70年分の図面や技術資料の中から、必要な一枚を探すのに毎回数十分かかっていませんか。空調機器メーカーの空研工業は、この探索時間を平均4.5分まで短縮しました。この記事では、中堅製造業がAIで「ベテランの経験に頼った検索業務」を数字で効率化した事例から、自分の現場や仕事に応用できるポイントを整理します。
空研工業とRecursiveのAI活用事例で変わったこと
まず結論です。空調機器メーカーの空研工業とAIベンチャーのRecursiveが共同開発した「AIナレッジ基盤システム」により、資料探索時間が試用段階で平均4.5分に短縮されました。従来は数十分から半日かかっていた作業です。
この取り組みは2026年11月4日に発表されました。OpenAIのAPI(外部のプログラムからAIの機能を呼び出す仕組み)を使い、70年分の図面や技術資料から部品番号などを検索・整合確認できるようにしたものです。
「紙の山から探す」作業をAIに任せる発想
製造業の現場では、過去の図面や仕様書が膨大に積み上がっています。空研工業の場合、その蓄積は70年分におよびます。
必要な一枚を探す作業は、長年その資料を扱ってきたベテランの記憶や勘に頼りがちでした。新しく入った技術者には、どこに何があるか分からないという状態です。
AIナレッジ基盤は、この「人の頭の中にしかない検索ノウハウ」をシステムに置き換えました。
年間工数は約90%削減の見込み
2025年度の実績を基にした試算では、図面検索にかかる年間工数を約90%削減できる見込みです。
- 資料探索が数十分〜半日から平均4.5分へ
- 図面検索の年間工数を約90%削減できる試算
- 2026年内に福岡工場・千葉工場で本格導入予定
福岡工場での試用を経て、2026年内に福岡工場と千葉工場で本格導入する予定とされています。一つの工場での検証を踏まえ、段階的に広げる進め方です。
なぜ探索時間が平均4.5分まで短くなったのか
時間が大きく縮んだ理由は、探す作業そのものをAIが肩代わりする設計にあります。要するに、人が資料を一枚ずつ確認する工程を、AIによる候補提示に置き換えたということです。
AIは「候補を出す」、判断は人が行う
このシステムで見落とせないのが役割分担です。最終判断は技術者が行い、AIの検索・比較結果はあくまで候補提示にとどまる仕組みになっています。
AIが部品番号や図面の候補を挙げ、それを技術者が確認して決める。この順番により、スピードと正確さを両立しています。
ベテラン依存から仕組みへの転換
従来の探索は、資料のありかを熟知したベテランがいて初めて成り立っていました。これは属人化(特定の人にしかできない状態)の典型です。
AIナレッジ基盤は、その検索機能を誰でも使える形にしました。経験の浅い技術者でも、ベテランに近いスピードで必要な資料にたどり着けるようになります。
この事例から学べるAI活用とリスキリングの視点
ここからは、読者が自分の仕事に引き寄せて考えるための視点を整理します。大企業の派手な事例ではなく、紙の資料を抱える現場が数字で効率化した点にこそ、応用のヒントがあります。
自分の業務にある「探す時間」を洗い出す
最初の一歩は、自分の仕事の中にある探索・確認の時間を可視化することです。
- 毎回「探す」「照合する」に時間を使っている作業はどれか
- その作業は特定の人の経験に依存していないか
- AIに候補を出させ、人が確認する形に分解できるか
空研工業の事例が示すのは、図面検索という一つの業務に絞ってAIを当てたことです。業務全体をいきなり変えるのではなく、時間のかかる一工程を選ぶ進め方は、個人のスキルアップにもそのまま使えます。
AIを使いこなす側に回るという選択
空研工業の事例では、AIが人の仕事を奪うのではなく、判断する人の役割が残りました。AIが候補を出し、人が決める構図です。
つまり、これからの現場で価値が高まるのは、AIの出力を評価し、最終判断を下せる人材です。AIの基本的な仕組みを理解し、業務に落とし込めるスキルは、製造業に限らず多くの職種で求められています。生成AIの活用はリスキリングのテーマとしても外せない領域です。
中小・中堅企業でも取り組める規模感
この事例が参考になるのは、世界的な大企業ではなく、70年分の紙資料を抱える中堅製造業が主役だからです。
特別な研究部門がなくても、既存のAPIを活用し、AIベンチャーと組むことで効率化を実現しています。AI導入は大企業だけのものではない、という実例として読み取れます。
まとめ
空研工業とRecursiveのAIナレッジ基盤は、70年分の図面から必要な資料を探す時間を平均4.5分に短縮し、年間工数を約90%削減できる試算を示しました。注目すべきは、AIが候補を出し、最終判断は技術者が行うという役割分担です。
この事例から持ち帰れるのは、次の3点です。自分の業務にある「探す・照合する」時間を洗い出すこと。AIに下ごしらえを任せ、判断は人が担う形に分解すること。そして、AIを使いこなす側のスキルを身につけることです。
AIを業務にどう取り入れるか気になった方は、まず自分の仕事の中で時間のかかる一工程を書き出すところから始めてみてください。生成AIの基礎を学べる講座や資料を探すのも、具体的な次の一歩になります。
よくある質問
AIナレッジ基盤システムとは何ですか?
蓄積された図面や技術資料から、部品番号などの情報をAIで検索し、整合性を確認できるようにした仕組みです。空研工業の事例では、OpenAIのAPIを活用して70年分の資料を対象に構築されました。
AIが図面を間違えて提示するリスクはないのですか?
この事例では、AIの検索・比較結果はあくまで候補提示にとどまり、最終判断は技術者が行う運用になっています。AIの出力をそのまま採用せず、人が確認する線引きがリスクを抑える鍵です。
中小企業でもこうしたAI導入はできますか?
空研工業は世界的な大企業ではなく、紙資料を抱える中堅製造業です。既存のAPIを活用し、AIベンチャーと組む形で効率化を実現しています。規模の大小よりも、時間のかかる一工程を選んで取り組む姿勢が参考になります。
AI活用のスキルはどう身につければよいですか?
まずは自分の業務にある「探す」「照合する」といった時間を洗い出し、AIに任せられる部分を見極めることから始めるのが現実的です。あわせて生成AIの基本的な仕組みを学ぶことで、出力を評価し判断に生かせる人材に近づけます。
参考文献
関連記事





コメント