溶接ロボットを動かすまでには、部品図面を読み、電流や電圧を決め、動作を教える工程があります。熟練者の経験が効くこの入口を、AIで短くしようという具体的な動きが出てきました。
ファナックが開発した「AI溶接エージェント」は、部品の図面を読み取り、アーク溶接の条件とロボットの動作を自動生成する仕組みです。2026年12月末の出荷開始が予定されています。単にロボットへAIを載せるのではなく、図面から実際の動作へ渡る間をどうつなぐのかがポイントになります。
便利さだけを急いで受け取るより、何が自動化されるのか、どこで人が確認するのかを分けて見ると、この「フィジカルAI」の輪郭がつかみやすくなります。
図面を見せれば終わり、ではありません。条件と動作を生成し、人が確認・微調整して実行する流れまでを一つの仕事として考えるのが、AI溶接エージェントを読む近道です。
AI溶接エージェントは何を変えるのか
アーク溶接では、同じ「溶接」でも部材、形状、板厚、姿勢によって考えることが変わります。だからこそ、図面を受け取ってからロボットのプログラムを用意するまでが、現場ごとの重要な工程になります。
ファナックの2026年9月11日の公式発表によると、AI溶接エージェントは部品の設計図を読み、材料と作る部品を理解したうえで、電流・電圧などの溶接条件とロボットの動作を自動生成します。ファナックはこれを「ゼロ設定、ゼロ教示」のシステムとして説明しています。
ここで自動化したいのは、火花が出る最後の動作だけではありません。図面を見ながら条件を組み、ロボットへ教える前段を短くすることです。多品種の仕事で段取りが増える現場ほど、検討の入口を整える価値は大きくなります。
注目したいのは、生成AIが「相談役」にとどまらず、溶接条件とロボット動作という実行可能な案へつながる設計です。ただし、案を出すことと、品質を保証することは同じではありません。
図面からロボットが動くまでの流れ
ファナックは、協働ロボットCRXのタブレット型ティーチペンダントに内蔵されたカメラで図面を読み取る構成を示しています。図面を読むためだけのカメラや専用装置を別に追加しなくてよい、というのが導入側にとって分かりやすい点です。
読み取った内容をもとに、AI溶接エージェントが溶接条件とロボット動作を作成します。作業者は、そのまま実行することも、生成された内容を確認して微調整してから溶接させることもできます。つまり「図面→自動実行」の一本線ではなく、途中に人の判断を置ける流れです。
現場で最初に確認したいのは、図面を読めたかだけではありません。材料・板厚・治具・ワーク位置・溶接品質の基準を、どの時点で誰が照合するかまで決めると、生成結果を使いやすくなります。
既存の溶接電源に依存しないとファナックが案内していることも、検討の入口を広げます。一方で、実際の接続条件、対象ロボット、保全手順は個別の設備構成で変わります。発表の「使える」と、自社ラインでそのまま動くことは分けて確認したいところです。
なぜ今、溶接の前工程にAIなのか
自動車・トラック部品、建設資材、造船などでは、アーク溶接はものづくりを支える工程です。その一方で、条件出しやロボット教示を担える人材が不足し、技能をどう残すかが課題になります。公式発表も、熟練の溶接作業者の不足が資材の長納期化の一因になっていると説明します。
AI溶接エージェントは、熟練者を不要にする、と受け取るよりも、熟練者の判断をどこへ集中させるかを変える仕組みとして見る方が現実的です。毎回ゼロから作る作業を減らせれば、作業者は生成結果の確認、品質の見極め、例外への対応に時間を使いやすくなります。
一般的なAIの進化をロボットの実作業へつなぐ考え方は、[Gemini Robotics 2を扱った記事](https://melihat.jp/archives/1626)とも重なります。今回の違いは、溶接という一つの工程に、図面・条件・教示の流れを具体化したことです。
「フィジカルAI」という言葉だけでは、工場で何が変わるのかは見えにくいものです。図面を見せる、条件をつくる、動作を確かめる、実際に溶接する。AI溶接エージェントは、その間にある受け渡しを一続きに扱おうとしています。
導入前に止めずに確認したいこと
ファナックは、Google Cloudとの協業の下で企業向け生成AI「Gemini Enterprise」を活用したと説明しています。読み取る部品図面などのデータはGemini Enterpriseのセキュリティで保護され、別ユーザーのAI学習には流用されない、というのが同社の案内です。
ただし、図面は取引先の情報、ノウハウ、製造条件に直結することがあります。自社で使う場合は、データの送信先、保持期間、契約上の扱い、利用者の権限、ログを誰が確認するかを、導入前に整理しておく必要があります。
生成された条件や動作を、そのまま本番ラインへ流す前に、試験片や検証用の工程で確かめる段階を用意したいところです。特に安全・品質・設備停止に関わる判断を、AIだけへ一括で渡さないことが重要です。
この視点は、AIエージェントに任せる範囲と停止経路を考えたNVIDIA Open Agent Safety Platformの記事にもつながります。工場では、良い提案を出せるかだけでなく、誰が承認し、問題時にどう止め、どこまで記録を追えるかが運用の一部になります。
「教える時間」を短くできるかが次の勝負
AI溶接エージェントは、現時点で広く稼働済みの完成形ではありません。ファナックは2026年12月末からの出荷開始を予定しており、価格、対応する細かな条件、実ラインでの導入成果は今後の確認事項です。
それでも、図面から条件と動作を作る工程へAIを入れた意義ははっきりしています。ロボットを導入するだけでは解消しにくかった「誰が、どう教えるか」という壁に、別の入口を作ろうとしているからです。
人の仕事が消えるかどうかではなく、熟練者がどの判断に時間を使えるようになるか。AI溶接エージェントは、工場のAI活用を考えるときの新しい質問を投げかけています。まずはデモや小さな検証で、図面の種類、立ち上げ時間、品質確認の手間を見比べることから始めると、任せられる範囲が見えてきそうです。
