結論から言う。「現場の機械」にAIが入る時代、中小製造業が最初に触るべきは倉庫だ

CADもPLCも面白い。だが、投資回収のスピードと導入ハードルを冷静に比べると、答えは明確に分かれる。

今回取り上げるのは3つの領域だ。

• 産業CAD——設計図を読んでスクリプトを自動生成するマルチモーダルモデル
• PLCプログラミング——ラダーやSTコードをリアルタイムで補助するエージェント
• 倉庫ピッキング——ロボットと人間が協調して動くマルチエージェントシステム

どれも「AIがクラウド上で何か賢いことをする」話ではない。設計ソフト、制御盤、搬送ロボットという物理的な現場設備にAIが直接噛み合い始めたという話だ。ここが従来のAI導入と決定的に違う。

では、中小製造業にとって「どこから手を付ければ元が取れるのか」。コスト構造を分解して比較する。

—

1. 産業CAD——IndustryForge-27Bが設計の属人化を壊しにきた

#### 何が起きているのか

IndustryForge-27Bは、設計図面や3Dモデルのスクリーンショットを入力すると、パラメトリックモデリングスクリプトやWindows COM APIコードを生成するマルチモーダルモデルだ。約52,000のマルチモーダルサンプルで訓練され、CADドメインのベンチマークで平均33.65ポイントのスコア向上を記録している。

平たく言えば、「ベテラン設計者が図面を見てCADソフトを操作する」プロセスの一部を、AIが肩代わりできるようになったということだ。

#### コスト構造を考える

中小製造業の設計部門を想像してほしい。設計者2〜3名、月給35万〜50万円。1つの製品設計に2〜3週間かかる。ここでAIが設計時間を仮に50%短縮できたとする。

• 設計者の月間工数：約160時間
• 50%短縮で浮く時間：80時間/月
• 時給換算（社保込み）：約3,000円 × 80時間 = 月24万円分の工数削減

ただし、ここに落とし穴がある。

導入コストが重い。 27Bパラメータのモデルをまともに動かすには、推論用のGPUサーバーかクラウドAPIが必要だ。オンプレでA100を1枚積むなら初期200万円〜、クラウドなら月10万〜20万円。さらに、自社の設計ルールや過去図面との整合性を取るファインチューニングや検証に、外部支援を入れれば100万〜300万円は見ておくべきだ。

投資回収の目安：12〜18か月。

しかも、設計は「間違い」が許されない領域だ。AIが生成したスクリプトの検証工数を考えると、当面は「ドラフト生成→人間が検証・修正」のワークフローになる。つまり、工数が半分になるというより「設計者1人あたりの処理量が1.5倍になる」くらいが現実的な期待値だろう。

#### 中小企業にとっての本質的な価値

コスト削減よりも大きいのは、属人化の解消だ。「この製品の設計はAさんしかできない」という状態が、AIによるスクリプト生成で緩和される可能性がある。ベテラン設計者が定年退職する前に、その暗黙知の一部をモデルに吸収させられるかどうか。ここが中小製造業にとっての本当の勝負所だ。

—

2. PLCプログラミング——「制御盤の前で一人で悩む時間」をAIが削る

#### 何が起きているのか

PLCのプログラミングは、製造現場のど真ん中にある技術だ。ラダー図、ST（ストラクチャードテキスト）、FBD——これらを書けるエンジニアは慢性的に不足している。

新たに登場した「プラント認識型エージェント」は、特定のプラント構成（I/Oリスト、機器仕様、既存プロジェクトファイル）をコンテキストとして取り込み、エンジニアがリアルタイムでコードの説明・生成・デバッグを行える環境を提供する。

イメージとしては、GitHub Copilotの「PLC版」だ。ただし、PLCの世界はITの世界と違い、コードが物理的な機械を動かす。間違ったコードは設備破損や人身事故に直結する。

#### コスト構造を考える

中小製造業でPLCプログラミングを外注している場合、1案件あたり50万〜200万円が相場だ。年間5〜10案件なら、外注費だけで年間250万〜2,000万円。

内製している場合でも、PLCエンジニアの年収は500万〜700万円。1人しかいなければ、その人が休んだら生産ラインの改修が止まる。

AIコーディングコンパニオンの導入で期待できる効果は2つ。

1. プログラミング時間の短縮——定型的なシーケンス生成やI/Oマッピングの自動化で、作業時間20〜30%削減
2. エラー率の低減——コードレビュー機能により、論理的な矛盾やタイミング不整合を事前に検出

エラー率が10%下がるとどうなるか。PLCのバグによるライン停止は、1回あたり数十万〜数百万円の損失を生む。年間のライン停止が10回あるうちの1回を防げるだけで、50万〜100万円の損失回避になる。

導入コストは、クラウドベースのエージェントなら月額5万〜15万円程度。オンプレ構築でもCADほどの計算資源は不要で、初期50万〜100万円が目安だ。

投資回収の目安：6〜10か月。

#### 中小企業にとっての本質的な価値

ここでも核心は属人化の解消だ。PLCエンジニアが1人しかいない中小企業は珍しくない。その1人が辞めたら、制御の改修も保守もできなくなる。AIエージェントがあれば、少なくとも既存コードの解読や簡単な修正は、PLCの専門家でなくても手が出せるようになる。

ただし注意点がある。PLCの世界は安全規格（IEC 61508等）との整合が必須だ。AIが生成したコードをそのまま本番投入することは、現時点では現実的ではない。「下書きはAI、最終判断は人間」——この原則を崩してはいけない。

—

3. 倉庫ピッキング——CARVSが示した「人間+ロボット」の現実解

#### 何が起きているのか

CARVSは、倉庫内でロボットと人間が共存するピッキング作業を最適化するマルチエージェントアルゴリズムだ。動的な障害物（＝人間の動き）や不確実性にリアルタイムで対応し、ピッキング経路を動的に再計算する。

従来の倉庫ロボット（Amazon Roboticsのような大規模システム）は、中小企業には手が出なかった。初期投資が数千万〜数億円、倉庫レイアウトの全面改修が前提だったからだ。

CARVSのアプローチは違う。既存の倉庫レイアウトと人間の作業を前提にして、その中にロボットを「混ぜる」という設計思想だ。これなら、AMR（自律移動ロボット）を2〜3台導入するところから始められる。

#### コスト構造を考える

中小企業の倉庫ピッキングコストを試算する。

• パート作業者5名、時給1,200円、1日8時間、月22日稼働
• 月間人件費：1,200円 × 8h × 22日 × 5名 = 月105.6万円
• 年間：約1,267万円

CARVSのシミュレーション結果では、ピッキング時間を最大30%短縮できる。仮に25%の効率化が実現すれば、作業者5名を4名に削減できる可能性がある。

• 削減効果：月21万円 × 12か月 = 年間約253万円

AMR 2台の導入費用が1台150万〜250万円として、計300万〜500万円。制御ソフトウェアとCARVS的なアルゴリズムの導入・カスタマイズに100万〜200万円。合計400万〜700万円。

投資回収の目安：18〜30か月。

——待ってほしい。さっきドラフトでは「3か月で回収」と書いてあったが、それは非現実的だ。AMRのハードウェアコストを無視している。ソフトウェアだけなら確かに早いが、ロボットなしにCARVSは動かない。ハードを含めたトータルコストで見なければ、現場の判断を誤る。

#### 中小企業にとっての本質的な価値

ただし、投資回収が長くても倉庫ピッキングには別の価値がある。「人が採れない」問題の解決だ。

地方の中小企業にとって、倉庫作業者の採用は年々厳しくなっている。時給を上げても人が来ない。来ても定着しない。ロボット2台が人間1人分の作業を肩代わりしてくれるなら、それは「コスト削減」ではなく「事業継続のための保険」だ。

この観点で見ると、投資回収の計算式自体が変わる。「採用できなかったために出荷が遅れ、取引先を失う」リスクまで含めれば、回収期間はもっと短くなる。

—

3領域の比較まとめ

—

で、結局どこから手を付けるか

投資回収の速さだけで選ぶなら、PLCプログラミングが最優先だ。

初期投資が最も軽く（50万〜100万円）、効果が出るまでの期間も短い。しかもPLCエンジニアの不足は深刻で、「1人辞めたら終わり」のリスクを抱えている中小企業は多い。AIコーディングコンパニオンは、そのリスクヘッジとしても機能する。

倉庫ピッキングは、「人が採れない」という切実な課題を抱えている企業にとっては投資回収の計算以前の問題だ。事業を続けるために必要なら、ROIの数字に関係なくやるしかない。

産業CADは、技術的には最も面白いが、中小企業が最初に手を出す領域ではない。モデルの検証コスト、GPUインフラの維持、設計品質の担保——どれも「余力のある企業」でないと回しきれない。ただし、2〜3年後にはクラウドAPI化が進み、導入コストが今の1/5以下になる可能性は十分ある。そのときが中小企業の出番だ。

まず、PLCのAIコーディングコンパニオンを試す。次に倉庫。CADは待つ。

この順番が、今の中小製造業にとって最も合理的な選択だと考える。

—

最後にひとつ

3領域に共通しているのは、AIが「人間の仕事を奪う」のではなく、「人間がいないとできなかった仕事を、人間が少なくてもできるようにする」という構造だ。

地方の中小製造業にとって、最大の脅威はAIではない。人がいなくなることだ。

AIは、その問題に対する現時点で最も現実的な答えのひとつになりつつある。

—