AI CAM 導入で問うべきなのは「AIが何秒でツールパスを作るか」だけではありません。材料、機械、工具、治具、ポストプロセッサ、干渉、切削条件、初品承認までを誰が確認し、どの証拠でNCプログラムを解放するかが成否を分けます。本稿では、タイを含む製造拠点の発注者向けに、AI支援CAMを安全かつ評価可能な案件へ変えるRFP、PoC、FAT/SAT、責任分界を実務順に整理します。
先に結論：AI CAM 導入は「自動生成率」より受入ゲートを買う
AI CAMは、見積の下書き、形状・加工フィーチャーの認識、工具や加工戦略の候補提示、送り・回転数の編集、ツールパス候補の生成、シミュレーションの高速化などを支援できます。一方で、その出力が対象工場で安全に削れ、図面要求を満たし、予定した時間と原価で再現できるかは、AIの画面だけでは確定しません。
発注者が買うべきものは、魔法の「全自動CAM」ではなく、次の五つがそろった管理可能な仕組みです。
- AIが扱える部品群、加工種、工作機械、工具ライブラリの明確な範囲
- AIの提案と人の承認を分けるワークフロー
- ポスト処理後のNC、機械モデル、治具、工具、ワークを使う検証
- PoC、FAT、SAT、初品承認で再現できる受入基準
- モデル、CAM、ポスト、工具、機械条件の変更を追跡する運用
この考え方なら、「AIを入れたが熟練者が怖くて使わない」「デモ部品では速いが自社品では止まる」「生成時間は短いのに確認工数が増えた」という失敗を、調達段階で減らせます。
2026年のAI CAMは何を実用化しつつあるか
IMTS 2026のEnabling Technologies資料では、ToolpathのAI見積・CAMとMastercam Copilotが紹介されています。これは、CAM 自動化が研究テーマだけではなく、見積、操作支援、ツールパス作成という日常業務へ組み込まれつつあることを示します。ただし、展示会で紹介されたことは、あらゆる材料・機械・公差で検証済みという意味ではありません。製品機能と自社工程での受入可能性は分けて評価します。
Mastercam 2026 R2の公式情報では、Copilotが音声またはテキストで送り、回転数、機械パラメータの操作を支援し、GPUシミュレーションはCPU比で最大10倍高速とされています。これはベンダー公称値であり、実際の倍率は部品複雑度、ハードウェア、設定、比較条件に依存します。別のMastercam公式記事は、送り・回転数の編集と、200を超えるツールパスタイプへの対応予定を説明しています。「対応予定」と、現在の自社ライセンス・版で検証済みであることは同じではないため、RFPでは対象バージョンと対象ツールパスを固定します。
Autodeskのサポート情報では、Fusionに内蔵されるAI支援機能として自動穴認識が示され、その他のAI Assisted CAMはCloudNC CAM Assistアドインを利用する整理です。CAM Assistは、ユーザーが制約を入力した後に加工戦略とツールパスを生成します。アプリの説明にある「最大80%」は提供者側の主張であり、そのまま投資対効果や契約KPIには使いません。どの作業を母数にし、どの部品群で、確認・修正・再計算を含めた時間がどう変わるかをPoCで測ります。
ToolpathもAI見積とCAMを掲げ、2026年の更新情報を公開しています。顧客事例の数値は当該顧客・当該条件のベンダー事例として読み、自社工場の保証値へ置き換えない姿勢が必要です。
タイの投資文脈では「採用有無」より実装品質が差になる
タイBOIは、2026年上期のSmart and Sustainable Industryに関する申請が132件、投資額が171億5,800万バーツだったと公表しています。これは自動化・高度化投資が具体的に進んでいる背景を示しますが、個別のAI CAM案件が税制優遇を受けられるという確約ではありません。対象制度、申請時期、投資内容、現地法人の条件は必ずBOIまたは専門家へ確認します。
またSiemensは2026年9月15日、工作機械納入前に生産準備を進める「Meet the Machine」構想を発表し、ランプアップを最大50%短縮できると公称しています。この数値もSiemensの主張ですが、発注者にとって重要な示唆があります。AI CAM単体の操作時間だけでなく、機械到着前の仮想準備、ポスト検証、NC確認、作業標準、教育までを一つの工程として設計する方が、立上げ全体を改善しやすいということです。詳しい前工程は工作機械の納入前に進める生産準備も参照してください。
AIが補助できる範囲、人が責任を持つ範囲
AI CAM RFPの核心は責任境界です。「AIが生成した」ことを理由に、工作機械メーカー、CAMベンダー、SIer、工具メーカー、ユーザーの責任が曖昧になってはいけません。AIの役割を、候補生成、制約チェック、説明、実行承認に分けます。
| 対象 | AIが補助・自動化できること | 人・組織が承認すべきこと |
|---|---|---|
| 図面・形状 | フィーチャー認識、加工面候補、穴群分類、見積要素抽出 | 図面版、基準、幾何公差、仕上げ要求、除外面 |
| 材料 | 材種候補の照合、過去条件の検索 | 材質証明、硬度、素材状態、熱処理、ロット差 |
| 機械 | 登録機械の候補、軸構成・ストロークの照合 | 実機仕様、オプション、精度、保全状態、暖機、制御版 |
| 工具 | 工具・ホルダ候補、在庫照合、交換案 | 実在庫、突出し、摩耗、締結、メーカー推奨範囲 |
| 治具 | クランプ領域との干渉候補検知 | 把握力、変形、基準、締付順、段取り再現性 |
| 加工戦略 | 工程順、荒・中・仕上げ、ツールパス候補 | 品質・安定性、切粉排出、熱、びびり、工程能力 |
| 切削条件 | 過去実績や推奨値から送り・回転数候補 | 機械剛性、工具寿命、冷却、負荷、現場標準 |
| ポスト | 承認済みポストの選択、差分表示 | ポスト版、機械固有Mコード、安全動作、変更承認 |
| 検証 | CAM内シミュレーション、素材除去、干渉候補 | ポスト後NC、実機挙動、保持具、周辺装置、残留リスク |
| リリース | 文書・セットアップシートの下書き | NC承認、ドライラン、初品測定、量産移行 |
この表で大切なのは、人がすべて手作業に戻ることではありません。人が承認すべき判断を明確にし、その判断材料をAIとデジタル検証で速く、漏れなく集めることです。AIが一案を作り、人がゼロから作り直すなら効果は限定的です。AI案、変更理由、シミュレーション結果、承認者を一つの記録へ結べば、次の部品群で再利用できます。
「ツールパスが作れた」と「削ってよい」は別判定
ツールパス AIが幾何学的に経路を生成できても、次の情報が欠ければ実行承認はできません。
- 実際のワーク素材寸法と取り代
- 正確な機械キネマティクス、軸制限、回転方向、工具交換位置
- 工具、ホルダ、アーバ、延長具の完全なアセンブリ
- 治具、ボルト、クランプ、チャック、テールストック、測定子
- 使用中のポストプロセッサ版と生成されたNCコード
- 冷却、エア、切粉排出、主軸負荷、加減速の制約
- 作業者が行う原点設定、工具長測定、補正入力、段取り確認
CAM内の素材除去シミュレーション、機械シミュレーション、NCコードのバックプロット、実機のシングルブロック／低速ドライランは、目的が異なります。一つの緑色表示ですべてを代替できません。どのリスクをどの検証で閉じるかを検証マトリクスにします。
AI CAM RFPに書くべき12の要求
1. 対象ユースケースと除外範囲
「CNC プログラム 自動化」だけでは範囲が広すぎます。3軸立形の2.5D部品、5軸割出し、同時5軸、旋盤、複合加工、穴加工、自由曲面、電極、ロボット加工など、対象を部品ファミリーと加工種で定義します。初期対象外も明記し、実績なしに自動拡張されないようにします。
2. 入力データと正本
CAD形式、図面、材料、工具、ホルダ、治具、機械モデル、ポスト、過去プログラム、品質結果のどれを使うかを列挙します。正本の保管場所、版、更新者、欠損時の挙動を指定します。欠けた条件をAIが推測で埋める場合は、推測値を目立つ形で表示し、NCリリースを禁止します。
3. AIの出力と説明可能性
出力はツールパスだけではありません。選択した工具、工程順、切削条件、拘束条件、警告、未解決事項、参照したライブラリ、処理時間、手修正履歴を保存できることを求めます。「なぜこの工具か」に自然言語で答える機能があっても、説明の流暢さを正しさの証拠にはしません。元データとルールへ遡れることが重要です。
4. 機械・工具・治具の適合
対象機械の軸構成、移動量、主軸、ATC、工具本数、制御装置、オプション、周辺装置を定義します。工具ライブラリは型番だけでなく、ホルダを含むアセンブリ、突出し、刃長、径、最大回転数を持たせます。治具は干渉形状に加え、保持と変形の責任者を決めます。
5. 切削条件のガバナンス
AIが送り・回転数を編集できる製品では、操作の便利さと承認権限を分けます。材料×工具×加工種×機械ごとに許容範囲を持ち、範囲外は警告ではなく承認保留にします。誰が上限を変更できるか、変更が既存プログラムへ遡及するかも契約します。
6. ポストプロセッサの版管理
ポストはAIの後段で機械固有コードを作る重要部品です。承認済み版、対象機、CAM版、制御装置版の組合せを管理し、変更時には回帰テストを必須にします。ベンダー標準ポストとユーザー改造部分の責任、ソース提供、復旧時間、保守終了時の扱いも確認します。
7. 干渉と安全検証の範囲
工具対ワークだけでなく、ホルダ、主軸頭、治具、回転テーブル、ドア、プローブ、テールストック、周辺装置をどこまでモデル化するかを明記します。検知できない対象を一覧化し、「衝突なし」という表示の意味を定義します。AIやCAMシミュレーションは、実機の安全装置を置き換えません。
8. 性能KPIの測り方
生成時間だけでなく、入力準備、AI実行、プログラマー確認、修正、再計算、シミュレーション、ポスト、現場確認、初品修正までを測ります。KPI候補は、承認までの総工数、手修正回数、再利用率、初回合格率、段取り中断、ポスト由来不具合、未解決警告数です。公称の「最大」値を保証値にせず、代表部品で基準値と比較します。
9. データ、知財、接続方式
CAD、NC、工具条件、原価、見積、品質データがクラウドへ送られるか、学習へ使われるか、保存地域、保存期間、削除、暗号化、監査ログ、サブプロセッサを確認します。機密部品はオンプレミスまたは分離環境が必要な場合があります。停止時のオフライン運用とデータ持出しもRFPに入れます。
10. 人の承認と権限
AI案作成、CAM編集、ポスト実行、NC承認、機械転送、初品承認を同一アカウントで完結させない設計を検討します。少なくとも高リスク部品では二者確認を可能にし、誰がいつ何を承認したかを記録します。熟練者の承認を単なるクリックにせず、未解決警告と変更差分を見せます。
11. 変更管理と回帰テスト
AIモデル、プロンプト、アドイン、CAM、工具DB、機械モデル、ポストの更新は出力を変え得ます。自動更新の可否、検証環境、本番昇格、ロールバック、既存プログラムへの影響評価を定めます。承認済み代表部品を回帰テストセットにし、NC差分と加工結果を確認します。
12. サポートと責任分界
不具合が形状認識、戦略、CAM計算、ポスト、機械設定、工具、治具のどこにあるかを切り分ける窓口を決めます。ログ提供、再現環境、一次回答、現地対応、タイ語・英語・日本語の支援、教育、障害時の手作業切替を明文化します。AI出力の最終責任を「ユーザー責任」の一文だけで片付ける提案は、運用可能性を再確認すべきです。
PoC設計：デモ部品ではなく代表部品でCAM 自動化を測る
PoCは、ベンダーが得意な部品を加工して終わるイベントではありません。将来の受入試験を小さく先行実施する場です。
部品セットは難易度と頻度で層別する
最低でも、頻出の標準部品、段取りや工具選定が難しい部品、公差・面粗さが厳しい部品、過去に干渉やびびりが発生した部品、少量多品種の新規部品を含めます。すべてをAIで完全自動化する必要はありません。どの層で「自動生成」「候補提示」「対象外」になるかを明らかにすることが成果です。
ベースラインを先に固定する
現行の熟練者が同じ入力から作る時間と結果を測ります。計測範囲を、データ準備開始から承認済みNCまでとするのか、初品合格までとするのか決めます。人が待っている時間と機械計算時間も分けます。AI導入後だけ細かく測ると比較できません。
ブラインド評価と異常ケースを入れる
可能なら、ベンダーが事前に調整していない部品を一部入れます。工具欠品、古いポスト、治具モデル欠落、材料変更、機械変更、図面改訂などの異常ケースも試します。優れたシステムは、無理に経路を出すのではなく「情報不足」「対象外」「人の判断が必要」と停止できます。
成功基準は速度・品質・統制の三面で見る
| 評価軸 | 例 | 証拠 |
|---|---|---|
| 速度 | 承認済みNCまでの総工数、待ち時間、再計算回数 | タイムスタンプ、操作ログ、工数記録 |
| 品質 | 寸法、面粗さ、工具寿命、初回合格、工程能力 | 測定報告、工具記録、品質データ |
| 統制 | 警告の検出、未承認変更の拒否、追跡性、回帰性 | 監査ログ、NC差分、試験記録 |
「80%短縮」などの単一目標を先に置くと、母数の小さい操作だけを測りがちです。PoCでは、削減できた作業と増えた確認作業の両方を記録します。
FAT/SATと初品承認：ツールパス AIを生産へ渡す7ゲート
Gate 1：ユースケース承認
対象部品、加工種、材料、機械、工具、治具、除外範囲、期待KPIを承認します。RACIで発注者、CAMベンダー、SIer、機械メーカー、工具担当、品質担当の役割を決めます。
Gate 2：入力データ準備完了
CAD、図面、工具アセンブリ、治具、機械モデル、ポスト、材料データの版と完全性を確認します。欠落データがある状態を「AI精度」の問題に混ぜません。
Gate 3：オフラインPoC合格
代表部品で現行ベースラインと比較します。AI案の採用率だけでなく、手修正内容、警告、対象外判断を記録します。採用されなかった理由は、学習・ルール・データ・製品限界のどれかに分類します。
Gate 4：FAT合格
FATでは、契約したCAM版、AI機能版、機械モデル、工具DB、ポスト版を固定します。正常系だけでなく、工具不足、拘束違反、干渉、通信断、権限外操作、版不一致で安全に止まることを確認します。成果物は、設定一覧、試験手順、期待結果、実績、ログ、未解決事項、暫定回避策です。
FATを実機なしで行う場合、何を検証できて何がSATへ残るかを明記します。ロボットシミュレーションとバーチャルコミッショニングで扱う考え方と同様、仮想検証は前倒しに有効ですが、モデル精度の限界を受入文書に残す必要があります。
Gate 5：SAT合格
対象工場の実機、実工具、実治具、実材料、実ネットワーク、実運用権限で確認します。原点設定、工具測定、プローブ、補正、ATC、切粉、冷却、作業者動線まで含めます。まず空運転、シングルブロック、送りオーバーライドなど管理された手順を使い、異常時の停止と復旧も試します。
Gate 6：初品承認
初品は、AIの合否ではなく製造工程の合否です。図面特性を測定し、必要に応じて面粗さ、バリ、変形、工具摩耗、加工時間を確認します。補正や条件変更をした場合は、誰がどの根拠で変えたかをCAM・NC・測定結果へ結びます。品質部門の承認なしに量産へ進めないゲートを保ちます。
Gate 7：量産リリースと監視
承認済み版を固定し、NC、セットアップシート、工具表、治具、測定計画をパッケージ化します。量産中は工具寿命、停止、品質偏り、手修正、AI提案の却下理由を収集し、改善候補へ戻します。モデルやポストが変わったら、変更のリスクに応じてGate 3〜6の一部を再実行します。
CNC プログラム 自動化のアーキテクチャ
実装は「CAD/CAM画面へAIを足す」だけでは不十分です。最低限、次の層を分けます。
- 製品データ層：CAD、図面、改訂、材料、品質要求
- 製造リソース層：機械、工具、ホルダ、治具、ポスト、標準条件
- AI支援層：認識、検索、候補生成、対話操作、見積
- CAM計算層：加工戦略、ツールパス、素材除去、機械シミュレーション
- リリース層：ポスト後NC、差分、承認、転送、版管理
- 現場・品質層：段取り、ドライラン、初品測定、量産フィードバック
AIは第3層を中心に複数層を支援できますが、正本と承認を勝手に上書きしない構造にします。特に、見積用の粗い条件と、生産用の承認済み条件を同じデータとして扱わないことが重要です。
ロボットを加工機として使う場合は、剛性、軌跡精度、姿勢依存、切削反力、キャリブレーションが工作機械と異なります。ロボット加工の適用判断を先に行い、工作機械向けAI CAMの成功をそのままロボットへ移植しないでください。
運用設計：導入後に精度を落とさない
版の組合せを一つの構成IDにする
CAD、CAM、AI機能、モデル、プロンプト、工具DB、機械モデル、ポスト、制御装置設定を構成IDへまとめます。問題が起きたとき「昨日と同じAI」のつもりでも、アドインだけ更新されていることがあります。自動更新を止めるか、検証環境で回帰試験後に本番へ昇格します。
修正を“熟練者の手直し”で終わらせない
AI案を人が修正したら、理由を分類します。工具在庫、社内標準、干渉、品質、切粉、時間、機械負荷、ポスト、作業性などの理由が蓄積すれば、ルールやマスタ改善につながります。個人のローカルファイルだけに残すと、AIも組織も学べません。
KPIを月次で見直す
導入初期は生成率より、対象外判定の正しさ、警告の見逃し、手修正、初品不合格を重視します。安定後に、承認工数、リードタイム、再利用、見積応答、機械稼働への寄与を追います。自動化率が上がっても初品不合格や現場中断が増えたなら成功ではありません。
スキル転換を計画する
プログラマーの仕事は、すべての経路を手で作ることから、制約、標準、例外、検証を設計する方向へ移ります。教育には、AI操作だけでなく、工具・治具・切削・ポスト・機械シミュレーション・品質の基礎を残します。AI案を評価できる人材が減れば、便利さと引換えに工程リスクが高まります。
よくある失敗と回避策
ベンダーデモの最短時間を事業計画へ使う
準備済みデータ、得意部品、修正なしの生成時間は参考に留めます。自社の代表部品、担当者、データ品質、承認工程で再計測します。
ポストプロセッサを最後の設定作業と考える
ポストは機械動作へ直結します。PoCの早期から対象機と版を入れ、FAT/SATの中心項目にします。
CAM内の「衝突なし」を安全保証と解釈する
モデルに存在しない治具や周辺装置は検知できません。検証対象と未検証対象を表示し、実機手順を残します。
熟練者だけが確認し続ける
属人的確認では処理量が増えません。チェックリスト、差分表示、警告分類、承認権限、代表部品の回帰試験に知識を移します。
AIの採用率を最大化する
危険な場面で対象外と判定することも価値です。採用率より、総工数、品質、停止、追跡性を評価します。
AI CAM 導入のための90日実行イメージ
期間は案件規模で変わりますが、短期評価では次の順序が現実的です。
| 段階 | 主な作業 | 完了条件 |
|---|---|---|
| 1〜2週 | 対象部品・機械・工具・責任者・ベースライン確定 | 範囲、KPI、RACI、データ一覧が承認済み |
| 3〜5週 | データ整備、代表部品PoC、異常ケース試験 | 速度・品質・統制の証拠がそろう |
| 6〜8週 | ポスト、機械モデル、権限、ログ、手順のFAT | 未解決事項とSAT持越しが合意済み |
| 9〜11週 | 実機SAT、ドライラン、試削、初品測定 | SATと初品の合否記録が承認済み |
| 12週〜 | 限定量産、KPI監視、変更管理 | 対象拡大または保留を経営判断できる |
日程を守るために受入項目を削るのではなく、対象部品群を絞ります。狭い範囲で証拠をそろえ、再利用できるテンプレートを作ってから展開する方が安全です。
AI CAMと従来CAMの置換ではなく、工程の再設計と捉える
AI CAM 導入の価値は、プログラマーを不要にすることではありません。見積、フィーチャー認識、戦略候補、条件編集、ツールパス生成、シミュレーション、文書化の待ち時間を減らし、熟練者が例外と品質へ集中できる可能性にあります。そのためには、AIの出力をそのまま機械へ渡すのではなく、制約、証拠、承認を通す必要があります。
調達の順番は、製品名、機能数、公称短縮率ではなく、対象部品、責任境界、代表部品、受入基準、変更管理です。RFPでこの順番を守れば、各ベンダーの提案を同じ物差しで比較でき、PoCが単発デモで終わりません。
まとめ
AI CAMは、見積や操作、認識、加工戦略、ツールパス生成を強力に支援し始めています。しかし、生産責任は材料、機械、工具、治具、ポスト、干渉、切削条件、初品承認を含む工程全体に残ります。発注者はAIができることだけでなく、できないときに止まる条件、誰が承認するか、どの証拠を残すかをRFPへ書くべきです。代表部品によるPoC、版を固定したFAT、実環境のSAT、品質部門の初品承認、変更時の回帰試験を一つの受入フローにすれば、CAM 自動化を速さだけでなく再現性と統制で評価できます。
AI CAMの候補選定、代表部品のPoC設計、RFPの責任分界、FAT/SAT項目を整理する段階から相談できます。タイの工作機械、工具、治具、品質、現場運用まで含めて評価の物差しを作りたい場合は、TOMAS TECHへお問い合わせください。
FAQ
AI CAMとは何ですか？
形状やフィーチャーの認識、工具・加工戦略の提案、送り・回転数の編集、ツールパス生成、見積、シミュレーションなどへAIを利用するCAMの総称です。製品ごとに対象機能と自動化範囲が違うため、「AI搭載」ではなく入力、出力、対象加工、承認方法で比較します。
CAM 自動化でNCプログラマーは不要になりますか？
一律には不要になりません。定型部品の候補生成や操作は減らせても、材料、機械、工具、治具、切削、ポスト、品質の判断と例外処理は残ります。役割は手動作成中心から、標準化、制約設計、検証、改善へ移る可能性があります。
ツールパス AIの出力をそのまま機械へ送れますか？
推奨しません。少なくとも承認済みポストによるNC生成、ポスト後検証、干渉確認、現場手順、ドライラン、初品測定を経て解放します。低リスクの限定用途でも、対象と権限を定め、変更履歴を残します。
AI CAM RFPで最重要の項目は何ですか？
対象部品・加工種、使用データ、責任境界、ポストと機械モデル、性能測定範囲、FAT/SAT、初品承認、版変更時の回帰試験です。公称短縮率だけで比較すると、確認・修正・現場対応の工数が抜け落ちます。
CNC プログラム 自動化のPoCは何部品で行うべきですか？
固定の正解はありません。件数より、頻出品、難加工品、品質要求が厳しい品、過去トラブル品、新規品という代表性が重要です。部品ファミリーごとに合否と対象外を判断できる構成にします。
FATとSATの違いは何ですか？
FATは主に供給者側または検証環境で、版、設定、機能、異常時動作、証拠を確認します。SATは対象工場の実機、実工具、実治具、実材料、実権限で確認します。FATで確認できない実機挙動をSATへ明確に持ち越し、その後に初品を品質承認します。
「最大10倍」「最大80%」をKPIにできますか？
そのままでは使えません。最大10倍はMastercamのGPUシミュレーションに関するベンダー公称、最大80%はCAM Assistの提供者側説明です。比較対象、部品、ハードウェア、作業範囲が自社と同じとは限らないため、代表部品と総工数で検証します。
タイのBOI優遇を受けられますか？
BOIがスマート・サステナブル産業への投資申請を公表していることは投資背景になりますが、AI CAM導入が自動的に優遇対象になるわけではありません。最新制度、対象投資、法人要件、申請前後の条件をBOIまたは専門家へ個別確認してください。
参考情報
- IMTS 2026 Enabling Technologies press release (PDF)
- Mastercam 2026 R2
- Mastercam Copilot in 2026 R2
- Autodesk: How to access AI Assisted CAM for manufacturing in Fusion
- Autodesk App Store: CAM Assist
- Toolpath — AI estimating and CAM
- Thailand BOI: Smart and Sustainable Industry applications in H1 2026
- Siemens: “Meet the Machine” initiative
