目次
OpenAIは2026年11月3日、CAD、回路設計、シミュレーション、製造図面など、物理製品の設計工程でChatGPTとCodexを使う取り組みを公表しました。対象は機械・電気・組み込みソフトをまたぐ開発チームと、これらの専門ツールへAIを組み込みたい開発者です。発表の価値は、会話で案を出す段階から、CADやECADを操作し、成果物を人がレビューする工程へ用途が進んだ点にあります。
ただし、一般提供された専用や完成済みの自動設計製品の発表ではありません。OpenAIの社内利用、試作実験、少数の協業先での初期結果をまとめた研究発表です。導入を検討する場合は、モデルの能力だけでなく、専門ツールとの接続、設計制約の受け渡し、成果物の検証、製造可能性の確認までを一つのシステムとして評価する必要があります。
スポンサーリンク
一週間の試作で示した範囲
OpenAIは、利用者がCodexと会話できる小型デバイスを題材に、筐体、プリント基板、UI、ファームウェア、ソフトウェア連携をAIで設計する実験を行いました。発表では、2人のチームが本業の傍らのサイドプロジェクトとして1週間未満で設計し、委託製造会社が1カ月未満で少量の試作品を製造したと説明しています。
ここで注目したいのは、AIが単一のCADファイルを生成しただけではない点です。筐体内部の部品配置、基板上の部品選定と配線、Codexへ接続するソフトウェアまで、複数分野の成果物を整合させる必要がありました。開発者の視点では、これは「良い回答を返すモデル」の評価ではなく、前工程の決定が後工程の入力として正しく残るかを測るワークフロー評価です。
一方、製造準備には複数回のレビューと修正が必要でした。OpenAIは、製造会社の生産上の制約、公差、組み立てに必要な細部をAstraが常に考慮できたわけではないと明記しています。「人が直接編集しない試作」が成立したことと、「人の設計審査なしに量産できる」ことは同じではありません。
CAD・PCB・シミュレーションで確認された用途
OpenAIのハードウェア部門では、CodexとChatGPTをCADモデルの作成・修正、3D設計から2D製造図面への変換、有限要素解析などのシミュレーション設定、設計レビューに使っています。ロボティクスや計算基盤を含むチームで、2026年2月以降のモデル利用量はトークン数で23倍になったとしています。この数字は利用拡大を示しますが、工数が23分の1になったという意味ではありません。
| 工程 | AIに任せやすい作業 | 人が確認する基準 |
|---|---|---|
| 機械設計 | 形状案、CAD操作、図面化、解析条件の準備 | 寸法、公差、材料、干渉、加工方法 |
| 電気設計 | 部品候補、配置、接続案、レビュー補助 | 定格、調達性、配線規則、熱、製造性 |
| ソフトウェア | ファームウェア、UI、外部サービス連携 | 実機I/O、失敗時の状態、更新手順 |
| 横断調整 | 仕様・図面・変更点の照合 | 版の一致、未解決事項、責任者の承認 |
建築・設備分野でも、図面と仕様書の照合、変更点の調整、指摘事項の整理が利用例として挙げられています。共通するのは、AIが最終判断者になることではなく、異なる形式の資料を読み、専門家が判断できる中間成果物へ変換する役割です。入力と出力の形式が定まっている工程ほど、評価条件を作りやすくなります。
スポンサーリンク
提供範囲と実装方法はまだ確定していない
今回の発表は、利用したCAD・ECAD製品の一覧、連携用API、必要なプラン、料金、地域別の提供条件を示していません。AstraやCodexが専門ソフトを操作した事例は確認できますが、すべてのChatGPT利用者が同じ環境をすぐ再現できるとは限りません。製品選定では、研究デモと現在契約できる機能を分けて確認します。
専門ツールへの接続方法も重要です。画面操作で既存UIを使う方式、ツールのAPIやスクリプトを呼ぶ方式、生成した中間ファイルを読み込む方式では、再現性と検証方法が異なります。画面操作は導入しやすくても、ダイアログや表示状態の変化に影響されます。APIやスクリプトは入力を構造化しやすい一方、対応する操作と版管理が必要です。
開発チームは、発表にない接続方式を推測して実装計画へ入れず、利用中の専門ソフトが提供する正式な自動化手段を確認してください。AI側のモデルが更新されても、設計ファイル形式やプラグインの互換性が崩れれば工程は止まります。モデル、ツール、テンプレート、検査規則を独立して版管理できる構成が必要です。
BenchCAD 2.0の数字を製品保証と読まない
OpenAIは進歩の測定にBenchCAD 2.0を使っています。この評価は、寸法入り図面や複数方向のレンダリングから3D部品・組み立てを再構成し、基板画像から回路接続を特定する課題を含みます。新しい社内モデルの平均スコアは0.875、GPT-6 Astraを最高推論設定で使った結果は0.594と報告されました。
BenchCAD側の説明では、6種類の課題を別々に評価し、による主観採点を使わず参照データと照合します。これは再現性のある比較に役立ちますが、部品調達、法規、耐久性、量産ばらつき、保守性など設計ライフサイクル全体を測るものではありません。また、Astra発表時のBenchCADの幾何学的重なりスコアと、今回のBenchCAD 2.0平均値は評価版と指標が異なるため、数値を直接比較できません。
導入側はベンチマークの順位をそのまま採用理由にせず、自社の図面様式、部品ライブラリ、設計ルールで課題を作る必要があります。公開済みの設計を入力にして再現させ、寸法だけでなく、拘束条件、材料、部品表、接続、エラーの有無まで比較します。生成物を開けたことだけを合格にすると、後工程で修正が増える問題を見落とします。
スポンサーリンク
導入前に作る四つの境界
1. 作業単位を成果物で区切る
「この製品を設計して」ではなく、要求仕様の整理、筐体案、基板接続、シミュレーション設定、製造図面のように工程を分けます。各工程に入力資料、出力形式、合格条件、確認担当を割り当てます。前の工程が更新されたとき、どの成果物を再生成・再確認するかも決めます。
2. 専門ツールの状態を記録する
同じ指示でも、CADやECADの版、プラグイン、単位系、部品ライブラリ、解析ソルバーにより結果は変わります。モデル名だけで再現条件を表せません。開始ファイルのハッシュ、ツール版、使用した部品表、実行したコマンド、生成物を試行ごとに残します。画面操作型のエージェントでは、保存前後のファイルと実行ログも比較対象です。
3. 設計規則を機械検査へ移す
人がを読むだけでは、規則の抜けを安定して検出できません。CADの干渉・寸法検査、基板のDRC、回路のERC、コンパイル、静的解析、シミュレーションの収束条件など、ツールで判定できる項目を自動評価へ組み込みます。AIが出した説明ではなく、保存された成果物に検査をかけます。
4. 製造レビューを独立したゲートにする
設計ツール上で成立しても、加工機の能力、調達可能な部品、組み立て順、検査治具、許容差の積み重ねで製造できない場合があります。OpenAIの試作でも、この境界が課題として残りました。量産判断は、AIの完了報告とは別に、機械・電気・製造の担当者が承認する工程として維持します。
小さな検証を六段階で進める
- 過去に承認済みの部品や基板を一つ選び、入力資料と正解の成果物を固定する
- AIへ任せる工程を一つに絞り、使用できるツールと変更禁止範囲を記す
- 開始状態を複製し、モデル・ツール版・指示・実行時間を記録する
- 生成物へ既存の設計規則と自動検査を適用し、失敗を分類する
- 専門家が修正量、見落とし、説明の追跡可能性を確認する
- 同じ条件で複数回実行し、現行手順より総時間と手戻りが減ったか判断する
最初から複合製品全体を対象にすると、失敗がモデル、ツール接続、入力資料、設計規則のどこにあるか分かりません。一工程の再現から始め、合格後に前後の工程をつなぎます。途中の成果物を保存し、後工程だけを再実行できるようにすると、長いエージェント処理を最初から繰り返す費用も抑えられます。
評価セットは正常系だけにしない
最初の評価には、単純な部品だけでなく、意図的に矛盾した寸法、廃番部品、部品表と回路図の不一致、製造限界を下回る形状、解析条件が不足した例を含めます。AIが勝手に補完して完成させるのか、確認を求めるのか、処理を止めるのかを記録します。正解が一つでない設計案と、守らなければならない制約違反は分けて採点します。
採用指標は処理時間だけでは足りません。初回合格率、重大な規則違反、人が修正した項目数、再実行回数、ツール利用料、レビュー時間を合わせて比較します。さらに、合格後に人が再確認した箇所と判断理由を記録し、次回の評価セットへ失敗例を戻します。新しいモデルが速くても、製造レビューで差し戻しが増えれば全体の期間は短くなりません。OpenAIが示した1週間未満という設計期間も、特定の試作条件での結果として扱うべきです。
今すぐ試すなら補助工程から
現時点で始めやすいのは、既存図面から確認項目を抽出する、3Dモデルから製造図面の下書きを作る、シミュレーション設定を準備する、仕様と図面の差分を一覧化するといった、入力と検証方法が明確な仕事です。採用済み設計を使って比較できるため、実機を一から作るより失敗の所在を確認しやすくなります。
OpenAIの発表は、AIがコードだけでなく物理設計の専門ツールを扱う段階へ進んだことを示しました。同時に、製造制約と公差の理解が残る課題だとも示しています。導入判断では、モデルのデモより、成果物を再現可能に保存し、機械検査と専門家レビューで不合格を見つけられる工程を先に作ることが重要です。
スポンサーリンク
