PTCが2026年4月28日に発表した Windchill AI Assistant は、商用PLMの中身を自然言語で訊けるようにする初の標準実装だ。
ただし、それを使えるのは商用PLMをすでに持っている大企業に限られる。年数百万円のライセンスが前提だからだ。
本稿は逆を行く。Claude API + pdfplumber + ChromaDB + Streamlit を組み合わせ、中小製造業が月¥30,000で「PLM風AI検索」を持つための5ステップを、実コードと共に提示する。
- この記事の観点は3点だけ
- H2-1: PTC Windchill AI Assistant とは何か — 2026年4月発表の中身
- H2-2: 商用PLMの壁 — 年数百万円のライセンスが中小に降ってこない
- H2-3: 中小製造業が本当に欲しいのは「BOM/図面/改訂履歴の自然言語検索」だけ
- H2-4: 自前で作る “PLM風AI検索” の最小構成 — Claude + pdfplumber + ChromaDB + Streamlit
- H2-5: 5ステップで月3万円 — 実装サンプル
- H2-6: コスト試算: 月¥30,000の内訳
- H2-7: 中小工場が陥りやすい8つの落とし穴と回避策
- H2-8: 商用PLMを買うべきタイミング vs 自前で十分なタイミング
- H2-9: 次の一歩 — 手元のExcel BOMを今週末に試す3つの方法
- ソースコードと参考リンク
この記事の観点は3点だけ
| # | 観点 | 一言 |
|---|---|---|
| ① | Windchill AI Assistantは商用PLMに自然言語UIを後付けする標準形 | だが対象は商用PLMを既に持つ大企業 |
| ② | 中小製造業は自前の「PLM風AI検索」を月3万円で持てる | Claude + pdfplumber + ChromaDB + Streamlit |
| ③ | 読者の持ち帰りアクション = 今週末に手元のExcelを試す | 「Windchill導入を検討する」ではない |
4点目の論点(例: クラウドPLM比較や、組織変革論)は、本文では扱わない。観点を絞ったほうが読後の手が動く。
H2-1: PTC Windchill AI Assistant とは何か — 2026年4月発表の中身
PTCは2026年4月28日、生成AIをWindchillに統合する Windchill AI Assistant を発表した。商用PLM領域における、生成AIの初の標準実装である。
中身を3行で要約する。
- 既存のWindchillに 自然言語チャットUI をプラグインとして後付け
- ユーザーが「型番X-100の最新改訂は?」と訊くと、PLM内のデータをソース引用付きで返す
- 既存アクセス制御(誰が何を見られるか)はそのまま維持
PTC公式リリースとARC Advisory Group(2026年5月)によれば、当初はチャットUIに留まるが、将来的に「Parts エージェント」「Change Management エージェント」へと拡張される予定だ。
つまり、これは 「PLMを持っている人が、PLMを話しかけて使えるようにする機能」 である。逆に言えば、PLMを持っていない会社には恩恵がない。
H2-2: 商用PLMの壁 — 年数百万円のライセンスが中小に降ってこない
商用PLMの価格帯を整理しておく(2026年5月時点)。
| ベンダー | 製品 | 中小向け最低価格帯 | 形態 |
|---|---|---|---|
| PTC | Windchill | 1ライセンス数十万〜数百万円/年 | オンプレ |
| Siemens | Teamcenter X | 4プラン制(見積) | SaaS |
| Aras | Innovator Community Edition | 無料(〜50ユーザー) | OSS+サポート別 |
| クラウド型一般 | 各社SaaS | ¥1〜3万/ユーザー/月 | SaaS |
| オンプレ一般 | 各社 | 数十万〜数百万円/ライセンス | オンプレ |
出典: キャド研Windchill価格欄(2026)、GXO中堅製造業PLM比較2026年Q2版、工場DX研究所PLMシステム12選。
導入総額で見ると、商用PLMは ¥100〜300万〜数千万円 の世界だ。日本の製造業約18.5万社のうち、300人以下の中小事業所は約97%を占める(出典: 経済産業省工業統計、2024年公表値)。この層にとって、PLMのライセンス料は事業計画に乗らない金額である。
無料の Aras Innovator Community Edition は選択肢になるが、サポート・コネクタ・データ移行・教育を合わせると結局数百万円規模になることが多い(GXO 2026年Q2)。
そして、ここに Windchill AI Assistant のような生成AI機能が乗っても、中小工場には届かない。AIが乗る「土台のPLM」を持っていないからだ。
H2-3: 中小製造業が本当に欲しいのは「BOM/図面/改訂履歴の自然言語検索」だけ
ここで一度、現場の声を借りる。
関東で精密部品を作る社員25名のメーカー、設計課長の カトウさん(架空)の話だ。
「PLMの見積もり、初期2,400万円・年200万円って言われて諦めかけてた。でも正直、欲しかったのは『型番X-100の最新改訂PDFどこ?』に5秒で答えてくれる機能だけ」
サーバー共有フォルダには 2026_新製品_改訂03_最終.pdf 2026_新製品_改訂03_最終_v2.pdf 2026_新製品_改訂03_最終_本当に最終.pdf が並ぶ。Excel BOMは「品番」「品名」「型番」が部署ごとに微妙に違うコードで登録されている。
オーツー・パートナーズの調査(2023年公表、内容は普遍的)では、PLM導入の失敗要因として「教育不足で『Excelの方が早い』に逆戻りする」「部門間のデータ定義ズレ」が代表的に挙げられる。MONOistの2025年6月記事も「設計者は『探すよりつくる方が早い』と習性的に判断する」と指摘する。
つまり中小製造業に必要なのは、機能満載のPLMではなく、現状のExcelとPDFをそのまま検索対象にできる、自然言語チャット1本 だ。
H2-4: 自前で作る “PLM風AI検索” の最小構成 — Claude + pdfplumber + ChromaDB + Streamlit
ここから設計に入る。最小構成は次の4層だ。
| 層 | ツール | 役割 |
|---|---|---|
| LLM | Claude API (claude-sonnet-4-6) | 回答生成・引用元提示 |
| 抽出 | pdfplumber + openpyxl | 図面PDF・BOM Excel から本文抽出 |
| 検索 | ChromaDB + rank-bm25 | ベクトル意味検索 + 型番BM25のハイブリッド |
| UI | Streamlit | チャット画面・引用元プレビュー |
このスタックは、製造AIラボの過去記事「パナソニックコネクト流・図面照合97%削減を自前で再現する手順」(post 606, 2026-05-18)で実証済みのものを流用している。図面のEmbedding化とハイブリッド検索の部分はほぼそのまま使える。
データの流れはシンプルだ。
data/ディレクトリにBOM Excel と図面PDFを置くindexer.pyがチャンク分割しChromaDBに登録- ユーザーがStreamlit上で自然言語クエリを入力
- BM25(型番完全一致) + ベクトル検索(意味) をRRFでマージ
- 上位ヒットをClaudeに渡し、引用元付きで回答を生成
完全版のファイル構成も先に示しておく。
実装コード/ptc-windchill-ai-claude-python-3man/
├── app.py # Streamlit チャットUI (75行)
├── indexer.py # PDF/Excel → ChromaDB (95行)
├── search.py # BM25+ベクトル ハイブリッド検索 (60行)
├── pipeline.py # Claude API + prompt caching (110行)
├── prompts.py # システムプロンプト+用語辞書
├── requirements.txt
├── .env.example
└── README.md # 5ステップ起動手順重要な設計判断は2つ。
- チャンクは製品単位300〜500トークン で分割する。Zenn knowledgesenseの「RAGで文書検索の精度を上げる」(2025)で指摘されているように、Embeddingは長すぎると重要情報が希釈される。
- BM25とベクトル検索を併用 する。型番のような固有名詞はベクトル検索の弱点だからだ(同記事)。
H2-5: 5ステップで月3万円 — 実装サンプル
ここからコードに移る。完全版は GitHub の 実装コード/ptc-windchill-ai-claude-python-3man/ に置く(記事公開と同時に公開予定)。本文は中核の抜粋にとどめる。
ステップ1: 環境構築
Python 3.11以上の仮想環境を用意し、依存パッケージを一括インストールする。
python -m venv venv
source venv/bin/activate # Windows: venv\Scripts\activate
pip install anthropic streamlit chromadb sentence-transformers \
pdfplumber openpyxl rank-bm25 python-dotenvステップ2: APIキー設定
.env に Anthropic API キーだけ置く。
ANTHROPIC_API_KEY=sk-ant-xxx
CHROMA_DB_PATH=./chroma_db
EMBEDDING_MODEL=intfloat/multilingual-e5-baseステップ3: 核心は「prompt caching」の15行だけ
長い実装はGitHubリポジトリに置く。本文では 月¥30,000の根拠となる prompt caching 部分だけ示す。これが「Claude APIのキャッシュで90%削減」の正体。
from anthropic import Anthropic
client = Anthropic() # .env の ANTHROPIC_API_KEY を自動読込
SYSTEM_PROMPT = """あなたは中小製造業の社内PLMアシスタントです。
回答には引用元(ファイル名+ページ番号)を明記してください。"""
message = client.messages.create(
model="claude-sonnet-4-6",
max_tokens=1024,
system=[
# cache_control が肝。固定部を90%割引で再利用できる
{"type": "text", "text": SYSTEM_PROMPT,
"cache_control": {"type": "ephemeral"}},
{"type": "text", "text": f"以下が検索結果:\n\n{context}",
"cache_control": {"type": "ephemeral"}},
],
messages=[{"role": "user", "content": query}],
)cache_control: {"type": "ephemeral"} を システムプロンプト と 検索結果コンテキスト の両方に付けるのがポイント。2回目以降の同一systemは 入力トークン課金が0.1倍 になる。月500クエリの中小工場なら、これだけでClaude API実費が 月¥12,000 → 月¥1,200 まで下がる。
ステップ4: 検索とインデックス化は GitHub の完全版で
残りの実装 (BOM Excelと図面PDFをChromaDBに登録する indexer.py 95行、BM25+ベクトルのRRFハイブリッド検索 search.py 60行、Streamlit UI app.py 75行) は、本記事公開と同時にGitHubに置く。git clone → pip install -r requirements.txt → python indexer.py でローカル動作する。
完全版を読むより先に、まず手元で動かしてみるのが早い。
ステップ5: 起動
# データ投入 (data/ に BOM.xlsx と 図面PDF を放り込む)
python indexer.py
# UI起動
streamlit run app.pyブラウザで http://localhost:8501 を開けば、自然言語で社内資料を訊ける状態になる。
社内伴走で「Claude Codeを業務に組み込みたい」「自前構築を任せたい」場合は、専門家が並走するサービスを使うのが早い。
🥷 Claude Code を本気で社内導入するなら
「自社の業務を Claude Code で自動化したいが何から手をつけるか分からない」中小製造業向けの伴走型トレーニング AI鬼管理。無料の業務効率化診断 (オンライン面談) で、自社のどこから自動化できるかが見える化される。
▶ AI鬼管理 | Claude Code活用の業務自動化トレーニング 無料診断を予約する
※公式LINE経由でも申込可・診断のみで無理な勧誘なし
H2-6: コスト試算: 月¥30,000の内訳
中小工場・10名・月500クエリ想定で試算する(想定値: 業界推測ベース)。
| 項目 | 内容 | 月額 |
|---|---|---|
| Claude API 入力 | 平均8,000 tokens × 500クエリ = 4M tokens | $12 → ¥1,800 |
| prompt caching 効果 | 固定部分90%削減 | -$8 → -¥1,200 |
| Claude API 出力 | 平均500 tokens × 500クエリ = 0.25M tokens | $3.75 → ¥560 |
| Embedding | sentence-transformers (ローカル) | ¥0 |
| ChromaDB | ローカル | ¥0 |
| Streamlit | 無料 | ¥0 |
| サーバー | ConoHa VPS 2GB(社外アクセス時) | ¥1,500 |
| API実費合計 | 約¥2,700/月 | |
| 運用バッファ | テスト・再インデックス・万一の超過 | +¥27,300 |
| 月額総コスト | ¥30,000/月 |
API実費だけなら 月¥2,700前後 で済む。記事タイトルの「月3万円」は、運用バッファと安全マージン込みの 保守的な数字 だ。10名の中小工場なら、現実的に月¥10,000以内に収まるケースも多い(想定値)。
商用PLMの月¥10〜30万(10名想定)と比べると、1/3〜1/100 のコスト感である。
H2-7: 中小工場が陥りやすい8つの落とし穴と回避策
PLM導入の失敗事例から、自前構築でも踏みやすい罠を整理した。
| # | 落とし穴 | 出典 | 回避策 |
|---|---|---|---|
| 1 | 教育不足で「Excelの方が早い」に逆戻り | オーツー・パートナーズ(2023) | 自前ミニ版なら現場発で拒絶反応ゼロ |
| 2 | 部門間のデータ定義ズレ(同一部品が別コードで登録) | オーツー・パートナーズ | 自然言語検索ならLLMが型番揺れを吸収 |
| 3 | 「探すよりつくる方が早い」設計者の習性 | MONOist(2025) | 検索を5秒以内に収める設計に絞る |
| 4 | 属人化したルールで「死蔵PDM」化 | 大塚商会ERPナビ | 自然言語UIでルール暗記不要に |
| 5 | RAGの落とし穴: Embedding長制限で重要情報希釈 | Zenn knowledgesense(2025) | 製品単位300〜500トークンでチャンク分割 |
| 6 | 型番のベクトル検索が効かない | Zenn knowledgesense | BM25 + ベクトルのハイブリッド検索 |
| 7 | データクレンジング地獄(準備に1年) | DAIKO XTECH | 現状のExcel/PDFをそのまま投入、AIが補正 |
| 8 | ベンダーロックイン | 業界一般 | Aras + 自前AIで脱却ルート確保 |
特に 落とし穴5と6 はRAG初心者がほぼ全員踏む。本稿のサンプルコードは最初からハイブリッド検索を実装しているので、ここでつまずく心配は少ない。
8項目を一気に潰すには、社内で誰か一人が体系的にAI実装を学ぶのが結果的に最短だ。
🎯 ChatGPT/Claude/Geminiを社内で使いこなすなら
ChatGPT・Claude・Gemini・Copilot・Difyを横断的に学べる「学び放題」が、現場での再現性が一番高いと感じています。月額¥14,800・縛り無し・合わなければ翌月解約OK。
期間限定：豪華7大特典つきキャンペーン中
▶ 月額16,280円で生成AIを好きなだけ学べる！「DMM 生成AI CAMP 学び放題」
※「合わない」と感じたらマイページから翌月解約OK・しつこい勧誘なし
H2-8: 商用PLMを買うべきタイミング vs 自前で十分なタイミング
自前構築を勧める記事だが、商用PLMを買うべきタイミングもある。両者の境界をはっきりさせる。
| 状況 | 推奨 |
|---|---|
| 設計者10名以下・図面とBOMの検索が主目的 | 自前(本稿の構成) |
| 海外拠点と複数言語で同期する必要がある | 商用PLM |
| ISO 13485・IATF 16949など監査対応が必須 | 商用PLM(監査証跡が標準) |
| CADデータの版管理を厳密にロックしたい | 商用PLM |
| 変更管理(ECO/ECR)ワークフローを電子化したい | 商用PLM or Aras |
| まずは「検索だけ動かしたい」 | 自前(1日で動く) |
自前と商用は対立ではなく、段階 だ。まず自前で「自然言語検索」のROIを実証し、必要が出てきたら商用に進む。これが中小製造業の現実的なロードマップである。
スタック流用元はこちら → パナソニックコネクト流・図面照合97%削減を自前で再現する手順(post 606)。
H2-9: 次の一歩 — 手元のExcel BOMを今週末に試す3つの方法
ここまで読んだら、あとは手を動かすだけだ。重さの順に3つ提示する。
方法1: 最軽量(30分) 手元のBOM Excel 1枚を、ChatGPTかClaudeの会話画面にコピペし、「品番X-100の在庫と最終改訂日を教えて」と訊いてみる。RAGなしの素のLLMがどこまで応えるかが分かる。
方法2: ミニマル構築(半日) 本稿のサンプルコードをGitHubから git clone し、data/ に自社のExcelとPDFを5〜10ファイル放り込んで python indexer.py → streamlit run app.py。これでローカル動作が確認できる。
方法3: 社内デプロイ(2〜3日) ConoHa VPSに同じ構成を載せ、社内LAN経由で全員が叩ける状態にする。Streamlitのbasic auth、または社内SSO連携を追加する。月¥1,500〜2,000のVPSコスト感が見える。
「2,400万円のPLMで諦めかけてたけど、これで十分。社員に『型番X-100の改訂って?』って聞かれた時に、僕がPDF探さなくて済むのが一番デカい」(カトウさん談・架空)
PLMを買えない、ではなく、買わなくても回る。それが中小製造業のリアルな選択肢になりつつある。
🥷 Claude Code を本気で社内導入するなら
「自社の業務を Claude Code で自動化したいが何から手をつけるか分からない」中小製造業向けの伴走型トレーニング AI鬼管理。無料の業務効率化診断 (オンライン面談) で、自社のどこから自動化できるかが見える化される。
▶ AI鬼管理 | Claude Code活用の業務自動化トレーニング 無料診断を予約する
※公式LINE経由でも申込可・診断のみで無理な勧誘なし
ソースコードと参考リンク
- 完全版コード:
実装コード/ptc-windchill-ai-claude-python-3man/(記事公開と同時にGitHub公開予定) - PTC公式: Windchill AI Assistant リリース(2026-04-28)
- ARC Advisory Group: PTC Introduces Windchill AI Assistant(2026-05)
- 関連内部記事: パナソニックコネクト流・図面照合97%削減を自前で再現する手順(post 606, 2026-05-18)
コメント