突撃!となりのAI

空研工業、70年分の図面資産をAIで検索する新システム

OpenAI APIの活用で探索工数を約90%削減

(左から)技術部 担当副部長の大楠孝行氏、取締役 福岡工場 工場長の楢木鷹次氏、メンテナンス部 メンテナンス室 係長の前田泰宏氏

 産業用冷却塔および空調機器メーカーの空研工業は、過去の膨大な図面や仕様書を瞬時に検索できる「AIナレッジ基盤システム」を開発し、11月中に本格稼働を開始する。

 同システムはOpenAIのAPIを活用し、OpenAIのパートナー企業であるRecursiveと共同で構築したもの。これまでベテラン技術者の記憶や手作業に頼っていた図面探索の時間を約1/10へと圧縮し、年間工数の約90%削減を見込むとともに、製造現場における技術継承の加速を狙う。

70年分の「廃番にしない」図面資産と技術継承の壁

 創業70周年を迎えた空研工業は、大型商業施設やテーマパーク、オフィスビルなどに使われる産業用冷却塔で国内シェア約55%、空調機器で約30%といずれも国内首位を誇るメーカーだ。取締役 工場長の楢木鷹次氏によれば、同社のものづくりの大きな特徴は、顧客の要望に徹底して応える姿勢から過去製品をほとんど廃番にしない点にある。工場のメンテナンス部門では、顧客から営業経由で寄せられる部品交換や改修の依頼に対し、40〜50年前(昭和40〜50年代)に納入した製品の図面までさかのぼって交換部品の選定や改造設計を行なっている。

工場内で組み立てられる産業用の冷却塔

 しかし、長年にわたり蓄積された数万枚規模の図面資産は、管理方法の変遷によって分散していた。1995年頃までは手書きで図面が作成されており、A4ファイルにして5000〜6000冊分に及ぶ紙の図面が書庫に保管されていたほか、基幹システムであるBOM(部品表)も約20年ごとのシステム更新のたびにデータが分断されていた。2026年9月の新事務所移転を機に紙図面のスキャンによるPDF化を進めていたものの、単なる画像データとして保存しただけでは目的の図面を探し出すのに多大な労力を要していた。

取締役 工場長の楢木鷹次氏

 さらに深刻だったのが、少子高齢化に伴う採用難と技術継承の課題。楢木氏は、従来の現場には「先輩の背中を見て技術を盗む」という職人気質が色濃く残っており、教える経験を持たないベテラン社員は指導時に要点を飛ばして説明してしまう傾向があったと振り返る。若手社員にとっては質問しづらい雰囲気もあり、どのフォルダや書庫に目的の図面があるのかをベテランに聞きながら、目的の資料を探すだけで、1案件あたり40分〜1時間、場合によっては半日を費やすことも珍しくなかったという。

OpenAIへの直談判から始まったゼロからのシステム開発

 こうした状況を打開するため、楢木氏は2025年10〜11月頃、自らOpenAIの問い合わせ窓口に連絡を入れた。製造業における暗黙知の継承を重視するOpenAI Japanからパートナー企業のRecursiveを紹介されたことを契機に、地方の製造業の現場課題に寄り添う形でゼロからのシステム開発が始動した。

部品表や部品番号から関連する図面を検索できる「AIナレッジ基盤システム」

 新システムは、メンテナンス部の業務フローに最適化されており、担当者が部品表のPDFやCSV、あるいは部品リストを撮影したスクリーンショット画像などを画面上にアップロードすると、OpenAI API経由でAIがOCRや画像・構造認識機能を用いて部品番号と部品名称を自動で読み取ってリスト化する。検索を実行すると、数万点の図面データの中から該当候補が抽出される仕組みだ。

 単なる部品番号の完全一致だけでなく、設計変更に伴って末尾のアルファベットが更新された改訂番号や、サイズ違いなどの近傍番号までもスコア付きで提示できる。担当者はスコアの下限や抽出上限を調整して候補を絞り込めるほか、リスト化した各部品について最も一致度の高い先頭結果の図面を一括でPDF出力する機能も備えている。一方で、AIが誤った図面を拾う可能性も考慮し、最終的な仕様の照合や改造設計の判断は技術者自身の目で行なう運用を徹底しているという。

部品表から必要な部分のスクリーンショットを作成し、「AIナレッジ基盤システム」に貼り付けて検索できる

 Recursiveによれば、CADの導入以前の手書きの図面も多数存在しており、0(ゼロ)とO(オー)の識別などをいかに正確に行なえるかといった難しいタスクもあった。OCR単体やLLM単体では業務に耐えうるスピードとコストを両立できないため、プロンプトエンジニアリングとモデル選定で最適化を図りつつ、開発途中で登場した最新モデルなども活用しながら高い投資対効果を実現できたという。なお、実装にあたっては、Codexを全面的に活用したとのことだ。

探索時間は10分の1に圧縮、ベテランの指導も「設計の本質」へ進化

 メンテナンス部での先行試用では、劇的な業務効率化が確認されている。これまで1案件あたり40分〜1時間かかっていた図面検索作業は平均4〜5分へと約1/10に短縮されたという。メンテナンス部全体の年間工数に換算すると、従来約1,550時間を要していた作業が約155時間へと約90%削減される試算となる。

 一般的に、AI導入によって出力結果の確認作業が増え、かえって現場の負担が増す「AI負債」が懸念されるケースも少なくない。しかし同社の場合、以前は古い紙図面と現行仕様をイチから見比べながら確認するプロセス自体に膨大な手間がかかっていたため、AIが候補を瞬時に絞り込むことで確認作業の負担そのものが大幅に軽減されたという。

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

 また、システムの導入はベテランと若手のコミュニケーションの質も変化させた。資料の保管場所を尋ねるといった初歩的なやり取りが不要になったことで、若手社員が自力で対応できる業務範囲が広がり、ベテラン技術者にも時間的な余裕が生まれた。入社40年のベテランとなるメンテナンス部 メンテナンス課 担当副部長の大楠孝行氏は、創出した時間を活用して「なぜこの構造になっているのか」「過去にどのような失敗があったのか」といった、図面だけでは読み取れない設計背景やノウハウを若手に伝える指導に注力できるようになったと語る。

他部門への横展開と、さらなる暗黙知活用に向けた展望

 システム導入による業務時間の創出は、現場社員の自発的なDX推進の機運も生み出している。メンテナンス部 メンテナンス課 係長の前田泰宏氏は、個人的な願望と前置きしつつ、営業部門が保有する現場写真付きの工事報告書をフォーマット化してAIと連携させ、過去の類似修理事例を検索できるようにしたい、という新たな構想も浮上している。

メンテナンス部 メンテナンス課 係長の前田泰宏氏

 空研工業では11月中の本格稼働を皮切りに、まずはメンテナンス部を中心に運用を定着させつつ、設計・購買・製造といった他部門やグループ全体へとAIの利活用を展開していく方針だ。今後は図面内の備考欄やキーワード検索の精度向上を図るとともに、図面以外の技術ノウハウや暗黙知の蓄積・活用へと対象を広げていく計画。長年培った70年分のアナログ資産と最新の生成AIを融合させた同社の取り組みは、人手不足に悩む日本の製造業における実践的な技術継承モデルとして興味深い。