ビルの屋上で何十年も動いている冷却塔の部品を、交換することになった。交換部品を特定するために、納めたときの図面を確かめたい。ところが、手元の部品表にある番号で探しても、必要な1枚にたどり着けない。そんな場面を考えてみます。

福岡市の空調機器メーカー・空研工業は、1956年の創業から冷却塔や制気口(空調の吹き出し口・吸い込み口)などをつくり、納めた設備の保守も続けてきました。手元には70年以上分の図面と技術資料があります。ただ、年代によって形式も表記もばらばらで、保守に必要な1枚を探すのに、数十分から1時間、時には半日かかっていました。

同社はAI開発会社のRecursiveと共同で、OpenAIのAPIを使った図面検索のシステムをつくりました。2026年11月4日の発表によると、福岡工場での試用では、図面探しが平均4.5分になったといいます(数字はいずれも開発会社の発表によるものです)。

この事例は、速くなった話としてだけ読むと、大事なところを見落とします。このシステムは、番号がぴったり合う図面だけでなく、番号が少し違う図面も候補として出します。番号が似ていることと、目の前の冷却塔に使える図面であることは、同じではありません。

番号があっても、1枚にたどり着けない

部品の図面は、部品番号で探すのが基本です。ところが空研工業では、発表の言葉を借りれば「資料ごとに表記ゆれや改訂枝番が存在するため、一般的な方法では検索や照合が難しく」、どの資料を参照すべきかは担当者の経験に頼っていました。

ここには、性質の違う2つの問題が混ざっています。

たとえば、部品表に「K-2041-B」と書かれた部品があるとします(説明のための架空の番号です)。古い図面には「K2041 B」とハイフンなしで書かれているかもしれません。これは書き方の違いで、指しているものは同じです。

一方、「K-2041-B1」「K-2041-B2」のように改訂の枝番が付いた図面は、事情が違います。改訂番号が付くのは、図面に何らかの変更があったからです。寸法が変わったのかもしれませんし、使う材料が変わったのかもしれません。番号はほとんど同じでも、どの版がその設備に合うかは、番号を見ただけでは決められません。

書き方の違いは、機械でも吸収できます。一方、改訂で内容が変わっている場合は、番号の近さだけでは使えるかどうかを決められず、納めたときの仕様などと照らし合わせる必要があります。ただ、空研工業の担当者が実際に何を手がかりに選んでいたかは、発表には詳しく書かれていません。

AIは図面を読み直し、近い番号まで並べる

新しいシステムは、まず70年以上分の図面や技術資料から、部品番号や型式、寸法といった情報を抜き出し、検索できるデータベースに組み直しています。そのうえで、部品表などのファイルをアップロードすると、AIがそこから部品番号を抜き出し、対応する図面のページを探します。

探し方について、発表は「完全一致だけでなく、改訂番号の違いや文字列の近さを考慮した候補も提示」すると書いています。さっきの例でいえば、「K-2041-B」で探したときに、「K2041 B」も「K-2041-B2」も候補に並びうる、ということです。候補のページはプレビューで表示され、元の資料とあわせて画面で確かめられます。

システムの設計の前提として、発表は「AIが探索・比較を支援し、技術者が元資料を確認して最終判断を行う」と明記しています。候補を出すのはAIで、その設備に使う1枚を決めるのは技術者です。

近い番号まで候補に出すのは、書き方の違いで必要な図面を取りこぼさないためには理にかなっています。ただ、その分だけ、改訂の違う図面も同じ画面に並びます。候補を早く出せるようになっても、「どの版か」を見分ける判断がなくなるわけではありません。

分けて考えたい、取り違えと候補漏れ

候補を出す検索では、起こりうる失敗を2つに分けて考えたいところです。空研工業で実際に起きたという話ではなく、この種の仕組みで想定しておきたいリスクです。

1つ目は、候補の中から違う版を選んでしまうことです。番号がほぼ同じで、図面の見た目も似ていれば、急いでいるときほど取り違えやすくなります。元の資料を確実に確かめるには、確認の手順に加えて、候補どうしの違いや元の資料を確かめやすい画面も要ります。取り違えが起きたときは、読み取り、候補の出し方、人の選び方のどこに原因があったかを分けて調べる必要があります。

2つ目は、必要な図面が、そもそも候補に出てこないことです。AIが図面から番号を正しく読み取れていなければ、検索で拾われないおそれがあります。発表が、今後の課題に古い図面や手書き注記の読み取り精度の向上と、データの整備を挙げているのは、この点と関係しているはずです。

システムには、「工場仕切通知書」と外形図や納入仕様書を比べて食い違いを示す、図面チェックの機能もあります。こちらについても発表は、手書きの注記やレイアウトの誤りを「すべて網羅するものではなく、最終的には技術者が判断」するとしています。チェックの結果を判断に使うなら、何を検出でき、何が限界かを確かめ、人が補う範囲を決めておく必要があります。

4.5分は分かった。まだ公表されていない数字がある

この事例は、まだ途中です。

4.5分は福岡工場での試用段階の平均で、何件を対象にした数字かは公表されていません。年間約90%の工数削減は、昨年度の実績をもとにした試算です。本格的な導入は、2026年内に福岡・千葉の両工場で目指しています。読み取り精度とデータ整備に加えて、セキュリティやアクセス権限の運用を検証することも、今後の課題に挙がっています。

そして、ここまでの話からすると、探す時間と同じくらい知りたい数字があります。正しい図面を選べた割合と、必要な図面が候補から漏れた件数です。どちらも今回の発表には書かれていません。すでに検証している可能性もありますが、導入を検討する側としては、時間の短縮と併せて確かめたい情報です。探す時間が縮んでも、違う版の図面で部品を手配すれば、手戻りによって短縮した時間が失われるおそれがあります。

また、平均4.5分という時間に、技術者が候補から選んで確かめるところまでが含まれるのかどうかも、発表からは分かりません。

古い資料をAIで探すなら、時間と一緒に測りたいこと

番号や書き方が年代ごとに変わってきた資料は、図面に限りません。古い契約書、過去の見積書、昔の製品の仕様書。こうした資料をAIで探せるようにしたいという相談を受けたとき、PIMOAなら、検索の速さと一緒に、次の3つを担当者と確かめたいと考えています。

  • 似た候補の「違い」の種類: 候補に出る違いが、書き方の違いなのか、改訂などで内容が変わった違いなのか。後者が混ざるなら、どこを見て版を見分けるかを決めておく
  • 選んだ資料が正しかったか: 正解の資料が分かっている案件を使い、探す時間に加えて、正解が候補に含まれたか、最終的に正しく選べたか、判断を保留したかを分けて記録する
  • 選んでよい人: 版の違いを見分けられる人は誰か。その人がいないときに、ほかの人が選んでよい資料と、確認を回す資料を分けておく

冒頭の冷却塔に戻ると、担当者に要るのは、番号が似た図面ではなく、その冷却塔の部品交換に使える1枚です。福岡工場の試用では、図面探しが平均4.5分で終わったと発表されています。そして、候補からその1枚を選ぶのは、技術者が元の図面で確かめて行う、というのがこの仕組みの前提です。速さの次に確かめたいのは、正しい図面を選べたかどうかです。

参考文献・資料

Recursive「OpenAI Advanced PartnerのRecursive、空調機器メーカーの空研工業向けに、70年分の図面資産を活用した図面検索効率化などを支援するAIシステムを開発」(PR TIMES、2026年11月4日)
MONOist「AIで過去図面を検索、資料探索を平均4.5分に短縮し年間工数90%削減へ」(2026年11月6日)