• 自社に適した生成AIの選び方が分からない

• 生成AIの具体的な活用事例を知りたい

• 導入に伴う課題や今後の展望が気になる

ゼネコン業界では、人手不足や建設プロジェクトの複雑化など、様々な課題に直面しています。この点、生成AIは新たな解決策として役立つと見聞きするものの、どのように活用できるのか、どのような事例があるのかなど、疑問は尽きないでしょう。

そこで今回は、ゼネコン業界における生成AIの導入事例7選を紹介し、現状と今後の課題について解説します。この記事を通じて、自社に最適な生成AI活用の道筋を見つけていただければ幸いです。

ゼネコン業界の現状と課題

ゼネコン業界は現在、多くの課題に直面しています。その中でも、以下の4つの主要な課題は生成AIに関連します。

• 人手不足による生産性の低下

• 建設の複雑化と高度化

• 従来の技術とその限界

• コスト削減の必要性

それぞれ、具体的にどう関連するのか確認しましょう。

人手不足による生産性の低下

ゼネコン業界では、少子高齢化や不安定な雇用形態等による若者の建設業離れにより、熟練工の減少と新規入職者の不足が顕著になっています（※1）。この労働力不足は、工期の遅延や品質低下、コスト増加などの問題を引き起こし、業界全体の生産性まで巻き込みます。

このことから、業界では限られた人材で効率的に業務を遂行しなければなりません。この点で、生成AIの導入は業務の自動化や効率化により、人手不足を補いつつ、生産性を向上する手段として選ばれています。

建設の複雑化と高度化

近年、建設プロジェクトはますます複雑化・高度化していることもすでにご存知でしょう。国土交通省を筆頭に、耐震性能や断熱性能の向上、環境配慮型の設計、さらには IoTやAIを活用したスマートビルディングの需要に至るまで増加しつつあります（※1）。

この要求に応えるためには、高度な技術力と専門知識をさらに磨き上げなければならないはずです。とは言え、このような複雑化・高度化は、設計や施工の難易度を上げ、ミスのリスクも高めます。

この点でも生成AIは、複雑な設計の最適化や、高度な技術的要求への対応を支援する手立てとして課題解決に貢献します。

従来の技術とその限界

ゼネコン業界では、CAD（Computer-Aided Design）やBIM（Building Information Modeling）などの技術を広く活用します。設計や施工の効率化に大きく貢献する一方で、複雑化や高度化に伴い、従来の技術だけでは対応しきれない局面も増えています。

例えば、膨大なデータの分析や、複雑な条件下での最適解の導出などは、人間の能力だけでは限界があります。ここで生成AIの活用が注目されています。AIは大量のデータを高速で処理し、人間では気づきにくいパターンや関連性を見つけ出す際にも有効です。

コスト削減の必要性

ゼネコン業界では、コスト削減も常に重要な課題です。特に近年は、原材料価格の高騰や円安の進行により、建設コストが上昇傾向です。この状況下で競争力を維持するためには、効率的な業務運営とコスト管理を求められます。

生成AIは、設計の最適化や資材調達の効率化、工程管理の精緻化などを通じて、コスト削減に貢献します。例えば、AIによる需要予測や在庫管理の最適化により、無駄な在庫を減らし、調達コストを削減するといったイメージです。

複雑化する建設プロジェクトに対応するため、AIを活用した設計最適化や技術要求への対応支援が求められています。専門家による支援で、効率的な業務運営を実現しませんか？

それでは、ここまでゼネコン業界の課題を踏まえ、生成AIがどのように活用されているのか、具体的な応用例を見ていきましょう。

生成AIのゼネコン業界への応用例

生成AIは、以下の5つの主要な応用例から見ても、ゼネコン業界の様々な領域で活用されはじめていると言えます。

• 設計

• 施工管理

• 安全管理

• コスト管理と予算編成

• その他

設計

生成AIは、ゼネコン業界の過去の設計データや建築基準を学習し、与えられた条件に基づいて最適な設計案を提案します。この設計図面の自動生成によって、設計者は注力すべき本業に集中できます。

この設計条件の最適化においては、生成AIが膨大な組み合わせの中から最適解を導き出します。建物の形状、材料、環境性能などの条件を入力すると、対応する設計案をいくつか提示するといった具合です。

また、構造解析の自動化では、AIが複雑な構造計算を瞬時に行い、設計の安全性と効率性の向上も期待できます。

施工管理

生成AIは、ゼネコン業界の施工管理を効率化し、精度を向上する際にも役立ちます。

工程表の作成・管理では、AIが過去のプロジェクトデータを分析し、最適な工程計画を提案します。さらに、天候や資材の納期など、外部要因の変化に応じて工程を自動的に調整することも可能です。

資材調達・管理においては、生成AIが需要予測を行い、適切なタイミングと数量で資材を発注します。また、サプライチェーン全体の可視化により、調達リスクの早期発見と対策にも良いでしょう。

さらには、施工進捗の監視として、AIがドローンやIoTセンサーからのデータを分析し、リアルタイムで進捗状況を把握します。遅延や問題が発生した場合、即座に対策案を提示し、プロジェクトの遅延リスクを最小限に抑えるといった扱い方もできるでしょう。

安全管理

生成AIは、ゼネコン業界の安全管理の向上にも応用可能です。

例えば危険箇所予測では、AIが過去の事故データや現場の状況を分析し、潜在的な危険箇所を特定します。そうすると、事故を未然に防ぐための対策を講じることができます。

安全対策においては生成AIが現場の状況に応じた最適な安全対策を提案したり、作業員の安全管理ではAIがウェアラブルデバイスからのデータを分析し、モニタリングしたりと多種多様です。

このことから、生成AIを使った局所的な取り組みだけでも、現場の安全性を向上し、労働災害の減少につながると言えます。

コスト管理と予算編成

生成AIは、ゼネコン業界のコスト管理と予算編成を精緻化し、プロジェクトの収益性を向上を行うときにも有効です。

限られた予算を最大限に活用できれば、プロジェクト全体の効率を高めることも現実味を帯びてくるでしょう。

その他

生成AIは、以下の領域でもゼネコン業界で活用されています。

• 設備管理

• 顧客管理

• データ分析

さらに、自然言語処理技術を活用した文書作成支援や、画像認識技術を用いた品質検査の自動化など、生成AIの応用範囲は日々拡大しています。

では、本当にこうした扱い方が行われているのでしょうか？実際に大手ゼネコンがどのように生成AIを導入しているのか、具体的な事例を見ていきましょう。

大手ゼネコンによる生成AIの導入事例3選

ゼネコン業界における生成AIの活用は、大手企業を中心に広まりを見せています。ここでは、業界をリードする3社の取り組みを紹介します。

この事例は、生成AIの実践的な活用方法を示すとともに、自社への導入を検討する際の参考になるでしょう。

1. 鹿島建設：Kajima ChatAI

2. 大森組：スランプ管理システム

3. 清水建設：AI監視カメラシステム

鹿島建設：Kajima ChatAI

鹿島建設は、生成AIを活用した自社専用の対話型AIシステム「Kajima ChatAI」を開発し、運用を開始しました（※3）。このシステムは、ChatGPTと同等のAIモデルを社内に構築するため、Microsoft Azure OpenAI Serviceを活用しています。

Kajima ChatAIの主な用途は、情報収集・分析、アイデア出し・企画書作成、議事録作成、メール代筆、言語翻訳、プログラミング支援など多岐にわたります。特筆すべきは、情報漏えいリスクを考慮して独自の機能を付加し、安全な環境を実現している点です。

このシステムの導入により、鹿島建設は業務効率の向上と生産性の改善を図っています。ゼネコン業界特有の課題に対応した生成AIの活用例として、他社にとっても参考になる取り組みといえるでしょう。

大森組：スランプ管理システム

大森組は、株式会社エム・ソフトと共同で、生成AIを活用したコンクリートのスランプ管理システムを開発しました（※4）。このシステムは、深層学習機能を用いて、生コン車の荷下ろし時の画像からスランプを自動測定・管理します。

スランプは、コンクリートの状態を示す指標で、暗黙知となりやすい部分です。従来は熟練工の目視確認に頼るしかありませんでしたが、このシステムにより完全自動化が実現しました。異常を検知すると担当者に警告を送信し、測定データはクラウド上で共有可能です。

その優れた功績から、近畿地方整備局の令和5年度インフラDXコンペで優秀技術賞を受賞しています。ゼネコン業界における生成AIの実践的活用例として、品質管理の効率化と高精度化を実現した好例と言えるでしょう。

清水建設：AI監視カメラシステム

清水建設は、東京大学発のAIベンチャーLightblueと日本道路グループのエヌディーリース・システムと共同で、画像解析AIを活用した監視カメラシステムを開発しました（※5）。このシステムは、ゼネコン業界における安全管理の課題に対するソリューションです。

画像解析AIに組み込まれた骨格推定アルゴリズムにより、様々な作業姿勢に対応した人を検知します。さらに、人が重機を認識しているかどうかをリアルタイムに判定できる機能も備えています。

この仕組みによって、重機オペレーターの死角となる後方危険区域内の人や車両を瞬時に検知し、警告音やライト点灯、モニター表示でアラートを発報します。

このシステムの導入により、建設現場の安全性が向上し、事故リスクの低減が期待されます。生成AIの画像解析技術を活用したこの事例は、ゼネコン業界における安全管理の新たな標準となるのかもしれません。

では、大手ゼネコンの事例に続き、中小・海外ゼネコンによる生成AI導入事例を見ていきましょう。規模や地域を問わず、AIの活用が進んでいます。

中小・海外ゼネコンによる導入事例4選

生成AIの活用は、大手ゼネコンだけでなく、中小企業や海外企業にも広がっています。自社の規模やニーズに合わせて、独自の方法で生成AIを導入し、業務効率化や競争力強化を図ることも十分に可能だということです。

以下に、注目すべき4つの事例を紹介します。この事例は、自社に最適な生成AI活用方法を検討する上で、貴重な参考情報となるでしょう。

1. アースブレイン：施工計画

2. 光邦と前田建設 ICI 未来共創センター

3. Autodesk：製品設計

4. Trimble：3Dモデリング

アースブレイン：施工計画

アースブレインの施工計画システムは、デジタルツインとAIを組み合わせることで、従来数週間から数か月かかっていた施工計画の立案を、わずか1日で可能にしました（※6）。

3次元の設計データと地形データをクラウド上に登録し、工期や機械編成などの施工条件を入力すると、AIが最小の運搬土量となる切り土量と盛り土量を自動計算します。

さらに、最適な土量配分計画、施工手順、重機の稼働率などを算出し、工期が最短となる施工計画を立案するといった仕組みです。

このシステムは、ゼネコン業界が直面する人手不足や工期短縮の課題に対する有効なソリューションとして参考になります。生成AIの活用により、精度の高い施工計画を短時間で立案できることは、業界全体の生産性向上に大きく貢献するでしょう。

光邦と前田建設 ICI 未来共創センター

光邦と前田建設 ICI 未来共創センターは、生成AIの画像・動画制作分野で顧客や共創パートナーとのビジュアルコミュニケーションの改善を目指しています（※7）。生成AIの活用によって、建設プロジェクトの完成イメージを高精度で可視化し、クライアントとの合意形成を円滑に進めるというものです。

さらに、印刷分野やまちづくり、インフラサービスにおいても生成AI画像・動画制作の活用をリードしています。この事例は、ゼネコン業界における生成AIの活用が、単なる業務効率化にとどまらず、クリエイティブな分野にも有効だということを伝える好例です。

Autodesk：製品設計

Autodeskは、ゼネコン業界向けの製品設計ソフトウェアに生成AIを導入し、機能を実現しています（※8）。同社が開発中の「大規模製品モデル」は、既存の「ジェネレーティブ・デザイン」の機能を拡張し、より複雑な仕様や条件を扱えるようにしたモデルです。

この生成AIシステムは、製品仕様の重要な要素を自動的に判別し、多くの設計案を生成します。例えば、特定のサイズや機構を持つ製品の設計を、AIが自動的に提案するなどです。

Autodeskの取り組みは、ゼネコン業界における生成AIの活用が、より高度で複雑な業務にも及んでいることを示しています。自社のニーズに適した生成AI活用を検討する上で、重要な参考事例となるでしょう。

Trimble：3Dモデリング

Trimbleは、生成AIを活用した3Dモデリングソフトウェアを開発し、建築や土木プロジェクトの設計段階で、複雑な3Dモデルを生成できるようにしました（※9）。多様な設計案を自動生成でき、従来の手作業による3Dモデリングと比較して、設計プロセスを効率化しています。

さらに、このシステムは建築基準や環境規制などの複雑な条件を考慮しながら、最適な設計案も提案できます。ゼネコン業界で生成AIの活用を検討している企業にとって、Trimbleの事例はニーズに適したAI導入の参考になるでしょう。

とはいえ、必ずしもAIの導入が成功するとは限りません。ここからは、大手・中小・海外ゼネコンの事例を踏まえ、生成AI導入の課題と展望について解説します。

生成AI導入の課題と展望

生成AIのゼネコン業界への導入には、様々な課題と展望があります。以下に分けて、主要な点を確認しましょう。

• 課題

• 展望

課題：投資とAI特有のリスク

ゼネコン業界における生成AI導入には、少なからず課題があります。

まず、高額な導入コストが挙げられます。システム開発や運用には多大な投資が必要で、特に中小企業にとっては大きな負担となります。

次に、AI人材の不足も深刻です。専門知識を持つ人材の確保や育成が急務です。

加えて、データ不足も課題となります。AIの学習には大量かつ質の高いデータが必要ですが、個別性の高い建設業界ではデータの標準化が難しい場合もあります。

さらに、生成AI特有の課題として著作権侵害のリスクもあります。実際に、鹿島建設が一度は生成AIの利用を禁止する（※10）など、各社の対応は分かれているのが実情です。

展望：中小企業への展開と業務代替

生成AIのゼネコン業界への導入は、今後さらに広まると予測されます。技術革新の進展により、AIの性能向上と導入コストは低下し、中小企業でも生成AIの導入しやすくなる見込みだからです。

また、導入事例の増加も後押しの要因です。成功事例が蓄積されることで、業界全体のAIリテラシーが向上し、導入のハードルも下がると考えられます。また、法規制の整備も進むでしょう。

今後は、AIと人間の協業モデルの確立が業務効率化におけるポイントです。AIが定型業務を担当し、人間がより創造的な業務に注力するなど、効率的な業務分担がこれからを担うことになるでしょう。

まとめ

昨今では、大手ゼネコンから中小企業、さらには海外企業まで、様々な規模の企業が生成AIを活用し、業務効率化や競争力強化を図っています。

しかし、高額な導入コストやAI人材の不足、データ不足、法規制への対応など、課題も少なくありません。特に中小企業にとっては、この課題が生成AI導入の障壁となっている現状があります。

そのため、生成AIの導入を検討しているゼネコン企業の担当者の皆様には、以下のアクションをおすすめします。

1. 自社の課題を明確化し、生成AIがどのように解決に貢献できるか検討する

2. 業界内外の導入事例を研究し、自社に適した活用方法を模索する

3. AI人材の育成や確保に向けた計画を立てる

4. データの収集・整備を進め、AI導入の基盤を整える

5. 法規制や著作権に関する最新の動向を把握し、リスク管理を行う

生成AI導入には多くの課題がありますが、その可能性は計り知れません。しかし、自社だけでこの課題に対応するのは困難な場合もあります。

困ったときには、弊社、NOVEL株式会社のAIコンサルティングにお任せください。豊富な経験と専門知識を活かし、お客様の課題に最適なソリューションを提案いたします。

【この記事の参考文献】

• ※1：https://business.ntt-east.co.jp/bizdrive/column/post_102.html

• ※2：https://www.mlit.go.jp/tec/constplan/soseiconstplantk_000019.html

• ※3：https://www.kajima.co.jp/news/digest/oct_2023/feature/03/index.html

• ※4：https://www.obayashi.co.jp/solutiontechnology/detail/techd278.html

• ※5：https://www.shimz.co.jp/company/about/news-release/2023/2023038.html

• ※6：https://xtech.nikkei.com/atcl/nxt/column/18/00154/01538/

• ※7：https://www.kohocome.co.jp/news/news20230713/

• ※8：https://xtech.nikkei.com/atcl/nxt/news/18/15620/

• ※9：https://www.tekla.com/jp/products/tekla-structures

• ※10：https://xtech.nikkei.com/atcl/nxt/column/18/02449/052500005/

▌【一緒に働くメンバー募集】生成AIを活用し、顧客の課題解決をしませんか？

最後までお読みいただき、ありがとうございます。

NOVEL株式会社では、生成AIを活用して企業の業務改善や新規プロダクト開発を支援しています。

私たちは「現場に眠るデータをつなぎ人とAIが協働する社会を創る」というビジョンのもと、非IT業界が抱える複雑な課題に日々向き合っています。

もしあなたが、

• 新しい技術の可能性にワクワクする方

• 困難な課題解決を楽しめる方

• 自分の手で「0から1」を創り出す経験をしたい方

であれば、私たちのチームで大きなやりがいを感じていただけるはずです。 まずは、私たちがどんな未来を描いているのか、採用ページで少し覗いてみませんか？

▶ 募集中のポジションを確認する