生成AIで図面作成はどこまでできる？5つの限界とCADでの活用方法を解説

1. はじめに

生成AIが広く普及し、製造業や建築業などの分野でも活用が注目されています。文章生成だけでなく、図面生成やCAD自動化といった設計支援への応用も進み、「AI設計支援を導入すればCAD作業を大幅に効率化できるのではないか」と期待している方も多いでしょう。

しかし、一般的な画像生成AIが作成するのは、あくまで画像データです。実際の設計業務で必要となるCADデータには寸法や属性などの重要な情報が含まれているため、見た目が図面らしくても、そのまま実務図面や製作工程に利用することは難しいのが現状です。

本記事では、「生成AIだけで図面作成ができるのか」という疑問に対して、生成AIによる図面作成の限界と、CADソフトウェアでの活用方法を具体的に解説します。製造業のプロジェクトマネージャーなど、CAD業務の効率化や設計自動化による時間短縮を目指している方にも参考になる内容です。

結論として、生成AIだけで高度な図面をすべて完成させることには、まだ難しい部分があります。一方で、初期設計のアイデア出しや設計案の比較・検討といった場面では活用できる可能性があります。以下で、その理由や活用事例、今後の展望を順に見ていきましょう。

2. 生成AIで図面作成はできる？

生成AIを活用すると、テキストや指示をもとに画像を生成できるため、設計者自身では思いつきにくいレイアウトや形状のイメージを提示してくれることがあります。実際に、AIによる建築レイアウトの生成やCADモデル生成への取り組みも進んでおり、短時間で複数のプランを検討する際の支援にもなるでしょう。

ただし、一般的な画像生成AIが生成する成果物は画像データであり、厳密なCADジオメトリ情報や設計条件まで考慮した成果物を得るには、追加の作業や人による検証が必要です。CADデータとして利用するには、寸法や座標など、機械や建築構造物を実際に製造・施工できるレベルの正確さが求められます。

そのため、まずは生成AIが作り出す図面イメージと、CADで必要となるデータとの違いを理解しておくことが大切です。見栄えの良い図面風のイラストを生成できても、そのまま製品化に利用できるとは限りません。設計者の知識や経験と組み合わせることで、AI設計ツールをより有効に活用できます。

2.1. 生成AIによる図面作成の可能性

一般的な生成AIは、以下のような用途に活用できます。

1つ目は、テキストから設計イメージや図面イラストを生成することです。例えば、「建物の間取り案をいくつか考えているので、広さや部屋の配置を提案してほしい」と指示すると、複数のレイアウトを提案してくれる場合があります。これにより、初期段階での検討を短時間で進めやすくなります。

2つ目は、既存の3D CADモデルをもとに、さまざまなテイストのイメージ画像を生成することです。例えば、PTCの「Creo AI Render」では、Creo上のモデルビューをもとに、生成AIを利用したイメージ画像を作成できます（参照*1）。また、AI設計支援の一環として、新たな装置レイアウトをイメージ化し、設計者のアイデアを広げる手段としても活用されています。

3つ目は、CAD操作の支援です。AIがユーザーの利用状況や作業コンテキストをもとに、適したコマンドの利用や選択操作を支援する機能も登場しています。こうした技術は、図面作成をすべて任せるものではありませんが、作業効率の向上に役立つ可能性があります。 

2.2. 図面画像とCADデータの違い

図面画像は、平面的な見た目を表す情報であり、寸法や拘束条件、属性、部品構成などを含むCADのデジタル情報とは異なります。Autodesk Researchも、画像モデルは製品の画像を生成できても、CADモデルの幾何構造や拘束条件、設計意図を本質的に理解しているわけではないと説明しています（参照*2）。一般的な画像生成AIで得られるものを設計自動化につなげるには、CADデータへの変換や追加の作業が必要です。

比較項目	図面画像	CADデータ
主な情報	見た目やビジュアル	形状・寸法・属性など
寸法情報	正確とは限らない	正確な寸法を設定できる
拘束条件	基本的に含まれない	設定できる
部品情報	含まれない場合が多い	部品構成などを管理できる
主な用途	イメージやアイデアの確認	設計・製造・施工

CADソフトウェアのデータには、部品の形状や位置関係、加工に必要な穴の位置・形状など、実際の製造や施工に関わる情報も含まれます。こうした情報は、部品同士の干渉確認などにも活用できます。  

見た目が正しく描かれているだけでは、不具合が発生したり、法規や設計基準を満たさない図面になったりする可能性があります。そのため、AIによる設計支援を活用する場合でも、生成された画像をそのまま実用的なCADデータとして扱わず、内容を十分に確認することが重要です。

3. 生成AIによる図面作成の5つの限界

ここからは、生成AIによる図面作成の限界を5つの観点から詳しく見ていきます。これらの制約を理解することで、生成AIをより適切にCAD業務へ活用しやすくなります。

ただし、こうした限界がすべてのケースで解決できないわけではありません。研究やソフトウェア開発の現場では、技術の進歩が続いています。現在の技術水準を正しく把握したうえでAI設計ツールを導入することが、プロジェクト全体の競争力向上にもつながるでしょう。

生成AIによる図面作成では、主に次の5つの限界があります。

• 寸法や形状の正確性
  
• 3D形状やCADの幾何情報の扱い
  
• 設計意図や条件の理解
  
• 法規・設計基準・社内ルールへの対応
  
• 生成結果の実用性
  

次項から、それぞれの内容を詳しく解説します。

3.1. 寸法や形状の正確性の問題

生成AIが作り出す図面風の画像は、一見すると整って見えても、実際の寸法や形状が正確に反映されているとは限りません。

例えば、「長さ100mmの部品を描いてほしい」と指示しても、AIは画像として自然に見える大きさを生成するだけで、CADソフトウェアで求められるミリ単位やサブミリ単位の精度まで保証するわけではありません。そのため、設計意図どおりの部品が生成されるとは限りません。

PTCの「Creo AI Render」は、現在のモデルビューの2Dスナップショットと入力したプロンプトをもとに、概念的なイメージ画像を生成する機能です。PTCは、生成結果は正確なものではなく、複雑なモデルでは元の形状と意図しない違いが生じる場合があると説明しています。また、形状や寸法、構造の変更を指示しても、その変更が反映されることは保証されていません（参照*1）。

3.2. 3D形状やCADの幾何情報の扱い

建築設計AIやAI図面生成技術には3D形状を扱うものもありますが、一般的なLLM（大規模言語モデル）や画像生成AIには、3Dや物理世界を必要な正確性・精度で扱ううえで限界があります。Autodeskも、一般的なLLMや画像生成AIは3次元・物理世界について必要な精度で安定して推論することが難しいと説明しています（参照*3）。

CADソフトウェアでは、形状をパラメータやスケッチ拘束などで定義し、意図したとおりのモデルを構築することが重要です。Autodesk Researchによると、CADでは幾何形状だけでなく、設計拘束や部品同士の関係、製造可能性、設計意図などを扱う必要があります（参照*2）。

そこでAutodeskが研究・開発を進めているのが「neural CAD」です。neural CADは、言語や画像だけではなく、CADジオメトリそのものを扱うことを目的としたAI技術です（参照*2）。 ただし、現在も技術開発が進められている段階であり、あらゆるソフトウェアで幅広く利用できるものではありません。

3.3. 設計意図や条件の完全理解の欠如

寸法や形状だけでなく、設計には「なぜその形状にする必要があるのか」「どの基準を優先するのか」といった意図があります。

AIはユーザーの指示や文字情報を処理できますが、背景にある細かな条件や実務上の要件をすべて自動で推察できるとは限りません。例えば「材料強度を確保するためにこの板厚が必要」「冷却ラインの配置上、この空間が必要」といった設計意図まで、AIが十分に理解できるとは限らないため注意が必要です。

Siemensは、AIは設計案の生成や一部のプロセスを自動化できる一方、設計意図の文脈を理解するうえでは限界があると説明しています（参照*4）。そのため、AIによる変更や提案については、人間のユーザーが内容を確認し、意図した情報やデータが変更されているかを確認することが重要です。

3.4. 法規・設計基準・社内ルールへの対応

建築分野では建築基準法、製造分野ではJIS規格やISO規格、さらに企業独自の社内ルールなど、設計にはさまざまな基準が関係します。

生成AIがこうした基準を常に正確に反映できる保証はありません。法規に抵触する形状や危険な設計が提案される可能性もあるため、AIの生成結果だけを頼りにすることはできません。導入企業側でルールを設定する場合でも、最新の情報を正しく保持し、適切に適用できるよう管理するには、設計者による確認が必要です。

そのため、設計案をAI生成に任せるだけで終わらせず、人間が最終的なチェックを行い、必要な承認手続きを進めることが重要です。

3.5. 生成結果の実用性と限界

5つ目の限界は、AIの生成結果をそのまま完成図面として利用できるとは限らない点です。

例えばAutodesk Forma Site Designの「Building Layout Explorer」は、マスモデルや建物用途、構造材料などの建築情報をもとに、平面レイアウト案を生成・評価できる生成AI機能です。Autodeskは、詳細なプロジェクト判断を確定する前の段階で、複数の案を検討するための機能として紹介しています（参照*5）。2026年6月の公開時点では実験的機能と位置付けられており、主に初期段階での設計検討を支援するものです。

AI設計ツールは設計者の作業の一部を支援し、CAD業務の効率化に役立つ可能性がありますが、現状では全工程をAIだけで完結させる段階には至っていません。生成結果の特性や限界を理解したうえで、設計者の判断と組み合わせて活用することが重要です。

4. 生成AIを図面作成に活用する方法

ここでは、生成AIのメリットを実務に活かすための方法を3つ紹介します。詳細設計まで含めたすべての作業を任せるのではなく、補助ツールとして取り入れるのが現実的です。

まずは、初期コンセプトの検討や設計案の絞り込みに活用し、プロジェクト全体の効率化につなげる方法が考えられます。あわせて、CADソフトウェアとの連携を検討し、部品やアセンブリのモデリングに活用できる情報を得る仕組みを整えると、より効果的です。

生成AIやAI技術は、主に次のような場面で活用できます。

• 初期設計のアイデア出し
  
• 設計案の比較・検討
  
• CAD作業の補助
  

それぞれの活用方法を順に解説します。

4.1. 初期設計のアイデア出し

1つ目は、プロジェクトの初期段階で、設計アイデアのヒントを得るために活用する方法です。

例えば、建築設計AIを用いて敷地条件や大まかな要望を入力し、外観イメージやレイアウト案を複数生成することで、設計チームの発想を広げられます。製造業でも同様に、試作品や新型装置の概念設計を検討する段階でAIを活用すれば、複数の案を短時間で比較できます。

こうして得られたアイデアをもとに、CADソフトウェアで詳細な寸法や幾何形状を設定していくことで、設計段階での時間短縮や発想の幅を広げることが期待できます。

4.2. 設計案の比較・検討

2つ目は、複数の設計案を生成し、比較・検討する際の支援として活用する方法です。

設計案を生成する技術の一つに、PTCの「Creo Generative Design」があります。これは一般的な生成AIとは異なるジェネレーティブデザイン技術です。エンジニアが目標や制約を設定し、その条件に基づいて設計案を生成します（参照*6）。

エンジニアは、主に以下のような条件を設定します。

• 設計空間
  
• 荷重・運転条件
  
• 目標重量
  
• 材料
  
• 製造方法
  

PTCでは、生成された結果をエンジニアが評価し、必要に応じてパラメータを追加・調整しながら設計を進める流れが示されています（参照*6）。

ただし、こうした技術を利用しても、最終形状がすべて自動で決まるわけではありません。設計者は生成された結果を評価し、必要に応じて条件を追加・調整しながら設計を進めます。そのため、実際の製造条件や設計意図との整合性を確認することも重要です。

4.3. CAD作業の補助

3つ目は、人間が行うCAD作業をAIが補助する形で活用する方法です。

例えばSiemens NXでは、AIを活用した「NX Command Prediction」により、ユーザーがNXをどのように使用しているかや作業コンテキストをもとに、インターフェースをパーソナライズする機能が提供されています。また、「NX Selection Prediction」や「NX Select Similar Faces」など、選択作業を支援するAI機能もあります（参照*4）。

こうしたAI機能を活用することで、繰り返し行うCAD操作の負担を減らし、設計者がより高度な検討や判断に時間を使えるようになることが期待されます。

5. 今後は「CADを理解するAI」が広がる可能性がある

次世代のAI技術として注目されているのが、CADジオメトリを直接扱うAIの開発です。Autodeskが開発を進める「neural CAD」は 、言語や画像を中心に扱う一般的なAIとは異なり、2D・3DのCADジオメトリを直接扱うことを目的としたAI技術です（参照*2）（参照*3）。

Autodeskは、テキストや音声、スケッチ、画像などの入力からCADジオメトリを生成・編集するNeural CADの方向性を示しています（参照*3）。 こうした技術が発展すれば、製図作業そのものが大きく変わり、設計から製造までの時間短縮につながる可能性があります。

一方、現時点ではまだ研究段階にある技術も多く、幅広い場面で一般的に利用できるほど普及しているわけではありません。今後の技術発展によっては、現在指摘されている「生成AIの限界」が緩和され、AIによる製図が日常的に行われる可能性もあります。

6. まとめ

ここまで解説してきたように、生成AIは図面作成やCAD業務を支援できる一方、現状では寸法や形状の正確性、法規・設計基準への対応、設計意図の理解などに課題があります。

そのため、製造業や建築業では、生成AIにすべての工程を任せるのではなく、初期設計のアイデア出しや設計案の比較・検討、反復的なCAD操作の補助として活用するのが現実的です。プロジェクトマネージャーの立場からも、設計プロセスの効率化とリスク管理のバランスを取りながら、段階的にAIを取り入れていくことが重要でしょう。

今後、neural CADなどの先端技術が進展すれば 、AIがCADデータそのものを扱う範囲はさらに広がる可能性があります。それに伴い、設計自動化やCADモデル生成による作業効率化も進んでいくでしょう。ただし、少なくとも現時点では、生成結果を設計者が確認することが重要です。

生成AIを図面作成に活用する際は、できることと限界を正しく理解し、設計者の専門知識と組み合わせることが大切です。技術の特性を見極めながら適切に活用することで、設計業務の効率化や、より良い製品・建築物の開発につなげられるでしょう。

＜参考文献＞
（*1）Understanding Creo AI Render
https://support.ptc.com/help/creo/creo_ai/usascii/index.html#page/ai_assistant/understanding_creo_ai_render.html

（*2）Neural CAD: How AI Can Reason Directly in Design and Engineering
https://www.research.autodesk.com/blog/neural-cad-how-ai-can-reason-in-design-and-engineering/

（*3）Neural CAD and the next era of design innovation
https://www.autodesk.com/design-make/articles/neural-cad

（*4）AI Capabilities in NX CAD | Design faster with AI
https://blogs.sw.siemens.com/designcenter/ai-cad/

（*5）Building Layout Explorer in Forma Site Design | Autodesk News
https://adsknews.autodesk.com/en/news/building-layout-explorer-in-autodesk-forma/

（*6）Creo Generative Design
https://support.ptc.com/help/creo/creo_pma/r13/usascii/index.html#page/generative_design/generative_design_2.html