Genelith AI Solutions

過去の設計を、次の設計の力に。

図面・仕様書・過去のトラブル記録、そしてベテランの判断。散らばった設計の知を、根拠付きで意思決定に使える形にします。

お客様の図面・設計データをAIの学習に利用しない構成で提供します。オンプレミス・閉域網にも対応。

検図支援AI

指摘 3件

  • クリアランス 2.0mm社内基準 3.0mm以上
  • 材質未記入SUS304
  • 面取り注記もれC0.5
根拠社内規定 DS-102類似図面

設計現場の課題

設計の遅れは、作図ではなく「探す・判断する確かめる」で起きている

構想から検図まで、フェーズごとに情報探索の非効率と熟練者への依存が連鎖し、リードタイムが伸びていきます。

最大340分

図面・仕様書の照合作業にかかる時間(1件あたり・AI導入前の実測)

出典: パナソニックコネクト発表(2026年2月)

約9割

設計業務従事者のうち、設計業務の属人化を認識している割合

出典: New Innovations調査(設計従事者約200人)

  1. 01

    構想設計

    過去案件のデータが分散し、要件整理や類似仕様の検索に時間がかかる。初期検討がベテランの経験に依存する。

  2. 02

    基本設計

    仕様変更時の影響範囲の洗い出しが属人化。図面・BOM・CAEの結果が次の案件に引き継がれない。

  3. 03

    詳細設計

    寸法・公差・注記の反復入力と転記ミス。付け方が人によってばらつく。

  4. 04

    検図・承認

    指摘の質がレビュアーの経験に依存し、検図待ちがボトルネックになる。指摘が次の設計に還元されない。

設計現場におけるAI導入の壁

図面の読み解きは、汎用AIにはまだ難しい

71.7%

実務専門家は 94.9%

汎用AI最高性能の図面読解精度(構造図面ベンチマーク)

出典 DrawingVQA(arXiv 2607.15418・2026年7月)

38.7%

汎用型AIでは 10%未満

「図面理解が実現した」と実感した特化型AI(特定業務向けに作り込まれたAI)利用者の割合

出典 キャディ株式会社調査(2026年1月・n=300)

97%

最大340分 → 10分

図面・仕様照合の作業時間削減(特化AI導入・大手電機の設計開発部門)

出典 パナソニックコネクト発表(2026年2月)

私たちのアプローチ

「文脈の理解」と「暗黙知の学習」の両輪で、現場に適合し続けるAIを

設計者の意思決定を支援し、最終判断は人が行います。目指すのは完全自動設計ではありません。

  • 図面
  • 仕様書
  • 過去履歴

文脈のリアルタイム理解

提案

人の最終判断

暗黙知の自動学習

文脈のリアルタイム理解

図面、仕様書、過去履歴。分断されたデータをAIがまとめて読み解き、設計者の意図を文脈として理解します。

暗黙知の自動学習

AIの提案に対する設計者の修正・採択をログ化し、ベテランの思考プロセスを蓄積して学習を続けます。

すべての提案には、根拠となった社内規定や過去の類似図面への参照リンクを明示します。

導入して終わりではなく、現場のフィードバックで賢くなり続けます。

選び方

AI活用の手段は4つ。適した場面を比べて選べます

4つの手段を、適した場面で比べられるように整理しました。

  • 汎用AIをそのまま使う

    適している場面

    文章の作成・要約、一般知識の補助

    適さない場面

    図面の読み解き、社内基準に基づく判断(「設計現場におけるAI導入の壁」の統計を参照)

  • パッケージ製品(検図・図面検索など)

    適している場面

    標準的なチェック項目で足りる業務。図面管理が整っていて、すぐ使い始めたい場合

    適さない場面

    社内固有の設計基準・暗黙ルールに基づく判断が必要な業務

  • 社内で内製する

    適している場面

    AI専任チームがあり、作った後も継続的に改修できる体制がある場合

    適さない場面

    専任を置けない場合(構築後も維持・改善の担い手が必要になります)

  • カスタム開発+伴走(当社)

    適している場面

    パッケージで精度が出なかった業務。社内固有ルールが多く、段階的に確かめながら進めたい場合

    適さない場面

    標準機能で足りる業務(その場合はパッケージ製品をおすすめします)

選定の目安(5問)

  1. 01

    自社の設計基準・チェック項目は文書化されているか

  2. 02

    パッケージ製品の検証で、精度は業務に足りたか

  3. 03

    AIの構築・改修を担う専任者を置けるか

  4. 04

    図面・設計データはどこまで社外に出せるか

  5. 05

    段階的に効果を確かめてから投資を判断したいか

設計現場の課題を、まずは30分お聞かせください

30分無料相談を予約する

始め方

データが整っていなくても、始められます

データの蓄積状況に合わせて、2つの入口をご用意しています。

01

図面・文書データが一定蓄積されている場合

プランA|無償プロトタイプ検証

NDA締結のうえお預かりしたデータで簡易AIプロトタイプを無償構築。自社データに対する回答精度、UIの操作感、本番導入の概算費用と期間を確認できます。無償検証の範囲・期間・有償化の基準は、開始前に書面で明確にします。

02

データ基盤がこれからの場合

プランB|データ創出・要件定義伴走

何を・どの粒度で・どう集めるかの設計から伴走。AIを使いながら、設計データと知識が自然に蓄積される仕組みをつくります。

提供の流れ

まずは小さく。効果を確かめながら進めます

初期診断で現状を実測し、段階ごとに効果を確かめてから次へ進みます。だから、効果の削減率を先に約束することはしません。

  1. 01

    30分

    無料相談

    現状課題のヒアリング、および弊社ソリューション事例の共有を通じたアプローチの方向性すり合わせ

  2. 02

    1-2週

    初期診断

    対象となる業務プロセスの特定と、現在保有しているデータの量・質・フォーマットの簡易アセスメント。実現可能性の一次判定

  3. 03

    4-8週

    有効性検証

    一部のサンプルデータを用いた簡易プロトタイプの構築。現場キーマンに実際に触れていただき、「AIが実業務に寄与するか」の技術的・業務的フィジビリティを検証

  4. 04

    3-6ヶ月

    現場組み込み・実測検証

    特定部門・特定ラインに限定し、実データ・実プロセス内でのβ版運用を開始。現場からのフィードバック収集と課題の抽出。

  5. 05

    6ヶ月以降

    継続的な精度向上・現場定着の維持

    継続契約を通じた、現場の実データに基づく精度の継続的チューニング・現場定着の維持・AIモデルの精度劣化の防止を実施

  6. 06

    順次

    横展開

    他工程とのデータ連携強化、および全社展開に向けたスケーリング準備

導入して終わりではありません。現場のフィードバックをもとに、継続的に精度と使い勝手を改善します。

チーム

設計現場のために作る、AIの専門チーム

大手自動車メーカー/AI・DX推進室

頓挫していたプロジェクトが動き出した

社内で頓挫していたAIプロジェクトが軌道に乗り、実現性がはっきり見えるようになりました。

工場現場のマルチモーダル基盤の構築

大手自動車メーカー/AI・DX推進室

伴走のなかで、本当の課題が見えてくる

伴走支援を受けるうちに、当初の依頼範囲の周辺にあった「本当に解決すべき課題」が次々と明確になりました。

3Dモデル設計の自動化

大手自動車メーカー/品質管理部門

「なぜそうなるのか」まで見える開発

納品物の品質だけでなく、「なぜその結果になるのか」の根拠まで見えるので、安心して進められました。

外観検査・デジタルツイン実現に向けたPoC

Kaggle Grandmasterが在籍するAIチームが、設計現場のために作ります。

自動車業界を中心に、複数社のAI開発を手がけてきました。設計支援AIでは現在、大手自動車メーカーとの現場組み込みが進行中です。

Partners & Programs

  • NVIDIA Omniverse Enterprise
  • NVIDIA Inception Program
  • Microsoft for Startups
  • Google for Startups

Partners & Programs

設計現場の課題を、まずは30分お聞かせください

30分無料相談を予約する

よくあるご質問

設計現場の課題を、まずは30分お聞かせください

どこから始めれば効果を確かめられるか、一緒に整理します。

プランA|無償プロトタイプ検証

図面・文書データが一定蓄積されている場合

プランB|データ創出・要件定義伴走

データ基盤がこれからの場合

30分の相談で行うこと

  1. 現状の課題をお伺いします
  2. 類似の解決事例を共有します
  3. アプローチの向性をすり合わせます