製造業で長年蓄積されてきた図面や技術資料は重要な資産だ。一方で、歴史が長ければ長いほど、紙の図面、過去のシステム、現在のシステムなどに情報が分散し、“必要な情報を探し出す”こと自体が大きな負担になる。

冷却塔や空調機器を手がける空研工業も、そうした課題を抱えてきた。同社は約70年にわたり蓄積してきた図面をAIで横断的に検索できるシステム「AIナレッジ基盤システム」を、OpenAI、Recursiveとともに開発。これまで40分~1時間程度を要していた図面検索を、試算では平均約4.5分まで短縮できる見込みだという。

しかし、同社がAIによって解決しようとしているのは、図面を探す時間だけではない。熟練者の高齢化や人材獲得が課題となる製造業で「先輩の背中を見て覚える」ことで受け継がれてきた技能を、どのように次世代へつないでいくのか。

空研工業の取り組みからは、AI時代の技能伝承における「AIに任せる仕事」と「人間に残す仕事」の境界も見えてくる。今回、同社の福岡工場(福岡県宮若市)を取材した。

  • 空研工業の福岡工場

    空研工業の福岡工場

紙、旧システム、現行システムに分散した70年分の図面

空研工業は福岡県を拠点に約70年にわたりものづくりを続けてきた。同社が手がける冷却塔は、水や液体を冷却するための設備で、大型施設や工場などで利用される。同社によると、冷却塔の国内シェアは約55%、空調機器は約30%で、いずれも国内首位だという。

長い歴史を持つ一方、冷却塔をはじめとした図面管理が課題にもなっていた。空研工業 取締役 工場長の楢木鷹次氏は以下のように述べている。

「当社も、世間でいわれている製造業の問題を同じように抱えていました。多くのことを人の手で行い、勘と経験に頼る。『先輩の背中を見て覚える』という文化が色濃く残っていました」(楢木氏)

  • 空研工業 取締役 工場長の楢木鷹次氏

    空研工業 取締役 工場長の楢木鷹次氏

その象徴の1つが図面というわけだ。製造業ではBOM(Bill of Materials:部品表)などの基幹システムが使われるものの、システムには更新が伴う。長年にわたって事業を続ける中でベンダーやシステムが変われば、すべてのデータをそのまま新システムへ移行できるとは限らない。

その結果、空研工業では紙として残っている古い図面、以前のシステムに残されたデータ、現在のシステムに登録されたデータなどが併存していた。楢木氏は「紙で残っているものもあれば、以前使っていたシステムに取り残されたものも、新しいシステムに登録しているものもある。図面を探しに行く場所が多岐にわたっていました」と話す。

対象となるのは数万枚の図面だ。古いものには青図面や手書き図面も含まれる。なぜ、そこまで古い図面を残しておく必要があるのだろうか。

空研工業では、新製品に切り替えたからといって、古い製品への対応を単純に終了するわけではない。顧客から「以前と同じものが欲しい」という依頼があれば、数十年前の製品でも可能な限り対応する。

空研工業 メンテナンス部 メンテナンス課 担当副部長の大楠孝行氏によると「昭和40~50年代の製品でも、現在になって部品交換の依頼が来ます。しかし、その時代にはCADがありませんから、どうしても手書きの図面を使うことになります」という。

大楠氏は入社から40年以上のベテラン社員だ。CAD導入以前から同社の図面と向き合っており、同社でCADが導入されたのは1995年ごろで、それ以前の図面は手書きが中心だった。

5000~6000冊の紙ファイル、図面検索を阻んだアナログ管理

こうした図面を探し出す作業は、現場に大きな負荷をかけていた。空研工業では、紙で保管されていた図面が数万枚、A4サイズのファイルにして約5000~6000冊に達していた。空研工業 メンテナンス部 メンテナンス課 係長の前田泰宏氏は、従来の作業について次のように話す。

「分厚いファイルに保管された紙の図面を1枚ずつ探して、必要な図面を抜き取り、コピー機で印刷してようやく1枚揃います。別の部品が必要になれば、また別のファイルを探しに行き、1枚見つけて印刷する。その繰り返しでした」(前田氏)

物理的な移動も発生した。大楠氏は「以前の事務所では私たちが2階にいて、書庫は3階にありました。図面を探すたびに書庫へ行く必要があったので、その時間ももったいなかったですね」と振り返る。

この状況を変える最初の一歩が、紙図面のデジタル化だった。同社は紙の図面をスキャンしてPDFなどのデータへ移行し、過去図面の保管場所を決めてPCから確認できるようにした。ただし、この段階ではAI活用まで想定していたわけではない。

同氏は「今回のようなシステムを作ることはまったく想定していませんでした。単純に『紙での保管をやめよう』『PC上ですべての図面を見られるようにしよう』という目的でした」と話す。つまり、空研工業の図面検索はこの1年ほどで「紙の図面→PDF化→AI検索」という2度の変化を遂げた。

図面検索を平均約4.5分に、年間工数は約90%削減を試算

AI活用の契機となったのは、製造現場をさらに合理化できないかという問題意識だった。楢木氏によれば、最初からAIありきだったわけではないという。

同氏は「まず、従業員ができるだけ楽に仕事ができる環境を作りたい、という思いがありました。その選択肢の1つがAIでした。幅広く検討する中で、AIにはいろいろなことができそうだというポテンシャルが明らかにあったので、優先度を高めたということがあります」と、AI活用の経緯を説明する。

  • 空研工業 メンテナンス部 メンテナンス課 担当副部長の大楠孝行氏

    空研工業 メンテナンス部 メンテナンス課 担当副部長の大楠孝行氏

同社はOpenAIの問い合わせ窓口に直接相談し、OpenAI Advanced PartnerのRecursiveの紹介を受けた。そこでOpenAI APIを活用し、図面検索機能を備えたAIナレッジ基盤システムの開発を進めた。

Recursiveは、AI技術を活用したシステム開発などを手がける企業で、今回のプロジェクトではAIを用いた図面情報の抽出や構造化、検索・活用の仕組みの構築を支援した。また、同社はシステムの開発工程でOpenAIの「Codex」も活用した。AIを利用するシステムそのものだけでなく、その開発プロセスにもAIを取り入れた形だ。

システム自体はWebアプリケーションとして構築する一方、図面などから抽出したデータを蓄積するデータベースはオンプレミス環境に配置した。必要な情報を抽出・構造化したうえで、その一部のみをWebアプリケーション側で扱う構成とし、社内に蓄積したデータをすべて外部へ送信する仕組みにはしていない。

これにより、社内に蓄積された図面や技術情報をオンプレミス側で管理しながら、必要な範囲で生成AIを活用できるようにしている。AIナレッジ基盤システムでは、これまで異なる場所に存在していた図面を検索対象とし、必要な図面へたどり着けるようにした。

  • AIナレッジ基盤システムのUI。部品表などのファイルをアップロードすると、過去の図面データからの候補ページやそのプレビューを表示する

    AIナレッジ基盤システムのUI。部品表などのファイルをアップロードすると、過去の図面データからの候補ページやそのプレビューを表示する

同システムの導入により、大きな削減が期待されているのが検索時間だ。従来、1件の図面を探すために40分~1時間程度かかることがあったが、試作段階では平均約4.5分まで短縮。年間約1550時間を費やしていた作業を約150時間へ削減し、年間工数を約90%減らせると試算している。

ただし、これは本格稼働後の実績値ではない。取材時点では試作段階のデータをもとにした試算であり、本格展開後に実績データを蓄積していくとしている。

  • 工場仕切通知書と外形図・納品仕様書などをアップロードすると、AIが差分を検知し、比較結果を画面に表示

    工場仕切通知書と外形図・納品仕様書などをアップロードすると、AIが差分を検知し、比較結果を画面に表示

AI図面検索で変わる技能伝承、ベテランの「記憶」への依存を減らす

AIナレッジ基盤システムがもたらす変化は、単なる時間短縮だけではない。これまで図面検索そのものが、ベテランの経験と記憶に依存していたからだ。大楠氏は「図面番号や名称によって年代はある程度分かります。ただ、古くなればなるほど複雑になります」と話す。

ベテランであれば「この年代のこの製品なら、あそこを探せばいい」と分かる。しかし、若手には、その勘所がない。同氏は「ベテラン社員は、どこへ行けば図面があるか分かっていますが、若手社員には分からない場合もあります。その部分は、今回のAIである程度解消できたと考えています」と効果を示す。

また、楢木氏は技能伝承という観点から「ベテランの人たちは教えることが嫌いなのではなく、本人たちは教えているつもりなんです。ただ、1から10まで教えなければいけないところを『1、5、10』で教えてしまう。その間は『分かるよね』となってしまいがちでした」と説明する。

若手社員は、そもそも2、3、4、6、7、8、9に何があるのかを知らない。だからこそ、楢木氏は、ここにAIの価値があるとみる。同氏は「1と5と10があれば、その間にある情報を推論して、今回のシステムであれば該当する資料や図面を出してくれる。ベテランの人にとっても教える手間を省けますし、AIを使いながら若手に教えることもできます」と述べている。

AIには「探す」を、人間には「なぜ」を

では、AIが図面や過去の資料を探せるようになれば、技能伝承もAIに任せられるのか。現場の答えは、そう単純ではない。大楠氏が若手だった頃は、先輩が描いた図面を見て、分からなければ質問し、ときには失敗してやり直しながら仕事を覚えたという。

同氏は「工場の中で収まる失敗ならまだいいですが、ときにはお客さまに納品した製品が異なり、やり直すこともありました。そういう経験を繰り返しながら覚えてきました」と自身の経験を語っている。

その失敗は“なぜ、現在の設計がこうなっているのか”という知識につながっている。大楠氏は、現在の若手についてCADで図面を描くこと自体はできる一方で、その図面や構造が成立した背景は、図面を見ただけでは分からない場合があると指摘する。

  • 組み立て中の冷却塔

    組み立て中の冷却塔

同氏は「過去に失敗して、その経験を生かした設計になっていることがあります。背景を理解せずに設計すると、また同じ失敗をする可能性がある。『なぜこういう構造になったのか』というところまで指導していかなければいけないと考えています」と話す。

AIによって図面を探す時間が減れば、ベテランは「なぜ」を教えることに時間を使える。大楠氏は「図面を探す時間を短縮できれば、その時間を若手社員の指導に使える。今までよりワンランク上の業務を教えられるようになるのではないかと考えています」と期待している。

AIがベテランを置き換えるのではない。AIには「情報を探し出す仕事」を任せ、ベテランは「その情報がなぜ存在するのか」という、より高度な知識を伝える。同社が目指しているのは、そうした役割分担だ。現時点でも、若手だけで判断できる範囲と、ベテランへの確認が必要な範囲は残っている。

「AIで検索できる範囲であれば解消できると思います。ただ、その中に含まれていない情報については、やはりベテラン社員の力が必要です」(大楠氏)

次に狙うのは「図面の外」にあるナレッジ

AIが扱う対象を、図面からさらに広げようという発想も現場から生まれ始めている。前田氏が個人的に構想しているのが「工事報告書」の活用だ。

同氏は約2年前、東京で営業の技術支援を担当していた際、顧客向けに作成している工事報告書の存在を知った。工事報告書には、現場の状況や交換した部品などが写真とともに記録されている。

そこで、報告書のフォーマットを統一し、交換部品や製造番号などを記載。そのデータをAIで検索できるようにすれば、依頼された案件と類似した過去の工事をすぐに探せるのではないかと考えている。

「後輩に教える場面がありますが、口頭の説明では伝わりにくいことがあります。工事報告書は写真が多いので、その資料をベースに話せれば伝えやすい。私自身も『こういう現場では、こういう事象が起こりそうだ』と気付いて、設計に生かせるのではないかと思っています」(前田氏)

  • 空研工業 メンテナンス部 メンテナンス課 係長の前田泰宏氏

    空研工業 メンテナンス部 メンテナンス課 係長の前田泰宏氏

しかし、前田氏はAIナレッジ基盤システムで検索時間を減らせたことで、AIを使ってほかに何ができるのかを考える時間も増えたという。効率化によって生まれた時間が、次のAI活用を考える余白を生み始めているわけだ。

70年分の資産を「使える知識」に変えられるか

AIナレッジ基盤システムは、メンテナンス部門の課題を起点として開発されたが、空研工業は今後、購買や製造など図面を扱う他部門にも展開していく方針だ。さらに楢木氏が見据えるのは、過去70年分の情報を、新たな設計や顧客提案にも生かす姿だ。

「過去の経験則や蓄積されたナレッジから、最適解や確度の高い情報を、設計やお客さまと話している段階で取り出すことができれば、手元で必要な情報を得られるようになる。さらに『お客さまが欲しいのは、こういう情報ではないか』と推論した提案までできるのではないかと期待しています」(楢木氏)

70年という歴史の中で蓄積された図面は、それだけでは技能伝承にはならない。どこに何があるのか分からなければ、ベテランの記憶に依存した眠った資産のままだ。AIによって探す作業を減らし、若手でも過去の知識へたどり着けるようにする。そのうえで「なぜその設計になったのか」「過去に何を失敗したのか」といった背景は、人が人に伝える。

空研工業の取り組みは、生成AIによる技能伝承が、熟練者の知識をすべてAIに置き換えることではないことを示している。AIに「探す」を任せることで、人間が「教える」ための時間を取り戻す。製造業におけるAI活用の価値は、単純な作業時間の削減だけでなく、そこにあるのかもしれない。