こんにちは、S-TECの柴原です。 ここでは「つぶやきから設計ノウハウを抽出し、自動で仕分けるシステム」についてのメモをしています。
私は機械設計のいち実務者であると同時に、複数の設計メンバーを抱えるプロジェクト管理者でもあります。 日々異なるお客様の仕様を理解し、メンバーと分担して仕事を進める中で、痛感していることがあります。
それは、仕事を分担すればするほど「共通認識」や「自分たちなりのルール」が絶対に必要になるということです。
しかし現実は甘くありません。 毎日違う案件に追われる環境で、設計のノウハウやルールをメンバーに伝えたくても、その時間が圧倒的に足りない。 「自分でやった方が早い」という葛藤の末、ノウハウの共有を半ば諦めかけていました。
一般的な「OJT」で教えられるのは、あくまで基礎的な当たり前のことだけです。 実際の現場で本当に必要なのは、基礎よりももっと深い考察、過去のケーススタディ、そして「実務で発生した妥協点をどうルール化し、判断基準にするか」という生々しい知見です。 これらをルール化できて初めて、管理者の負荷は減り、組織は強くなります。
設計ノウハウ自動仕分けシステム
製造業における「AI導入のリアルな壁」
昨今、AIの話題が尽きませんが、現場の先頭で働く実務者にとって「AIにノウハウを入力する」という作業自体が、逆に負荷を増やすように感じられるかもしれません。
ホワイトカラーの職場では「自分の仕事をAIに奪われるのでは」「効率化しても給料に反映されない」といったスタンスがAI導入の壁になっていると聞きます。 しかし、私たち製造業は逆です。 すぐには答えが出せない、泥臭い課題ばかりに直面しています。
だからこそ、私たちのような泥臭く成し遂げる製造業従事者にとって、AIは仕事を奪うものではなく、「会社の利益に直結させる仕組みを、現場全員で作り上げるための武器」でなければならないと私は考えています。
試行錯誤の結晶として生まれたシステム
そこで私は、時間のない自分でも、現場の泥臭いノウハウをため込める仕組みが作れないかと、Geminiと対話を繰り返しました。
毎日、自分が設計している約30分の動画を2〜3本録画し、そこからノウハウを抽出するAIへの指示書（プロンプト）を開発。 うまくいかずに試行錯誤を繰り返す日々でした。 いくらAIが優秀だとしても、企業の「暗黙知」を正確に引き出す仕組みは、決して一晩で出来るものではありません。 これは、私が現場で流した汗と、途方もない試行錯誤の結晶です。
そしてついに、「マニュアルを書く」という作業を完全に捨て、自分が寝ている間に設計ノウハウが勝手に分類・蓄積されていく全自動システムを完成させることができました。
⚠️ 導入前に、必ずお伝えしておきたいこと
ここで、一つだけ誤解のないようにお伝えしておきます。
今回私が公開するシステムは、「皆さんの代わりに応答してくれる『AIクローン（チャットボット）』そのもの」ではありません。
今回ご提供するのは、将来そのAIクローンを作るために絶対不可欠となる、「嘘のない完璧な学習データ（自社のコンテキストストック）を、全自動で蓄積し続けるためのインフラ（準備）」です。
AIは「何を学習させるか」がすべてです。ゴミを入れればゴミが出ます。だからこそ、まずはこのシステムで「自社独自の設計バイブル」を半年〜1年かけて貯め込んでいただく必要があります。
蓄積したデータを、どうやって「AIクローン」にするのか？
「じゃあ、貯まったデータを将来どうやってAIに組み込めばいいの？」と思われるかもしれません。
この『コンテキストストック』が完成した暁には、以下のような方法で「自社専用AI」として実装していくステップが待っています。
① カスタムアシスタント機能への「思考のインプラント」
ChatGPTやGeminiなどには、自分専用のAIを作れる機能があります。そこに、このシステムで貯めた「基本思想」や「妥協の理由」を読み込ませることで、あなたの設計哲学を完全に引き継いだアドバイザーを短期間で構築できます。
② 社内データ検索システム（RAG技術）との連携
何千ページにも及ぶマニュアルになったとしても、AIに「このフォルダ群の中から、関連する過去トラを探して回答して」という仕組みを構築することで、膨大なデータベースを瞬時に横断できるAIシステムに進化します。
③ 自社専用チャットツール（UI）の開発
社内の誰もがLINE感覚で質問できるよう、GoogleチャットやSlackなどと連携させ、「新人が質問すると、裏で自社のノウハウを参照して答えてくれるボット」として全社展開していくことも可能です。
④ より高度なAIモデルの追加学習（チューニング）
企業レベルの規模になれば、この整理されたデータをAIモデル自体に直接学習させ、専門用語や自社特有の言い回しまで完全に理解する「究極の自社AI」を構築する材料になります。
これらをどうやって構築していくのか……という具体的な「AIクローンの作り方」についても、私自身が現在ゴリゴリと開発・検証を進めている最中です。 こちらもいずれ、本当に現場で使えるレベルに仕上がったら、皆さんにノウハウとして共有したいと考えています。
まずはその日に備えて、「AIに食べさせるための極上のデータ」を、今日から寝ている間に貯め始めましょう。
「つぶやき」が設計バイブルに変わる3つのステップ
このシステムを導入すると、毎日のルーティンはこう変わります。
STEP 1：昼間（ただ、つぶやく）： 設計作業中、キーボードでマニュアルを打つ必要はありません。 CADを操作しながら、画面録画を回し、自分の思考を「独り言」としてつぶやきます。 「コストを下げたいから板金にしようと思ったけど、過去に割れたトラウマがあるから、ここは10mmのフラットバーに変更しよう」 こんな感じで、あなたの「迷い」や「判断の理由」を声に出すだけです。
STEP 2：夕方（AIに投げる）： 退社前、録画した動画（または文字起こしテキスト）をプロンプトを利用してGeminiに投げ込みます。（実際は夕方でなくてもOK） するとAIが、あなたの雑多な独り言から「設計のノウハウ」だけを抽出し、綺麗な文章にしてくれます。 それを所定のGoogleドキュメントに貼り付けて、帰宅します。
STEP 3：深夜（AIが自動仕分け） あなたがぐっすり眠っている深夜3時。 裏側に仕込んだGoogle Apps Script（GAS）が自動起動します。 インボックス内のテキストを読み取り、「30_構成・構造・材質」「50_図面作成手順」など、あらかじめ設定した7つのカテゴリフォルダへ、一瞬で綺麗に振り分けて保存します。（仕分け時間は好きな時間で設定できる）
翌朝、あなたが出社した時には、昨日適当につぶやいた内容が「格調高い自社の設計バイブル」として自動アップデートされているという仕組みです。
なぜ「ただのAI要約」ではダメなのか？（ハルシネーションの回避）
「そんなの、普通にAIに要約させればいいじゃん」 そう思われた方、少しお待ちください。そこが、私が一番苦労したポイントです。
AIにただ要約させると、「〇〇をクリックして線を引いた」という単なる操作手順になったり、最悪の場合、AIが勝手に嘘の理由をでっち上げる（ハルシネーション）という致命的な問題が起こります。 適当な嘘が混ざったマニュアルなんて、現場では怖くて使えません。
そこで私は、AIに渡す「プロンプト（指示書）」の構築に徹底的にこだわりました。
このシステム（完全版）のプロンプトは、AIに対して以下の厳しい制約をかけています。
- 「どこをクリックしたか」という操作手順は全削除する。
- 「次回の設計に転用できる普遍的な判断基準（設計の芯）」のみを抽出する。
- 「なぜそうしたか（妥協の理由・コストとリスクの天秤）」を必ずセットで記述する。
- 動画で語られていない嘘（ハルシネーション）は絶対に書かない。
これにより、単なる作業ログではなく、「熟練者の直感」と「妥協の境界線」が高純度で抽出された、本物の技術資産が毎日蓄積されていくのです。
これはスタート地点。コンテキストストックの無限の可能性
この全自動システムによって「自社の設計バイブル」が毎日蓄積されていくわけですが、実はこれはゴールではなく、スタート地点に過ぎません。
ここでため込んだ純度の高いノウハウ（コンテキストストック）は、私がいま目指している「専用のAIクローン」を作るための最強の脳になります。 それだけでなく、このノウハウの引き出し方を変えれば、全く違った使い方も無限にできます。
つまり、このコンテキストストックを構築すること自体が、AIをより「企業に合わせたオリジナリティのある存在」へと進化させる、最大のきっかけになるのです。
……と、少し風呂敷を広げてしまいましたが、「自社専用のAIクローンって、要は設計以外にどう使えるの？」という方に向けて、パッと思いつく限りですが、製造業ならではの泥臭い活用例を5つほど挙げてみます。
例えば、皆さんの会社にこんな「裏マニュアル」が自動で出来上がっていったら、どうでしょうか。
① 購買・調達部門の「協力会社（外注・材料屋）の裏トリセツ」
「A社はカタログ納期は2週間だけど、月末に電話で頼み込むと3日でやってくれる」 「B社は板金加工は綺麗だけど、タップの深さ指定を明確に図面に書かないとよくミスる」 こうした、担当者の頭の中にしかない「協力業者のクセや得意不得意、交渉のコツ」をつぶやいて蓄積しておけば、担当者が変わっても即座に最適な発注先をAIが教えてくれます。
② 営業・設計連携の「顧客別・地雷回避マニュアル」
「C社は仕様書通りのものを作っても、『現場の作業員が使いにくい』と後からクレームをつけてくるから、設計の初期段階で必ず簡易モックアップを作って確認させること」 ……みたいな、絶対にマニュアルには書けない（でも一番重要な）顧客ごとの「地雷ポイント」も、過去トラ（過去のトラブル）として安全に蓄積し、次の案件でAIが事前にアラートを出してくれます。
③ 組立・製造現場の「職人の『なんか変だ』を言語化するデータベース」
「図面通りに組んだけど、ここのボルトから先に締めないと、後でフレーム全体が歪むんだよな」 現場の職人さんが作業中にブツブツ言っているそんな不満やコツ。これをスマホで録画・録音して放り込むだけで、「設計が意図しなかった組立手順の最適化」がマニュアル化され、将来の設計へのフィードバックループが完成します。
④ 品質保証・メンテの「ベテランのトラブルシューティング集」
「設備からこういう異音がした時は、だいたいココのベアリングが偏摩耗してる。応急処置としては〇〇をしておくこと」 現場のベテランしか持っていない、五感を使ったトラブル対応の引き出し。これを事象と理由セットで蓄積しておけば、若手が夜間のトラブル対応に行っても、AIが「その音なら、まずここをチェックして」と的確に指示を出せます。
⑤ 会社全体の「『なぜこのルール？』に即答できるFAQボット」
新人が「なぜウチの会社はこの部品ばかり使うんですか？」と聞いたとき、「昔からそう決まってるんだよ」と答える会社は成長が止まります。 このシステムで「理由」を蓄積し続ければ、AIが「過去に別の部品でこういうトラブルがあって、それ以来この部品を標準にしているんだよ」と、新人が納得するまで背景を教えてくれるようになります。
――どうでしょうか。 設計ノウハウだけでなく、こういった「会社を回している泥臭い暗黙知」をすべてAIの脳みそ（コンテキストストック）に放り込んでいけるのが、このシステムの本当の恐ろしさであり、無限の可能性です。
あなたの環境にも、明日から導入できます
そして、この「ノウハウ全自動資産化システム」を、読者の皆様のGoogleドライブにもすぐ実装できるよう、必要なコードと手順書をパッケージ化して 近日中にBASEショップにて公開する予定です。
正直、AIの活用においては「各社競っている」と想像しているんですが、とはいえ製造業においては実務者のノウハウをAIに食わせることなど負荷が高く、様々な壁があると思っています。 AIの活用方法は無限大で、これはあくまで「私が今の所ベストだと思ったやり方」なのですが、まだコンテキスト溜めに着手していない方にとっては有益すぎる情報だと思います。
もし、興味がありましたら是非手に取って実装してみてください。
皆様の状況に合わせて、2つのプランをご用意しています。
🔵 通常版（4,980円）※予定価格
「まずは自動化の仕組みを手軽に体験してみたい」という方向けです。
- 内容： 構築マニュアルPDF ＋ GAS用自動化プログラム ＋ ノウハウ抽出プロンプト（通常版）＋ GAS用プロンプト（通常版）
- ※こちらは単純なカテゴリ分類のみを行うベーシックなモデルです。
👑 完全版（19,800円）※予定価格
「本気で自社の独自ノウハウを残し、将来のAIクローンを育てたい」という企業様向けです。
- 内容： 構築マニュアルPDF ＋ GAS用自動化プログラム（完全版）＋ ノウハウ抽出プロンプト（完全版） ＋ GAS用プロンプト（完全版）＋ 実演・構築解説動画
- ※AIの嘘を防ぎ、「設計思想」と「妥協の理由」をセットで永久抽出する、私が試行錯誤の末に生み出した結晶です。
「いきなり完全版は少し不安……」という方へ まずは通常版でシステムの動きを試していただき、後から差額（追加セット）で完全版へアップグレードすることも可能です。 段階的に導入できるよう準備していますので、ご安心ください。 プロンプトの開発は動画と抽出の両方じ実践で作り込んでいたので3か月ほど開発にかかりましたが、実装は１時間かかりませんでしたので、ハッキリ言って楽です。 プログラム知識も不要です。
但し、この仕組み販売にあたり、私の競合を明らかに増やすので、数量は限定になる可能性があります。 そのため、事前に導入の検討をしていただこうかと思い、宣伝を兼ねて記事にさせていただきました。
最後に
「教育する時間がない」と諦め、自分の中だけで完結させてしまう日々に、ここで終止符を打ちませんか？
知識は、共有して初めて「資産」になります。 泥臭く現場で戦う私たちが生み出した妥協点や判断基準を、あなたが寝ている間にAIが育ててくれる。 そしてそのコンテキストを将来各社が実装するAIの貴重な情報源として利用していきませんか？
そんな新しい設計現場の当たり前を、ぜひ体験してみてください。
最後まで読んでいただき、ありがとうございました！