清水建設は2026年7月8日に開催された「インダストリアルデジタルツインサミット2026」において、フィジカルAIを搭載した人型ロボットの実証成果と現場実装に向けた課題を発表しました。高齢化が加速する建設現場の事業継続に向け、安全基準や学習データ基盤を1社で囲い込まず、産業横断の「協調領域」として標準化を主導する構想を提示しています。
建設業の人的限界と人型ロボット開発の必然性
建設業界が直面している労働力不足は、一時的な需給の歪みではなく、事業モデルそのものの存続に関わる構造的危機となっています。清水建設技術研究所ロボティクス研究センターの五十嵐俊介氏は、建設現場の省人化・自動化はもはや単なるコスト削減や生産性向上の枠を超え、企業の事業継続に直結する最重要経営課題であると強調しました。
労働力不足と高リスク環境が突きつける事業継続の課題
建設業における高齢化と若手不足の乖離は、他産業と比較しても際立って深刻です。就業者全体の年齢構成を見ると、55歳以上が約37%を占める一方で、次世代を担う10代および20代（29歳以下）の割合は約12%に留まっています。今後10年間で熟練技能者の大量離職が避けられない中、若年層の入職数は依然として低水準です。
さらに、厚生労働省などの各種統計によると、建設関連職種（型枠工、鉄筋工、鳶工などの躯体工種）の有効求人倍率は全職業平均の約7倍に達しており、現場で必要な人員を確保すること自体が極めて困難な状況にあります。これに加え、労働災害による死亡者数が製造業のおよそ2倍という高リスクな労働環境も、若手の定着を阻む要因となっています。
| 項目 | 建設業界の現状数値 | 全産業・他産業との比較 | 経営・現場への直接的インパクト |
|---|---|---|---|
| 55歳以上就業者比率 | 約37% | 全産業平均を大きく上回る | 今後数年で熟練工の大量離職が現実化 |
| 若年層（29歳以下）比率 | 約12% | 全産業平均より大幅に低い | 現場技能とノウハウの承継が断絶するリスク |
| 有効求人倍率（躯体工等） | 全職業平均の約7倍 | 著しい需給ギャップ | 外注費高騰および職人人手不足による工期遅延 |
| 労働災害死亡者数 | 製造業のおよそ2倍 | 重篤災害の発生率が高い | 危険作業の根本的な無人化・遠隔化が必須 |
なぜ建設現場において「人型ロボット」が最適解となるのか
製造業では、工場内に固定された生産ラインや産業用ロボットアームを配置することで高度な自動化を達成してきました。しかし、五十嵐氏は「製造業の自動化手法は建設現場にそのまま通じない」と指摘します。
建設工事は、土地の形状や気象条件、設計仕様がプロジェクトごとに毎回異なり、機材や資材、作業員をすべて現地の工事現場へ搬入して組み立てる「現地・一品生産」です。さらに、工種ごとに専門工事会社が入れ替わる労働集約型の体制であるため、固定設備を据え付けて同じ動作を繰り返す従来型の自動化モデルは成立しません。
清水建設は1980年代から施工ロボットの開発に着手し、2000年頃には人型ロボットの現場適用にも挑戦してきました。しかし、従来のロボットは事前にプログラムされた単一定型作業しか実行できず、機体を移動させようとすると大型の走行台車が必要となり現場で身動きが取れなくなるという限界に直面していました。例えば天井ボードを施工するロボットを開発しても天井施工しかできず、機体の搬入出や段取りに多大な労力がかかり、投資に見合う効果を得られなかった歴史があります。
この技術的限界を打破する契機となったのが、自律的な判断と環境適応能力を持つ「フィジカルAI」と人型ロボット（ヒューマノイド）の融合です。人間用に設計された既存の建設現場インフラをそのまま活用できる点において、人型ロボットは建設現場と極めて高い親和性を持っています。
| 比較項目 | 従来型専用施工ロボット（1980年代〜） | フィジカルAI搭載人型ロボット（次世代） |
|---|---|---|
| 作業適応力 | 事前プログラムによる単一・定型作業に限定 | 周囲環境の認識と自律判断で多様な作業へ柔軟に対応 |
| 動作獲得方法 | 動作軌道や手順をエンジニアが手動コーディング | 熟練技能者の手本動作（実測データ）をAIが学習・モデル化 |
| 専有面積・移動力 | 専用の大型移動機構が必要、専有面積大 | 人間同等の接地面積で二足歩行、階段や足場も移動可能 |
| 現場適合性 | 設備設置・段取りコストが高く、多工種現場でROI未達 | 現場の改修なしに人間用の通路・工具をそのまま活用可能 |
建設現場の通路、階段、仮設足場、開口部などはすべて人間の身体寸法を基準に作られています。車輪型やクローラー型のロボットでは進入や昇降が不可能な段差や狭小空間であっても、二足歩行の人型ロボットであれば大規模な仮設設備の改修を行うことなく移動できます。さらに、人間が使用する電動工具や資材ハンドリング機器をそのまま把持して扱えるため、専用治具の追加コストを最小限に抑えられる利点があります。
参考記事: 東京ミッドタウン八重洲でロボ4台が稼働、ビルOS対応が受注力に直結
現場実証で見えた「3つの壁」と産業共通基盤の構築
清水建設が現場実証を通じて見出したのは、優れた人型ロボットを単独で開発するだけでは社会実装に至らないという冷徹な現実でした。自律動作するフィジカルAIを実際の施工現場で稼働させる過程で、「安全」「データ」「ROI（投資対効果）」という自社1社では乗り越えられない3つの構造的障壁が浮き彫りになりました。
実装を阻む3つの構造的障壁
五十嵐氏が提示した3つの課題は、建設DXを推進するすべての企業が直面する本質的なボトルネックです。
1. 安全基準と責任分界点の未整備
従来の産業用ロボットは、安全柵で人間と作業空間を完全に隔離して稼働させることが法的な前提でした。しかし、刻々とレイアウトが変化し、多くの作業員や協力会社が混在する建設現場では、柵で囲う運用は不可能です。自律的に動く人型ロボットが作業員と同じ空間で協働する際、どのような接触防止規格を設けるべきか、予期せぬ転倒や誤作動が起きた際の責任分界点をどう定めるかといった業界統一の安全ガイドラインが存在していません。
2. AI学習データの収集・シミュレーション環境の不足
フィジカルAIが現場で多様な作業を行うためには、熟練職人の細やかな身体動作や手先の力加減、現場の三次元空間データ、多様な天候・照度条件下での認識データなど、天文学的な量の高品質な教師データが必要です。これらの実測データをゼネコン1社のみで収集・アノテーションすることは、時間的にもコスト的にも現実的ではありません。また、ロボットが現場に投入される前に仮想空間で何万時間もの強化学習を積むための高精度なデジタルツインシミュレーション基盤も不足しています。
3. 単独開発における投資対効果（ROI）の回収不能
人型ロボットのハードウェア開発、センサー統合、AIモデル構築には数十億〜数百億円規模の研究開発投資を要します。しかし、建設業は工種ごとに市場が細分化されており、自社が施工する現場だけでロボットを稼働させても、ハード・ソフトの減価償却費を回収することは極めて困難です。ロボット単価を量産効果によって引き下げ、ソフトウエアのアップデートコストを分散させるエコシステムがなければ、ビジネスとしての採算は合いません。
COCNを通じた産業横断の協調領域づくり
これらの壁を打破するため、五十嵐氏はCOCN（産業競争力懇談会）内でリーダーを務め、産業横断での共通基盤づくりを牽引しています。ゼネコン各社がロボットの単体性能や独自技術を競い合う「競争領域」に入る前に、まずは業界全体で共通利用できる「協調領域」を確立しなければ、フィジカルAIの社会実装は実現しないという考え方です。
【建設フィジカルAIの産業基盤構造】
┌─────────────────────────────────────────────────────────┐
│ 各社の競争領域（個別アプリケーション） │
│ ・ゼネコン各社の独自施工ノウハウの組み込み │
│ ・現場オペレーション最適化・個別工法向けチューニング │
└────────────────────────────┬────────────────────────────┘
│
┌────────────────────────────┴────────────────────────────┐
│ 産業横断の協調領域（COCN等が主導する共通基盤） │
│ ・安全基準・認証ガイドラインの標準化（人間・ロボット共存規格） │
│ ・技能動作データ・物理シミュレーション基盤（デジタルツイン）の共有 │
│ ・共通評価指標・ROI算定モデルの策定 │
└─────────────────────────────────────────────────────────┘
| 区分 | 対象領域 | 具体的な取り組み内容 | 業界全体にもたらされるメリット |
|---|---|---|---|
| 協調領域（基盤） | 安全基準策定 | 人間・ロボット混在空間における安全規格・運用ガイドラインの作成 | 法令適合の迅速化、労災リスクの低減、現場導入のハードル低下 |
| 協調領域（基盤） | データ基盤 | 熟練工の動作データ共有、デジタルツインシミュレータの共通化 | 開発コストの分散、学習期間の短縮、AIモデル精度の底上げ |
| 協調領域（基盤） | 評価指標 | 施工品質や生産性の共通評価フレームワークの構築 | 機器調達・外販の透明性向上、業界全体での量産効果の創出 |
| 競争領域（応用） | 独自モデル | 各ゼネコン独自の特許工法や高度な施工ノウハウのモデル化 | 元請け各社の技術提案力・施工競争力の差別化 |
| 競争領域（応用） | 現場運用力 | 複数ロボットと現場作業員を組み合わせた最適施工計画の立案 | 各現場での工期短縮、コスト削減、歩掛り改善の実現 |
このように、基礎的な安全規格やAI学習環境を「産業の公道」として整備し、その上を走る「車（個別ロボットや独自ノウハウ）」で競争する構造へ転換することが、建設業界全体の持続可能性を高める鍵となります。
参考記事: 清水建設ら5社、トンネル自動吹付けで切羽作業ゼロと時間5％短縮を実証
建設業界の主要プレイヤーに及ぼす構造的インパクト
清水建設が主導するフィジカルAI人型ロボットの共通基盤構想は、元請けゼネコン、専門工事業・技能労働者、行政・規制当局のそれぞれに対して業務プロセスやビジネスモデルの根本的な再設計を迫ります。
ゼネコン（元請け）：自前主義からの脱却と共通基盤への参画
これまで大手ゼネコンの研究開発は、自社の技術的優位性を誇示するための「ブラックボックス化」や「特許による囲い込み」が主流でした。しかし、フィジカルAIや人型ロボットのような巨額の初期投資と膨大なデータを要するディープテック領域では、単独開発は巨額のサンクコスト（埋没費用）を生むリスクがあります。
元請けゼネコンの経営層には、基礎開発を協調領域として競合他社や建機メーカーと共同推進し、開発負担を分散させる経営判断が求められます。各社の差別化ポイントは、「ロボットそのものを自前で持っているか」ではなく、「共通プラットフォーム上で自社独自の施工ノウハウをいかに効率的に走らせ、現場の歩掛りを改善できるか」という運用力の競争へシフトしていきます。
職人・技能労働者：匠の技の資産化と遠隔オペレーターへの進化
熟練技能者の急速な高齢化に伴い、これまで現場での徒弟制度や暗黙知に頼ってきた技術伝承は限界を迎えています。フィジカルAIの導入は、熟練工の「匠の技」をモーションキャプチャーやセンシングによって数値化・デジタル資産化することを可能にします。
現場の技能者は、過酷な肉体労働を直接担う立場から、人型ロボットへ動作の手本を教え込む「ティーチングエキスパート」や、複数台のロボットの作業状況を監視・指示する「施工オペレーター」へと役割が変化します。身体的負荷の高い作業から解放されることで、高齢技能者が長年培った知見を活かして長く活躍できる環境が整い、若年層にとっても魅力的なデジタルワークプレイスが形成されます。
行政・規制当局：人間・ロボット共存社会に向けた安全基準の刷新
国土交通省が進める「i-Construction 2.0」では、建設現場のオートメーション化が最重点課題として掲げられています。しかし、現在の労働安全衛生法や各種施工安全基準は、基本的に「人間が作業すること」または「隔離された機械が稼働すること」を前提に設計されています。
自律稼働するフィジカルAIロボットが作業員と同一空間で重機や資材を扱う未来を見据え、行政には新たな安全規格の策定や型式認証制度の創設が求められます。民間コンソーシアム（COCN等）から提示される実証データを迅速に吸い上げ、規制緩和と安全担保を両立させる法制度のアップデートを産官学連携で加速させる必要があります。
参考記事: 清水建設、FEM解析モデル生成を3日に短縮！設計変更の即時反映を実現|
ConShiftの視点｜個別最適の自動化から「エコシステム構築」への構造転換
清水建設によるフィジカルAIロボットの協調領域構想は、建設DXが「特定工種の個別自動化」という局所最適から、「産業共通プラットフォームを前提とした全体最適」のフェーズへ突入したことを象徴しています。
「特定作業専用機」の限界とヒューマノイドの経済合理性
過去40年間の建設ロボット開発の歴史を振り返ると、多くの試みは「特定の作業を高速に行う専用機械」の開発でした。鉄骨溶接ロボット、コンクリート均しロボット、外壁清掃ロボットなどは一定の成果を上げたものの、現場への搬入設置コストや対象作業の少なさから、多工種が混在する中小型現場へ普及することはありませんでした。
フィジカルAIを搭載した人型ロボットの本質的な強みは、ハードウェアの汎用性にあります。ソフトウェア（学習モデル）を切り替えるだけで、昼は資材運搬や墨出し補助を行い、夜は清掃や巡回警備、別の日にはボード張りや塗装補助を行うといった「1台多役」のマルチタスク運用が可能になります。これにより、機械の現場稼働率が飛躍的に向上し、投資回収のハードルが大幅に下がります。
デジタルツインが現実空間を駆動するフェーズの到来
本取り組みが示すもう一つの構造変化は、BIMやデジタルツインの役割の拡張です。これまでのBIMは、設計図面の統合や干渉チェック、施工シミュレーションといった「人間の確認作業を支援するツール」として機能してきました。
しかし、フィジカルAIの実装においては、BIMや実測点群データによって構築されたデジタルツイン環境そのものが、ロボットが現場環境を理解し動作をシミュレーションするための「AI学習基盤（ワールドモデル）」となります。現実空間の施工データをデジタル空間に吸い上げ、AIがシミュレーション空間で動作を最適化し、その結果を現場の人型ロボットが物理的に再現する双方向ループが成立します。デジタルツインを高度に扱えるか否かが、施工会社のハードウェア運用能力を直接左右する時代が到来しています。
明日から経営層・現場リーダーが意識すべき3つのアクション
フィジカルAIと人型ロボットが現場に普及する未来を見据え、建設企業の経営層や現場リーダーが今直ちに着手すべき実務的なアクションを整理します。
-
現場作業の「定型・非定型」の棚卸しと身体動作のデータ化準備に着手する
自社現場における各種工種の作業工程を分解し、どの作業がロボット代替可能な物理動作であり、どの作業が高度な職人判断を要するかをマッピングします。将来的なAI学習を見据え、熟練技能者の作業動線や手元作業の動画・センシングデータの記録手順を検討します。 -
自社単独開発の限界を見極め、オープンアライアンスやコンソーシアムへ参加する
施工DXやロボティクス開発において、自社だけでソフトウェアやハードウェアを囲い込む投資判断を改めます。COCNをはじめとする業界団体、ゼネコン連合、産官学連携プロジェクトの動向を注視し、協調領域の共通基盤を活用する調達戦略へシフトします。 -
現場の3Dデータ化（BIM/点群）を「ロボット運用の前提インフラ」として定着させる
BIM/CIMの活用を単なる図面業務の効率化にとどめず、将来稼働する自律型ロボットや点検ドローンに対する「空間地図データ」の供給基盤として再定義します。日々の出来形計測や仮設計画において高精度な3次元データを日常的に取得・蓄積する現場運用を標準化します。
出典: デジタルクロス
出典: 日本建設業連合会（日建連）
