2026年7月15日

「純正ツールが60〜70%」という数字は、逆に言えば自分の手元でも汎用LLMで下地は作れる水準ということ。最初の一歩は、GX Works3で書いた既存プロジェクトのラダーを1本、日本語の仕様コメント付きでテキスト化し、ChatGPTかClaudeの無料枠に「この動作条件のラダー骨子をST言語で書いて」と投げて出力を見比べること。三菱がST言語にClaudeを当てているのは示唆的で、構造化されたSTの方がLLMと相性が良い。正答率が7割なら残り3割は必ず自分でレビューする前提で、まず自己確認から。純正ツールの正式版が出るまでの間、STで叩き台→ラダーへ手起こしという流れなら今日から無料で試せる。誤生成の癖(タイマー・エッジ検出の取りこぼし等)を自分のプロジェクトで洗い出しておくと、正式ツール導入時に一気に使いこなせる。

Siemens純正Copilotは三菱PLC中心の現場だと直接は使いにくいが、「設計データの探索」「規格・コンプラ照合」「製造プロセスの記述」という3つの切り口はメーカー非依存で真似できる。まず効くのはコンプラ照合で、客先仕様書や社内標準(安全規格・配線ルール)をPDFでまとめてClaudeのプロジェクトに入れ、新規盤設計時に「この仕様書に照らして抜けがないか」をチェックさせる使い方。無料〜サブスク内で今日試せる。Xcelerator Marketplaceは眺めるだけでも、大手がどの業務からAI化しているか(設計データ管理→コンプラ→製造)の順番が分かり、自分の現場でどこから手を付けるかの地図になる。

これは制御設計の周辺業務に直撃する。最初の一歩は、手書きの点検表や試運転チェックシートをスマホで撮ってDriveの1フォルダに入れ、GASで拾ってGeminiに投げ、日付・項目・測定値の列を持つスプレッドシートに落とすまでを1枚で試すこと。responseSchemaで「日付・設備名・測定項目・値・判定」を固定すれば、表記ゆれのある手書きでも構造化して蓄積できる。無料枠で回るので導入コストは実質ゼロ、GASの知識も第1回チュートリアル程度で足りる。まず自分の手書きメモ1種類で空振り確認してから、客先で使う正式帳票に広げるのが安全。読み取り精度は7〜8割見込みで、金額・寸法などクリティカルな数値は人が最終確認する運用が前提。

トピック3が「画像→表」なら、こちらは「表→AI処理」で、両輪で覚えると設計事務作業がまとめて楽になる。最初の一歩は、部品リストや不具合ログのスプレッドシートに1列「AIメモ」を足し、GASのカスタム関数からGeminiに「この行の部品の代替候補を1つ挙げて」等を聞いて書き戻す小さな関数を1つ作ること。環境構築はAPIキー発行とスクリプト貼り付けで30分程度、費用は無料枠。いきなり全業務に広げず、まず自分だけが使う1シートで動かし、キーの管理(スクリプトプロパティに入れて直書きしない)だけは最初から守る。

これは設計・現場のどちらにも効く「AIに任せた後の詰め」の話。制御設計なら、客先からの仕様問い合わせをAIで一次分類しても、判断保留になった案件の担当と回答期限がスプレッドシートで見えていないと結局止まる。最初の一歩は、既存のGoogleフォーム/スプレッドシートに「要人間確認」フラグと「期限」「担当」列を足し、GASで期限超過をChatやメールに通知するだけの短いスクリプトを1本置くこと。無料枠で完結、コードも数十行。AIで速くした分を、こういう期限・担当の可視化に回すと、現場のトラブル対応票の放置ゼロにそのまま応用できる。

全周波数解析のシステムはいきなりは重いが、考え方は個人でも真似できる。最初の一歩は、気になる設備(ポンプ・モーター・コンプレッサ)の正常運転時の音をスマホで録り、無料の音声解析アプリやスペクトル表示で「正常時の音の指紋」を1台分だけ取っておくこと。異音が出たとき同じ条件で録って重ねれば、どの周波数帯が増えたかが素人目にも分かる。ベテランが「音でわかる」と言うのはこの周波数変化のことなので、まず自分の担当設備1台で正常時のスペクトルを控えるだけでも予兆検知の入口になる。本格導入は数百万円規模のセンサー＋クラウドだが、この「正常時を先に記録する」習慣はコストゼロで今日始められ、客先での故障切り分けの説得材料にもなる。

S7-PLCSIM Advancedはシミュレータなので直接ラインを止める類ではないが、開発PCに入っている人は多い。最初の一歩は、自分と客先の開発環境でPLCSIM AdvancedやDesigo CC関連が使われているかを棚卸しし、該当があればSiemensの勧告番号(SSA-828211等)をブックマークして修正版の公開を待つこと。緩和策としては、シミュレータを載せた開発PCを客先の制御ネットワークに常時接続しない運用を徹底するだけでもDoSの露出は大きく下がる。コストはゼロ、手間は棚卸し30分。ProductCERTのRSSを購読しておくと、客先に出向く前に「今どの製品にパッチが要るか」を1分で把握でき、保全提案の信頼度が上がる。

予知保全やデータ収集を客先に提案する前の「型」としてそのまま使える。最初の一歩は、次にデータ収集を頼まれたとき、いきなりPLCのデバイスを開くのではなく、「何を判断したいのか(例:このモーターの過負荷傾向)」「そのために要る信号は何か」「どれだけの期間・粒度で残すか」の3行をA4に書き出すこと。ここでClaudeやChatGPTに「この設備でこの故障を早期検知したい。集めるべき信号と保存粒度を提案して」と壁打ちすると、抜けている信号(電流だけでなく温度・振動も)に気づける。ツール費ゼロ、所要15分。この1枚があると、後からデータが増えても「見る人がいなくなる」失敗を避けられ、客先への提案書の骨子にもなる。

この「黄で予告する」思想は、AIツールを持ち出す前の設計品質の話で、明日の盤設計にそのまま効く。最初の一歩は、次に信号灯の仕様を書くとき、赤(停止)だけでなく黄の発報条件を「事後」から「予告」へ1つ格上げすること——例えば材料残量が閾値を切ったら点滅で予告、を1条件足すだけでいい。点滅間隔やブザーのパターンを仕様書に明記しておくと、50台並ぶラインでオペレータが色だけで走る先を判断できる。コストは追加部品ゼロ(ロジックとドキュメントの工夫のみ)。さらに、過去の停止ログをスプレッドシートにためてClaudeに「どの警報を予告化すれば停止時間が減ったか」を分析させると、黄の設計を数字で裏付けられる。

自動機・ロボット導入の現場で「どこまでAIに任せ、どこは人と機構で詰めるか」の線引きにそのまま使える示唆。最初の一歩は、次にロボットのティーチングやハンドリング仕様を検討するとき、動作シーケンスの組み立て(順序・条件分岐・エラー処理の骨子)はLLMに叩き台を出させ、力制御・数mm精度の位置合わせ・接触を伴う挿入は機構(倣い機構・フローティング・センサーフィードバック)側で担保する、と最初から役割分担を決めること。AIに繊細な力加減まで期待して工数を溶かすより、苦手が分かっている今は「段取りはAI、手先はメカ」で設計した方が早い。検証コストは無料(叩き台生成のみ)。この境界感覚を持っておくと、客先から過剰な自動化を求められたときも、現実的な線を根拠を持って提案できる。