【デジタル講座】生成AIの画像解析はここまで来た。図面から工数見積りを自動化する現実解

生成AIの進化が続く中
最近とくに注目されているのが「画像生成」と「画像解析」の分野です。

画像生成であれば、ChatGPTに写真を渡し「マンガ風に」「ジブリ風に」といった指示を
与えるだけで、AIが画像の内容を理解し、意図に沿ったビジュアルを生成してくれます。

一方、画像解析では、NotebookLMなどにURLやPDF資料を与えることで
内容を読み取り、文字情報として整理したうえで、指示に応じた分析結果を返してくれます。

まずは遊び感覚で試してみる。
そのうえで「これをどうビジネスに使えるか？」を考えることが重要です。

今回は、日々企業支援を行う中で「これはヒントになるかもしれない」と感じた
事例がありましたので、皆さんと一緒に考えてみたいと思います。

製造業における「見積り作成」という属人業務

製造業では、お客様から加工図面を受け取り、見積りを提示し、受注につなげる
この流れはごく一般的です。

大手企業であれば、ある程度の定義化・パターン化が進み、見積りを自動算出する
仕組みを導入しているケースもあるでしょう。

しかし中小企業では、営業担当や設計担当が図面を一枚一枚読み込み
経験と勘を頼りに工数を積み上げて見積りを作成するケースが今も主流です。

この見積り業務は、経験値と専門知識が求められるため
仕組み化や引き継ぎが難しく、結果として属人化しやすい業務でもあります。

私自身、前職時代にこの見積り業務の仕組み化に取り組んだ経験があります。
当時はAIという発想はなく、大量の過去データを分析し、共通点を見つけて
パターン化し、その組み合わせで見積り結果を導く仕組みを構築していました。

今回のテーマは、その当時の課題を踏まえつつ、

「大量のデータから共通性を見出すこと」
「設計図面から工数を洗い出すこと」
この2つを、生成AIで代替できないか、という点です。

試しに、以下のような質問をAIに投げかけてみました。

製造業で〇〇の加工を行っている会社です。
完成品図面をもとに加工見積りを作成しています。
加工図面から、曲げ・溶接・穴あけなどの加工点を洗い出し、加工見積りに活かすことは可能でしょうか。
今回は材料費は加味せず、加工工数の算出に特化したいと考えています。

すると、想像以上に具体的で整理された回答が返ってきました。

AIの回答は、大きく次の3つに整理されていました。
まず一つ目は、図面を目視で確認し、曲げ回数や溶接箇所などをテンプレートに記録する方法です。
Excelやスプレッドシートを使った、いわば現行業務の延長線上のアプローチです。

二つ目は、DXFやDWGなどのCADデータを自動解析し、曲げ箇所や接合点を抽出する方法です。
Pythonや専用スクリプトを用いた、従来型DXの延長とも言えます。

そして三つ目が、今回もっとも注目すべきポイントです。

PDFやスキャンされた画像図面を対象に、画像処理とAI認識を組み合わせる方法です。
線分や注記を抽出し、「R50 曲げ」「溶接（銀ロウ）」といった文字情報をOCRで読み取り
加工点として自動検出する。まさに生成AIならではのアプローチです。

この方法であれば、過去データを大量に分析して共通性を洗い出す
といった従来の苦労は不要になります。

図面から直接、加工点を抽出し、その件数に自社の加工単価（係数）を掛け合わせる。
それを積み上げたものが加工費見積りとなり、材料費を加えれば見積りが完成します。

この仕組みが機能すれば、経験や勘に頼る場面は大幅に減り、属人化の解消も期待できます。
さらに、加工単価を社内共通のルールとして定義しておけば、人件費や部材価格の変動が
あった場合も、一括で見直すことが可能です。

見積り業務が「人」ではなく「仕組み」で回る状態に近づいていきます。

いかがでしょうか。
図面から工数を算出するこのアプローチ
もしかすると「生成AIの画像解析進化の最適解」の一つになり得るのではないでしょうか。

現在は、お客様と一緒に評価を行いながら、どこまで標準化できるかを模索している段階です。
実務に耐えるかどうか、その見極めも含め、引き続き検証を進めていきたいと思います。