設備図面をAIに読ませる 日東工業と日本IBMの見積自動化
要約
日東工業と日本IBMが進める設備図面からの見積情報抽出を手がかりに、マルチモーダルAIを製造業の業務へ組み込む手順を整理します。人の確認、既存システムとの接続、効果測定まで導入時の判断軸を解説します。
海外では、画像や文書を同時に扱うマルチモーダルAIの業務利用が議論されています。製造業では、設備図面を読み取って見積情報へ変換する取り組みが、より具体的な導入テーマになり得ます。
日東工業と日本IBMの事例は、図面読解をAIへ渡すだけでなく、営業や設計の業務へ戻す道筋を考える材料です。ここでは公開された取り組みをもとに、導入時の確認点と効果の測り方を整理します。
この記事の対象読者
図面を起点に見積を作る業務では、紙やPDFの情報を業務データへ変換する場面が発生します。次の課題を抱える企業や組織が対象です。
- 図面から見積を作る製造業
- 見積業務がベテランに集中している企業
- 設備設計や営業の人手不足に悩む企業
- 紙やPDFの図面を業務データ化したい企業
- 画像AIの導入効果を現場で測りたい組織
図面読解が見積の入り口になる理由
日東工業の発表を報じた日経によれば、同社は日本IBMの支援を受け、設備図面から分電盤の見積情報を抽出するマルチモーダル生成AIアプリを開発し、運用を始めました。図面の読み取りと情報抽出を、見積業務の前段に置く構成です。
図面には、見積に必要な部材や仕様に関係する情報が含まれます。担当者は図面を確認し、必要な項目を拾い、見積作成の手順へ情報を移すわけです。
この作業をAIが支援すると、担当者はすべての情報を最初から探すのではなく、抽出結果を確認して修正する役割へ移れます。作業の中心を「読む」から「確認して判断する」へ動かせるかが、導入設計の分かれ目です。
- 入力、紙やPDFなどの設備図面
- 抽出、見積に必要な部材や仕様に関係する情報
- 確認、担当者による読み違いと不足情報の確認
- 接続、見積書や既存の業務手順への反映
日東工業と日本IBMの取り組み
日本IBMは、図面のような画像情報と、見積に必要な項目を扱うマルチモーダルAIの構築を支援しました。日東工業は、そのアプリを使って設備図面から分電盤の見積情報を抽出し、運用を始めたと発表しています。
日経の報道では、アプリは図面の読み取りから見積作成に必要な情報の抽出までを支援します。狙いは営業業務の効率化と人材不足への対応。
ここで押さえたいのは、AIの出力をそのまま確定値にする前提ではないことです。見積に使う情報として妥当かを担当者が確認し、必要なら修正してから次の業務へ進める設計が現実的でしょう。
- 図面をAIへ入力し、対象箇所を読み取らせる
- 見積に必要な情報を項目ごとに抽出する
- 担当者が図面と抽出結果を照合する
- 修正内容を反映して見積作成へつなぐ
この流れなら、AIの誤りを人が見つけるだけでなく、どの項目で修正が起きたかも記録できます。確認結果を蓄積すれば、対象にする図面の範囲や入力ルールを見直す材料になります。
効率化と人材不足への接続
日東工業と日本IBMの取り組みについて、公開情報が示している成果は、図面の読み取りから見積情報の抽出までを支援するアプリを運用し、営業業務の効率化と人材不足への対応を狙っていることです。削減時間や精度などの具体的な成果数値は、公開情報からは確認できません。
そのため、自社で効果を測るときは、導入前後の印象だけで判断しないことが必要です。AIが何件処理したかより、担当者が何を確認し、どの修正を行い、見積が次の工程へ進んだかを追います。
| 測定する対象 | 確認する内容 | 判断に使う場面 |
|---|---|---|
| 作成時間 | 図面受領から見積案の作成まで | 業務の短縮を確認する |
| 確認工数 | 担当者が抽出結果を照合した時間 | 人の負担を確認する |
| 修正内容 | 不足や読み違いが起きた項目 | AIの改善対象を決める |
| 対応範囲 | 図面形式や見積項目の種類 | 展開できる業務を判断する |
導入効果は、AIの読み取り性能だけでなく、確認後の見積業務がどこまで滞りなく進むかで測ります。営業担当者や設計担当者が確認しやすい表示になっているかも、現場での利用継続に関わるポイントです。
製造業で再現するための条件
図面AIを別の製造業へ展開する場合、最初から全図面を対象にする必要はありません。頻繁に扱う図面と、見積で繰り返し使う項目を選び、確認の流れまで小さく設計します。
- 対象図面を絞る、形式と用途が比較的そろう図面から始める
- 抽出項目を定める、見積に必要な情報と不要な情報を分ける
- 確認者を決める、修正の判断を誰が担うか明確にする
- 履歴を残す、AIの出力と人の修正を後から追えるようにする
- 接続先を決める、見積書や既存システムへ渡す形式をそろえる
特に確認責任の設計を後回しにすると、AIの結果を誰も確定できない状態になりやすいでしょう。担当者が修正した内容を記録しない場合、同じ誤りが起きても改善の手がかりを失います。
展開の判断では、処理件数を増やす前に、対象図面の種類を広げても確認工数が許容できるかを見ます。精度が高く見えても、例外処理が多ければ現場の負担が増えるかもしれません。
自社導入で詰まりやすい箇所
自社で進める場合、図面の形式をそろえる作業、見積項目の定義、確認結果を既存業務へ戻す接続で詰まりやすくなります。日東工業の事例からも、抽出対象を決めるだけでなく、見積業務の前後まで確認しておく必要があるでしょう。
- 紙とPDFの図面を、同じ入力条件として扱えない
- 担当者ごとに、見積へ必要と考える項目が異なる
- AIの修正結果を、既存の見積様式へ戻せない
外部の支援を使うと、図面の読み取りだけでなく、現状の業務を分解して対象範囲を決める作業を並行できます。要件と確認責任を先に整理できれば、AIの試作が業務から切り離されにくくなるでしょう。
BinxAI株式会社 | みっちゃくん
BinxAI株式会社のみっちゃくんは、提案の前に現場へ入り、課題の整理と現状の診断を済ませてから要件を固めます。図面AIのように、入力データと既存業務の接続を見極めたい場合に、企画から開発まで同じ担当が一気通貫で対応します。
見積は一式で示さず、要件を整理したうえで詳細を出します。契約後に要件が動いた場合も、決めた範囲の中で優先順位を入れ替えて進められます。
- 課題の整理と現状の診断
- 要件定義と設計
- 開発と本番環境への展開
- 運用の引き継ぎと内製化の支援
- 担当者向けの研修
企画や課題整理から開発までをつなげ、運用の引き継ぎと内製化まで支援します。料金は案件ごとに範囲が変わるため、公式ページと無料相談で確認できます。
よくある質問
図面をAIに読み込ませれば見積は自動で完成しますか？
自動完成を前提にせず、抽出結果を担当者が確認する業務として設計します。見積に使う情報の確定には、図面との照合や例外への判断が残る可能性があります。
マルチモーダルAIは通常の画像認識と何が違いますか？
マルチモーダルAIは、画像だけでなく文字や指示など複数の情報形式を組み合わせて扱うAIです。図面を見て、見積に必要な項目として整理する用途では、抽出後の業務設計も合わせて検討しましょう。
最初にどの図面を対象にすればよいですか？
頻繁に扱い、見積項目が比較的定まっている図面から始めます。図面形式のばらつきが大きい場合は、形式ごとに確認工数と修正内容を分けて記録するとよいでしょう。
AIの効果は何を見れば判断できますか？
作成時間だけでなく、抽出結果の確認工数、修正項目、対応できた図面の範囲を見ます。AIが処理した件数と見積業務が完了した件数を分けると、判断がしやすくなるでしょう。
人手不足への対応につながりますか？
日東工業と日本IBMの取り組みは、人材不足への対応を狙いの一つに置いています。自社での効果は、担当者がAIの出力を確認した後に、他の見積や営業業務へ時間を振り向けられるかで確かめます。
日東工業と日本IBMの事例は、設備図面から見積情報を抽出するAI活用を、製造業の業務変革へつなげる取り組みです。自社で始めるなら、対象図面、抽出項目、人の確認、既存業務への接続、効果測定を一つの流れとして決めるところから始めます。
この記事の分類
同じ分類の記事をまとめて読めます。
次に読む記事
純国産LLM「tsuzumi 2」を学校業務へ 茨木市の実証から学ぶオンプレミスAI導入条件
茨木市とNTT西日本が始めたtsuzumi 2による校務AI実証をもとに、オンプレミス環境での文書検索と要約の評価方法、企業が先に決めるデータ境界と人の確認手順を整理します。
AI推進無料診断で会社の現状と次の一手を具体的に考える方法
AI推進無料診断を、ツール導入の可否を決めるだけのチェックで終わらせないための進め方を解説します。業務、データ、体制、成果指標を整理し、診断結果を小さな検証と次の行動へ変える判断軸を紹介します。
Google WorkspaceをClaudeで編集する前に決めること
AnthropicがClaudeからGoogle Docs・Sheets・Slidesを扱える連携機能を発表しました。導入前に決めたい対象ファイル、権限、変更履歴、人によるレビューの置き方を整理します。
