企業のAI活用事例
図面をAIで読む前に決めたいこと｜日東工業の見積支援に学ぶ人の確認設計
図面や申込書、点検票などから必要な情報を拾う仕事は、経験者ほど速く正確に進められます。日東工業が2026年10月から段階的に運用を始めた生成AIアプリの事例から、AIに読み取りを任せつつ、人の判断を残す設計を考えます。
何が変わった？図面から見積情報を抽出
【公式発表】日東工業と日本IBMは2026年10月20日、設備図面から分電盤の見積に必要な回路情報、機器情報、特記事項などを抽出するマルチモーダル生成AIアプリを開発したと発表しました。日東工業は全国23営業拠点の約50名が使える環境を整え、2026年10月から段階的に実業務での運用を開始しています。発表日は10月20日、この記事の公開日は10月21日です。
案件ごとに形式が異なる図面を読み、法規制や製品仕様も踏まえて見積条件を整理する業務が対象です。両社は約1年半かけて、見積ノウハウの整理、業務知識の構造化、人とAIの役割分担、運用体制の整備を進めたと説明しています。
企業が公表した範囲と、まだ分からないこと
【企業が公表した運用】AIが図面の読み取りと情報整理を担い、営業担当者が抽出結果を確認・補正します。AIの出力と人の修正内容を構造化データとして蓄積し、個人の経験に依存しやすかった見積ノウハウを組織で活用・継承する知識基盤も構築したとしています。
一方、公式発表には、見積作成時間の削減率や読み取り精度などの実測値は掲載されていません。「業務効率化と品質向上を目指す」という将来の狙いと、確認できた成果数値は分けて読む必要があります。この事例は日東工業と日本IBMの取り組みであり、AIPLUN Studioの開発実績ではありません。
応用案：一種類の資料から三項目だけ抜き出す
【AIPLUN Studioによる応用案】小規模企業で試すなら、まず公開情報または架空データで作った一種類の資料に絞ります。例えば、設備点検票から「設備名」「点検日」「要確認事項」を抽出し、元の記載箇所と並べて表示します。これは当社の導入案であり、日東工業のアプリの機能や成果を示すものではありません。
表記の揺れ、手書き、注記、複数ページへのまたがりを含む資料も用意します。読み取れない項目を推測で埋めず「確認が必要」と残せるかを見ます。顧客への見積送信や発注には接続せず、最初は確認用の下書きだけにします。
正解だけでなく、修正の記録を残す
担当者は、抽出した値だけでなく、根拠となるページや範囲を確認します。修正するときは、正しい値に直すだけでなく、「単位を取り違えた」「別欄の数字を拾った」「記載がなく推測した」など、誤りの種類も記録します。データを蓄積する場合は、修正内容の利用目的、保存期間、閲覧権限も決めます。
AIが自信ありと示しても、人が確認すべき重要項目は省きません。価格、数量、契約条件、安全に関わる内容は、原本と照合する工程を固定します。資料の版が変わった場合や読み取り方式を更新した場合は、以前のテスト結果をそのまま使わず再確認します。
始め方：入力・確認・判断を分けて測る
最初に、対象資料、抜き出す項目、確認担当者、AIに任せない判断を一枚に整理します。次に、正解例を人が先に作り、AIの抽出結果と比較します。確認・修正・やり直しまで含めた総作業時間と、誤りの種類を記録し、作業全体が楽になったかを評価します。
今回の事例が示すのは、AIモデルを選ぶだけでなく、熟練者の判断を言葉やデータにし、人とAIの役割を決める準備の重要性です。AIPLUN Studioでは、今の資料処理を整理し、既存ツールで試せる範囲と個別開発が必要な範囲を分けるところからご相談いただけます。