AIで図面が描ける時代に、設計現場のAI活用を阻害していたのは「管理されていない過去図面」にあった
2026.06.22
ClaudeCodeで設計図面が自動生成される様子を見たことはありますか？
テキストで指示を入力すると、数秒でDXFファイルといった図面が出力されるといった技術です。
生成AIで3Dモデルを作る検証記事や論考も増え、「いよいよ設計業務のAI活用が変わる」という空気が製造業の現場にも漂い始めています。
ただ、活用機運が高まる一方で、現場からはこんな声も聞こえてきます。「実際の業務で使うにはまだ遠いのではないか？」と。この違和感は正しいと考えます。
AIで新しい図面を描くこと自体、技術的には可能になりました。しかし「自社がこれまで培ってきた設計ノウハウや過去の設計資産を踏まえた上で、AIが最適な図面を描ける」という状態にある会社は、ほとんどありません。つまり、AIに描かせる図面の質は、AIに渡せるデータの質で決まります。
そこでこの記事では、製造業のAI活用において「作図」よりも先に解決すべき、本当のボトルネックについて考察し、紹介します。
目次
AIで図面が描けるようになったが、現場では何も変わっていない
2026年現在、生成AIを使った図面作成・設計支援の事例が急速に増えています。
図面バンクによるClaudeCodeを使った作図自動化の検証では、コードを書くだけでDXFファイルが出力できることが確認できました。GeminiやChatGPTを使って3Dモデルを生成する試みも各所で行われており、「AIが設計の一部を担う」という未来は妄想の段階から実用の段階へ移りつつあります。
一方、現場の実態はどうかというと、別の景色が広がっています。
「AIを導入したい」という意欲はあっても、「AIに渡せるデータがある」という状態にはまだほど遠い。
これが多くの中小製造業の現実です。「生成AIで何ができるか」という問いの前に、「自社のデータはAIが使える状態か」という本質的な問いが突きつけられています。
大手電機メーカーでも起きた「図面データの壁」という葛藤
生成AIを使ったデータ活用が難しい理由は、中小製造業だけの問題ではありません。
日経クロステックの記事（※1）によると、ある大手電機メーカーが家電製品の制御ソフトウェア開発において、ソフトの改修内容を入力すると該当する設計書や影響範囲を生成AIが検索・リストアップするシステムの開発に取り組みました。RAG（検索拡張生成）を用いたアプローチです。
しかし当初、当初はRAGで思うように回答が得られませんでした。原因は、開発文書のテキスト情報のみを検索対象にしていた点で、開発文書の大部分を占める図や表に関する情報が欠落してしまうため、開発文書を検索する精度が上がらなかったということです。担当者は「初回の結果を見て、『生成AIはこんなものなのか』とがくぜんとした」とも話していました（※1）。
これはAIの能力の問題ではありませんでした。設計書や仕様書に多用される図や表というデータ形式が、テキストベースのAI検索では扱えなかったことが原因でした。大手電機メーカーほどの技術力を持つ企業が、最先端のAIで臨んだPoCでさえ、最初に直面したのは「データ形式」の壁だったのです。
製造業の設計現場で扱うデータの多くは、テキストではなく「図」です。寸法、形状、公差、部品の関係性。これらの情報は図面という形式に込められており、その図面を「AIが読み取れるデータ」に変換することが、設計現場におけるAI活用の本質的な課題となっています。
※1：「三菱電機がClaude 3活用で「工数4割減」、仕様書の図表解析にマルチモーダルが威力」、日経クロステック、2024年6月24日
本当のボトルネックは「作図」ではなく「過去図面の状態」
なぜ生成AI活用が難しいのか。その理由は明確です。
機械システム振興協会の「生成AI活用に向けた企業内データの整備検討フォーラム報告書」によると、「生成 AI が出力するデータ品質は、AI 学習に使うデータ、RAG に使うデータの形式と量に依存する。」という内容が指摘されています。
つまり、AIによるアウトプットの質は、AIに渡すデータの質によって決まるということです。
言い換えると「過去図面が整理されていない会社でAIを使っても、AIは自社の設計標準を学習できない。設計標準を学習していないAIが提案する設計は、一般論にすぎない」という実態です。
2026年2月に開かれた製造業分野の生成AI活用イベントにおいても「過去のデータを流用できるにもかかわらず、それを探し出せずに再度設計してゼロから図面を作ったり、見積もり作業をしたりするのは非効率的だ」という指摘がされました（※2）。こうした課題は、AIを使う使わない以前の問題として製造業全体に存在しています。
「AIで新しい図面を描く」という話は魅力的です。
しかし製造業のAI活用における本当の価値は、過去の設計資産をAIが活用できる状態にして「同じ設計の繰り返しを減らし、過去の知見を次の設計に活かす」ことにあります。
そのためには、過去図面そのものが「AIに渡せる状態」になっていることが求められます。
※2：「CADにも生成AI機能が搭載される時代 人手不足の製造業向け、AI活用アイデア3選」、キーマンズネット、2026年2月25日
「管理されていない過去図面」が引き起こす3つの損失
過去図面が整理されていない状態を放置すると、AIブームが加速するほど以下の3つの損失が大きくなると考えられます。
損失①：AIが自社の設計標準を学習できない
生成AIを設計業務で活用する際、最も効果が出るのは「自社の過去図面を学習させた上で類似設計を提案させる」という使い方です。しかしこの使い方は、過去図面がデジタル化・構造化されていなければ実現しません。整理されていない過去図面を抱えている会社は、汎用的なAIの使い方しかできず、自社固有の設計資産を活かし切ることが困難です。
損失②：類似図面を探せず、同じ設計を繰り返す
New Innovationsの調べ（※3）によると、「図面を過去案件に再利用できていない企業では、図面検索に「1時間以上かかる」と回答した割合がそうでない企業の約5倍」に達しています。AIで設計を自動化しようとしても、参照すべき過去図面がどこにあるか分からなければ、ゼロからの設計が繰り返されます。
損失③：ベテランの技術がAIに移転できないまま消える
製造業における技術継承問題は長年の課題ですが、生成AIはこの問題の解決策として期待されています。ただし「ベテランの技術をAIに学習させる」ためには、その技術が図面、仕様書、設計判断のコメントという形でデータに残っている必要があります。紙図面やバラバラのファイルサーバー、口頭で伝えるだけの設計ノウハウでは、AIを使った技術継承は困難と言えるでしょう。ベテランが退職する前にデータを整備しておかなければ、AIを活用した技術継承には不安が伴いやすくなります。
AIを活かすために、今からやるべきデータ整備の順番
では、企業は何から取り組めばよいのでしょうか。AIを使う前のデータ整備について、3ステップで整理します。
Step①：紙図面・散在したデータをデジタル化する
最初のハードルは「そもそも図面が検索できる形になっているか」という問いです。紙図面が残っている場合はスキャンやPDF化が先決です。ファイルサーバーに散在したDXFやPDFは、まず一箇所に集めることから始まります。AI-OCRという技術を活用すると、スキャンした紙図面から品番、材質、寸法などの文字情報を自動読み取りしてテキスト検索の対象にできます。
Step②：形状で検索できる状態にする
次は「品番が分からなくても探せる」状態を作ります。これがAI類似図面検索の役割です。図面の形状をAIが解析し、類似した過去図面を引き出せる状態になると、「あの図面どこだっけ」という検索時間がなくなり、類似設計の流用が日常的にできるようになります。この段階で初めて、生成AIに「この形状に似た設計を参考に新しい図面を提案してほしい」という指示が意味を持ちます。
Step③：設計情報と関連書類を紐づけて構造化する
図面と、そこに紐づく見積書、工程指示書、検査成績書、変更履歴が一元管理されている状態になると、AIが参照できる情報の質が飛躍的に上がります。「この部品の過去の加工コストは？」「前回この形状で不具合は出たか？」という問いにAIが答えるためには、図面だけでなく関連情報が構造化されていることが必要です。
AIブームに踊らされる前に、足元の図面を整える
2026年現在、製造業向けのAIツールは急速に増えています。
作図AIもあれば、設計支援AIも、検図AIもある。しかし大手電機メーカーのPoC事例が示すように、どれだけ高度なAIを使っても、入力するデータが整っていなければ期待した結果は出ません。
投資すべきは高度なAIツールよりも先に、過去図面が「AIに渡せる状態」になっているかどうかの確認と整備です。AIブームの中で問うべきは「どのAIを使うか」ではなく「自社の図面はAIに渡せる状態か」です。
その問いに「まだ整っていない」と感じた方は、まず図面管理の整備から始めることをおすすめします。
図面バンクでは、AI活用に向けた図面のデータ基盤整備を、初月無料で始められます。
AIに渡せる状態の過去図面を作るための具体的な機能と料金は、資料でご確認ください。
