Agent Memories
← OpenAI最新情報

OPENAI SEARCH INSIGHT

2026.11.10 / OpenAI最新情報

Kuken Industries、OpenAI APIで70年分の冷却塔図面検索を短縮

Agent Memories編集部による非公式記事「Kuken Industries、OpenAI APIで70年分の冷却塔図面検索を短縮」。OpenAIとの提携・承認はありません

この記事で分かること: Kuken IndustriesがOpenAI APIを用いて図面検索を短縮した仕組み、確認済みの成果、製造業の図面活用で評価すべき実務上の論点を知りたい。

OpenAIは2026年11月9日、空調・換気設備メーカーのKuken Industriesが、OpenAI APIを使って約70年分の冷却塔図面を検索する取り組みを公開した。修理時に必要な図面を探す時間は、従来のほぼ1時間から4.5分へ短縮されたとしている。

同社は、部品番号や図面番号での検索に加え、図面や部品表の画像・PDFをアップロードできる現場向けアプリを構築した。熟練者の記憶や個別支援に依存しやすかった図面探索を、経験年数を問わず実施しやすくすることが狙いだ。

OpenAI公式発表で確認できる内容

Kuken Industriesは、大型ビル、商業施設、工場向けの空調・換気設備を製造し、日本の冷却塔市場で大きなシェアを持つ企業だ。冷却塔は循環水の熱を空気中へ放出し、ビルや商業施設、データセンターの設備などを冷やす役割を担う。

冷却塔の修理で交換部品が必要になると、技術者は過去の設置図面を確認する。現在製造される部品が古い設備に常に適合するとは限らず、当初の設置内容を示す図面が見つからなければ、代替部品を一から設計・製造する必要が生じる場合がある。

同社の図面アーカイブは70年以上に及ぶ。顧客や設置時期ごとに仕様を調整してきたため、型式名や部品名だけで検索すると複数の図面が候補になり得る。紙で保管していた時代には探索に半日を要することもあり、電子化後もファイル名や番号、保存場所を知る必要があった。

検索時間をほぼ1時間から4.5分へ

OpenAIの公式記事によると、Kuken Industriesの技術者は修理に必要な図面をほぼ1時間から4.5分で見つけられるようになった。これは同社による利用・テスト結果であり、すべての案件で同じ時間短縮を保証する数値としてではなく、導入事例で報告された成果として扱う必要がある。

同社は年間で見ると、図面検索に費やす時間を約90%削減できると見込む。検索時間を減らすことで、技術者は図面の内容確認、修理方法の検討、設計改善の検討に時間を振り向けられるという。アプリ内で図面を確認できるため、印刷費用の削減も見込んでいる。

重要なのは、検索結果だけで部品適合を確定していない点だ。アプリは候補図面や類似設計の図面を返すが、技術者は冷却塔の仕様と過去の交換記録を確認し、正しい図面を判断する。AI検索は最終判断を置き換えるものではなく、候補抽出と確認作業の起点を速くする仕組みとして位置付けられている。

画像・PDF入力を含む検索設計

検索機能は現場技術者との対話を踏まえて設計された。技術者は図面番号または部品番号を入力できるほか、図面や部品表の画像、PDFをアップロードできる。部品表のスクリーンショットを貼り付ければ、番号を一つずつ手入力せずに済む。

アプリは画像などから部品番号を読み取り、候補を返す。ここでの技術的な価値は、単なるファイル名検索ではなく、現場に残る断片的な入力から検索の手掛かりを取り出す点にある。特に古い文書では、利用者が正確な名称や保管先を把握していない状態から調査を始めることが多い。

Kuken Industriesは、日本のAIスタートアップでOpenAIの公式パートナーであるRecursiveと連携した。両社は同社の図面アーカイブと技術者の意見を基に、検索システムと現場アプリを共同で構築したとOpenAIは説明している。

モデル選定で確認した精度とコスト

公式発表では、チームが複数のAIモデルをさまざまな図面でテストし、詳細情報をどの程度正確に抽出できるか、また費用がどの程度かを比較したとされる。OpenAIのモデルは、この精度とコストの両面で良好な結果を示し、OpenAI APIは検索機能をアプリへ直接組み込む柔軟性を提供したという。

ただし、OpenAIの発表は採用した個別モデル名、評価データの規模、評価指標の定義、処理単価を公表していない。したがって、他社が導入判断をする際は、この事例の時間短縮値をそのまま転用せず、自社図面の品質、文字種、帳票レイアウト、検索要件で検証することが必要になる。

図面検索では、文字認識率だけでは実務品質を測れない。誤った候補が上位に出た場合に、設備仕様、改修履歴、顧客別の設計差分を人が追跡できるかが重要となる。候補の根拠を図面ページ、部品番号、関連履歴とともに提示できる画面設計が、現場での確認時間を左右する。

技能継承と図面レビューへの展開

同社は、経験の浅い技術者がより幅広い業務を自力で担えるようになったとしている。一方、検索を支援してきた経験豊富な技術者は、新任者の指導や自らのエンジニアリング業務により多くの時間を使えるようになる。検索業務の自動化を、人員削減ではなく技能移転の余力創出へ結び付けている点が特徴だ。

さらにKuken Industriesは、取引先が作成した図面を仕様書と照合するツールも開発している。現状では技術者が目視で数量や詳細の不一致を探しており、ツールは差異をフラグとして示すことを目指す。試作テストでは、AIが指摘した問題の約90%が実際の不一致だったと同社は報告する。

この図面レビューツールは開発段階であり、OpenAIの公式発表は本番運用への移行を確定したとは述べていない。同社は、本番導入に至れば図面確認にかかる時間を大幅に減らせると見込む。検索と検図は用途もリスクも異なるため、個別に精度、見逃し、レビュー手順を評価すべきだ。

Agent Memories編集部の考察

この事例で日本の製造業が評価すべきなのは、紙図面を電子化しただけでは検索課題が消えないという点である。ファイルが存在していても、利用者が正しい名称、部品番号、格納先を知らなければ、探索のボトルネックは残る。画像・PDF入力は、その前提知識の不足を補う導線になり得る。

導入時は、AIの回答精度だけでなく、検索候補を設備台帳、改修履歴、顧客仕様に照合する業務フローを設計したい。特に保守・修理では、類似図面と対象設備の図面を取り違えるリスクがある。候補提示と適合判定を分離することが、現場で安全に使うための基本になる。

また、熟練者へのヒアリングは初期データ整備だけで終わらせず、検索失敗や判断保留の事例を継続的に収集する運用が望ましい。検索ログを基に、別名、旧部品番号、顧客固有の表記、改訂履歴を整備すれば、AI機能と既存文書管理の双方を改善できる。

実務では、評価指標を「文字を読めた割合」だけに置かず、「正しい図面が上位候補に出た割合」「確認完了までの時間」「誤候補を除外できた割合」に分けるべきだ。図面の検索・確認・承認という一連の工程で測定することで、現場価値とAI性能の差を把握しやすくなる。

よくある質問

OpenAI APIは図面そのものから最終判断を出すのか

公式発表で確認できる範囲では、アプリは部品番号を読み取り、候補となる図面や類似設計を返す。正しい図面の特定は、技術者が冷却塔の仕様と過去の交換記録を確認して行う。最終的な適合確認は技術者が担う運用である。

検索対象は新しい図面だけか

対象は70年以上の設置にわたる冷却塔図面のアーカイブである。古い設備では現在の部品が合わない場合があり、当時の設置内容を示す元図面の探索が修理判断に関わる。公式発表は、アーカイブ内の図面総数やデータ形式の内訳までは明らかにしていない。

検図ツールはすでに正式提供されているのか

いいえ。公式記事では、Kuken Industriesが取引先作成図面をチェックするツールを開発中だとしている。試作テストでの不一致指摘に関する報告はあるが、本番運用への移行時期、提供形態、利用条件は公表されていない。

他社も同じ短縮効果を期待できるか

一律には言えない。図面の解像度、手書き情報の有無、表記揺れ、改訂管理、設備履歴との連携、現場の確認手順で効果は変わる。Kuken Industriesの数値は同社が報告した結果であり、導入企業は自社文書での検証を行う必要がある。

まとめ

Kuken Industriesの事例は、OpenAI APIを使い、70年分の冷却塔図面を現場で探しやすくした取り組みだ。部品番号、図面番号、画像、PDFを検索の入口にし、図面を探す時間を4.5分まで短縮したと同社は報告している。

製造業での再現性を考えるなら、AIに検索結果の最終判断まで任せるのではなく、候補抽出を高速化し、設備仕様や履歴による人の照合を組み込むことが重要だ。技能継承、文書検索、検図を別々の課題として扱いながら、共通する図面データと現場知見を運用へ反映できるかが導入成果を左右する。

公式出典・確認日

OpenAI公式情報を2026-11-10時点で確認しています。提供範囲・料金・画面は更新される場合があります。

新しいAIへ乗り換えても、自分の前提や判断を持ち運べる状態をつくる。Agent Memoriesは、記憶をスキルや外部ツールへつなぐAIパートナー基盤を育てています。

AIエージェントの記憶を知る Agent Memoriesを見る

本カテゴリはMiraigent / Agent Memoriesによる非公式編集記事です。OpenAIとの提携・承認・後援を示すものではありません。