AIエージェントによる設計自動化・CAD作業効率化の進め方

この記事では設計の中で多くの時間を占めるCAD作業を、AIエージェントにより効率化・自動化し、開発スピードを大きく向上する進め方についてご紹介します。

なぜAIエージェントによる設計自動化が製造業において必要なのか

近年、生成AIやRAG（ラグ）などのAIに関わる技術が進化し、文章や画像に関わる多くの作業を生成AIに任せられるようになりました。

一方で近年のチャットボット型の生成AIは、例えばCADを用いた形状作成やCAEを用いた解析などといった設計に関わる「作業」そのものは任せられません。

しかしながら、製造業の設計業務において大幅な開発スピードの向上や効率化のインパクトとして大きな作業領域は、特にCADやCAEを用いる作業です。なぜならそれら作業が業務時間の多くを占めているためです。

そこでいまAIエージェントが注目されています。AIエージェントは、これまでのチャットボット型の生成AIにはできなかったレベルで「作業」を自律的にこなせます。

AIエージェントは夜も休日も働くことができます。AIエージェントが当たり前になった時代ではこれまでの人数では不可能だった開発スピードが実現します。またコストや品質の在り方にも変化が生じます。

結果的に、競合との競争にも大きな影響を与える可能性があります。

AIエージェントによるCADを用いた作業は可能か

ではAIエージェントは、例えばCADを用いて形状を作成できるでしょうか。

これまでの弊社の取り組みからは、簡単な形状であればAIエージェントがCADを操作し形状を作成できることがわかっております。

それは単にマクロのような形で決まった手順でAIエージェントをただ実行するのではなく、AIエージェントが形状を認識し自律的に作業を考え作業するレベルでのタスクです。

従来よりマクロを組むことで決められたコマンドを実行することは可能でした。もちろんそれらが有効な場合もあります。しかし、人のように形状を見て理解して、どのような作業が必要かを考え、さらに複数の作業を実行し、自らアウトプットをチェックして必要に応じて修正するなどといった作業は、マクロを組むようなやり方では不可能でした。

将来、AIエージェントによるCAD操作の実行が実現できるレベルで可能になった場合、これまでのマクロとは異なり、AIエージェントが形状を把握し、作業を設計し、実行し、チェックして修正することが可能となります。

それはつまり、AIエージェントが作業を単に実行するのではなく、作業を自ら計画し、自ら判断し修正するといった、より知的かつ能動的な作業が可能となることをさします。

もちろん、AIエージェントにも用いられる大規模言語モデル（LLM）は製造業における3Dなどの形状を理解するための学習はしていないと考えられます。そのため現時点のLLMですぐに複雑な形状を作成できるわけではありません。

また主要なCADベンダーが提供するCADはMCP（Model Context Protocol）などAIエージェントと標準的な規格で通信するための機能を現時点では有しておりません。

しかしながらそれはあくまで現時点での短期的な視点における話です。中長期的にはこれら技術課題が解決され設計の仕事が今後大きく変わる可能性があります。

ではCADのAIエージェント対応をただ待っていればよいでしょうか。実はそうではありません。

競合と差がつく業務変革やデータ基盤の整備、人材育成もあわせて必要

CADのAIエージェント対応による自動設計が実現した場合、設計業務に大きなインパクトをもたらしますが、CADのAIエージェント対応だけでは設計自動化は進められません。仮にCADのAIエージェントが製品として実現されたとしても、それを利用するだけでは競争上優位に立つことはできません。競合企業もそちらの技術をいずれ使ってくることが予想されるためです。

差別化においては、これまでに蓄積された社内の設計ノウハウをAIエージェントに伝える“AIエージェントの育成”が重要です。AIエージェントにノウハウを伝えるためには、社内のノウハウについて記載された非公開のデータが必要となります。

世の中に存在するOpenAIのGPTモデルやGoogleのGeminiモデル、AnthropicのClaudeモデルがすでに知っている世界では、AIエージェントの設計のアウトプットに差は生じません。

公開データから大規模言語モデルが既に知っている領域のみでは、どの企業がそのAIモデルを使おうと、同じようなレベルのアウトプットが返ってきます。公開されているデータだけではそれほど競争上優位にたつことはできません。

このように自動設計を考える上では単にCADのAIエージェントを作ればよいというわけではなく、考えるべき要素が複数あります。他に考えられる要素の例としては、業務変革、データ基盤の整備、人とAIエージェントの役割の明確化、活動をリードできる人材などが挙げられます。

業務変革・業務をどのように変えたいか

AIエージェント時代を見据え、業務をどのように変えていくべきか、現状としてのAS-ISと、未来のあるべき姿としてのTO-BE像を描く必要があります。そのうえでギャップを明らかにしアクションを明確にします。

何を目指すのか、そのために業務を変える必要のある領域はどこなのか、さらに業務を変える必要がある領域のなかでAIエージェントを適用して効果を生み出せる見込みのある領域はどこなのか、といった整理が必要です。

AIエージェントは業務変革においてはあくまで「手段のひとつ」となります。

良いAIエージェントが仮に実現したとしても、業務が変わらなければ適切な効果につなげることはできません。目指すものを実現するために、AIエージェント時代において業務がどうあるべきかをまず考えるべきです。

人とAIエージェントの役割の明確化

人とAIエージェントの役割分担も明確にする必要があります。

自動設計と聞くと、人を介在せずにすべて自動的に設計が進むような姿を想像される方もいらっしゃるかと思います。「自分の仕事が全てなくなるのではないか」と危惧されるかもしれません。

ですが現時点でのAIは万能ではありません。コンピュータがこれまでできなかった作業が可能となり、開発期間の大幅な削減につながる可能性はありますが、今のAIにはできないこともあります。たとえばAIは人のように責任をとることはできません。また複数の案の中からトレードオフを考慮して結局どれにするかを決めるといった方向性を決める、設計の舵取りをするのは人です。

今後は人にしかできない設計作業に、より価値が転じることが予想されます。私たちがお客様と自動設計のプロジェクトを行う際には人とAIのそれぞれの得意な領域を明確化し、人がすべきことを明らかにします。

また、すべての作業を現時点でAIができるわけではないため、設計の仕事がすべてなくなるわけではないこともあわせてお伝えしています。

AIエージェントが利用しやすい形での権限やデータ基盤の整備

競合との差別化のために重要なのはデータです。これらデータはこれまでは人が利用できれば問題ありませんでした。

そのためAIエージェントが利用しやすい形は考慮されていませんでした。AIエージェントが当たり前になった世界ではAIエージェントがデータを利用できないことが大きな課題となります。そのためAIエージェントが利用しやすい形へと権限やデータを整備する必要があります。

データ基盤は要求にもよりますが、データレイクやデータマートなどを組み合わせたものが求められることが一般的です。あわせてデータガバナンスなどのデータマネジメントも必要となります。

社内の業務変革活動をリードできる人材の確保

活動をリードする、業務変革やAIなどに対して理解のある社内での人材も必要となります。そのためのAIの実践的なスキル習得に向けた人材育成の実施も少なくありません。

社内の普段の業務（定常業務）には慣れているものの、AIエージェントを用いた業務の抜本的な変革といったプロジェクト業務（非定常業務）に慣れておらず、リーダーが苦労する場合も少なくありません。

単に誰かを指名すればよいのではなく、その人材がすぐにそのままできるのか、仮に不足があるとしたらそれは何でありどうすればできるようになるのかといった視点が求めれます。

以上のようにCADのAIエージェントだけではなく、業務変革、役割の明確化、権限やデータ基盤、人材といった周辺がそろってはじめて、CADの領域における自動設計は可能となります。

CADのAIエージェント対応の後で周辺に着手するのでは、先に準備していた企業よりも後手に回ることになってしまいます。

つまり、CADのAIエージェント対応をただ待つのではなく、周辺において何が必要かをあらかじめ具体的に理解し、先手で周辺から行動を開始することが求められます。

AIエージェントを用いた設計自動化に向けた5つのステップ

自動設計は自動運転技術などと同様に、中長期での実現が予想される領域です。ここではステップをおいて、考えて見たいと思います。

例えば以下のような5つのステップでの進め方が考えられます。

この5つのステップのポイントは、文章データの利活用から始まる点です。Step1はRAGなどを用いた必要文章の検索や壁打ち相手、チャットボット内で完結する簡単な文章系のタスクのAIによる処理が対象です。

Step2も文章に関わる領域ですが、たとえば解析結果や要件定義書、設計仕様書、評価結果報告書など、主に文章で構成されたドキュメントをAIエージェントが自律的に作り上げるなどの作業領域です。単なるチャットボットではなくAIエージェントに設計に関わる作業を任せる段階がStep2以降です。

Step3は形状作成や形状確認・チェックに関わってきます。この段階ではまだ一部の領域における自動化です。

Step4は単なる形状作成だけではなく、設計知見を有したAIが自律的に形状を作成し設計を進めるような領域であり、過半の自動化が達成できている状態です。

Step5は本来人がすべき領域以外のAIがすべき領域において自動化が進んでいる状態です。

このように5つのステップで構成されますが、設計業務において大幅な開発スピード向上や開発効率化・工数削減が期待できるのはStep3以降のCADやCAEに関わる領域です。

そのためStep3に関わるご相談をいただく機会が増えておりますが、忘れてはいけないのがさきほどのAIエージェント以外の周辺の要素です。

業務変革、データ基盤、人材育成といった領域はStep1～2においても必要となります。CADのAIエージェント対応を待つことなく始めることができます。周辺の底固めが進むことでStep3以降へスムーズに移行できます。

なお弊社ではStep3以降もお客様と取り組んでいる事例がすでにございます。

まとめ

本記事ではAIエージェントを用いた設計自動化・CADに関わる開発効率化の進め方について解説しました。

CADのAIエージェントが可能とすることは、従来のマクロとは異なり、形状の把握や作業の計画・実行・修正といったこれまでよりも高度な作業です。また単にCAD AIエージェントを作ればよいというわけではなく、社内の独自のノウハウをデータとして取り入れAIエージェントを育成、業務変革、データ基盤の整備、人材など周辺にある複数の要素が必要となります。

電通総研では製造業におけるAIエージェントを用いた設計自動化に関する取り組み事例がございます。

本領域に課題感があり興味・関心ございましたらお気軽にご相談ください。

筆者
(株) 電通総研 AIトランスフォーメーションセンター
久保田 敏宏

※CAD：Computer Aided Design。コンピュータを使って設計や製図を行うためのソフトウェアやシステムをさす。3D CADの例としてはSiemens（シーメンス）社のNX、Dassault Systèmes（ダッソー・システムズ）社のCATIAやSOLIDWORKS、Parametric Technology Corporation（PTC）社のCreoなどがある。