建設業のAI活用とは？着手すべき5領域と、現場で成果を出す進め方を解説

建設業のAI活用は、ここ数年で「試す段階」から「どの領域に投資するかを選ぶ段階」に移りました。一方で、PoC（実証実験）まで進んだものの本番運用に至らない事例も多く見られます。

本記事では、建設現場でAIが機能する5つの領域を、経営インパクトではなく「データが既に存在するか」という軸で整理し、着手順の決め方、導入手順、体制と費用の目安、効果測定の指標までを実務ベースで解説します。

建設業のAI活用とは？

建設業のAI活用とは、現場で発生する映像・図面・日報・実績データをもとに、人が目視や経験で判断していた作業を、機械が判定または下書きする状態に置き換える取り組みを指します。全自動化を目指すものではなく、判断の材料を早く揃えることが目的です。

この定義が実務上重要なのは、「AIが判断する」と考えると精度が100%でないかぎり使えない、という結論になりやすいためです。実際に成果が出ている現場では、AIは一次候補を出し、最終判断は人が行う分業になっています。この前提に立つと、評価すべきは精度そのものではなく、候補を出すことで人の作業がどれだけ減ったかになります。

どの領域から着手すべきか？5領域の適用条件

建設現場のAI適用領域は、大きく次の5つに整理できます。

着手順は「データが既にあるか」で決める

多くの会社が、経営インパクトの大きい工程最適化やBIM連携から検討を始めます。しかしこの2領域は、データの整備コストがプロジェクトの大半を占めるという共通点があります。図面やBIMモデルは存在していても、AIが扱える粒度に揃っていないことがほとんどです。

一方、安全管理と書類生成は、すでに存在するデータ（カメラ映像、過去の報告書）をそのまま入力にできます。最初の1本でこの2領域が選ばれやすいのは、効果が大きいからではなく、着手から効果確認までの距離が短く、社内の合意形成が進むからです。

品質検査は「工種を絞れるか」で成否が決まる

品質検査の画像判定は、対象を絞れば十分に成立します。逆に、あらゆる不具合を1つのモデルで検出しようとすると、ほぼ確実に精度が出ません。

現実的な設計は、次のように条件を固定することです。

• 工種を1つに固定する（例：配筋検査のみ）
• 撮影距離と角度をルール化する
• 判定を「良否」ではなく「要確認かどうか」に緩める

3つ目が特に重要です。良否判定を求めると誤りが許されなくなりますが、「要確認」の抽出であれば、多少の空振りは許容されます。検査員の確認対象を1/3に絞れるだけでも、実務上の価値は十分にあります。

なぜ多くのPoCが本番に進まないのか

PoCが止まる原因は技術ではないことがほとんどです。相談を受ける中で繰り返し見られるパターンを整理します。

このうち影響が大きいのは3つ目の評価データです。正解付きのデータを用意していないと、「精度が上がった気がする」以上の議論ができません。30〜50件でも、あるとないとでは判断の質が決定的に変わります。

導入手順｜4フェーズと期間の目安

Phase 1: 業務の切り出し（2〜4週）

対象を1工程に絞り、既に測定している指標から1つをKPIに選びます。新しい指標を作らないことが要点です。新規に測定を始めると、比較対象となる過去データがなく、効果を示せません。

Phase 2: 評価データの整備（4〜8週）

正解付きデータを30〜50件用意します。この工程で最も時間がかかるのは、判定基準の言語化です。「危険な状態」「不具合」の定義が人によって違う場合、AIの精度以前に、人同士の判断が一致しません。ここで基準を文書化しておくと、後の再学習でも同じ基準を使えます。

Phase 3: PoC・精度検証（6〜12週）

現場で試験運用します。この段階で必ず設計すべきなのが、誤りを現場が戻せる導線です。詳細は後述しますが、これがないPoCは、精度が良くても本番で使われなくなります。

Phase 4: 本番運用・定着（3〜6か月）

運用担当と手順を確定し、月次で再学習と効果確認を回します。導入直後よりも3か月後の運用状況のほうが重要です。

画像系AIの成否は「誤検知を戻す導線」で決まる

安全管理や品質検査のような画像系AIで、現場定着を左右するのは検知精度そのものではありません。誤検知が出たときに、現場が何秒で戻せるかです。

理由は工数計算をすると明確になります。1日あたりの検知件数が100件、うち誤検知が20%だとします。誤検知1件の確認に1分かかる設計なら、1日20分、月に約7時間が確認作業に消えます。この負荷が続くと、現場は通知を見なくなります。

一方、その場で「誤り」を1タップで戻せる設計なら、同じ20件でも2分程度で済みます。さらに、戻されたデータは再学習の教師データになるため、月を追うごとに誤検知が減ります。

精度が同じ2つのシステムでも、誤検知の処理コストが5秒か1分かで、半年後の運用状況はまったく違うものになります。

導入検討時にベンダーへ確認すべきは、検知精度の数値よりも次の3点です。

1. 誤検知を現場が戻す操作は何タップか
2. 戻した内容は再学習に使われるか。使われる場合の頻度は
3. 誤検知の理由（逆光、反射、遮蔽など）を記録できるか

3つ目を記録していないと、再学習しても同種の誤りを繰り返します。

体制と費用の目安

※金額は一般的な相場観であり、対象範囲・データ整備の状況・既存システム連携の有無で大きく変動します。

見落とされやすいのが映像の保管コストです。映像を長期保存する設計にすると、ストレージ費用が運用費の中で無視できない割合になります。検知イベントの前後のみを保存し、通常映像は短期で破棄する設計にできるかを、初期の要件定義で確認しておくべきです。

効果測定｜どのKPIで判断するか

安全管理で災害件数を主KPIに置く場合、件数そのものは発生頻度が低く、短期間では有意な差が出ません。先行指標を併用しないと、効果が出ていても「変わらなかった」と評価されてしまいます。

政策の動向をどう織り込むか

公共工事を手がける場合、施策の方向性は投資判断に影響します。国土交通省は2024年4月に「i-Construction 2.0」として、建設現場のオートメーション化による生産性向上（省人化）の方針を示しています。あわせてBIM/CIMの活用も段階的に広がっており、案件ごとに求められる対応は変わります。

実務で確認すべきことは3点です。

• 発注者ごとの要領・基準（遠隔臨場、BIM/CIM、電子納品）が今年度どう変わったか
• 自社が受注する工事区分で、どの取り組みが加点評価の対象になっているか
• 求められる成果品の形式（データ形式、提出時期）

評価される取り組みと、自社の効率化のために必要な取り組みは必ずしも一致しません。前者は案件ごとの要求、後者は継続的な投資として、分けて計画すると判断がぶれません。

最新の要領は国土交通省「i-Construction」で公開されています。

他社の導入事例をどう読むか

導入検討では他社の事例が参考になりますが、公開されている数値はそのまま自社に当てはまりません。事例を読むときに確認すべき点を整理します。

とくに1行目と2行目は差が出やすい部分です。「検査工数90%削減」が「AIが判定した分の再確認を除いた数字」であることは珍しくありません。事例の数値を自社の稟議に転記する前に、同じ計算方法で自社の現状値を出せるかを確認してください。

そのうえで、自社に近い条件かを次の4点で判定します。

1. 事業規模と対象範囲（全社か1拠点か）
2. データの蓄積状況（何年分・何件の事例があるか）
3. 体制（専任者の有無、外部委託の範囲）
4. 対象業務の標準化の度合い

この4点が大きく違う事例は、数値ではなく進め方の順序を参考にするほうが実務的です。

補助金・支援制度をどう調べるか

導入費用の検討では補助金の活用が選択肢になります。ただし制度の要件・金額・公募時期は年度ごとに変わるため、この記事の数字を当てにせず、必ず公募要領の原本を確認してください。実務で押さえるべきは、どの制度を見に行けばよいかという入口です。

申請を検討する場合、実務上の注意点は次の3つです。

• 交付決定前の発注は対象外になるのが原則。着手のスケジュールを補助金の採択時期と合わせて組む必要があります
• 事業計画に効果の根拠を書く必要があるため、本記事で触れた現状値（工数、停止時間、在庫金額など）の実測が前提になります
• 補助対象になる費目とならない費目が分かれます。ソフトウェア費用は対象でも、運用の人件費は対象外といった線引きを事前に確認してください

補助金の有無で導入可否を決めるより、補助金がなくても回収できる範囲を先に見極め、採択されたら範囲を広げるという順序のほうが、計画が破綻しません。

発注前チェックリスト

• 対象業務は1工程に絞れているか
• KPIは既に測定している指標から選んでいるか
• 正解付きの評価データを用意できるか（30〜50件）
• 誤りを現場が戻す操作は5秒以内か
• 戻したデータが再学習に使われる契約になっているか
• 本番移行の判断者と判断日が決まっているか
• 運用担当と、その工数が見積もられているか
• 映像・データの保管期間と費用を確認したか

既製サービスと個別開発、どちらを選ぶべきか

「自社に合わないから作る」という判断は、多くの場合コストに見合いません。判断基準を整理します。

実務では、既製サービスで半年運用してから個別開発を検討する順序が安全です。既製サービスを使う期間に、判定基準の言語化、運用担当の確保、現場の抵抗の把握といった「AI以外の準備」が済むためです。この準備なしに個別開発へ進むと、要件が固まらないまま開発費だけが膨らみます。

工程管理AIは「日報の構造化」から始まる

工程管理は経営インパクトが大きい一方、着手のハードルが高い領域です。理由は、AIに与えるべき実績データが自然文の日報に埋もれているためです。

新たにセンサーやシステムを入れる前に、すでに毎日書かれている日報を構造化するほうが先です。最低限、次の3項目が日付・工区単位で取り出せる状態を目指します。

1. 作業内容（工種コードに紐づける）
2. 投入人数と稼働時間
3. 出来高（数量、または進捗率）

この3項目が揃うと、計画工程表・資材の入荷予定と突き合わせるだけで、「人は足りているのに資材待ちで止まっている」といった詰まりが特定できます。予測モデルを載せるのはその後で十分です。順序を逆にすると、予測の精度以前に、比較対象となる実績が存在しない状態で議論することになります。

現場の抵抗にどう向き合うか

映像を使う仕組みは、現場から「監視されている」という反発を受けやすい領域です。導入時に説明を尽くしていない場合、システムは稼働していても運用されない状態になります。

実務で効果があった進め方は次の3点です。

• 個人の評価に使わないことを明文化する：検知結果を人事評価や作業員の査定に用いない旨を、運用ルールとして文書に残す
• 出力先を朝礼に限定する：管理者だけが見るダッシュボードではなく、現場全員が同じ情報を見る場に出す
• 最初の1か月は指摘に使わない：誤検知の傾向を把握する期間と位置づけ、精度が安定してから運用に組み込む

3点目は特に効きます。精度が不安定な初期に指摘へ使うと、現場の信頼を一度で失い、その後の再学習に協力が得られなくなります。

3年で考える投資の順序

1年で全領域に取り組むのは現実的ではありません。データが揃う順序に合わせて段階を設計します。

この順序の要点は、2年目までに「自社データが溜まる仕組み」を作っておくことです。3年目に取り組む予測系は、それまでに蓄積した実績データがなければ成立しません。1年目から予測系に着手して失敗する会社は、この前提を飛ばしています。

まとめ

建設業のAI活用は、着手領域の選び方でほぼ結果が決まります。経営インパクトの大きさではなく、既にデータが存在する領域から入り、誤りを現場が戻せる導線を設計すること。この2点を外さなければ、最初の1本は高い確率で運用に乗ります。

なお、原価の悪化に早く気づく仕組みづくりについては建設業の原価管理をデータで回す方法、現場の労働時間そのものを減らす順序については時間外労働をDXで減らす施策の優先順位で詳しく解説しています。

Pactomでは、対象業務の切り出しから評価設計、本番運用の定着までを一貫して支援しています。どの領域から着手すべきかの整理だけでもご相談いただけます。

関連記事

• 安全管理AIの誤検知を減らす方法｜閾値設計・現場の戻し導線・再学習の回し方
• BIM/CIMはどこから始めるべきか｜設計・施工・維持管理での使い分けと投資回収
• 建設現場の書類作成を生成AIで減らす｜安全書類・日報・議事録の自動化手順
• 建設業の原価管理をデータで回す｜実行予算と実績のズレを早期に掴む方法

参考

• 国土交通省「i-Construction」https://www.mlit.go.jp/tec/i-construction/index.html
• 厚生労働省「職場のあんぜんサイト」https://anzeninfo.mhlw.go.jp/
• 独立行政法人情報処理推進機構（IPA）「DXの推進」https://www.ipa.go.jp/digital/dx/index.html