Text-to-CADは、自然言語で設計意図を伝え、AIに3Dモデルのたたき台を作らせるアプローチです。2026年7月時点では、単なる画像生成ではなく、編集可能なCADデータや feature tree に近い形で返すサービスが増えてきました。ただし、量産設計を完全自動化する段階ではなく、『初稿を速く出す』『過去部品を再編集可能な形に戻す』『構想共有を前倒しする』ための実務ツールとして捉える方が現実的です。この記事では、最新の公開情報を踏まえて、何ができるのか、どこに向いているのか、PoCをどう進めるかを整理します。
Text-to-CADとは何か
Text-to-CADの本質は、文章で与えた制約や意図を、再編集可能な3D形状の候補に変換することです。Zooの公式情報では、Zookeeper は CAD workflow を高速化し、設計の toil を自動化し、manufacturable で high-quality な 3D design をより効率よく作るための conversational CAD agent と説明されています。重要なのは、見栄えだけのメッシュではなく、設計の途中で寸法や拘束を直せる形で返そうとしている点です。
実務では『文章を一発で完成図面にする魔法』ではなく、『設計者が最初の80点案を短時間で得る仕組み』として理解すると誤解が少なくなります。ボス、穴、フィレット、寸法、パターンのような定型要素はAIと相性が良い一方で、公差、加工制約、安全認証まで含む最終設計はまだ人の確認が欠かせません。したがって、Text-to-CADは設計者を置き換える技術というより、前工程の試行回数を増やす技術だと考えるのが自然です。
2026年時点で何ができるのか
現在の公開サービスを見ると、Text-to-CAD周辺は大きく2系統あります。1つは Zoo のような『自然言語からパラメトリックな形状案を組み立てる』系統です。Zooの別ページでは、Zookeeper が text prompts から CAD files を生成し、好みのCADプログラムに取り込めると案内されています。もう1つは Backflip のような『3Dスキャンやメッシュを CAD ネイティブな形へ戻す』系統で、公式サイトには Onshape sidebar 上で native feature tree 付きの parts に変換できることや、STEP file として出力できることが明記されています。
この違いはPoC設計で非常に重要です。ゼロから形状案を出したいのか、既存部品を再利用可能なCADへ戻したいのかで、評価軸が変わるからです。前者ではプロンプトの再現性、編集のしやすさ、初稿速度が重要になります。後者では形状認識精度、feature tree の自然さ、既存CADへの持ち戻しやすさが重要です。どちらも『AIが直接量産設計を完成させる』より、『設計の入口と再編集コストを減らす』ことに価値があります。
向いている活用例と向かない活用例
向いているのは、治具、ブラケット、筐体のラフ案、交換部品の再現、営業や企画向けの3Dイメージ作成など、設計の初速がボトルネックになっている業務です。保全部門が現物スキャンから交換部品のたたき台を起こし、設計部門が寸法を詰める流れや、開発部門が自然言語で治具案を複数出してレビューする流れは相性が良いです。設計変更が頻繁で、まずは比較候補を増やしたいテーマほど効果が出やすいです。
逆に、厳しい公差管理が必要な量産部品、複雑な干渉検討を伴うアセンブリ、法規制や安全認証が重い製品では、そのまま採用しにくいケースが多いです。生成結果が見た目上もっともらしくても、材料、加工方法、締結条件、解析条件まで満たすとは限りません。AIの出力をそのまま信じるのではなく、『たたき台をどこまで短縮できるか』を評価対象にすると、過剰期待を防げます。
PoCを進める4ステップ
PoCは4ステップで進めると失敗しにくくなります。第1に、対象部品を絞ります。月5件以上発生する定型形状や、設計レビューの往復が多いカテゴリから始めると効果が見えやすいです。第2に、入力形式を統一します。自然言語、寸法表、参考画像、既存メッシュのどれを主入力にするかを決めないと、比較がぶれます。第3に、評価指標を決めます。生成時間、手修正工数、寸法修正回数、試作到達率、既存CADへの再編集性の5つを入れると実務で使いやすいです。第4に、最終承認者を固定し、AI生成物と人手修正の境界を記録します。
さらに、各試行で『どのプロンプトが通ったか』『どこを人が直したか』『最終的に採用された形状は何か』を残しておくと、次の対象へ横展開しやすくなります。Text-to-CADはモデル精度だけでなく、入力テンプレートと評価手順の整備で結果が大きく変わります。2週間から4週間の小さなPoCでも、対象選定が良ければ投資判断に十分な学びが得られます。
製造業向けのAI導入では、PoC設計の良し悪しがそのまま投資判断に直結します。自社に合う評価軸や運用ルールを整理したい場合は、 AI・Claude研修のご相談はこちら 。
導入前に確認したいリスク
導入前に見るべきリスクは3つあります。1つ目は、寸法や拘束条件が曖昧だと、見た目は良くても加工できないモデルが出やすいことです。2つ目は、図面、スキャンデータ、顧客製品情報を外部推論に載せるときの情報管理です。3つ目は、CADごとの再編集性の差です。Backflip のように native feature tree や STEP 出力を明示するサービスもありますが、どのツールでも同水準とは限りません。PoC段階で『どのCADに戻せるか』『履歴編集がどこまで残るか』『STLとSTEPのどちらが主運用か』を必ず検証項目に入れるべきです。
もう1つの落とし穴は、現場が期待する成果のズレです。現場は工数削減を求め、経営は新規案件の受注速度を求め、設計部門は品質責任を気にします。これを整理しないまま始めると、『生成はできたが誰も責任を持てない』状態になります。最初から完全自動化を狙わず、初稿作成、再編集、レビュー短縮のどこに価値を置くかを合意しておくことが成功条件です。
よくある質問
Q. Text-to-CADだけで量産設計まで完結しますか。A. 2026年時点では難しいケースが多く、初稿高速化や再編集支援として使うのが現実的です。 Q. まず何から試すべきですか。A. 治具、ブラケット、交換部品のように形状ルールが比較的明確な対象から始めるのが安全です。 Q. 成果はどう測ればいいですか。A. 生成時間だけでなく、人手修正工数、試作到達率、レビュー往復回数、既存CADへの再編集性まで含めて測ると投資判断しやすくなります。
Text-to-CADは、設計者を置き換える技術というより、設計の出発点を速くする技術として捉えると導入判断がしやすくなります。製造業のAI活用テーマとしてPoC設計、評価指標、社内展開まで一気通貫で整理したい場合は、 お問い合わせページ からご相談ください。
