造船業のAI活用事例2026年版|設計自動化・溶接検査・予知保全とスマート造船所の最前線

この記事のポイント
造船業のAI活用を、設計・曲げ加工・溶接・検査・工程管理・予知保全・デジタルツインの工程別に整理。2026年3月に国が採択したAI造船ロボット事業の中身、造船業再生基金の認定、川崎重工×NVIDIA、韓国3社の動きまで、公式発表をもとにまとめます。
造船業のAI活用は、2026年に入って「各社の個別の試み」から「国が資金を出す共同開発」へ段階が変わりました。国土交通省は2026年3月にAI造船ロボットやAI設計支援などの研究開発14件を採択し(予算150億円)、設計・曲げ加工・溶接・塗装・品質確認・工程管理・安全管理の各工程で、造船所・大学・ロボットメーカーが開発を進めています。

ただし、AI溶接ロボットや人型ロボットの多くはまだ研究開発・実証の段階です。すでに現場で使われているのは、就航後の船の異常検知や航路の最適化、自動溶接設備、生成AIによる社内文書の検索などに限られます。この記事では「どこまで実用で、どこからが開発中か」を分けて整理します。
この記事でわかること
- 造船業でAI活用が急がれる理由と、国の目標(2035年に年間建造量1,800万総トン)
- 設計・曲げ加工・溶接・検査・工程管理・予知保全・デジタルツインの工程別の取り組みと段階
- 2026年3月に採択された国のAI造船ロボット事業の中身(誰が・どの工程で・何を作るか)
- 造船業再生基金の初認定(2026年9月)と日米連携など、支援制度の現状
- 韓国のHD現代・サムスン重工業・ハンファオーシャンとの比較
- 中小造船所・舶用メーカーが最初に取り組みやすいテーマと注意点
想定読者: 造船所・舶用メーカーの設計部、生産技術部、DX推進部、経営企画部の担当者と、造船業界向けにAIやロボットを提案するSIer・メーカーの方。
造船業でAI活用が加速している背景
造船業でAIが急がれる一番の理由は、少ない人手で建造量を大きく増やす必要があるからです。国土交通省と内閣府は2025年12月に「造船業再生ロードマップ」を策定し、年間建造量を現在の約900万総トンから2035年に1,800万総トンへ倍増させる目標を掲げました(国土交通省 報道発表 2026年3月19日)。人を倍に増やすのは現実的でないため、AI・ロボット・デジタル化による生産性向上が前提になっています。
業界が抱える課題は次のとおりです。
- 人手不足と技能者の高齢化: 溶接、ぎょう鉄(鋼板を熱で曲げる加工)、艤装(配管・機器の取り付け)など、熟練者の勘に頼る工程が多い
- 一品受注生産: 国交省も「船舶毎に設計仕様が異なるため、製造ラインによる大量生産ができず、技術・技能の継承が難しい」と課題に挙げている。自動車工場のような量産型の自動化をそのまま持ち込めない
- 韓国・中国との競争: 建造量シェアで先行を許し、韓国勢はAI溶接ロボットへの投資を加速している
- 脱炭素への対応: アンモニア・メタノールなど代替燃料船の設計が増え、設計部門の負荷が上がっている
- 経済安全保障: ロードマップでは「船体」が経済安全保障推進法の特定重要物資に追加され、国内で船を造り続ける体制づくりが国策になった
業界再編も進んでいます。今治造船は2026年1月にジャパンマリンユナイテッド(JMU)の株式60%を取得してグループ化し、国内建造量の過半を占める規模になりました(今治造船 2026年定例記者会見)。大手どうしの統合で、設計データや生産ノウハウを共通の基盤に載せやすくなった点も、AI活用の追い風です。
造船のAI活用は造船所の中だけでなく、完成した船の運航・保守まで含みます。運航側の取り組みは海運業のAI活用事例で詳しく扱っています。
造船業におけるAI活用領域の全体像
造船AIは、船の設計から建造、就航後の保守までの工程ごとに整理するとわかりやすくなります。次の表は、工程ごとのAIの役割、主な取り組み、2026年10月時点の段階をまとめたものです。
工程 | AIの主な役割 | 主な取り組み(実施主体) | 期待される効果 | 段階 |
|---|---|---|---|---|
設計(3D) | 設計の最適化、3Dモデル生成、規則への適合確認 | 3次元設計データを前提としたAI設計支援(MTI、JMU、今治造船ほか) | 設計工数の削減、ミスの早期発見 | 研究開発(国の事業) |
設計(2D図面) | 図面の読み取り、規則・チェックリストとの照合 | 造船特化の設計支援AIエージェント(Noahlogy、内海造船、新来島どっくほか) | 図面チェックの省力化、修繕実績の新造設計への活用 | 研究開発・実証 |
曲げ加工(ぎょう鉄) | 加熱位置の算出、技能伝承AIチャット | AI曲げ加工ロボット(JMU、大阪公立大学ほか) | 熟練技能の継承、加工時間の短縮 | 研究開発(国の事業) |
溶接・塗装 | 溶接・塗装ロボットの自律動作、複数台の同時制御 | 閉鎖空間・開放空間用ロボット、群制御(川崎重工、MTI、安川電機ほか) | 省人化、高所・狭所作業の削減 | 研究開発(国の事業)/韓国では一部実用 |
溶接品質の確認 | 画像認識による溶接条件の補正、溶接ログからの判定 | AI溶接・品質確認ロボット(九州大学、日本海事協会ほか) | 検査工数の削減、品質のばらつき抑制 | 研究開発(国の事業) |
工程管理・安全 | 実測と設計の差の抽出、工程の修正案、不安全行動の検出 | AI生産工程シミュレーション基盤、映像AIによる安全管理(フツパーほか) | 手戻りの削減、事故の予防 | 研究開発(国の事業) |
デジタルツイン | 造船所全体の仮想再現、ロボットの事前検証 | 川崎重工×NVIDIA、日米連携のバーチャル造船所 | 着工前の検証、手戻りの削減 | 構築・検証中 |
予知保全・運航 | センサーデータの異常検知、航路の最適化 | 日本郵船グループ SIMS、JMU Sea-Navi® | 故障の予兆把握、燃料の節約 | 実用 |
工程ごとに見ると、すでに実用段階にあるのは就航後の運航・保守の領域で、造船所内の工程は2026〜2027年に研究開発の成果が出始める段階です。各社の効果を数字で比べたくなりますが、公式発表で効果を数値で示している事例はまだ少なく、出典がはっきりしない数字には注意が必要です。
設計自動化AIの最新事例

出典: 三菱重工業
設計は、造船AIの中でも生成AIやAIエージェントが最も早く役立ちそうな工程です。船ごとに仕様が違うため設計工数が大きく、過去の図面・規則・修繕記録といった文書を読み解く作業が多いからです。国の採択事業では、3D設計データを持つ大手向けと、2D図面が中心の中小向けの2本立てで開発が進んでいます。
3D設計データを前提にしたAI設計支援
MTI(日本郵船グループ)、JMU、今治造船、旭洋造船、浅川造船、本田重工業、九州大学、大阪大学、日本海事協会などが提案した事業です。CADと船級規則のデータベースを連携させ、設計の最適化、3Dモデルの生成、規則への適合確認をAIで支援します(国土交通省 別紙2)。
大学側の拠点としては、2025年4月に大阪大学に「先進海事システムデザイン共同研究講座(阪大OCEANS)」が開設され、今治造船・JMU・日本海事協会・MTIが参画しています。システムズエンジニアリングとAIを使って、設計・建造のやり方そのものを見直す研究です。
2D図面を読むAIと造船特化のAIエージェント
中小造船所では、いまも2D図面が設計の中心です。この前提に合わせて、東大発スタートアップのNoahlogyが内海造船、新来島どっく、商船三井、浅川造船、伯方造船、向島ドックなどと組み、2D図面を読み取れる設計支援AIを開発しています。安全規則やチェックリストをデータベース化し、図面と照合する「造船特化型の設計支援AIエージェント」をつくり、修繕実績のデータを新造船の設計に生かす計画です。
Noahlogyは2026年6月にシード資金1.5億円を調達し、「設計リードタイム最大10分の1」を目標に掲げています(THE BRIDGE)。これは達成済みの実績ではなく目標値です。AIエージェントの基本的な仕組みはAIエージェントとはで解説しています。
三菱重工業・三菱造船の3D設計とデータ連携
三菱重工業の「MATES」は、基本設計から生産設計までを扱う船舶向けの3次元設計システムで、30年以上使われてきました(三菱重工業 公式)。AIで船型を最適化するツールではありませんが、設計AIを動かすには3Dの設計データが欠かせないため、こうした設計基盤の有無がAI活用の出発点を左右します。
2026年6月には、三菱造船の性能推定・線図選定システム「MiPoLin®」と、海上技術安全研究所(海技研)のWebアプリとの連携機能が追加され、船型の設計から実船のモニタリングまでデータをつなげられるようになりました(三菱重工業 2026年6月5日)。
溶接・生産AIとAI溶接ロボットの事例
溶接・曲げ加工・塗装は、人手不足が最も深刻で、国の事業でも最も多くの予算と提案が集まっている工程です。国の事業では、AI造船ロボットの開発に重点が置かれ、作業する場所(船内の狭い区画か、屋外の高所か)や工程ごとに事業が分かれています。

国のAI造船ロボット事業(2026年3月採択)
主な採択事業は次のとおりです(国土交通省 別紙2)。
事業 | 主な提案者 | 開発する内容 |
|---|---|---|
AI曲げ加工ロボット | JMU、大阪公立大学、旭洋造船、新来島サノヤス造船、檜垣造船 | 高速シミュレーションとAIで鋼板を曲げる加熱位置を瞬時に計算。現場のノウハウを学習した技能伝承AIチャット。複数の造船所で量産型ロボットを実証 |
閉鎖空間用AI溶接・塗装ロボット | MTI、JMU、名村造船所、新来島どっくほか | 二重底ブロック(船底の二重構造の区画)など狭い場所を脚で歩いて移動し、溶接・塗装するロボット |
開放空間用AI溶接・塗装ロボット | 川崎重工業、名村造船所、新来島どっく(日本海事協会、ABSが協力) | 屋外の高所や曲面で溶接・塗装・品質確認を一貫して行う脚式・車輪型ロボット |
AI群制御×協働ロボット | ダイドー、眞鍋造機、安川電機、浅川造船、JMU、新来島どっくほか | 無監視で動く車輪型AI溶接ロボット、高所AI塗装ロボット、複数台をまとめて動かす群制御 |
パルスレーザによる自動表面処理 | 三和ドック、尾道造船、広島大学ほか | パルスレーザ、画像認識AI、協働ロボットで塗膜や錆を除去(新造・修繕の両方) |
AI船内清掃・研磨モビリティ | 新来島どっく、トヨタ自動車、今治造船、新来島豊橋造船 | 障害物を避けながら船内の区画を自律的に清掃・研磨 |
川崎重工業によると、開放空間用ロボットの事業期間は2026年3月〜2027年3月です(川崎重工業 2026年4月21日)。他の事業も多くは令和8年度(2027年3月)までの約1年間の研究開発なので、現場に量産導入されるのはその後と考えるのが妥当です。
曲げ加工ロボットの事業には「技能伝承AIチャット」も含まれています。熟練者の判断の理由を生成AIで引き出せるようにするもので、ロボットを導入しない造船所でも取り入れやすいテーマです。
今治造船の溶接ロボット連携と自動溶接設備
今治造船は、2016年度の国交省の革新的造船技術研究開発補助金で、AI機能を使って溶接ロボット4台を連携させるシステムの研究開発を始めています(国土交通省 平成28年度 採択結果)。現在の運用状況は公表されていません。
2026年7月の定例記者会見では、大学・ロボットメーカー・センサーメーカーと連携してDX・AI技術の研究開発を進めていること、2026年度に丸亀工場でラインウェルダーなどの自動溶接設備を更新することが発表されました(今治造船 2026年定例記者会見)。
鋼材や溶接の自動化は鉄鋼業とも共通する部分が多いため、鉄鋼・金属業のAI活用事例もあわせて読むと比較しやすくなります。
溶接検査・品質AIの事例
溶接検査のAIは、画像認識でAIが溶接の状態を確認し、人の検査を減らしたり品質のばらつきを抑えたりするための技術です。ただし造船では船級協会(日本海事協会など)のルールに沿った検査が必要なため、AIの判定をそのまま品質保証に使えるルールは、現時点ではまだありません。
AI溶接・品質確認ロボット(国の採択事業)
九州大学、広島大学、日本海事協会、神戸製鋼所、大島造船所、新来島サノヤス造船、新来島どっく、常石造船、名村造船所が参加する事業です。画像認識AIで溶接条件を自動で補正し、溶接中のログから品質を自動判定するロボットを開発します。あわせて品質確認のガイドラインの素案もつくります(国土交通省 別紙2)。
船級協会が開発段階から参加していることがポイントです。AIで検査した結果を船級検査でどう扱うかというルールづくりが、技術開発と同時に進められています。開放空間用ロボットの事業でも、日本海事協会と米国船級協会(ABS)が技術評価・規則検討に協力しています。
人とAIの役割分担
現時点では、AIが欠陥の候補や溶接条件のズレを見つけ、最終的な合否は検査員が判断するという分担が基本です。AIが一次チェックを引き受ければ、検査員は判断の難しい箇所に時間を使えます。検査記録の作成も負担の大きい業務なので、AIで効率化する方法は点検報告書の自動化が参考になります。製造業全般の外観検査AIの事例は製造業のAI活用事例にまとめています。
工程最適化・生産管理AIの事例
工程管理のAIは、ブロック(船体を分割して組み立てる大きな部材)の出来上がりを実測し、設計とのズレや作業の遅れを早く見つけて工程を組み直すことを目指します。造船は工期が長く、前の工程のズレが後の工程に大きく響くため、早く見つけるほど手戻りが減ります。
AI生産工程シミュレーション基盤
MTI、JMU、今治造船、新来島どっく、横浜国立大学、大阪大学、大阪公立大学が提案し、米ミシガン大学、MIT、米国の造船所(General Dynamics NASSCO、HII Newport News)、伊Fincantieriなども協力する事業です。ブロックの3次元計測データと設計の3Dデータの差をAIで抽出し、ロボットで作業できるかどうかも踏まえて工程の修正案を出す仕組みを開発します。
あわせて、日本能率協会コンサルティングが「日本版デジタルシップヤード」の標準アーキテクチャの策定を担当しています。国内の造船所4社で、経営・設計・調達・製造を一気通貫でつなぐ設計図と、実装のロードマップをつくる事業です。
映像AIによる安全管理
フツパー、日本中小型造船工業会、内海造船と多数の中小造船所が参加する事業では、固定カメラ、ドローン、地上走行ロボットの映像から作業員の不安全行動をAIで検出し、ロボットの自動停止と連携させる仕組みを開発しています。ロボットが人の近くで動く造船所では、こうした安全の仕組みがロボット導入の前提になります。カメラ映像による安全管理は建設現場でも先行しているため、建設業のAI活用事例も参考になります。
資材調達最適化AIの事例
資材調達のAIは、過去の発注実績から必要な数量を予測し、余分な発注や欠品を減らすことを狙います。造船は部品点数が非常に多く、鋼材や配管部品の在庫が資金繰りに直結するため、効果が金額で見えやすい領域です。
今治市の資料では、新来島どっくの社員を中心とするチームが、今治市とSUNABACOのAI人材育成講座の卒業制作として「パイプ部品AI予測システム」を開発し、2部品だけで約1,000万円の削減を見込む提案をしています(今治市 広報資料)。削減額は見込みで、実際の削減効果ではありません。
それでも、外部の大規模な開発に頼らず、現場の社員が講座で学んで自社データでAIをつくったという点は、中小造船所にとって参考になります。全部品へ広げる場合は、鋼材価格の変動や長納期部品の納期をどう予測に入れるかが課題になります。
予知保全・スマートシップAIの事例
就航後の船の予知保全は、造船AIの中で最も実用が進んでいる領域です。船に積んだセンサーのデータを陸上で集めて分析し、機器の故障の予兆を見つけたり、燃料の少ない航路を選んだりする仕組みが、すでに数百隻規模で使われています。

日本郵船グループの異常検知・SIMS
日本郵船グループは、船舶IoTプラットフォーム「SIMS」(後継はSIMS2)を200隻以上に搭載し、フィリピンの遠隔診断センターで、AIによる機関プラント(エンジンや関連機器)の異常検知を運用しています。AIが検知した結果は海技者(船の運航・機関の専門家)が確認してから船に伝える運用です(NYK 英語記事)。この取り組みは2022年に日本海事協会のイノベーション・エンドースメントを取得したと報じられています。
JMU「Sea-Navi®」
JMUの「Sea-Navi®」は、気象や海流を踏まえて燃料を抑えられる航路を提案する船舶向けナビゲーションシステムです。2019年末からは、データ収集装置を自社で建造する全船に標準搭載しています(Tableau 導入事例資料)。造船所が建造後の運航データを集めることで、次の船の設計改善にも生かせます。
自動運航のルール(IMOのMASSコード)
自動運航船については、国際海事機関(IMO)が2026年5月の第111回海上安全委員会で、強制力のない「MASSコード」を採択し、2026年7月1日から任意で適用できるようになりました。対象は貨物船で、強制化に向けた作業は2028年ごろに始まる見込みです(IMO 発表)。国際ルールの基本的な枠組みはできましたが、自動運航船の本格的な普及はまだ先です。
設備の予兆保全はプラントやインフラでも共通する技術なので、インフラ・プラント保全のAI活用事例も参考になります。
同じ業種で、どの業務から開発に手を付けるかを整理します
初回相談は無料・30分(オンライン)。要件が決まっていなくても大丈夫です。改修100万円〜・PoC300万円〜(税別)
デジタルツインとスマート造船所

出典: 川崎重工業
デジタルツインは、造船所や船を仮想空間に再現し、ロボットの動きや工程を着工前に検証するための基盤です。設計・生産・保守の各工程のAIをつなぐ役割を持つため、2026年は日本でも具体的な構築が始まりました。
川崎重工業×NVIDIA「次世代デジタルシップヤード」
川崎重工業は2026年7月16日、NVIDIAと組んで「次世代デジタルシップヤード」の構築を始めると発表しました(川崎重工業 プレスリリース)。一般商船を建造する坂出工場(香川県)を中心に、商船の設計から建造現場までをつなぐ生産システムをつくる計画です。
- NVIDIA Omniverse(デジタルツイン)、Isaac(ロボットのシミュレーション)、Cosmos(世界基盤モデル)を、川崎重工の造船データやロボット技術と組み合わせる
- デジタルツインで手戻りを減らし、溶接・塗装・検査・搬送にAIロボットを使う
- AIエージェントで設計・調達・製造を効率化し、建造データを就航後の運用・保守にもつなげる
まず坂出工場で検証し、その後は他の大型構造物の製造現場にも広げる方針です。
日米連携のバーチャル造船所
2025年10月に日米の造船協力に関する覚書が結ばれ、2026年9月には米ミシガン州で協議が行われました(国土交通省 2026年9月18日)。合意した開発計画は次の3つです。
- ミシガン大学に船体を模した大型の構造物を置き、ロボットを開発・検証する
- 高精度センサーを共同で開発する
- 実在する日米の造船所を仮想空間に再現してロボットを動かし、シミュレーション基盤を実証する
日本側からはMTI、東京大学、大阪大学、九州大学、日本海事協会、名村造船所、川崎重工業などが参加し、米国側からはミシガン大学、HII、Path Roboticsなどが参加しています。米国のAI・ロボット関連企業12社も関心を示しているとされます。
日本 vs 韓国:造船AIの国際比較

出典: Hanwha
韓国勢は、大手造船会社が単独でAI溶接ロボットの実装を先に進めているのが特徴です。一方の日本は、国の事業で造船所・大学・メーカーが共同開発し、成果を中小造船所にも広げる進め方です。
比較項目 | 日本 | 韓国(HD現代・サムスン重工業・ハンファオーシャン) |
|---|---|---|
推進の形 | 国の事業(予算150億円)で共同研究開発。日米連携・産学連携 | 大手造船会社が単独で投資し、ロボット企業と提携 |
AI溶接の段階 | 研究開発中(多くは2027年3月まで) | ハンファオーシャンは屋内溶接の67%をAIが支援(公式発表) |
次世代ロボット | 脚式・車輪型の溶接・塗装ロボット、群制御 | HD現代が人型溶接ロボットを共同開発中 |
デジタルツイン | 川崎重工×NVIDIA、日米のバーチャル造船所 | HD現代の「visible shipyard」、サムスン重工の基盤構想 |
特徴的なテーマ | 2D図面AI、技能伝承AIチャット、中小造船所向けの安全管理 | 2030年に向けた無人化・自律化の数値目標 |
HD現代(HD Hyundai)
HD現代は2025年5月、HD韓国造船海洋、HD現代ロボティクス、米Persona AI、Vazilと人型溶接ロボットの開発で覚書を結び、2026年3月に共同開発契約へ進みました。試作機は技術的に成功と判断され、段階的な導入に向けた検証に入っています(Smart Maritime Network 2026年3月23日)。当初の計画では、現場での試験と商用化は2027年が目標です。造船所全体を可視化するデジタルツイン「visible shipyard」は2023年に導入したと報じられています。
サムスン重工業(Samsung Heavy Industries)
サムスン重工業は2025年10月、Rainbow RoboticsとAI溶接ロボットで提携しました。協働型のロボットから始め、移動できる双腕型・四足型へ広げる計画です。2030年までに「スマート・自律・無人」の造船所を目指すとしており、NVIDIA OmniverseやIsaac Simを使ったデジタルツイン基盤も計画しています(Korea JoongAng Daily)。
ハンファオーシャン(Hanwha Ocean)
ハンファオーシャンは、巨済造船所で屋内溶接の67%をAIが支援しており、2030年には100%、表面処理・塗装の50%にもAIを使う目標を掲げています(ハンファ 公式 2026年7月21日)。デジタル生産センターでは、ドローンやIoT機器が30分ごとにブロックの位置や工程データを更新しています。買収した米フィリー造船所にも、2026年から溶接ロボットを導入する計画です。
国の政策・補助制度(導入判断の材料)
造船業のAI・ロボット投資は、研究開発には国の委託事業、設備投資には造船業再生基金という2つの制度で支えられています。2026年10月時点で確認できる主な動きは次のとおりです。
制度・動き | 内容 | 状況(2026年10月時点) |
|---|---|---|
造船業再生ロードマップ | 2035年に年間建造量1,800万総トン。AI造船ロボットの開発、産学連携、米国との技術協力を施策に含む | 2025年12月策定 |
AIの活用による次世代造船所の実現に資する技術開発事業 | 予算150億円(令和7年度補正)。海上技術安全研究所が執行。公募は2026年2月13日〜3月6日 | 2026年3月19日に14件採択。研究開発中 |
造船業再生基金 | 「船体」を特定重要物資に追加し、省力化・自動化設備などの投資を支援 | 2026年9月4日に3件を初認定 |
日米造船協力 | 2025年10月に覚書。ロボット・センサー・シミュレーション基盤を共同開発 | 2026年9月に開発計画で合意 |
造船業再生基金で最初に認定された供給確保計画は、今治造船・多度津造船・スチールハブ(最大約1,138億円)、JMU・JMUアムテック・有明スチールセンター(最大約494億円)、名村造船所・函館どつく(最大約499億円)の3件で、期間はいずれも令和8〜16年度です(国土交通省 2026年9月4日)。その後、大島造船所や川崎重工業などの計画も追加で認定されたと報じられています。
研究開発事業の参加者には、大手だけでなく中小造船所も多く含まれています。特に安全管理の映像AIや2D図面AIの事業には中小造船所が多数参加しており、「AI造船は大手だけの話」ではありません。公募は年度ごとに内容が変わるため、応募を考える場合は国土交通省と海上技術安全研究所の最新の公募要領を確認してください。
導入コストとハードル:中小造船の現実的なステップ
中小造船所・舶用メーカーが最初に取り組みやすいのは、ロボットではなく、社内の文書とデータにAIを使うことです。AI溶接ロボットは国の事業でも開発中で、1社で独自に開発するには費用もリスクも大きすぎます。一方、規則や過去図面の検索、報告書の作成といった業務は、既製の生成AIツールで小さく試せます。
導入の規模ごとのコスト感とハードルは、一般的には次のようになります。
取り組み | コスト感(一般的な目安) | 主なハードル |
|---|---|---|
汎用の生成AIツールで規則検索・文書作成 | 法人プランで1人あたり月額数千円程度から | 船主の仕様書など機密情報の扱いルールづくり |
自社の図面・実績データを使うAIの個別開発 | 要件次第で数百万〜数千万円規模になることが多い | 紙図面の電子化、データの整理、現場の使い方の設計 |
AIロボットの導入 | 設備投資として大きな額が必要。基金・国の事業の活用が前提 | 一品生産への対応、安全設計、船級ルールとの整合 |
現実的な進め方は次の5段階です。
- 課題を1つに絞る: 図面チェック、規則の確認、資材の発注量、安全管理など、人手不足や手戻りが目立つ業務を選ぶ
- データを整える: 紙図面の電子化、過去の工程・発注実績の整理。ここに最も時間がかかる
- 小さく試す(PoC): 1つの業務・1つの部署で試し、削減できた時間などを測る
- 支援制度を確認する: 設備投資は造船業再生基金、研究開発は国の事業の公募をチェックする
- 現場に定着させてから広げる: 現場が使い続けられる形に直してから、他の工程に広げる
自社の図面や工程データを使うAIを外部に開発してもらう場合、造船の業務や船級ルールに詳しい会社を選ぶかどうかで、要件の詰め方や事前に用意するデータの量が変わります。選び方の考え方は業界に詳しいAI開発会社に委託すべきかで整理しています。
生成AIを社内業務に使う他業界の事例は生成AIの企業活用事例50選、目的別のツールの選び方は生成AIツールおすすめ比較が参考になります。
規制・セキュリティとAIにできないこと
造船AIには、技術の成熟度、品質責任、データの機密性という3つの面で制約があります。導入を計画する前に、次の点を押さえておく必要があります。
- 多くはまだ研究開発段階: 国のAI造船ロボット事業は2027年3月までの研究開発で、HD現代の人型溶接ロボットも検証段階です。2026年時点で「買ってすぐ使える」AI溶接ロボットは限られます
- 最終判断は人が担う: AIは欠陥の候補や異常の兆候を見つけるところまでで、品質の合否や運航上の判断は検査員・技術者・海技者が行います。日本郵船グループの異常検知も、AIの結果を海技者が確認する運用です
- 船級ルールとの整合が必要: AIによる品質確認を船級検査でどう扱うかは、日本海事協会やABSが参加してルールを検討している段階です
- 一品受注生産の壁: 船ごとに仕様が違うため、量産工場向けのAIやロボットをそのまま使うことはできません
- データの機密性と経済安全保障: 設計図面には船主の仕様、運航データには船会社の情報が含まれます。生成AIやクラウドに入れる前に、契約上の利用範囲と、入力データがAIの学習に使われないかを確認する必要があります。船体が特定重要物資になったことで、海外との共同開発ではデータを共有する範囲の取り決めも論点になります
- OTとITの境界のセキュリティ: ロボット、センサー、ドローンの映像をネットワークでつなぐと、攻撃を受ける入口が増えます。ロボットの非常停止や通信が途切れたときの安全側の動作を設計に入れておく必要があります
- 自動運航はルールが整い始めた段階: IMOのMASSコードは2026年7月から任意で適用できるようになりましたが、強制力はまだありません
まとめると、2026年時点の造船AIは「人を置き換える」段階ではなく、「熟練者の判断を支え、きつい作業や危険な作業をロボットに移していく」段階にあります。
造船業のAI活用をおすすめできる企業・まだ早い企業
AI活用の進めやすさは、会社の規模よりも、データの整い方と、どの工程から始めるかで決まります。
こんな企業におすすめ
- 溶接・ぎょう鉄・設計など、熟練者の退職で技能の継承が経営課題になっている造船所・舶用メーカー
- 3D CADや工程・発注の実績データがある程度電子化されている企業
- 図面チェック、規則の確認、報告書作成など、効果を時間で測りやすい業務から始められる企業
- 造船業再生基金や国の研究開発事業への参加を検討している中堅・中小造船所
- 建造した船の運航データを集め、保守サービスや次の設計に生かしたい企業
まだ早い・おすすめしない企業
- 紙図面が中心で、データの電子化に投資する予定がないのに、短期間での自動化を期待している企業
- 現場の作業員や検査員を巻き込まずに「AIを入れれば解決する」と考えている組織
- 小さく試して効果を測る段階を飛ばし、いきなり全工程へ大規模に導入しようとする企業
- 図面や仕様書を生成AIに入れるときの機密情報のルールを決めていない企業
まとめ
造船業のAI活用は、2026年に大きく前に進みました。国は予算150億円でAI造船ロボットやAI設計支援など14件の研究開発を採択し、9月には造船業再生基金の初認定と日米の共同開発計画の合意が続きました。民間でも、川崎重工業がNVIDIAと組んで坂出工場でデジタルシップヤードの構築を始めています。
一方で、造船所の中で使うAIロボットの多くは2027年3月までの研究開発段階で、すでに実用になっているのは就航後の異常検知や航路の最適化が中心です。韓国勢はハンファオーシャンが屋内溶接の67%をAIで支援するなど実装で先行しており、日本は共同開発と中小造船所への展開で追いかけています。
これから取り組む企業は、図面チェックや規則の確認など社内の文書業務から小さく試し、データを整えながら、国の事業や基金の成果を取り入れていくのが現実的です。制度や採択状況は更新が続くため、投資を判断するときは国土交通省・海上技術安全研究所と各社の公式発表で最新の内容を確認してください。
よくある質問(FAQ)
Q. 造船業再生基金や国の研究開発事業は、中小造船所でも使えますか?
中小造船所も対象です。2026年3月に採択された研究開発事業には、安全管理の映像AIや2D図面AIの事業などに多くの中小造船所が参加しています。単独での応募が難しい場合は、大学や大手造船所、ロボットメーカーとの共同提案に加わる形が一般的です。造船業再生基金は供給確保計画の認定を受ける必要があるため、国土交通省の公表資料で要件を確認してください。
Q. 3D CADがなく、2D図面しかない造船所でもAIは使えますか?
使えます。国の事業でも、2D図面を読み取る設計支援AIが3D設計向けとは別のテーマとして開発されています。まずは汎用の生成AIツールで、規則や仕様書の検索、チェックリストとの照合から試す方法もあります。ただし図面の読み取り精度には限界があるため、AIの指摘は担当者が確認する前提で使ってください。
Q. 生成AIでつくった設計案や計算結果を、そのまま使ってもよいですか?
そのまま使うのは避けるべきです。船の設計は船級規則や国際条約への適合が必要で、責任を負うのは設計者と造船所です。生成AIは案出しや規則の確認の補助には役立ちますが、もっともらしい誤りが混じることがあります。設計審査や船級の承認のプロセスは、これまでどおり人が担います。
Q. AI溶接ロボットが普及すれば、溶接士の資格や技能は不要になりますか?
当面は不要になりません。国の事業で開発中のロボットも、溶接条件の補正や品質の判定を支援するもので、ロボットの段取りや難しい箇所の溶接、品質の最終確認には溶接の知識を持つ人が欠かせません。むしろ、ロボットを扱える溶接技術者の需要が高まると考えられます。
Q. 社内でChatGPTなどの生成AIを使うとき、造船所ならではの注意点はありますか?
船主から預かった仕様書や図面、船会社の運航データなど、第三者の機密情報が多い点です。法人向けプランで入力データが学習に使われない設定を確認し、入力してよい情報の範囲を社内ルールで決めてから使い始めてください。船体が経済安全保障上の特定重要物資になったことも踏まえ、設計データを社外のサービスに出す場合の判断基準を決めておくと安心です。
同じ業種で、どの業務から開発に手を付けるかを整理します
この記事の著者

AI革命
編集部
AI革命株式会社の編集部です。最新のAI技術動向から実践的な導入事例まで、企業のデジタル変革に役立つ情報をお届けしています。豊富な経験と専門知識を活かし、読者の皆様にとって価値のあるコンテンツを制作しています。
最新記事

Gemini 4 Neonとは?料金・性能・使い方とCarbon・Hydrogenとの違いを解説【2026年11月】
2026/11/19

Anthropic IPOの公開価格は83ドルと報道|円換算・仮条件との差・初値との違いを整理
2026/11/19

電力・ガス・水道のAI活用事例【2026年】需要予測・スマートグリッドの国内実例と導入コスト
2026/05/05

コンサルティング業界のAI活用事例【2026年11月】最も効く業務・費用相場・国内事例・導入手順
2026/07/05

畜産業のAI活用事例【2026年最新】牛・豚・鶏の導入例と費用・補助金・防疫対策
2026/07/16

食品業界のAI活用事例【2026年】HACCP自動化・需要予測・品質検査を製造から外食まで整理
2026/04/21


