図面と溶接の仕事をつなぐ、生成した概念映像です。FANUC製品の実機映像・実演記録ではありません。
ロボットはある。溶接してほしい部品もある。けれど、新しい仕事を始めるには、まず「このロボットに仕事を教えられる人」が必要になる。
自動化というと、機械が人の代わりに手を動かす場面を思い浮かべる。でも、その手を動かすまでの準備が重ければ、機械の能力を十分には使えない。「できる人が来るまで待とう」。そこが変わると、工場の景色はかなり違って見えるはずだ。
FANUCが2026年9月11日に発表した「AI溶接エージェント」は、この入口へ踏み込む製品だ。図面を読み取り、溶接条件とロボットの動きを生成する。私は、火花が上がる映像そのものよりも、図面を渡すことと、ものができることの距離が縮まる点に引かれる。
「ここを溶接して」を、機械の仕事へ翻訳する
図面からロボットの条件・動作を組み立てるまでの入口を整理した図。FANUCの発表内容を基にした概念図で、対応材質・板厚・精度の実測範囲を示すものではありません。
同社の説明では、CRXの操作用タブレットにあるカメラで図面を読み、Google CloudのGemini Enterpriseを活用して材料や部品を理解する。そこから電流・電圧などの条件と動作を生成し、溶接につなぐ。生成結果は、そのまま実行することも、人が微調整することもできる。出荷開始は2026年12月末の予定だ。FANUCの発表
ここでいう図面は、単なる「完成品の写真」ではない。何を作るのかを伝える情報を、実際の作業条件へ落とし込むための入口になる。
たとえば、二枚の金属板をつなぐ部品を作りたい、と考えてみる。人間には同じ「線をなぞる作業」に見えても、ロボットには、どこを、どんな姿勢で、どう動くのかを伝えなければならない。溶接するための設定も要る。欲しい形が分かることと、それを作る手順が分かることは、別の能力なのだ。
AIが受け持とうとしているのは、その間の翻訳だ。完成形を示す情報から、現場で実行できる仕事へ橋を架ける。AIエージェントの話が、画面の中の調べ物や文章作りから、金属をつなぐところまで降りてきた、と捉えると分かりやすい。
溶接ロボットは昔からある。では、何が変わる？
ここを「ついにロボットが溶接する時代」と紹介すると、大事なところを取り違える。
従来から、人がロボットを動かして位置を教える方法も、パソコン上で準備する方法もある。たとえばFANUCのWeldPROは、3D環境で部品や設備を配置し、溶接経路やトーチの角度などを検討するソフトだ。そこで作ったプログラムを実機へ移せる。つまり、機械の前で一から教える手間を減らす工夫は、すでに積み重なっている。WeldPROの公式説明
さらに、アーク溶接とは方式が異なるが、同社のリモートレーザ溶接システムには、経路や出力条件の自動設定もある。自動でプログラムを作ること自体が、今回初めて可能になったわけではない。今回注目したいのは、カメラで読んだ図面を生成AIが解釈し、条件と動作へつなぐ入口のほうだ。リモートレーザ溶接システム
仕事の入口：操作して教える
人が伝えるもの：動く位置や手順
何が楽になるか：同じ動作を繰り返す作業
仕事の入口：3D環境で準備する
人が伝えるもの：部品・設備の配置、経路や条件
何が楽になるか：実機を使った教示や立ち上げの手間
仕事の入口：今回のAI溶接エージェント
人が伝えるもの：部品の図面
何が楽になるか：図面から条件・動作へ落とし込む準備
この整理は三つの考え方の違いを整理したもので、旧方式が一斉に不要になるという意味ではない。面白いのは、人が機械の言葉へ近づくのではなく、機械が人の持つ情報へ近づいてくることだ。
もし段取りの負担が小さくなれば、同じ品物を大量に作る仕事だけでなく、「今度は少し違う部品を作りたい」にも自動化を広げやすくなるだろう。小さな変更のたびに準備へ時間を取られる現場ほど、その差は大きい。これは現時点の導入効果の実測値ではなく、私がこの仕組みに期待する使い道である。
職人の技を、職人一人の体力に閉じ込めない
熟練者の判断について、データから再現を試せることと、材料の個体差など追加の現場情報が要ることを分けて考える概念図。この分類が製品へ実装済みという意味ではありません。
熟練者の仕事を考えるとき、「手が器用」「動きが速い」だけでは捉えきれない。
図面を見て、作り方を思い浮かべる。材料や形に合わせて条件を選ぶ。試してみて、違いを見つける。その積み重ねが、仕事の速さと確かさを作っている。
今回の製品だけで、その経験すべてを引き継げたわけではない。ただ、条件や動作を組み立てる部分へAIが入ることは、「職人の技は機械には無理」という大きな括りを、もう少し細かく見直すきっかけになる。
どの判断はデータから再現できるのか。どの修正には現場の情報が足りないのか。人が直した理由を、次の改善へ渡せるのか。そうやって一つずつ考えれば、技術を継ぐ道は増やせるはずだ。
私が期待しているのは、熟練者を追い出す景色ではない。その人が長い時間をかけて身につけたものが、その人一人の作業時間だけに縛られなくなる景色だ。
経験のある人が複数の仕事を見渡せる。若い人が、機械の提案と先輩の修正を見比べながら学べる。体力的に以前と同じ働き方が難しくなっても、判断する力を仕事につなげられる。これは今回の製品に実装済みの教育機能ではなく、技術の先に作っていきたい働き方である。
「人手が減るから諦める」だけでは、もったいない。人が積み上げた経験を、別の形で生かし続けるためにもAIを使いたい。
見たいのは、きれいな一回より「次の部品でも使えるか」
もちろん、発表を読んで興味を持つことと、現場で使えると判断することは別だ。今回の発表だけでは、どの材質・板厚・継手まで対応するのか、どれほどの修正が必要なのか、具体的な範囲は読み取れない。
だから次に見たいのは、万能かどうかの大きな結論ではなく、実際の仕事で何が変わったかだ。
いつもの部品を渡すと、準備はどれだけ短くなるのか。別の部品に替えたら、どこを直すのか。生成した条件で求める品質に届くのか。そこで得られる答えが、この技術を「面白い実演」から「任せられる工程」へ進めていく。
その結果がまだ分からないことは、期待しない理由にはならない。むしろ、確かめる価値があるところまで来たことが面白い。
図面を読める知能と、物を作れる機械。その間をつなぐことで、これまで「作れる人がいないから」と止まっていた仕事に、もう一つの道ができるかもしれない。
AIが職人の代わりになるか、だけを問うのではなく、職人がいるうちに、その力をどこまで広げられるか。私は、そちらの未来を見てみたい。
