設計・開発AIは4つの分野に分かれる
設計・開発で使われるAIは、何を入力して何を出すかで4つに分けると整理しやすくなります。
| 分野 | 入力 | 出力 | 代表的な技術・製品 |
|---|---|---|---|
| 生成設計 | 荷重条件、拘束、製造方法 | 形状の候補 | トポロジー最適化、Autodesk Fusion等 |
| CAE代替モデル | 形状・条件のパラメータ | 応力・流れなどの予測値 | GNN（MeshGraphNets）、ガウス過程 |
| 図面AI | 2D図面の画像・PDF | 寸法、公差、GD&T、材質 | VLM（画像と言語を扱うモデル）、CADDi等 |
| 設計ナレッジ | 過去の設計書、不具合記録、規格 | 検索結果、検図の指摘、回答 | RAG、ナレッジグラフ |
この4つは成熟度も、必要なデータも、効果が出るまでの期間も違います。まとめて「設計AI」と呼ぶと、PoCの目的や期待値がずれます。
短期で効く：図面AIと設計ナレッジ
図面AIは、紙やPDFの2D図面から寸法・公差・材質を読み取り、見積、調達、検図に使うものです。研究では、パラメータ数0.23Bの小型VLM（Florence-2）を専門家が注釈した図面400枚で調整したところ、GD&T情報の抽出でゼロショットのGPT-4o・Claude-3.5-Sonnetのうち良い方よりF1が52.40%（相対値）高かったと報告されています（Khanら, 2024年11月）。汎用の大型モデルより、少数の自社図面で調整した小型モデルが勝つ場面があるということです。実務では、CADDiが図面を軸にした調達・設計資産の検索サービスを提供しています。詳しくは図面AIで扱います。
設計ナレッジは、過去の設計書、不具合記録、社内規格をRAGで検索可能にし、設計レビューや検図を支援するものです。日立は2026年9月、3D CADの設計ルール違反を自動でチェックする「設計ナレッジシステム」を提供開始したと発表しています。国内では新晃工業とABEJAが空調機などの設計で自動検図の検証を始めています（2026年9月）。
この2分野が短期で効きやすいのは、既にある図面と文書を材料にでき、効果を見積・検図の工数削減という分かりやすい指標で測れるからです。
中期で効く：CAE代替モデル
CAE代替モデル（サロゲートモデル）は、過去の解析結果で機械学習モデルを学習し、新しい形状や条件の解析結果を数秒で予測するものです。DeepMindのMeshGraphNets（ICLR 2021）は、GPU上で構造力学の解析を89倍、翼周りの圧縮性流体を289倍、円柱周りの流れを35倍速くしたと報告されています（CPUでは4〜22倍）。
ただし、学習に使った解析の範囲から外れた形状では予測が外れるため、最終判定は従来のCAEで行います。学習には数百〜数千ケースの解析結果が必要で、過去の解析データが整理されて残っている企業でなければ、学習データを作るところから始めることになります。中期と位置づけるのはこのためです。仕組みはCAE代替モデルで扱います。
条件付きで効く：生成設計
生成設計は、荷重条件や拘束を与えると、軽くて強い形状の候補をAIが作るものです。GMとAutodeskのシートブラケットは、従来品より40%軽く20%強く、8部品を1部品に統合したとAutodeskが紹介しています。Airbusは2016年、A320の客室仕切りを従来設計より45%（30kg）軽くしたと発表しました。
これらの事例の多くは、金属3Dプリンタなどの積層造形（AM）を前提にしています。生成設計が出す有機的な形状は、切削や鋳造では作れないか、コストが合わないことがあります。量産品に適用するには、製造方法の制約を条件に入れて形状を絞る必要があり、その分だけ効果は縮みます。詳しくは生成設計を参照してください。
どこから始めるか：データの有無で決める
4分野のどれから始めるかは、自社に既にあるデータで決めるのが現実的です。
- 2D図面がPDFや紙で大量にあり、見積や調達で読み取りに時間がかかっている → 図面AI
- 過去の設計書や不具合記録が文書で残っていて、設計レビューで同じ指摘が繰り返されている → 設計ナレッジ
- 同じ種類の解析を何百回も回していて、結果が整理されて保存されている → CAE代替
- 積層造形の導入予定がある、または軽量化が製品価値に直結する → 生成設計
設計データをMESや生産側とつなぐ視点も欠かせません。図面の公差や材質は、製造の検査規格や調達の品目マスタと対応しています。設計AIで読み取った情報を品目コードと紐付けて保存しておけば、製造側の品質分析や原価計算にも使えます。
よくある質問
生成AI（ChatGPTなど）で設計はできますか
汎用の生成AIは、設計の考え方の整理や文書作成には使えますが、強度や公差を保証した形状を出すことはできません。設計AIの多くは、生成AIとは別の専用技術（最適化、サロゲートモデル、図面認識）で動いています。
中小企業でも設計AIは使えますか
図面の読み取りや検索のサービスはクラウドで提供されているものが多く、比較的始めやすい分野です。CAE代替や生成設計は、解析データや専門人材が必要になるため、受託開発やベンダーとの共同検証から入ることが多くなります。
- Fine-Tuning Vision-Language Model for Automated Engineering Drawing Information Extraction（Khan et al., arXiv 2411.03707, 2024-11-06）
- Learning Mesh-Based Simulation with Graph Networks（Pfaff et al., arXiv 2010.03409）
- General Motors customer story（Autodesk）
- Pioneering bionic 3D printing（Airbus, 2016-03-03）
- 日立のプロダクトとドメインナレッジで新たな価値を創出 フィジカルAI（MONOist／日立スポンサー記事, 2026）
- ABEJA公式（2026-10閲覧）
- CADDi公式（2026-10閲覧）
この記事に出てくる用語
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
