ラダー図は生成AIで書けるのか【2026年版】PLC制御の現在地とエンジニアの生存戦略

結論：生成AIでラダー図はどこまで書けるか（30秒サマリ）

つまり「AIはラダーを書けないから自分は安泰」はもう成立しません。一方で「AIが全部書くから学ぶだけ無駄」も誤りです。書く仕事が減り、仕様化する仕事と検証する仕事が増える——これが2026年時点の正確な現在地です。

主要ベンダーの対応状況【2026年比較表】

主要FAベンダーの生成AI対応を、公開情報ベースで整理します。

読み取るべきポイントは2つあります。第一に、欧州勢はテキストベースのST/SCLから攻め、既にラダー（LAD）まで商用化したこと。第二に、三菱電機は日本の現場で圧倒的に使われるラダー図そのものの生成に正面から挑んでいることです。報道によれば三菱電機はラダー言語とST言語で異なるAIモデルを使い分ける開発体制を取っており、これは実験ではなく製品開発のフェーズです。国内シェア首位のベンダーの純正ツールにラダー生成AIが載った瞬間、日本の製造現場の「標準装備」が変わります。

この転換点を最初に報じた際の考察は「三菱電機のラダー生成AIで終焉を迎えるベテランPLCエンジニアの生存戦略」で詳しく書いています。また、純正AI機能を謳わないままIEC準拠STへの全面移行でAI接続の土台を整えたキーエンスの動きは「キーエンスKV-Xと生成AI——KVスクリプト廃止が意味するもの」で分析しています。各社のST方言の違いと、生成AIに機種を正しく指定する方法は「ST言語の方言チートシート【5社比較】」にまとめています。

なぜラダー図はAIに難しいのか——ST言語との決定的な違い

生成AI（大規模言語モデル）の本領はテキストの生成です。ST言語やシーメンスのSCLはIF文やFOR文を持つテキスト言語で、一般のプログラミング言語と構造が近いため、AIは大量の類似データから高精度なコードを生成できます。各社のAI対応がST/SCLから始まったのは偶然ではありません。

一方、ラダー図には生成AIにとって本質的なハードルが3つあります。

1. グラフィカル言語であること。接点とコイルを梯子状に配置する視覚表現が本体で、テキストとして学習・出力しにくい。ツール内部の保存形式もベンダー独自で、公開された学習データが乏しい。
2. 暗黙知の塊であること。ラダーの「正しさ」は、その工場のセンサーの癖、チャタリング対策、過去のトラブルを踏まえたインターロックといった、コードの外にある文脈に依存する。過去データから統計的に生成するAIは、この文脈を持たない。
3. 安全がコードに埋まっていること。非常停止や安全回路はISO 13849などの機能安全規格の検証対象で、「動くコード」と「安全なコード」は別物。AI生成コードの検証責任は制度上も実務上も人間から動かせない。

だからこそ、ベンダー各社のアプローチは「全自動設計」ではなく、過去資産の再利用、複数パターンの提案、エラー修正といった「人間の設計を加速する」方向から実装されています。この構造を理解しておくと、過剰な悲観にも楽観にも振れずに済みます。

AIに任せられるラダー・任せられないラダー

要するに、「書く」は代替が進み、「決める」と「確かめる」は残る。この線引きは、AIエージェント全般が仕事を変える構図（詳しくは「AIエージェントとは？仕事はどう変わるのか」）とまったく同じです。

実務導入の5ステップ——安全にAIラダーを使う手順

「会社がツールを導入してから考える」のは最悪手です。個人とチームで今日から始められる導入手順を示します。

1. ST言語×汎用AIで感覚を掴む（今日から）。ChatGPTやClaudeに担当設備の制御ロジックをST言語で書かせ、自分でレビューしてみる。AIの得意・不得意を体感するのが全ての出発点。
2. 過去資産を「AIに渡せる形」に整備する。コメントの無いラダー、紙の仕様書、担当者の頭の中にある改修履歴を、テキスト化・構造化しておく。生成AIの精度は渡せる資産の質で決まるため、この整備こそが最大の先行投資になる。
3. シミュレータ検証を標準工程にする。AI生成コードは実機前にシミュレータ（GX Works3、TIA Portal等の標準機能）で必ず検証するルールをチームで合意する。
4. 「AIが書いてよい範囲」を文書で線引きする。安全関連部はAI生成禁止、定型ロジックは生成→人間承認、のように責任境界を明文化する。これが無い職場でのAI利用は事故時に個人の責任にされる。
5. 段階的に実機承認する。生成コードを一括投入せず、ブロック単位で人間が承認しながら有効化する運用を標準化する。

PLCエンジニアのキャリアはどう変わるか

制御業界には「熟練技術者の引退でラダー資産を読める人がいなくなる」という構造的な人手不足があります。三菱電機がラダー生成AIを開発する動機も、まさにこの技能継承問題です。ここから導かれるキャリアの帰結は明確です。

• 「ラダーが書けるだけの人」の単価は下がる。定型コーディングの供給がAIで増えるため、コーディング速度を売りにしてきたポジションから価値が抜ける。
• 「仕様化できる人」の単価は上がる。現場の暗黙知をAIに渡せる仕様・プロンプト・過去資産に翻訳できる人は、AI導入が進むほど需要が増える。
• 「検証と安全の責任を取れる人」は最後まで残る。AI生成コードの品質保証と機能安全の担保は、制度上人間にしか担えない。
• レガシー資産の読解力は当面プレミアが付く。AIがラダーを書き始めても、数十年分の既設設備は残る。「読める・直せる」人材の希少性はむしろ上がる局面がある。

エンジニア全般のAI時代の生存戦略は「エンジニア・プログラマーが生き残るキャリア戦略」で毎日の観測とともに更新しています。

今すぐ始める3ステップ学習ロードマップ

Step 1（〜1ヶ月）：ST言語とAIレビューの基礎体力

IEC 61131-3のST言語を書けるようにする。並行して、生成AIに書かせたコードの誤りを見つける「レビュー訓練」を習慣化する。AIに過去の重大バグを再現させて思考の穴を見抜く演習は、正解を写す学習より実戦的です。

Step 2（〜3ヶ月）：自分の設備の「資産化」

担当設備のラダーにコメントを整備し、改修履歴と設計意図をテキスト化する。これはAI活用の下準備であると同時に、あなたの暗黙知を「見える実績」に変換する作業でもあり、社内評価と転職市場の両方で効きます。

Step 3（〜6ヶ月）：AI前提の業務プロセスを提案する側に回る

前述の5ステップ（検証ルール、責任境界の明文化）をチームに提案する。ツールが正式導入される頃には「AI導入を設計した人」というポジションが取れており、これがコーディング速度に代わる新しい評価軸になります。汎用的なスキル戦略は「AI時代に必要なスキルとは」も参照してください。