VIDEO REVIEW · TACIT KNOWLEDGE
AI は G コードを書けない？熟練者の暗黙知から見る AI プログラミングの本当の限界
01この動画は何を語っているか
この 2026 年 2 月に公開された中国語動画は、タイトル自体に落差があります：「AI が攻略できない領域は実はこれ？ CNC プログラミングがなぜ AI を困らせるのかを解明」（AI攻克不了的领域竟然是它？揭秘CNC编程为何让AI束手无策）。アップロード以来 2 万回超の再生を集め、中国語 CNC コンテンツの中では珍しく真剣に問題を分解した一本です[1]。
動画は「AI はダメだ」という感情にとどまらず、完全な章立てを提示します。材料の複雑さ、工具と工作機械の個体差、共振問題、環境要因、段取りの芸術、暗黙知、そして最後に「人機協働が未来の方向」でまとめ、CNC プログラマーへ 3 つの助言を与えます[1]。この構成自体が学ぶに値します。漠然とした一言「AI にはできない」を、一項目ずつ議論できる 6 つの技術的問題に分解しているのです。
02動画の 6 層分解：材料ロットから機械の気質まで
動画の前半が挙げる難点は、現場の人なら誰もがうなずくものです。
- 材料：同じ 45# 鋼でも、ロットや熱処理状態が違えば適用パラメータも違う——データ表が与えるのは出発点であって答えではありません。
- 工具と工作機械の個体差：同型番の工具の実際の状態、各工作機械の剛性と摩耗の程度はいずれも異なります。
- 共振：動画は各工作機械に固有の「気質」があると言います——特定回転数での振動挙動は個々の機械の属性で、いかなるマニュアルの外側に書かれています。
- 環境：温度、湿度、さらには基礎までもが高精度加工の性能に影響します。
- 段取り：薄肉部品をどれだけ締めれば変形しないかは、手の技です。
動画は現状への評価も示します。AI プログラミングソフトは進歩し、単純部品はかなりスピードアップできる（動画は 3〜4 割以上と推定）が、複雑部品は依然として人手で、すべての AI 出力は人の確認を要する——それを「効率のパラドックス」と呼びます[1]。
03最も硬い層：音、切りくず、そして「感覚」
動画は最も難しい層を暗黙知（tacit knowledge）に残しています。熟練者は切削音を聞けば工具がまだ大丈夫か分かり、切りくずの色や形を見ればパラメータが合っているか分かり、手で触れれば表面が仕上がっているか分かる。これらの判断は速く正確ですが、完全なルールとして言い表せません——熟練者自身でさえ「なぜ分かるのか」を説明しきれず、当然アルゴリズムに直接書き込むのは難しいのです[1]。
この層の観察は、私たちが「熟練者が退職する、30 年の経験をどう残すか？」で論じた困難とまったく一致します。台湾の加工業の真の資産は機械ではなく、人の頭の中にある文書化されていない判断システムにあります。動画の貢献は「AI 置き換え論」の議論を正しい層に引き戻したことです——問題は AI が G コードを書けるかどうか（構文レベルでは書ける）ではなく、G コードの背後にある現場感知に依存する判断が、今なお人の手にある、という点です。
04学術的検証：どれが成立し、どれが変わりつつあるか
文献と照らすと、動画の主要な論点は成立しますが、補足すべき「変わりつつある」ものが二つあります。
第一に、「音を聞く」は工学化されつつあります。切削モニタリング分野が 30 年間行ってきたのはまさにこれです。力・振動・アコースティックエミッション（acoustic emission）などのセンサー信号で工具摩耗と切削状態をモニタリングする——本質的には熟練者の耳をセンサー＋アルゴリズムに変えることです[2]。まだ人を置き換える域には達していませんが、「感覚はデジタル化できない」という絶対的な言い方は、このモニタリングという下位分野ではすでに揺らいでいます。
第二に、データの閉ループが確かに鍵となるボトルネックであり、これは学界の合意と一致します。製造業の機械学習に関する回顧研究は、データの取得・ラベリング・文脈横断の汎化が普遍的な課題であると指摘しています[3]——動画の「データ閉ループの欠如が最大の技術的ボトルネック」という言葉は方向性が正しいのです。だからこそ、自社の現場でデータを蓄積し検証ループを構築する意欲のあるツールと工場は、進歩の速度で他者を引き離します。
材料・振動・環境が加工に与える影響については、もともと製造工学の教科書の基本内容です[4]——動画はそれらを現場の言葉で生き生きと語っており、まさに優れた技術の普及です。
05台湾の工場の実務的な道筋：全能な AI を待つのではなく分業する
動画の結論は人機協働であり、私たちも完全に同意しますし、さらに具体化できます：作業を「規則化できる度合い」で分業するのです。
| 作業 | 性質 | 今日は誰に任せるか |
|---|---|---|
| 読図、3D モデル作成 | 規則性が高く、時間がかかる | AI（人が審査） |
| 工具ライブラリと機械制限に基づく G コード生成 | 規則性が高く、組み合わせが多い | AI（人が審査） |
| 削りすぎ・干渉・衝突チェック | シミュレーションで検証可能 | 3D 切削シミュレーション |
| 公差の取捨、データム、特殊工法 | 経験による判断に依存 | 人 |
| ロット材料、段取りの手感覚、現場の微調整 | 暗黙知 | 人（熟練者） |
BestAI CAM の設計は、まさにこの分業の実現です。AI が 2D 図面から G コードまでの準備チェーンを引き受け、社内の工具ライブラリと機械の上限に基づいてプログラムを生成しシミュレーションを強制し、独立した AI が寸法をクロスチェックする——そして公差・データム・工法・実機の判断は、常に専門の人員に残されます。熟練者の「感覚」は AI と競う必要はなく、AI が届かない場所で使われるべきであり、「師弟協働ワークフロー」を通じて少しずつ工場に残せる資産へと変わっていくのです。
06よくある質問 FAQ
動画は AI が G コードを書けないと言っていますが、本当ですか？
層に分けて見る必要があります。構文レベルでは AI は G コードを書けます。動画の本当の論点は、G コードの背後にある判断が材料ロット・機械の個体差・共振挙動・環境・段取りの手感覚といった現場情報に依存し、それらを完全にデジタル化するのが難しいという点です。ですから実務的な結論は「AI は使えない」ではなく、AI の出力にはシミュレーション検証と人による管理を組み合わせなければならない、ということです。
音を聞き切りくずを見る熟練者の技を、AI は本当に学べないのですか？
切削モニタリング研究は 30 年にわたり音と振動をセンサー信号とアルゴリズムに変えてきており、工具摩耗モニタリングには成熟した応用があります——「耳」は工学化されつつありますが、総合的な判断はまだ熟練者にはるかに及びません。妥当な予想は、センシング支援がますます強まり、最終判断は依然として人にあり、熟練者の経験は体系的な方法で記録・伝承する価値がある、というものです。
単純部品は 3〜4 割スピードアップ、複雑部品は人手、という説は信頼できますか？
これは動画自身の推定であり、具体的な数値を独立に実証することはできないため、引用時には出典を明記すべきです。ただし「規則性の高い作業は明らかに速くなり、判断依存の作業は依然として人手」という方向性は、製造業の機械学習文献や各社 AI CAM ツールの実測動画と一致しており、導入評価の妥当な期待の枠組みとして使えます。
台湾の工場はどう人機協働を始めればよいですか？
規則化できる度合いで分業します。読図・モデリング・工具ライブラリに基づく G コード生成といった規則性の高い準備作業を AI に任せ、切削シミュレーションと寸法クロス検証を組み合わせます。公差・データム・特殊工法・実機の判断は人が管理します。一枚の実図面の受制御パイロットから始め、工数差を測り、それから範囲拡大を決めます。
新しい記事や動画ガイドの公開時にお知らせします——受信箱をあふれさせず、ワンクリックで解除できます。
HUMAN + AI, PROPERLY DIVIDED
規則性のあるものは AI へ、判断は熟練者に残す
読図から G コードまでの準備チェーンを AI に任せて加速し、シミュレーションと寸法クロス検証でリスクを補い、重要な判断は常に人の手に——これこそ導入できる人機協働です。
導入コンサルタントに相談 トレーニング講座07参考文献
- Timber & Tech（YouTube）。AI攻克不了的领域竟然是它？揭秘CNC编程为何让AI束手无策｜G代码（2026-02-09 公開）。youtube.com/watch?v=IU7e0t2ZpH0
- Teti, R., Jemielniak, K., O'Donnell, G., & Dornfeld, D. (2010). Advanced monitoring of machining operations. CIRP Annals, 59(2), 717–739.
- Wuest, T., Weimer, D., Irgens, C., & Thoben, K.-D. (2016). Machine learning in manufacturing: advantages, challenges, and applications. Production & Manufacturing Research, 4(1), 23–45.
- Kalpakjian, S., & Schmid, S. R. (2020). Manufacturing Engineering and Technology (8th ed.). Pearson.