非言語資料から言語を取り出し、開発現場の課題を発見。ストックマークが製造業R&D向けAIエージェントにもたらす新機能

製造業の研究開発や設計現場において技術者の手を最も止めるのは、「課題をいかに解くか」ではなく「何が問題なのかを特定すること」だ。熟練技術者であれば、図面を見るだけで「応力集中」や「放熱の懸念」といった勘所を経験則で見いだせる。一方、形式知化されていないその感覚を、経験の浅い若手や異分野の技術者が再現するのは容易ではない。結果、そもそも何が問題で、どのような言葉でAIに相談すべきか整理できずに、思考の初動で止まってしまう。
こうした課題設定の属人性と前準備の負荷を解消すべく、新たなアプローチが動き出した。ストックマーク株式会社は2026年9月、自社の製造業R&D向けAIエージェント「Aconnect」へ、新たな機能の搭載を発表した。「課題の言語化アシスト機能」と称されるそれは、図面などの非言語資料からAIが対話を通じて解くべき課題を具体化し、解決策の探索までを一気通貫で支援する、というもの。AIが「答えを出す道具」から「問いを立てる相棒」へと進化し、ものづくりの上流工程を変えようとしている。（文＝AI Base編集部）

▼AI活用のヒントを毎日掲載！
AI活用の基盤をつくる『AI Base』

（引用元：PR TIMES）

ビジネス向け生成AIサービスを展開するストックマークが提供する「Aconnect」は、論文や特許などを横断して必要な情報をまとめ、開発判断を支える製造業R&D向けAIエージェントだ。2026年9月10日、同社はその「Aconnect」に対し、図面や設計図から解くべき課題を発見・定義する新機能をリリースした。

新機能の特徴は、テキスト化されていない設計資料をそのまま思考の起点にできる点にある。技術者が図面や仕様書のファイルをアップロードすると、製品形状や部品構成、配置、寸法、接続関係といった非言語情報をAIが直接解析する。人間が資料を読み込んでプロンプトを作成する手間を省き、資料を渡すだけで即座に検討を開始できるのだ。

さらに、AIとの対話を通じて課題を深掘りする仕組みも備える。若手技術者が着眼点に迷った場合でも、AIが図面の特徴を踏まえて論点や問いかけを提示。経験不足による見落としを補いながら、曖昧だった課題を明確な言葉で整理していく。

言語化された課題は、要因仮説の立案から解決策探索へと接続される。これらがロジックツリー形式で展開されるため、資料理解から課題解決までの一連の思考プロセスが分断されず、客観的な検証を可能にしている。

ストックマークによる今回の機能拡張が示唆するのは、生成AIの役割が「指示された課題を解く道具」を脱し、その前段階にある「そもそも何を解くべきかを突き止める相棒」と、上流にシフトしたという事実である。

従来のAI活用では、解決すべき課題はあらかじめ提示されていることが前提だった。しかし、製品開発で最も難度が高いのは、まさにその「正しい問いを立てる」作業そのものだ。初期の課題設定がずれていれば、その後にどれほど高精度なAIで解決策を探索しても、手戻りが発生してしまう。これに対して、図面上の非言語情報を起点にAIと対話し、早い段階で本質的な課題をつかむアプローチは、開発の手戻りを防ぎ、設計のリードタイムを短縮する上で有効に機能するだろう。

この仕組みは、熟練技術者に集中していたレビュー負担の軽減にもつながる。若手技術者がAIの支援を受けて自力で図面から論点や仮説を整理した上で相談できるようになることで、熟練技術者は初歩的な確認作業から解放され、より高度な技術判断に専念できるからだ。

ものづくりの現場におけるAIの真価は、作業の代替にとどまらず、「何が問題か」を突き止める初期段階を支援し、技術者同士の経験差を埋める点にある。ストックマークが提示した課題定義のモデルは、日本の製造業が組織全体の開発スピードを底上げするための現実的な一手となるはずだ。

▼AI活用のヒントを毎日掲載！
AI活用の基盤をつくる『AI Base』