OpenAIが製造業の設計にAI活用！CAD・シミュレーションはどう変わる？

「AIがプログラムを作る時代になったけれど、機械設計までできるようになるのだろうか？」

「CADで図面を作ったり、強度を計算したりする仕事もAIに任せられる？」

生成AIの進化によって、このような疑問を持つ製造業の経営者や設計担当者もいるのではないでしょうか。

2026年11月3日、OpenAIは、AIを活用した製品設計やシミュレーション、試作品の製作に関する新しい研究成果を発表しました。

今回の発表では、CADモデルの作成や製造図面への変換、電子回路設計に加え、マツダとの共同研究による自動車の空力設計なども紹介されています。

これまで生成AIは、文章作成や情報検索、プログラミングなどでの活用が注目されてきました。

しかし、今回の発表からは、AIの活用範囲が、実際の製品を設計・製造するエンジニアリング業務にも広がりつつあることがわかります。

一方、AIが作成した設計データを、そのまま製造に利用できるとは限りません。

今回はOpenAIの発表内容を整理し、中小製造業の設計・開発業務にどのような影響があるのか、企業が今から何を準備すべきなのかを解説します。

OpenAIが2026年11月3日に製造業向けAI研究を発表

OpenAIは2026年11月3日、「Accelerating engineering for the physical world（ものづくりのエンジニアリングを加速）」という研究発表を公開しました。

今回の発表では、AIを利用して実物の製品を設計・開発するためのさまざまな取り組みが紹介されています。

主な内容は次のとおりです。

取り組み	AIの活用内容
機械設計	CADモデルの作成・修正
製造図面	3D設計から2D図面への変換支援
シミュレーション	流体や構造の解析準備・設計案の比較
電子回路設計	部品の選定、配置、配線など
試作開発	筐体・基板・ソフトウェアの設計
既存部品のデータ化	3Dスキャンから編集可能なCADモデルを作成

これらの取り組みには、OpenAI社内での利用と、企業との共同研究・検証が含まれています。

ここで注意したいのは、今回の発表が、すべての設計業務を完全自動化できる製品の一般提供を意味するものではないことです。

あくまで、研究や一部の実務において、AIの設計支援能力がどこまで進んでいるのかを示す内容です。

参考：OpenAI公式「ものづくりのエンジニアリングを加速」（2026年11月3日）

AIを使って実際のデバイスを設計・試作

今回の発表で興味深いのが、AIを活用して実物のデバイスを設計した取り組みです。

OpenAIは、GPT-6とAstraを用いて、音声でCodexとやり取りできる試験用デバイスを設計しました。

この取り組みでは、主に次のような設計作業が行われています。

• デバイスに必要な機能の整理
• 外観や筐体の設計
• 内部部品を固定する構造の設計
• 電子部品の選定
• プリント基板の部品配置や配線
• ソフトウェア・ファームウェアの作成

プリント基板とは、電子部品を取り付け、それぞれの部品を電気的につなぐための基板のことです。

今回、OpenAIでは2人のチームメンバーが通常業務の傍らAIを活用し、1週間未満で試験用デバイスの設計を完了したと説明しています。

その後、外部の製造業者が1か月未満で少量の試作品を製作しました。

これは、AIが単なるアイデアの提案だけでなく、実物の製品開発に関わった事例として注目できます。

ただし、AIが設計したものをそのまま製造できたわけではない

ここが今回の発表で、特に重要なポイントです。

OpenAIは、デバイスを製造可能な状態に仕上げるため、複数回のレビューと修正が必要だったことも明らかにしています。

AIは、製造業者が対応できる加工・生産条件や、寸法公差、組み立てに必要な細部まで、必ずしも適切に考慮できていませんでした。

寸法公差とは、部品の寸法について、設計上どの程度の誤差まで許容するかを定めるものです。

例えば、部品の穴と軸が組み合わさる構造では、図面上で形が合っているように見えても、公差の設定によっては組み立てられなかったり、必要な精度を確保できなかったりする場合があります。

AIが3Dモデルを作成できたとしても、実際に製造できる設計になっているかは別の問題なのです。

OpenAI社内ではCAD・製造図面・解析にもAIを活用

OpenAIのハードウェア・インフラ部門では、CodexやChatGPTを利用したエンジニアリング業務の支援が進められています。

例えば、次のような作業です。

• CADモデルの作成や修正
• 3Dモデルから製造用2D図面への変換
• シミュレーションの設定
• 有限要素解析（FEA）の準備
• 設計上の条件の整理
• 設計レビューや部門間の調整

有限要素解析（FEA）とは、部品や構造物を細かな要素に分割し、力が加わったときの変形や応力などを計算する方法です。

例えば、機械部品に荷重が加わった場合、どの部分に大きな負担がかかるのかを調べる際に使われます。

ただし、解析結果が正しいかどうかは、材料の特性や荷重条件、拘束条件などの設定にも左右されます。

AIが解析の準備を支援できても、設定条件の妥当性を人間が確認する必要があります。

AIの利用量は23倍に増加

OpenAIによると、同社のハードウェアチームでは、2026年2月以降、AIモデルの利用量がトークン数ベースで23倍になりました。

トークンとは、AIが文章や情報を処理するときに使用する単位です。

ただし、この23倍という数値はAIの利用量が増加したことを示すものです。

設計時間が23分の1になった、開発生産性が23倍になった、という意味ではありません。

効果を評価する際は、AIの利用回数だけでなく、設計時間や修正回数、製造に必要な品質などを確認する必要があります。

設計能力の評価指標「BenchCAD 2.0」でも進歩

OpenAIは今回、AIモデルのエンジニアリング能力を測定する評価結果も公表しました。

使用されたのは「BenchCAD 2.0」という評価指標です。

この評価では、3D部品やアセンブリの再構築、電子回路基板の接続関係の把握など、コーディングと工学の知識を組み合わせた能力を検証しています。

公表された平均スコアは次のとおりです。

新しい社内モデルの方が高いスコアを記録しています。

ただし、この結果には注意が必要です。

BenchCAD 2.0は、特定の設計・工学タスクに関するモデル能力の評価です。

そのため、0.875という数値を「87.5％の製品を正しく設計できる」などと解釈してはいけません。

また、新しい社内モデルについて、一般利用者がすぐに利用できると発表されたわけでもありません。

この数値は、特定の評価課題でAIモデルの能力が向上していることを示すものであり、実際の製造現場での品質や生産性を保証するものではありません。

3DスキャンからCADモデルへ：Chip Ganassi Racingとの協業

今回の発表では、米国のレーシングチーム「Chip Ganassi Racing」との取り組みも紹介されています。

この共同検証では、既存部品の3Dスキャンデータから、編集できるCADモデルや製造用2D図面を作成する方法を試しています。

3Dスキャンとは、実物の形状を計測し、立体的なデータとして取得する技術です。

例えば、古い設備の交換部品を考えてみましょう。

実際の部品は残っていても、元のCADデータが存在しない場合があります。

こうした状況で、3Dスキャンデータをもとに編集可能なCADモデルを作成できれば、設計情報を再構築する作業の負担を減らせる可能性があります。

ただし、3Dスキャンで形状を取得することと、製造に必要な設計情報をすべて復元することは同じではありません。

例えば、次のような情報は別途確認が必要になる場合があります。

• 部品の材質
• 寸法公差
• 表面処理
• 部品の強度
• 使用環境
• 他の部品との組み合わせ

OpenAIの発表でも、Chip Ganassi Racingのエンジニアが、生成されたCADモデルや図面の正確性、製造のしやすさを確認していると説明されています。

中小製造業でも参考になる考え方

今回の取り組みは、中小製造業にも参考になります。

例えば、図面が残っていない古い設備部品の調査や、過去の試作品の再設計などです。

ただし、実際に利用できるAI機能や対応するCADソフトウェア、必要な設備・費用は、採用するツールや提供条件によって異なります。

今回紹介された共同検証を、そのまま一般企業が利用できる完成済みサービスと考えないよう注意しましょう。

マツダとの共同研究では、自動車の空力・衝突安全設計を検証

もう一つ注目したいのが、マツダとの共同研究です。

OpenAIは2026年11月3日、マツダの空力および衝突安全の技術者と連携し、AIによる自動車設計の支援を研究していると発表しました。

空力とは、車両の周囲を流れる空気の影響に関する技術です。

例えば、自動車が走行するとき、空気抵抗が大きければ、その分だけ走行性能やエネルギー消費などに影響する可能性があります。

今回の共同研究では、AIを活用して車両前部の形状を検討し、空気の流れをシミュレーションする取り組みが紹介されています。

複数の設計案を比較する作業にAIを活用

通常、設計者は性能やデザイン、コストなどの条件を考慮しながら、複数の設計案を比較します。

例えば、空気抵抗を減らすために車両前部の形状を変更したとしても、デザイン性や製造上の制約との両立が必要です。

今回の共同研究では、AIを使って複数の形状を検討し、空気の流れのシミュレーションを行うことで、設計者の検討作業を支援しています。

重要なのは、AIが最終的なデザインや設計を独断で決定するというより、人間がより多くの選択肢を比較・検証するための支援技術として利用されていることです。

なお、この共同研究についてOpenAIは、今後数か月で追加の進捗や結果を共有するとしています。

現時点で、完成済みの設計自動化システムが一般向けに提供されているという意味ではありません。

参考：OpenAI公式「ものづくりのエンジニアリングを加速」

製造業の設計業務は、AIによってどう変わるのか？

ここからは、今回の発表を踏まえたDXブログ独自の考察です。

AIの進化によって、設計担当者の作業のすべてが自動化されるとは限りません。

しかし、設計に必要な情報の整理や、複数案の検討、図面作成の補助など、一部の作業でAIの活用が進む可能性があります。

① 設計条件を整理する負担が減る可能性

例えば、顧客から受け取った仕様書や過去の設計資料を確認し、設計条件を整理する業務です。

AIによって、記載内容の要約や、確認が必要な条件の洗い出しを支援できる可能性があります。

ただし、AIが仕様を誤って解釈する場合もあるため、設計者の確認は必要です。

② CADや図面作成の反復作業を支援

形状の修正、図面作成、設計変更の反映など、一部の繰り返し作業をAIで支援できる可能性があります。

ただし、対応できる範囲はCADソフトウェアやAIの連携機能によって異なります。

すべてのCADソフトウェアで、同じ機能が利用できるわけではありません。

③ シミュレーションによる比較を支援

強度や空気の流れなどを評価する際、複数の設計案を比較する作業を支援できる可能性があります。

ただし、解析条件の設定が適切でなければ、結果の信頼性は低くなります。

AIが作成した解析条件や計算結果を、そのまま安全性の保証として扱ってはいけません。

④ 人間の設計判断が不要になるわけではない

実際の製品設計では、製造設備の制約、材料、品質、コスト、安全性など、さまざまな条件を考慮する必要があります。

AIが形状案を作成できても、それを実際に製造できるか、必要な性能を満たせるかは別の問題です。

特に、安全性に関わる機械や構造物では、設計者による厳格な検証が必要です。

AIを使った設計業務の流れを整理

今回のOpenAIの発表をもとに、AIが設計業務のどこを支援できるのかを整理すると、次のようになります。

工程	AIによる支援の例	人間が確認すべきこと
設計条件の整理	仕様書や要求条件の整理	要求内容の正確性
CAD・図面作成	形状案や図面の作成支援	寸法、構造、製造要件
シミュレーション	解析条件の設定や案の比較	計算条件、結果の妥当性
設計レビュー	不整合の発見や確認作業の補助	安全性、品質、採否判断

ここで大切なのは、AIを設計者の代わりとして扱うのではなく、設計者がより重要な判断に時間を使えるようにすることです。

また、AIの出力を製造工程へ渡す前には、製造可能性や品質を確認する仕組みが必要です。

中小製造業がAI設計を導入する際の注意点

中小製造業でAIを設計業務へ取り入れる場合、単にAIツールを選ぶだけでは十分ではありません。

特に次の4つの問題を確認する必要があります。

① CADソフトウェアとの連携

現在使用しているCADソフトウェアで、AIによる操作やデータ連携ができるか確認する必要があります。

CADには、2D CAD、3D CAD、機械設計向け、電子回路設計向けなど、さまざまな種類があります。

対応するファイル形式や操作方法も異なります。

また、AIが作成した図面を既存システムで正常に編集できるかも重要です。

② 設計データの機密性

設計図面や製品仕様には、取引先との契約上、外部への提供が制限されている情報が含まれる場合があります。

そのため、AIサービスに図面や仕様書を入力する際には、契約条件やデータの取り扱いを確認する必要があります。

特に、顧客から預かった図面や未公開の製品情報を、許可なく外部サービスへ入力することは避けるべきです。

③ 品質と安全性の検証

AIが作成した設計案については、必要な性能や安全性を満たしているか確認する必要があります。

例えば、寸法公差、強度、使用材料、設備との互換性、組み立て性などです。

AIによる解析結果だけではなく、必要に応じて従来の解析手法や試験、実物による検証を行うことが重要です。

④ 費用対効果の確認

AIを導入しても、必ず設計時間が短縮するとは限りません。

例えば、AIが作成した図面の修正に時間がかかれば、期待した効果が得られない可能性があります。

そのため、ツールの料金だけでなく、確認・修正・教育に必要な時間も含めて評価しましょう。

なお、今回のOpenAIの発表では、共同研究で使用された一連の機能を、一般企業が同じ条件で利用できる完成済みサービスとして案内しているわけではありません。

導入を検討する際には、実際に利用するAIサービスの提供状況、料金、対応CAD環境を個別に確認する必要があります。

中小企業は何をすべきか？AI設計活用の5つのステップ

ここからは、中小製造業が現実的に取り組める方法を、優先順位をつけて紹介します。

STEP1：設計業務で時間がかかっている作業を1つ選ぶ【最優先】

最初から設計業務全体をAIに任せる必要はありません。

まずは、時間がかかっている作業を整理します。

例えば、次のような業務です。

• 過去図面の検索
• 設計仕様書の確認
• 図面変更履歴の整理
• 部品情報の比較
• 解析条件の整理
• 設計レビューでの確認項目の洗い出し

この中から、比較的リスクが小さく、効果を測定しやすい業務を1つ選びます。

担当者は、実際の設計業務を理解している技術者と、必要に応じてIT担当者が適しています。

STEP2：設計データと管理ルールを整理する

AIの活用を考える前に、必要なデータがどこにあるのかを確認します。

例えば、設計図面、CADファイル、部品表、仕様書、変更履歴などです。

特に、次のような問題がないか確認しましょう。

• 図面の最新版がわからない
• ファイル名や保存場所が統一されていない
• 設計変更の理由が残っていない
• CADファイルと製造図面が一致していない
• 誰が承認した図面なのかわからない

こうした問題が残っていると、AIを使っても正しい情報を参照できない可能性があります。

まずは、現在のデータ管理を見直すことが重要です。

STEP3：小さな業務で試験運用を行う

対象業務が決まったら、利用できるAIツールや機能を調べ、試験運用を行います。

例えば、社外秘ではないサンプル図面や、社内で検証用に作成したデータを使う方法があります。

このとき、AIに作業を任せた場合と、従来の方法で作業した場合を比較します。

確認する指標は、次のようなものです。

評価指標	確認内容
作業時間	従来より時間が短縮されたか
修正回数	AIの出力を何回修正したか
正確性	設計条件や寸法に誤りがないか
確認負担	技術者のレビュー時間が増えていないか
利用コスト	ツール費用と作業負担が見合うか

これらの結果を確認し、導入する価値があるか判断します。

STEP4：人による確認・承認の仕組みを設ける

AIによって作成された図面や解析結果を、そのまま製造工程へ渡すことは避けましょう。

特に、寸法や強度、安全性に関係する内容は、適切な技術者が確認する必要があります。

また、誰が設計を確認し、誰が承認するのかを明確にしておくことも重要です。

設計変更の履歴や承認記録を残せる仕組みを整えることも検討しましょう。

STEP5：成果を確認しながら対象業務を広げる

小さな業務で成果が確認できたら、ほかの作業への展開を検討します。

ただし、最初の業務で成果が出たからといって、別の業務でも同じ効果が得られるとは限りません。

例えば、図面検索の効率化に成功しても、複雑な構造解析や製品設計まで安全に自動化できるとは限らないからです。

対象業務ごとにリスクや効果を確認しながら、段階的に進めることが大切です。

AI活用を進めるには、設計情報の管理も重要

今回のOpenAIの発表では、AIの能力だけでなく、設計データや製造上の制約を適切に扱う重要性も見えてきました。

特に中小製造業では、過去の図面や設計変更履歴、加工条件などが、複数のシステムや担当者ごとのファイルに分散していることがあります。

こうした情報の整理は、AIを導入するかどうかにかかわらず、設計業務の効率化につながる可能性があります。

例えば、図面の版数管理、部品情報の整理、変更履歴の共有などです。

また、製造現場の実績情報と設計情報を適切に結びつけられれば、設計変更による現場への影響を確認しやすくなる場合もあります。

ただし、一般的な業務管理ツールを導入しただけで、CAD設計やシミュレーションの自動化が実現するわけではありません。

AIを活用するためには、業務ごとに必要なデータとシステム連携を整理することが重要です。

AIを導入する前に、データの準備状況を確認

ラック・インターナショナル株式会社では、中小製造業向けに「AI READY診断」を公開しています。

これは、業務データの電子化や構造化、業務ルールの整備状況などを確認するための簡易診断です。

全10問・約3分、登録不要で利用できます。

AI READY診断はこちら

※この診断は一般的なAI活用の準備状況を確認するものであり、CADソフトウェアとの互換性やAI設計の安全性、導入効果を判定するものではありません。

まとめ｜AIは設計者の代わりになるのではなく、設計業務を変える可能性がある

2026年11月3日、OpenAIはCAD設計やシミュレーション、試作品の製作を支援するAIの研究成果を発表しました。

今回の発表では、実際の試作事例や、マツダとの共同研究、レーシングチームとのCAD復元の検証などが紹介されています。

AIが製品設計の一部を支援できる可能性は広がっています。

一方、実際の製造に必要な公差や加工条件、品質、安全性などは、引き続き人間による確認が重要です。

中小製造業が今から取り組むべきことは、次の5つです。

1. 設計業務で改善したい作業を1つ選ぶ
2. 図面やCADデータ、変更履歴を整理する
3. 小さな範囲でAIを試し、成果を確認する
4. 技術者による検証・承認を組み込む
5. 費用対効果を確認しながら活用範囲を広げる

AIの進化によって、設計者がこれまで時間をかけていた作業の一部が変わる可能性があります。

しかし、AIを導入すること自体が目的ではありません。

大切なのは、AIに任せられる作業を見極め、技術者が本当に重要な判断や設計改善に集中できる環境を作ることです。

まずは、自社の設計業務の中で繰り返し発生している作業を1つ洗い出すことから始めてみてください。

関連記事

• 製造業の「秘伝の技術」はAIに奪われる？熟練者のノウハウを競争力に変える方法
• AIが答えるだけで終わるのはなぜ？製造業が「業務を動かすAI」を実現する方法
• キーエンスがPLC専用AI「KV Intelligence」を発表！設備停止の原因解析やラダー自動生成はどう変わる？

参考資料

• OpenAI「ものづくりのエンジニアリングを加速」（2026年11月3日）
• OpenAI「Accelerating engineering for the physical world」英語原文
• 中小企業基盤整備機構「3Dモデルに対応したCAD/CAMを導入して、設計・試作業務の効率化・高精度化を実現」（2026年6月1日）

※本記事は2026年11月7日時点の公開情報をもとに作成しています。OpenAIの研究・共同検証と、中小製造業での実務活用の提案は区別して記載しています。