理部 制御システム課で Kiro を活用していた横山 拓海様から「今からでも Kiro を覚えて、Kiro でやった方が早い」と勧められました。使い方を教わりながら 2 時間ほどでレポートの作成方法を理解し、それ以来、國米様は Kiro を使い続けています。

AWS：その体験から、どのように全社へ広げていったのですか。

國米様：ちょうど情報システムセンターから、Kiro を全社の情報システム係で活用していくための講習を開きたいという相談がありました。他社の AI の活用や社員教育のニュースを見て、自分はどうしたらいいかと悩んでいたところでした。チャット型の AI と Kiro の違いや、それぞれでできることを教えてもらえる講習だったので、情報システム担当者だけでなく、全社のスタッフに AI の教育として受けてもらおうと考えました。Kiro の使い方だけを聞くのではなく、チャット型との違いを学べば、使い分けができるようになると思ったからです。

こうして東京製鐵は 2026 年 6 月から、全社向けの概要説明会と、各拠点での体験会を開催しました。概要説明会には、全社から約 200 名の参加申し込みがありました。体験会では、情報システムセンターと各工場の情報システム係が利用者の登録や当日のフォローを担い、AWS も内容づくりと進行をお手伝いしました。

AWS：数ある生成 AI ツールの中で、Kiro のどこに手応えを感じられましたか。

國米様：Kiro は、ワークスペースにステアリング（Kiro に守ってほしいルールを書いておく機能）が残るので、作業がしばらく途絶えても、そこから再開できます。言い方を変えると、ながら指示や隙間時間の活用が増えますが、一息入れる時間は減少して、脳疲労を起こしそうです。チャット型だと、レポートを作っている途中で、前に教えたことを忘れてしまう。プログラムを書いたことのない私たちのようなアマチュアこそ、こちらの方が絶対にいいと思います。

AWS：これだけ短い期間で、Kiro が全社に広がった理由は何だと思われますか。

國米様：要因の一つは、「使いなさい」と強く求めたことです。AI で仕事を効率化できれば、一人あたりのこなせる仕事の量は大きく変わります。使える人は、使えない人の何倍もの仕事をこなすことになり、評価も変わってくる。だから、そのための環境は用意するから全員使いなさい、と伝えました。部長・課長には、まず自分たちが使いこなせるところまで行きなさい、と言っています。使いこなしていないと、部下の仕事を見て「ここは AI でアプリ、システム化できる」と助言できないからです。講習で教わった通り、上位の役職の者ほど Kiro 活用の量・質とも高くなる理由は、普段から戦略を立て、部下に業務指示をすることに長けているからです。AI は優秀な部下であるというのは、まったくその通りだと考えています。

國米様は職場を回りながら、Kiro に作業をさせている画面を見つけては声をかけ、良いものを作っている人を褒めて回ったといいます。作られたものが増えてきた 2026 年 7 月には、工場のスマートファクトリー推進委員会の場で作品発表会を開き、各部署から推薦された取り組みを発表しました。「私自身も、こんな使い方ができるんだと勉強になった」と國米様は振り返ります。この会が刺激となって活用はさらに加速し、今では、工場や部署を問わず、Kiro で作られた仕組みが次々と生まれています。

安心して使うための仕組み ― 利用者のスピードを止めずに

全社展開に向けて、利用のルールづくりと環境の整備を担ったのが、情報システムセンター 課長の大島 友嗣様と、同センターの関 勇輝様です。國米様からの「スピードを緩めるな」という指示を受け、お二人は約 1 週間で、利用者の勢いを損なわずに安全を確保する運用を整えました。

当初は、Kiro の「ステアリング」に全社共通のルールを書き込んで運用しました。その後、Kiro の権限設定が強化されて細かな設定ができるようになると、ステアリングと権限設定を組み合わせる形に移しています。各部署の事務所スタッフは安心して作ることに専念し、社内への公開や既存システムとの接続は情報システム担当者が支える。こうした役割分担で運用しています。

導入後の利用状況も、継続して確認しています。利用の記録を社内の組織情報と結び付けたダッシュボードを作り、拠点や部署、課長などの役職ごとに利用状況を見られるようにしました。大島様は、システムは導入して終わりにせず、どれだけ根付いたかを定期的に確かめることが大切だと話します。数字にも、定着の様子が表れています。情報システム部門を除いた集計でも、Kiro を使う人は 7 月の 149 人から 9 月の 192 人に増え、使用率は 63.9% から 82.4% に伸びました。

現場で生まれた成果

東京製鐵で Kiro を使っているのは、立場も経験もさまざまな方々です。プログラム開発の経験を持つ技術者は、Kiro によって開発の速さと規模を大きく広げています。一方で、プログラムを書いたことのない各部署の管理職や担当者も、自らの業務の困りごとを解決する仕組みを次々と形にしています。國米様は、その違いを次のように話します。

國米様：僕らアマチュア（プログラム未経験者）は仕事の中で、それぞれが困っていることを単発でやる。プロ（開発経験者）は展開できる作業があって、エージェントを 3 人ぐらい雇ったように、いくつもの作業を並行して進めています。

開発の経験を生かしているのが、事例 ①のクレーンの自動化を手がけた、管理部 制御システム課 主任の伊藤 仁志様です。もう一人、制御システム課 情報システム係の横山様は、現場で作られた仕組みを社内に広げる仕上げを担っています（後述）。

一方、事例 ②〜④は、プログラムを書いた経験のない方々が作ったものです。事例 ④では、國米様ご自身が作った全社標準文書管理システムを紹介します。

事例 ①：溶けた鉄を運ぶクレーンの自動化 ― 60 日分の開発を 1 日で

伊藤様が取り組んでいるのは、溶けた鉄を入れた鍋（レードル）を運ぶクレーンの自動化です。さまざまな障害物がある中で、重く高温の荷を運ぶ操作には、オペレーターに高い緊張感が求められます。人の操作では、停止位置や移動時間にもばらつきが出ていました。

伊藤様が作った仕組みでは、タッチパネルで行き先を選ぶだけで、クレーンが工場内のレイアウトや高さ制限を踏まえて経路を自動で選び、荷の振れを抑えながら走ります。鍋を載せる・下ろす瞬間など、人が担うべきところは人が操作し、それ以外の移動を自動にすることで、オペレーターの負担を減らすことを目指しています。安全に関わる設備のため、AI によるシミュレーションの結果を人が確かめたうえで、慎重に試運転を重ねています。計算した走行時間（約 182 秒）は、実際に走らせた結果とほぼ一致しました。

開発の進め方にも工夫があります。伊藤様は、Kiro に一度に多くを任せず、「ここだけを考えてください」と範囲を絞って課題を与えました。まず物理計算をさせ、それが成り立つなら制御プログラム（ラダー）を生成させ、PC 上でシミュレーションさせる。その結果を人がレビューしてから、実機に反映します。制御プログラムの決まった書き方は、サンプルを直してはフィードバックする形で、3 日ほどかけて Kiro に教え込みました。

その結果、通常は 1 つにつき 10 日ほどかかるプログラムの部品（モジュール）6 つを、Kiro は 1 日で書き上げました。60 日分の作業が 1 日になった計算です。動作の検証（デバッグ）も、1 か月近くかかる作業が 1 日ほどで済みました。ほかの工場でクレーンの自動化を検討した際には、外部に依頼する見積もりが 4,000〜5,000 万円でした。それだけの規模の仕組みを、自分たちで形にしたことになります。今は、ここで得た考え方を「ノウハウ台帳」として残し、電気炉の壁に耐火物を吹き付ける装置など、ほかの設備への展開も進めています。

事例 ②：設備保全の計画づくりと図面検索 ― 1,322 項目の計画をワンクリックで、20 分の図面探しを数秒に

生産部 製鋼設備課 課長の菅野 利光様の職場では、設備を健全に保つため、設備ごとに点検・交換・給油などのルールと周期が決められています。その数は製鋼工場だけで 1,322 項目。これまでは、人がその周期を一つずつカレンダーに割り振り、Excel に打ち込んで計画を作っていました。

菅野様は、社内で「過去の Word や Excel のデータを Kiro に読み込ませて分析した」という共有を見て、自分たちの台帳でもできるのではと考えました。既存のデータを Kiro に読ませ、「ワンクリックで計画を作りたい」と伝えたところから始まり、改善を重ねて今はバージョン 55 になっています。年間の生産計画を取り込むと、電気炉の稼働回数に応じた年間・月間の保全計画が自動でできあがり、実績を入れると次回の予定が計算されます。予備品の在庫も、同じ画面から探せるようになりました。

菅野様は、図面探しにも Kiro を使いました。設備メーカーから受け取った図面と社内で作った図面は、合わせて約 2 万 7,000 点にのぼります。ファイル名は英数字だけで、開いてみないと何の図面か分かりませんでした。人の手で名前を付けてきましたが、5 年かけても 3 分の 1 ほどしか進んでいませんでした。1 枚の図面を探すのに 20 分かかることもありました。

そこで菅野様は、図面の PDF に書かれた名称や部品表を Kiro に読み取らせ、データベースにしました。英語の名称を訳すだけでは直訳になってしまうため、社内の設備管理システムにある 1 万件以上の用語から部品名の辞書を Kiro で作り、照らし合わせています。今では、メーカーをまたいで図面を数秒で探せるようになり、役員や部長も自分で図面を確かめてくれるようになりました。

思わぬ発見もありました。図面がないと思い込み、現場で 1 週間かけてスケッチしていた設備の図面が、実はデータとして残っていたのです。次の世代が同じ苦労をしなくて済む、技術の伝承にもつながる仕組みです。

事例 ③：操業の切断指示 ― 人の手で書き足していた注意点を自動で

生産部 製鋼課 係長の野中 由寛様は、操業のたびに、鋼片をどの幅・長さで何本切るかという指示を現場に配っています。これまでは、届いた指示に、幅の切り替えや本数、成分の条件といった注意点を人が書き足し、毎週金曜の夜から週末の分を何枚も作っていました。人の手で作る以上、抜けやミスの心配がありました。

野中様が Kiro で作った仕組みでは、元のデータを読み込むと、これまでの指示をもとに注意点が自動で書き込まれます。現場はチェックを入れながら作業を進め、取り漏れを防げます。品質の検査票も計画から自動で作られ、予定外に操業が途切れたときも、切った鋼片が次の工程のどの注文に使えるかを提示してくれます。

事例 ④：國米様自らも作り手に ― 品質文書を管理する仕組み

國米様ご自身も、作り手の一人です。全社標準（品質）文書の制定・改廃まで管理できるシステムを探しても見当たらなかったため、Kiro で自ら作り上げました。文書の申請・承認の流れに加え、ある文書を改訂したときに影響を受ける文書や、引用している規格を一覧でき、表記ゆれの点検もできます。「一つの文書を改訂したときに、影響する文書がないかを確かめるのは、人ではなかなか難しい」と國米様。プログラムは 7 万 6,000 行に及びます。

プログラムを書いた経験がなくても、なぜ作れたのか

プログラムを書いた経験のない方々が、ここまでの仕組みを作り上げられた背景には、いくつかの共通点があります。

一つ目は、作り手が、その業務の困りごとを一番よく知る本人であることです。國米様は、作り手を動かしているのは「めんどくさい」という思いだと話します。何に手間がかかり、どうなれば楽になるのかが分かっているからこそ、Kiro に頼むことがはっきりします。菅野様の保全計画も、Kiro が作った叩き台を自分たちの使い方に合わせて直し続け、今のかたちになりました。最初の一歩も、プログラムを書くことではありませんでした。保全計画も切断指示も、始まりは手元の Excel や Word を Kiro に読み込ませて分析することです。きっかけは、「手元のファイルを Kiro に読ませれば、分析までできる」という國米様からの一言でした。

二つ目は、Kiro と会話しながら作り進められることです。作りたいものを伝えると、Kiro はできることとできないことを答え、質問を返しながら作業を進めます。画面を切り取って貼り付け、「こんなミスがある」と伝えれば、同じようなミスを探して直します。

三つ目は、社内に広げる段階を支える担い手がいることです。各部署の方々が作った仕組みをほかの人も使えるようにするには、利用者の ID の発行や社内への公開、工場の計算機との接続が必要です。各部署は自分の業務の課題を形にすることに集中し、情報システム担当者が社内に広げる。この役割分担によって、一人の工夫が社内に広がっていきます。

ほかにも広がる活用

活用の場は、事例で紹介した業務の仕組みづくりにとどまらず、設備の検証や経営の判断、全社のデータ活用、既存システムの資産解析にまで広がっています。

技術の検証にも使われています。排ガスダクトの設備改造では、菅野様が図面と条件を Kiro に読み込ませ、ガスの流れをシミュレーションしました。結果をうのみにせず、根拠となった文献 22 点も示させて、裏付けを確かめています。

経営の判断にも生かされています。設備やシステムへの投資では、見積もりや契約の内容に自社にとって不利な点がないかを Kiro で確かめ、判断の根拠を揃えています。

全社が同じ数字を見て判断するための仕組みづくりも進んでいます。全社のデータ基盤では、生産計画を取り込むと、日々の生産実績や月末の見込み、原料在庫の推移を確認できます。入力の手間と情報のずれをなくすことが狙いです。

既存システムの資産解析にも使われ始めています。対象は膨大な量のプログラム資産で、すべてを人の手で読み解くのは現実的ではありません。情報システムセンターの関様は、Kiro Crew のスケジュールや繰り返しの機能を使い、解析を自動で回す仕組みを作りました。解析が一区切りすると Kiro が結果を確かめ、資料の不足や誤りの指摘があれば、解析のプログラムを直して再び走らせます。解析の途中で出てくる大量の確認事項にも Kiro が一つずつ答えるため、人が付きっきりにならなくても、精度を高めながら解析が進みます。これまでなら外部に頼むしかなかった規模の作業を、自分たちの手で進めています。

今後の展望 ― 作ったものの価値を測り、全社で生かす

國米様が次に見据えているのは、作ったものの価値を測ることです。國米様が Kiro で作った評価のアプリをもとに、横山様が、社内のアプリを登録するカタログ「TokyoAppStore」に仕上げました。どんなものを作り、どれだけの時間を減らせたかを、同じ基準で評価して一覧にします。作っている途中のものも登録し、同じ仕組みを別々に作ることを防ぐ役割も持たせています。

國米様：海外のニュースでは、すでに、株主が会社を評価するときに AI をどう活用しているかも見るようになっているようです。成果をお金や時間で表せるようにしておかないと、「AI を導入しました、活用しています」と言っても、企業活動としてどうなのか、ということになる。そこまでつなげたいと考えています。

評価とあわせて、作ったものを全社で生かす仕組みも整えています。完成した仕組みの置き場として、「ツールポータル」も用意しています。必要な人はほかの工場からも使うことができ、作った人に機能追加の要望を出すこともできます。一人ひとりの工夫を、全社の生産性向上につなげていく考えです。

情報システム担当者の役割も変わり始めています。「作ってほしい」という依頼より、「作ったものをどう共有すればいいか」という相談が増えました。今後は、各部署が作ったものを、確認後に自動で公開できる仕組みを整えていく考えです。

まとめ

東京製鐵は、AI コーディングツール Kiro を全社に導入し、外部委託が前提だった業務システムの開発を、各部署のスタッフが自らの手で担う文化へと転換しました。経営層が自ら使い、「まず使いこなす」ことを求め、情報システムセンターが安心して使える土台を整えたことで、プログラムの専門家ではない各部署の方々が、クレーンの自動化から設備保全、図面検索まで、自分たちの業務を変える仕組みを生み出しています。AWS は今後も、一人ひとりの生産性を高めていく東京製鐵の挑戦を支援してまいります。

著者について