製品の複雑化、市場投入期間の短縮、品質確保への要求――
これらが同時に高まる製造業。
競争力を左右するのは、製品ライフサイクル全体のデータとAIの融合だ。CADとPLM(Product Lifecycle Management=製品ライフサイクル管理)を軸とした設計支援や自動化、部品の再利用、さらにはAIエージェントがシステムを横断するデジタルエンジニアリングの未来とは。
2026年9月29日、東京国際フォーラムにて開催された「Nikkei xTECH Industry Project 2027」にて、PTCジャパンの財前紀行氏が解説した。
品質を落とせない製造業、
変革の起点は「製品データ」
約40年前、3次元CADを起点に事業をスタートしたPTC。その後、社内に蓄積される設計情報を一元的に管理し、組織全体で活用できるよう、PLMソリューション「Windchill」を提供してきた。現在はソフトウエア開発ライフサイクル管理を行う「Codebeamer」や、フィールドサービス管理を行う「ServiceMax」などへ事業領域を拡大。世界で約7000人の従業員を擁し、産業機械、電機・ハイテク、自動車をはじめ、形ある製品を生み出す幅広い製造業を支援している。
講演の冒頭、PTCジャパンの財前氏は製造業が置かれた現状を、「複雑さとの闘い」と表現した。財前氏自身も設計に携わってきた経歴を持つが、以前に比べて検討しなければならない項目が増えていると語る。「現在の製品は多くの機能がソフトウエアで制御され、機能の追加や変更もやはりソフトウエアによって行われます。世界中から最適な部品や資材を調達する必要があり、AIの活用やサステナビリティへの対応も欠かせません」(財前氏)
企業間競争が激しくなる中、市場投入までの期間を短縮し、コストを抑えながら品質を維持することが求められる。従来よりも取り組むべきことが増える一方で、製品をより早く市場へ投入し、コストを下げなければ競争力を保てない。こうした状況においても、「最も大切なのは品質です。品質の悪い製品を世の中に出すことはできません」と財前氏は強調する。
課題を解く鍵は、製品データにある。かつて設計図面は紙で作成され、図面庫で保管されてきた。今では、ほとんどの設計関連資料がデジタルで作成される。重要なのは、それらを単に保存するのではなく、「製品」というまとまりで整理し、必要な人がすぐに利用できる状態にすることだ。
「過去の製品データへ迅速にアクセスできれば、コストの削減だけでなく、製品の差別化や市場投入期間の短縮にもつながります。DXというとAIなどの新技術に目が向きがちですが、その根本にあるのは、まずデータをきちんと蓄積することです」(財前氏)
CAD設計を支援するAI、
助言から設計の自動化へ
PTCが掲げる「IPL(インテリジェント製品ライフサイクル)」は、製品の定義、設計、計画、生産、サービス、保守までを製品データでつなぎ、その循環をAIによって高度化する考え方だ。市場で稼働する製品のサービス情報を分析し、問題の多い部品を特定。その結果を設計へ戻し、仕様変更やテスト条件の作成、解析、製造BOMの更新までを一貫して進める。
そして製品ライフサイクルの中でも、AI活用が先行している領域の一つがCADだ。そこでは、設計者を手作業から解放することが期待される。設計者は、創造的な設計だけでなく、寸法の記入や条件設定、エラーへの対応などにも多くの時間を費やしている。AIがそうした作業を担えば、設計者は代替案の検討や製品価値の向上に、より多くの時間を振り向けられる。
「例えばAIに『サービス上、最も問題になっている部品は何か』と尋ねると、交換頻度が高く、交換作業にも時間を要している部品を示してくれます。その情報を設計データへ戻し、部品をどう変更するかを検討します。さらには、仕様を満たしているか確認するためのテスト条件も生成できます」(財前氏)
また設計者が納期通りに設計を終えるだけで精一杯という業務状況に陥り、複数の案を比較する時間が取れないこともある。財前氏は、そうした場合でも「AIに多くの案をつくらせ、それらを比較検討することで、より良い製品を設計できます。無駄な時間を減らし、設計者が本来の力を発揮できる仕事に集中してほしいと考えています」と説明する。
PTCでは、CADにおけるAI活用を「アドバイス」「アシスト」「オートメイト」の3段階で整理している。最初の「アドバイス」は、質問に答えて操作方法などを示す段階で、企業の設計データにはアクセスしない。次の「アシスト」では、AIが現在のモデルを参照し、モデルの状態に応じた具体的な支援を行う。そして「オートメイト」では、AIがモデル自体を変更する。
「解析を実行して条件不足のエラーが出たときは、AIに聞けば何が問題で、どう修正すればよいかを手順として教えてくれます。初めて行う作業であれば、『代わりにやって』と頼むこともできるようになります。このように、エンジニアの作業を止めないことが重要です」(財前氏)
ここで財前氏は、長さや角度の異なる3本の配管に「ほぼ同じ長さにする」という条件を与えると、AIがどのように処理するのか? というデモを紹介。そこではAIが各配管の寸法変更と測定を自動的に繰り返し、条件を満たした配管から処理を完了させていった。
「AIは設計成果物そのものを変更します。そのため、人が結果を確認した上で次へ進める仕組みが必要です。AIがどこを変え、変更前と変更後で何が違うのかを明確にしています。こうした支援によって、設計者の日常業務を60~70%効率化できる可能性があります」(財前氏)
PLMの検索を高度化し、
システムを横断して動くAIへ
AIは形状の修正だけでなく、設計案そのものの生成にも使われる。必要な強度や重量、使用可能な領域、製造方法などの条件を与えると、AIが複数の形状を提示する。金型による製造と3Dプリンターによる製造では適した形状が異なるが、それぞれの条件に合う候補を生成できる。
「例えば必要な強度を満たしつつも、できるだけ軽量な部品をAIに求めれば、その条件に合う形状をつくります。最終的には人が候補を比較し、良いと判断したものを次の工程へ進めます。設計は、人が一から形をつくる方法から、条件を与える『プロンプト設計』へと変わりつつあります」(財前氏)
PLMの領域でもAIの活用が進む。代表例が、過去につくられた類似部品の検索だ。「AIが類似部品を教えてくれれば、単に検索時間が短くなるだけでなく、後工程まで含めた無駄を減らせます」(財前氏)。新たに設計した部品に似たものがPLM内にないかをAIが探し、形状の共通点や相違点を色分けして提示。既存部品を流用できれば、部品情報の登録や発注、加工プログラムの作成など、部品を新規製造することで発生する作業を回避できる。
文書検索も大きく変わる。従来は、部品番号や属性など、登録時の条件を把握していなければ、目的の情報へたどり着くのが難しかった。AIを活用すれば、「このサイズのねじの締め付けトルクを知りたい」と自然言語で質問するだけで、作業標準などから該当する数値を抽出できる。
「回答の根拠となった文書も示されるため、利用者は出典を確認しながら業務に活用できます。まさに、インターネット上で行っているような検索が、設計データを蓄積したPLMでも可能になるのです」(財前氏)
PTCジャパンが描いているのは、個別のソフトウエア内で作業を完結させるのではなく、一つの業務目的に沿って複数のシステムを横断し、必要な処理を連続的に実行する構想だ。
財前氏は最後に、「将来はエージェント同士が会話し、AIが複数のシステムをつないでいきます。利用者がソフトウエアごとに作業するのではなく、一つの目的を達成するために必要な一連のタスクを、AIが支援する形を目指しています」と展望を述べた。
関連リンク




