図面OCRとは？精度やおすすめツール比較、料金相場を解説

図面OCRとは、機械図面・建築図面・P&ID(配管計装図)といった図面特有の構造を理解した上で、寸法・公差・部品番号・注記などを自動でテキスト化するAI技術の総称です。
一般的なAI-OCRが請求書や帳票の文字認識に最適化されているのに対し、図面OCRは投影図・引出線・表題欄といった図面固有のレイアウトを読み解く点が大きく異なります。

本記事では、2026年4月時点の最新情報をもとに、図面OCRの仕組み・マルチモーダルLLMを組み合わせた新しい読み取り方式・主要ツールの比較・料金相場・PoC設計での詰まりポイントまでを整理します。
あわせて、読み取り結果を検図・PLM連携・購買・品質管理につなぐための業務フロー設計の観点も解説します。

図面OCRとは？図面特有の情報を読み取るAI技術

図面OCRとは、機械図面・建築図面・P&ID(配管計装図)などの設計図面から、寸法・公差・部品番号・注記といった情報を自動でテキスト化するAI技術です。一般的なAI-OCRが請求書や納品書のような「文字中心の帳票」を対象にしているのに対し、図面OCRは投影図・引出線・表題欄(タイトルブロック)といった図面固有のレイアウトを前提に読み取るのが特徴です。

図面OCRが読み取る情報

図面OCRが対象にする情報は、文字列そのものだけではありません。どこに書かれているかという位置情報や、どの部品に紐づく寸法かという構造情報まで含めて抽出します。2026年4月時点で主要な図面OCRツールが読み取れる情報は、大きく以下の4種類に分類できます。

• 寸法・公差・表面粗さ
  線分や円弧に紐づく数値情報を読み取り、どの図形要素に対する寸法かまで構造化する。後段で検図・部品表生成に使われる中核情報
  
  

• 部品番号・部品名・材質
  表題欄や部品表から、識別に使う情報を抜き出す。PLMやERPの部品マスタと突合する起点になる
  
  

• 注記・加工指示
  「熱処理」「面取り」「溶接仕様」といった引出線付きの注記を認識する。手書きで追記されたものも含めるかはツールで差が出る領域
  
  

• 表題欄のメタ情報
  図面番号・版数・設計者・承認者・尺度・投影法など。ファイル管理やバージョン管理の起点になる

図面OCRの出力は、単純なテキストファイルではなくJSONや構造化データとして返されることが多く、後段のPLM・ERP・品質管理システムに取り込みやすい形になっています。読み取り結果をそのまま業務フローに流し込めるかどうかが、一般的なAI-OCRとの最大の違いです。

なぜ図面OCRという専用カテゴリが必要か

「AI-OCRで図面も読めるのでは？」と考える方は少なくありませんが、実務では専用ツールが明確に必要になります。その理由は、図面が持つ固有の構造にあります。

帳票OCRは「表とラベル」「項目名と値」という1対1の関係を前提に設計されています。一方で図面は、1本の引出線が複数の形状要素に紐づいたり、同じ寸法数字が違う部品に流用されたりと、関係性が複雑です。一般的な帳票OCRで強引に読ませると、数字は取れても「何に対する寸法なのか」の情報が失われるため、後段の工程で使いものになりません。

また、機械図面と建築図面では読み取りたい情報の粒度や配置ルールが異なります。機械図面ではJIS Z 8317シリーズに準拠した寸法記入法が前提ですが、建築図面では日本建築学会の建築工事標準仕様書やゼネコンごとの作図ルールが入るため、同じ図面OCRでも対応領域を分ける必要があります。

---

図面OCRと従来OCR・一般AI-OCRの違い

図面OCRの位置づけを理解するには、従来型OCR・一般AI-OCR・図面OCRの3カテゴリの違いを整理するのが近道です。「AI-OCRを導入すれば図面も読めるだろう」と見切り発車して結果が出なかった、という失敗は2026年になっても多く聞かれます。

3カテゴリの対応範囲

以下の表で、各カテゴリがどこまでの情報を扱えるかを整理しました。読み取り対象と出力の粒度、業務フロー連携の3軸で比較しています。

カテゴリ	読み取り対象	得意な情報	苦手な情報
従来型OCR	活字中心の帳票	固定レイアウトの活字	手書き・斜め・低解像度
一般AI-OCR	請求書・納品書・履歴書	可変レイアウトの文字情報	図形と文字の関係性
図面OCR	機械図面・建築図面・P&ID	寸法・公差・部品番号と図形の関係	自由記述の長文

この表で見えるのは、一般AI-OCRと図面OCRの境界が「文字を図形要素に紐づけられるかどうか」にあるという点です。請求書OCRに寸法表を読ませるとテキスト自体は出力されますが、「φ50はどの円に対するものか」を保持できません。図面OCRは図形認識とテキスト認識を同じパイプラインで処理するため、この紐づけを維持できます。

実務での典型的な使い分け

3カテゴリを実務でどう使い分けるかを、代表的な業務シーンで整理しておきます。

• 発注書・請求書・納品書の処理
  一般AI-OCRが第一候補。株式会社AI insideのDX Suiteや株式会社Cogent LabsのSmartReadなどが定番
  
  

• 機械図面の属性情報抽出
  図面に特化したツールを選ぶ。キャディ株式会社のCADDi Drawerのように類似検索と一体になったものや、AISpectの図面読み取りオプションのように汎用AI-OCRに図面対応を追加するものがある
  
  

• 紙図面と帳票が混在するワークフロー
  AI-OCRと図面OCRを使い分けるのが基本だが、近年は図面バンクのように両方を同じプラットフォームで処理できるサービスも登場している

実務でよく失敗するのが、予算の都合で既存の帳票OCRに図面まで処理させようとするケースです。読み取り率の数字だけを見ると動いているように見えますが、下流の検図や部品表生成まで回した時点で「数字は取れているが構造情報が欠けていて使えない」という問題が顕在化します。ツール選定の段階で、読み取り対象の8割が図面になる業務には図面OCRを選ぶべきです。

---

図面OCRの仕組みと2026年の技術トレンド

図面OCRの内部は、大きく2段階の処理で構成されています。1段階目で図面を構造要素に分解し、2段階目でテキストを認識してそれぞれの要素に紐づけます。2024年以降、この2段階目にマルチモーダルLLMを組み込む検証が一部のベンダーで進んでいます。

従来型の画像解析パイプライン

2024年頃までの図面OCRは、以下のような古典的な画像処理とディープラーニングの組み合わせで動いていました。

• ラスタ化とノイズ除去
  PDF・TIFFで入力された図面を解像度を揃えた画像に変換し、スキャン起因の汚れや傾きを補正する。ここで前処理が甘いと後段の精度が一気に落ちる
  
  

• レイアウト解析
  図面を投影図・表題欄・部品表・注記欄といった領域に分割する。製図規格に沿っていれば検出しやすいが、ゼネコンや旧式の社内規格では個別調整が必要
  
  

• 文字認識(OCRエンジン)
  Google Cloud Vision APIやTesseractをベースに、図面フォントで追加学習したモデルを用意するのが一般的。手書き注記の精度はここで頭打ちになりやすい
  
  

• 構造紐づけ
  認識した文字列を、直近の引出線や寸法線、図形要素に対応づけてJSONで出力する。ここが帳票OCRとの差分が大きく出るコア処理

このパイプラインは「きれいに書かれた新しい図面」には非常に強い一方、手書きで追記された改訂情報や、コピーを繰り返してコントラストが落ちた古い図面には弱いという課題がありました。AIが2値化した文字を認識するため、薄れた数字や斜めの引出線は拾いきれないのです。

マルチモーダルLLMを組み合わせた新しい方式

2024年以降、GPT-4o(2024年5月公開)・Claude 3.5 Sonnet(2024年6月公開)・Gemini 2.5(2025年3月公開)といったマルチモーダルLLMを図面OCRの構造紐づけ段階に組み込む検証が一部ベンダーで進んでいます。

画像をそのままLLMに渡し、「この図面で第一角法を使っていますか」「この部品番号の材質は何ですか」といった自然言語の問い合わせで情報を引き出す方式です。

この方式の強みは、従来の画像処理パイプラインでは対応が難しかった以下のようなケースに効くことです。

• 手書き注記の読み取り
  製造現場で追記された「要面取りC0.5」のような手書きメモも、LLMが文脈から推定して読み取れるようになった
  
  

• 略記や業界用語の展開
  「SUS304-2B」のような材質表記を、LLMが知識として展開してくれるため、辞書登録の運用工数が大きく減る
  
  

• 複数図面の横断質問
  「この組図の部品Aと、別PDFの部品Aは同じですか」のような質問に答えさせる使い方が可能になった

一方で、マルチモーダルLLMの弱点は数値の正確性です。寸法や公差のような「1文字でも間違えたら致命的」な情報では、従来型のOCRエンジンが読んだ数値をLLMが二次検証する二段構えで運用するのが現実的です。LLMだけに寸法読み取りを任せるのはまだ推奨できません。

AI総研として推奨する技術選択

技術選択で迷った場合、実務的には「従来型OCRエンジン+マルチモーダルLLM」のハイブリッド構成を起点にするのが無難です。数値は従来型OCRで確定させ、構造の解釈や注記の意味付けにLLMを使う形にすると、精度と運用コストのバランスが取りやすくなります。

純粋なマルチモーダルLLMだけで回そうとすると、同じ図面を2回読ませて答えが変わる(読み取り結果のブレ)問題が出ます。部品表のマスタとして使うには安定性が足りないため、量産品の現場では特にハイブリッド型を推奨します。

---

図面OCRで読み取れる情報の種類

図面OCRで抽出できる情報は、ツールによって対応範囲が微妙に異なります。導入前には「自社で本当に必要な情報はどれか」を整理し、対応ツールを選ぶ必要があります。2026年4月時点での主要ツールの対応範囲を整理すると、以下のような傾向が見えます。

機械図面で読み取れる情報

機械図面は、JIS製図規格に沿って書かれていることが前提のため、図面OCRの対応が最も進んでいる領域です。

以下の表で、機械図面で読み取れる主な情報と、ツール選定時の注意点を整理しました。

情報カテゴリ	読み取る内容	ツール選定の注意
寸法	線分・円弧・ピッチの数値	単位(mm/inch)の混在に対応するか
公差	±0.1・h7・g6等のはめあい記号	はめあい記号の辞書対応可否
表面粗さ	Ra1.6等の粗さ記号	記号認識の精度差が大きい
幾何公差	平行度・真円度・位置度	対応しないツールも多い
表題欄	図面番号・版数・材質・尺度	レイアウトのカスタム定義が可能か

この中で特に差が出るのが幾何公差の対応可否です。幾何公差は記号ベースで記述されるため、一般的なAI-OCRではほとんど読み取れません。検図業務の自動化まで視野に入れるなら、幾何公差対応を必須要件にすべきです。

建築・設備図面で読み取れる情報

建築図面や設備図面では、機械図面とは違う情報体系を扱います。

こちらは建築工事標準仕様書や設備設計基準に沿った記法になります。

• 通り芯・レベル情報
  X1・Y3といった通り芯名称や、FL+150のような床高さ情報を読み取り、平面図と断面図の関係を維持する
  
  

• 部屋名・用途
  会議室・執務室・機械室といった部屋の用途情報を抽出し、設備計画の入力情報として使う
  
  

• 設備シンボル
  コンセント・照明・換気口などの設備シンボルと、それに紐づく仕様情報を読み取る
  
  

• 凡例との突合
  図面上の記号と凡例を自動で突き合わせ、凡例の説明を引き当てる

建築系は機械系と比べると図面OCRの成熟度はやや低く、自社の図面規格にカスタム対応が必要になるケースが多いです。初期導入時に「社内凡例の登録工数」を見積もっておかないと、稼働開始までの期間が倍以上に膨らむことがあります。

P&ID(配管計装図)で読み取れる情報

プラント・化学工場で使われるP&IDは、配管・機器・計装のシンボルと、それに紐づくタグ番号を読み取る特殊な領域です。ISA-5.1などの国際規格に準拠していれば読み取りやすい一方、プラントエンジ会社ごとの独自記法に対応するにはカスタム学習が必要になります。この領域はまだ汎用ツールよりも、日揮ホールディングスや千代田化工建設などEPC各社が内製ツールを運用しているケースが目立ちます。

---

製造業・建設業における図面OCRの活用シーン

図面OCRの活用シーンを具体的に知ることで、自社業務への当てはめが進みやすくなります。ここでは、製造業・建設業の両方で実際に成果が出ている4つの活用パターンを整理します。

パターン1: 過去図面のデータベース化と検索

最も導入しやすく、投資対効果が見えやすいのが過去図面のデータベース化です。

紙やPDFのまま倉庫やファイルサーバーに眠っている図面を図面OCRで読み取り、部品番号・材質・寸法・メタ情報を検索可能にします。

キャディ株式会社のCADDi Drawerが導入事例の多い有力候補で、類似図面検索と一体で提供されています。「過去に似た部品を設計したはずだが、どの図面かわからない」という現場の困りごとを、数秒単位で解決できるのが強みです。

また、パナソニック コネクトは自社開発のManufacturing AIエージェントを用いて図面の照合業務を最大80〜97%効率化したと2026年2月のプレスリリースで公表しています。大手製造業でも図面業務のAI化で即効性のある投資対効果が見込めることを示す事例です。

【関連記事】
AIで図面の作成・検図・読み取りを自動化！最新活用法を解説

パターン2: 部品表(BOM)の自動生成

図面を読み取って部品表(Bill of Materials)を自動生成する使い方です。

設計完了後にエクセルで部品表を手入力していた工数を、図面OCRで置き換えます。

典型的な業務フローは以下のような順序になります。

1. 図面OCRで部品番号・部品名・材質・数量を抽出
2. 抽出結果をERPの部品マスタと突合し、既存コードがあれば流用
3. 新規部品は仮コードを発番してERPに登録
4. 部品表を生成して設計者の承認フローに回す

この業務フローで最もつまずきやすいのが、ステップ2のマスタ突合です。社内の部品マスタが整理されていない現場では、図面OCRを入れる前にマスタクレンジングが必要になります。

「AI導入の手前で、地道なデータ整備に時間がかかる」というのは図面OCR導入あるあるで、PoC計画時に1〜2ヶ月は確保しておくべきです。

パターン3: 検図業務の半自動化

検図(設計図面のレビュー)は、ベテラン設計者の属人的な知識に頼っている現場が多い領域です。

図面OCRで寸法・公差・注記を抽出し、ルールベースのチェッカーと組み合わせることで、検図の一次スクリーニングを自動化できます。

AIが全ての検図を代替するわけではありません。「明らかに寸法が抜けている」「公差が矛盾している」といった機械的に検出できるエラーを先に潰し、人間は設計意図や機能面の判断に集中する、という役割分担が実務的です。図面OCRで抽出した寸法や公差をルールベースのチェッカーに渡すことで、一次チェックの時間を半分以下にするという運用が各社で報告されています。

パターン4: 建設業の積算・見積自動化

建設業では、設計図面から数量を拾い出す「積算」業務に図面OCRを活用する事例が増えています。建築図面から部屋面積・建具の数量・設備シンボル数を読み取り、積算ソフトと連携することで、見積作成までのリードタイムを大幅に短縮できます。

ゼネコンの大手では、積算部隊が1件の見積に1〜2週間かけていた工数を、3〜5営業日まで圧縮した事例も出ています。建設業は案件ごとに図面のフォーマットが違うため、機械図面ほど読み取り精度が安定しない点に注意が必要ですが、プロジェクト単位で数千万円規模の工数削減効果が出せる領域です。

---

主要な図面OCRツール比較

2026年4月時点で、日本国内の企業が現実的に検討できる図面の読み取りツールは大きく2系統に分かれます。図面検索・管理と読み取りを一体で提供する系統と、汎用AI-OCR/IDPをベースに図面対応を追加・流用する系統です。

2系統の特徴比較

以下の表は、主要ツール2系統の強みと想定読者をまとめたものです。

導入検討時はまずどちらの系統が自社の業務目的に合うかを見極めます。

系統	代表ツール	強み	想定読者
類似検索一体型	CADDi Drawer、図面バンク	過去図面検索と読み取りの統合	多品種少量生産、受託開発
汎用AI-OCR/IDP系	AISpect(図面オプションあり)、DX Suite、SmartRead	帳票と図面を同じ基盤で処理	中堅〜中小、既存OCR資産あり

この表で重要なのは、汎用AI-OCR/IDP系は帳票処理を主機能とする製品であり、図面への対応範囲は製品によって異なるということです。AISpectは明示的な図面読み取りオプションを提供していますが、DX Suiteは全文読取による図面PDFのテキスト化、SmartReadはIDP基盤としての汎用的な読み取りという位置づけです。図面固有の構造抽出(引出線と寸法の紐づけなど)を深く行いたい場合は、類似検索一体型の方が対応範囲が広い傾向にあります。一方、既に帳票OCRで業務が回っている現場に図面読み取りを追加する場合は、汎用AI-OCR/IDP系の方が導入が早く運用コストも抑えられます。

ツール別の対応範囲と注意点

主要ツールごとに、読み取り対応範囲と選定時の注意点を整理します。

• AISpect
  汎用AI-OCRに図面読み取りオプションを追加できる構成。部品表の抽出、位置指定読み取り、全文テキスト化に対応する。公開価格表があり、図面読み取りオプションは1,000枚あたり1,600円の従量課金。帳票OCRと同じ基盤で運用できるのが利点
  
  

• CADDi Drawer
  類似図面検索をコアに据え、付随機能として属性抽出を提供。過去図面が大量に眠っている企業で特に効果が出る。類似検索の精度を期待する場合はまずここから検討するのが定石
  
  

• DX Suite(AI inside)
  帳票OCRの国内最大手。主な処理対象は請求書・申込書・報告書・注文書などだが、全文読取機能でテキストレイヤーのない図面PDFからテキスト化することも可能。ただし引出線と寸法の構造紐づけまでは行わないため、図面固有の属性抽出には向かない。既にDX Suiteで帳票処理が回っている現場で、図面のテキスト化を追加したい場合に検討する位置づけ
  
  

• SmartRead(Cogent Labs)
  マルチモーダルLLMを活用した新世代のAI-OCR。図面専用ではないが、手書き注記や非定型レイアウトへの耐性が強く、古い図面が多い現場でフィットしやすい
  
  

• 図面バンク
  過去図面の検索・管理と読み取りを一体化したクラウドサービス。スモールスタートしやすい料金体系が特徴で、PoCから本格導入への移行が容易

ツール選定で迷ったら、まず「図面の検索・管理が主目的か、既存の帳票OCR基盤に図面を追加したいのか」を基準に系統を決めるのが近道です。過去図面の検索と活用が主目的ならCADDi Drawer・図面バンク、既存の帳票OCR基盤に図面対応を追加するなら汎用AI-OCR/IDP系、という形で系統を先に決めてから個別ツールを比較するのが効率的です。

---

図面OCRツールの選び方と精度チェックの観点

ツール選定の後半で失敗しないためには、PoC段階で精度をどう測るかの設計が重要です。カタログスペックの「読み取り精度99%」は条件付きの数字が多く、自社の図面で同じ数字が出るとは限りません。

精度評価で見るべき4つの観点

精度評価を1つの指標だけで済ませると、本番運用で事故が起きます。最低でも以下の4観点で分けて測る必要があります。

• 文字単位の認識精度
  個々の文字が正しく読めているか。従来型のOCR指標で、数値の読み取り精度を測る起点になる
  
  

• フィールド単位の抽出精度
  「寸法フィールド全体が正しく取れたか」を見る指標。小数点や単位記号を含めて1つのフィールドとして評価する
  
  

• 構造紐づけの正確性
  「φ50はどの円に対するものか」といった図形要素との紐づけが維持できているか。ここが図面OCRの本命指標
  
  

• 再現性(同じ図面を2回読ませた時の結果の安定性)
  マルチモーダルLLMベースのツールでは特に重要。読み取り結果が毎回ブレると、部品表マスタとしては使えない

カタログ値の「精度99%」は多くの場合、文字単位の認識精度だけを指しています。フィールド単位になると90%、構造紐づけまで見ると70%台まで落ちるケースもあるため、PoC段階で自社データで4観点すべてを測るべきです。

PoC段階で層別評価する

自社の図面は1種類ではないはずです。

きれいなCADデータもあれば、20年前の紙図面をスキャンしただけのものもあります。PoCではこれらを層別に分けて精度を測らないと、平均値だけ見て判断を誤ります。

実務でよく使う層別の切り口は以下の3つです。

1. 生成元別(CAD直出力/スキャンPDF/手書き補正あり)
   CADから直接出したPDFと、紙をスキャンしたPDFでは別物として扱う
2. 図面種別(組図/部品図/P&ID/建築図面)
   読み取りたい情報の種類が違うため、個別に精度を測る
3. 年代別(5年以内/5〜10年/10年以上)
   古い図面ほど規格や記法が変わっている可能性があるため、年代で層別すると問題箇所が見えやすい

この層別を事前に決めておかないと、PoC結果が「平均85%」のような一括り数値になり、どの図面で何が苦手かが見えなくなります。結果として本番運用で特定の層で事故が起きる、というのが典型的な失敗パターンです。

SIer目線でのケース別推奨

AI総研の支援経験からは、企業規模や業務特性によって推奨ツールの系統が変わります。

• 過去図面の検索と活用が主目的なら、類似検索一体型(CADDi Drawer等)から入る
• 既に帳票OCRでAISpectやDX Suiteを使っている中堅企業は、同じ基盤に図面読み取りオプションを追加する方が運用コストが下がる
• 量産部品メーカーで検図自動化まで視野に入れるなら、AISpectの図面読み取りオプションで属性を抽出し、ルールベースチェッカーと組み合わせる構成が現実的
• 建設業で建築図面を積算に使う場合は、凡例カスタマイズに強いツールと、現場定着の支援がセットになっているベンダーを選ぶ

いずれの場合も、単体ツールの読み取り精度だけで判断せず、後段の業務システム(PLM・ERP・積算ソフト)との接続設計まで含めて検討するのが実務的です。

---

図面OCRの料金・コスト感(2026年4月時点)

図面OCRの料金は、初期費用・月額・読み取り枚数課金・API連携費の4要素の組み合わせで決まります。

サブスクリプション型が中心ですが、枚数課金が乗るため使い方で総コストが大きく変わります。

料金体系の構成要素

まず、図面OCRツールの料金がどのような要素で構成されているかを押さえておきます。

• 初期費用
  マスタ登録・社内規格対応・アカウント設定のための費用。無料〜数十万円
  
  

• 月額基本料金
  アカウント数や機能レンジに応じた固定費。月額3万〜20万円が中心
  
  

• 読み取り枚数課金
  月次の無料枠を超えた分の従量課金。1枚あたり数十円〜数百円
  
  

• API連携・オプション
  他システムとの連携、高精度プラン、オンプレ提供などの追加費用

見積を取る時は、月間の読み取り枚数と必要な連携機能を事前に整理しておかないと、比較の軸が揃いません。枚数課金の単価が安くても、基本料金が高いと年間総額で逆転するケースがあります。

主要ツールの価格例

2026年4月時点で公開情報がある代表的なツールの料金レンジを整理します。なお、企業向けエンタープライズプランは個別見積のため、ここでは公開されている中小〜中堅向けの価格を掲載しています。

ツール	プラン	月額基本料金	初期費用	備考
DX Suite	Lite	3万円〜	0円	月1万8,000円分の無料読取枠
DX Suite	Standard	10万円〜	20万円〜	月5万円分の無料読取枠
DX Suite	Pro	20万円〜	20万円〜	月20万円分の無料読取枠
AISpect	基本プラン	初期+基本料+従量	公開あり	図面読み取りオプション 1,600円/1,000枚
CADDi Drawer	-	要問い合わせ	要問い合わせ	類似検索と一体で提供
図面バンク	-	要問い合わせ	要問い合わせ	スモールスタート向け

価格は2026年4月時点の公開情報。DX Suiteは公式サイトの価格表より。AISpectは公開価格表で初期費用・基本料・従量単価が確認できます。CADDi Drawerは非公開のため、PoC規模と本番運用規模で個別に見積を取る必要があります。

この表から見えるのは、汎用AI-OCR系ならDX Suite Liteの月3万円から始められる一方、AISpectの図面読み取りオプションを加算するとさらに従量課金が乗ること、類似検索一体型は個別見積のためPoC規模と本番規模で総額が大きく変わる、という点です。ツール本体の月額だけでなく、運用・連携設計・教育まで含めた初年度予算を見込んでおくべきです。

コスト評価の読み解き

料金表を見る時は、表面の月額ではなく「1図面あたりの処理コスト」で比較するのが近道です。同じ月額10万円でも、月間処理枚数が500枚と5,000枚では1枚あたりの単価が10倍違います。

また、図面OCRツール単体ではなく、周辺システムとの連携工数・マスタ整備・運用トレーニングも総コストに含めて計算する必要があります。単体の月額だけで「安い/高い」を判断すると、導入後に工数が膨らんで予算オーバーすることが多い領域です。

---

図面OCR導入で詰まりやすい論点とPoC設計

図面OCRは「ツールを入れれば精度が出る」という世界ではありません。導入検討の途中で判断に迷いやすい論点を先回りして整理しておきます。

論点1: クラウドかオンプレか

図面は機密情報を含むため、クラウドにアップロードしてよいかどうかが最初の関門になります。

提供形態はベンダーによって異なり、クラウド前提の製品もあればオンプレ提供に対応するものもあります。

ただしマルチモーダルLLMを使う新世代ツールは、LLM基盤を自社で持てないためクラウド前提のケースが多く、オンプレ要件が強い業界(防衛・重工業・電力)では採用ツールが限られます。まずは情報セキュリティ部門と「どこまでのデータならクラウドに出せるか」を合意するのが先決です。

論点2: 既存の帳票OCR基盤を流用するか

既にDX SuiteやSmartReadのような帳票OCRを使っている企業では、図面読み取りオプションを同じ基盤に追加するか、類似検索一体型ツールを別途導入するかで迷います。実務的な判断軸は以下のとおりです。

• 図面のテキスト化(全文読取)が目的なら、既存基盤に図面読み取りオプションを追加する方が学習コストが低い
• 過去図面の類似検索や構造紐づけまで必要なら、CADDi Drawer等の専用ツールを別途導入する
• 年間読み取り枚数が1万枚を超える規模で構造抽出も必要なら、別建てにした方がROIが良いケースが多い

論点3: PoCのスコープ設計

PoCで最も多い失敗が、スコープを広げすぎて結論が出なくなることです。実務的には最初のPoCは100枚程度に絞り、先ほど整理した4観点(文字精度/フィールド精度/構造紐づけ/再現性)と層別評価(生成元/種別/年代)で測るのが現実的です。

PoCの期間は長くても1ヶ月以内に設定します。ここで半年かけると判断疲れが起きて、結果的にツール選定が頓挫します。短期で区切って、定性評価ではなく定量評価で判断することが重要です。

論点4: 運用定着と現場教育

図面OCRは「入れただけでは精度が上がらない」ツールです。社内の図面の傾向を学習データとして追加したり、社内凡例を登録したりといった運用工数が継続的に発生します。情シス部門だけでなく、設計部門・検図部門と運用役割を最初に決めておかないと、導入後3ヶ月で使われなくなるケースがよくあります。

「入れた後の運用を誰が見るか」を先に決め、その担当者がPoC段階から関わるようにすることで、定着率が大きく変わります。これは図面OCRに限らず、業務系AI導入全般の鉄則です。

AI総研として推奨するPoCの進め方

AI総研の導入支援経験からは、PoC段階でつまずきやすい企業には共通点があります。まず、既存図面の品質分布を事前に整理していないこと。次に、現場担当者を巻き込まずに情シス単独でツール選定を進めていること。この2つを避けるだけで、PoCの成功率は大きく変わります。

具体的には、PoC開始前に「過去5年の図面を生成元・種別・年代で100枚サンプリングして分類する」という地味な作業を1〜2週間かけて実施することを推奨しています。この準備工数を惜しむと、PoC本番で層別評価ができず、結局ツール選定のやり直しになります。

---

図面OCRの読み取り結果を業務フローに直結させるなら

図面OCRを読み取りツールとして単体で入れても、業務全体のスループットは大きくは変わりません。読み取った属性情報を検図・PLM・ERP・品質管理システムと接続して、業務フロー全体を自動化してはじめて投資対効果が見えてきます。

AI Agent Hubは、AI-OCR Agentが図面から読み取った寸法・公差・部品番号を構造化し、設計製図Agentが検図・BOM展開・部品マスタ連携までを一連のフローとして実行するエンタープライズAI基盤です。

• AI-OCR Agentが紙図面・手書き検査票を構造化データに変換
  スキャン画像や青焼き図面から寸法・材質・注記を自動抽出し、ERPの部品マスタやPLMの属性情報として登録。紙とExcel台帳の二重管理から脱却する具体的な経路を提供します。
  
  
• 読み取り結果の出口設計まで一貫して構築
  「とりあえず読み取る」だけで終わらせず、検図承認・PLM属性登録・購買部門への展開までの後工程を含めた業務フロー設計を前提に構築します。PoCから本番運用への橋渡しが設計段階で組み込まれます。
  
  
• 図面データは100%自社テナント内で処理
  機密性の高い設計図面が外部に出ることはありません。Azure Managed Applicationsとして自社テナント内に構築し、AIの学習対象からも完全除外されます。

AI総合研究所の専任チームが、図面OCRの導入設計からPLM・ERP連携、運用定着までを一貫して支援します。自社の図面資産をどう活用できるか、無料の資料でご確認ください。

---

まとめ

図面OCRは、機械図面・建築図面・P&IDといった図面固有の構造を理解した上で、寸法・公差・部品番号・注記を自動抽出するAI技術です。一般的なAI-OCRとは読み取り対象と出力の粒度が大きく異なり、投影図や引出線の関係性を維持したまま構造化データを出力できる点が最大の違いです。

2024年以降はマルチモーダルLLMを組み合わせた新しい読み取り方式の検証が一部ベンダーで進んでおり、手書き注記や傾いた古い図面への対応力向上が期待されています。一方で数値の正確性ではまだ従来型OCRと組み合わせた二段構えが現実的で、用途に応じた技術選択が求められます。

ツール選定では、類似検索一体型(CADDi Drawer等)と汎用AI-OCR/IDP系(AISpect・DX Suite等)の2系統のどちらが業務目的に合うかをまず決め、その上で個別ツールの精度評価を4観点(文字/フィールド/構造/再現性)で行うのが近道です。料金はDX Suiteが月額3万円台の公開プランからスモールスタートでき、AISpectは基本料+従量+図面オプション加算、類似検索一体型は個別見積が中心で、1図面あたりの処理コストで比較するのが実務的な判断軸になります。

導入で失敗しないためには、図面OCRを単体ツールで終わらせず、読み取り結果を検図・PLM・ERP・品質管理につなぐ業務フローを先に設計することが重要です。まずは自社の過去図面を100枚サンプリングして品質分布を整理するところから始め、PoCで定量的に判断していく進め方をおすすめします。