工事写真の整理や工程表の修正、提出書類の作成に追われ、本来注力すべき現場の安全巡視や施工計画の検討に時間を割けない状況は、多くの地域建設会社で常態化しています。建通新聞の連載「ＡＩ時代の建設業(1) 加速する進化 現場に取り込む 生産性向上の恩恵は中小に」が伝える通り、国土交通省の政策刷新や先行企業の取り組みによって、事務処理の自動化から現場作業の機械化に至るAI実装が中小建設業を主眼に進められています。
建設業におけるAI活用の基礎知識と実務への適用領域
建設業におけるAI活用は、単なるチャットツールの導入にとどまらず、施工管理ソフトの自動処理機能から現場で稼働する重機の自律制御まで多岐にわたります。業務の性質に応じて、ソフトウェア上でデータを処理する「バーティカルAI」と、物理的な機械やロボットを自律制御する「フィジカルAI」の2系統に大別されます。
【建設業におけるAIの適用体系】
├── バーティカルAI（施工管理・バックオフィス）
│ ├── 情報共有システム（ASP）での対話型AI支援
│ ├── 工事写真・出来形データの自動仕分け・規格値照合
│ └── 工程表・安全書類・施工計画書の原案自動作成
└── フィジカルAI（現場物理作業）
├── 自律施工重機（掘削・積込み・敷均しの半自動化）
├── 鉄筋結束・型枠補助などの人力代替ロボット
└── 現場内資材運搬・ドローン自動巡視
バーティカルAI：事務・施工管理業務の高度化
バーティカルAIは、特定の業界や業務領域に特化した学習モデルを指します。建設業においては、土木・建築の専門用語、施工基準書、労働安全衛生規則、過去の積算データなどを学習させたAIが実務を補助します。
主な適用業務は以下の通りです。
- 工事写真の自動整理・仕分け: 撮影された黒板の文字情報や被写体の工種を画像認識し、写真帳の指定様式へ自動配置
- 出来形管理帳票の作成支援: レーザースキャナーやスマートフォンで取得した点群データを設計モデルと照合し、規格値からの乖離を自動算出
- 工程表・安全書類の作成: 工期や天候データ、投入リソースの制約条件を入力することで、クリティカルパスを考慮したネットワーク工程表の初期ドラフトを自動生成
フィジカルAI：物理空間での直接施工・運搬支援
フィジカルAIは、各種センサー（LiDAR、カメラ、GNSSなど）によって現場の三次元環境や障害物をリアルタイムに認識し、アクチュエーターを介して重機やロボットを自律的に動作させる技術です。
国土交通省が2026年9月に公表した「建設分野におけるフィジカルAI戦略（中間とりまとめ）」では、以下の重点領域が指定されています。
| 分野区分 | 対象となる作業項目 | 現場における主な機能 |
|---|---|---|
| 施工・運搬 | 機械施工（掘削、運搬、敷き均し、積込み） | オペレーター搭乗を前提としない建機の自律運行・協調施工 |
| 施工・運搬 | 現場の人力技能作業・小運搬 | 鉄筋結束作業の自動化、資材搬送台車の自動追従走行 |
| 維持管理 | 構造物点検・巡視 | ドローンや四足歩行ロボットによる亀裂・変状の自動検知 |
| 防災・復旧 | 災害調査・災害復旧 | 土砂崩れ現場における無人化施工と迅速な道路啓開 |
参考記事: 国土交通省フィジカルAI戦略、2040年省人化3割へ求められる現場変革
中小建設業におけるAI導入の現在地と政策的背景
現在、建設業界におけるAI導入は、企業規模による二極化が進んでいます。一方で、発注者である行政機関がプラットフォームの標準化に乗り出したことで、地方の中小建設業がAIを標準的に利用せざるを得ない環境整備が急ピッチで進んでいます。
中小企業基盤整備機構・全建調査に見る導入実態
中小企業基盤整備機構が2026年3月に公表した「中小企業のAI等の利活用に係る実態調査」（全国の中小企業1,647社回答）によると、建設業のAI導入率は15.9%にとどまり、運輸業（12.5%）に次いで全業種中ワースト2位という結果でした。社内のIT専門人材の不足や、費用対効果の算定難が主な導入障壁として挙げられています。
また、全国建設業協会（全建）が2026年4〜5月に実施したアンケート調査（会員企業2,750社回答）でも、業務でのAI活用率は18.7%にとどまっています。しかし、未活用企業の62.6%が活用に「関心がある」と回答しており、導入に向けた潜在的な需要は極めて高い水準にあります。これを受け、全建は「5カ年生産性向上計画（2025〜2029年度）」を改定し、2029年度までにAI活用率を40%まで引き上げる数値目標を掲げました。
国土交通省によるASPへの対話型AI標準実装方針
地域の中小建設業におけるAI活用を決定づける要因が、公的工事における発注システムの刷新です。国土交通省は2026年9月4日に「インフラ分野のAI実装に向けた取組方針」を正式公表しました。
本方針の柱となるのが、直轄工事の受発注者間で運用されている情報共有システム（ASP）への「対話型AI機能」の標準搭載です。すでにASPは直轄工事の原則全工事で適用されているほか、全都道府県および政令指定都市、全国256の市区町村でも導入が進んでいます。
2027年度を目途にASPの機能要件が改定され、システム上での対話型AI機能の提供が民間ベンダーに義務付けられる見通しです。これにより、受発注者がやり取りする工事打合せ簿、施工計画書、特記仕様書などのデータをAIが直接解釈し、手続きの自動化を支援します。
【受発注者間情報共有システム（ASP）のAI高度化フロー】
受注者（施工会社） 情報共有システム（ASP） 発注者（国交省・自治体）
│ │ │
├─ 協議事項・施工計画のドラフト入力 ──>│ │
│ ├─ 特記仕様書・技術基準と自動照合 ───>│
│ │ （AIが整合性・規格値を即時検証） │
││
│ │ ├─ 即時確認・電子決裁
さらに、従来の「紙からPDFへの電子化」にとどまっていた納品形態を脱却し、AIが直接読み取りやすい「JSON-LD」を付与した構造化データ（HTML形式）への移行が進められています。国土交通省は「土木工事共通仕様書（案）令和8年3月」のHTML版を先行公開しており、今後は打合せ簿や出来形管理基準の構造化も順次拡大される計画です。
参考記事: 国土交通省が2027年度に直轄ASPへAI実装、書類作成はどう変わるか
AI導入が中小建設業にもたらす定量的・定性的効果
AIを現場実務や事務フローに組み込むことで、限られた人員体制のまま施工能力を維持・拡大することが可能になります。静岡県焼津市の中堅ゼネコンである株式会社橋本組の事例や業界団体の統計データから、その具体的な効果を検証します。
橋本組の先行事例：事務作業の自動化と時間外労働の削減
地方建設業の中でAIの現場実装を牽引しているのが、静岡県焼津市に本社を置く株式会社橋本組です。同社の橋本真典CEOは、2026年10月の厚生労働省労働政策審議会労働政策基本部会において、AI導入が建設現場の働き方改革に与えた成果を報告しました。
同社では、これまで現場技術者が手作業で行ってきた以下の業務へAIを段階的に導入しています。
- 工程表の自動生成・修正: 過去の施工歩掛データと現場固有の条件を照合し、初期工程表を作成。天候不順や資材遅延に伴うリスケジューリングもAIが代替。
- 工事写真の自動整理: スマートフォンで撮影した施工状況写真から被写体と電子黒板の記載内容を画像解析し、工種・測点ごとの台帳へ自動登録。
- 出来形管理・帳票作成の半自動化: 測定データと設計値の比較検証をAIが支援し、提出書類の作成工数を圧縮。
これらの取り組みにより、施工管理者の時間外労働時間の大幅な削減を達成しました。同社はさらに2026年10月、AI開発企業との包括連携協定を深め、建設・地域産業向けAIの合弁会社（JV）設立に向けた協議を開始するなど、自社利用にとどまらない外販・共同開発モデルへの展開を進めています。
全建アンケートにみる省人化効果の実際
全建が実施した調査によると、すでに業務へAIを導入している建設企業の間では、明確な省人化効果が確認されています。
| 省人化・業務削減の効果 | 回答企業の構成比 | 現場実務における影響 |
|---|---|---|
| 3割以上の業務を削減 | 9.7% | 施工管理者の常態的な残業が解消し、現場技術者が複数現場を兼任可能に |
| 1割〜3割未満の業務を削減 | 41.4% | 写真整理や打合せ簿作成の時間が半減し、夕方のデスクワークが大幅短縮 |
| 1割未満の削減にとどまる | 38.8% | 部分的なテキスト要約やメール作成にとどまり、基幹業務への連携が未達 |
| 効果を感じられない | 10.1% | 導入ツールの操作習熟不足や、現場運用ルールの不備による形骸化 |
アンケートに回答した導入済企業の約51.1%が「1割以上の省人化効果があった」と実感しています。中小企業基盤整備機構の調査でも、AIを導入した中小企業の83.2%が「業務効率化・作業時間の短縮」を最大の導入効果として挙げており、実務へ直結しやすい特性が示されています。
参考記事: 施工管理アプリ（クラウド型）入門｜導入メリットと失敗しない選び方を徹底解説
中小建設会社が失敗しないためのAI導入4ステップ
自社にIT部門を持たない中小建設会社がAI導入を進める場合、いきなり高額な自律施工システムや全社統合パッケージを導入することは、コスト過多や現場の形骸化を招くリスクがあります。実務負担の大きい定型作業から段階的に適用範囲を広げることが不可欠です。
【中小建設業におけるAI導入の4段階ロードマップ】
［Step 1: 定型事務の代替］
└─ 写真整理、報告書の文章校正、議事録要約（クラウドツールの活用）
│
［Step 2: 施工管理フローへの統合］
└─ クラウド施工管理アプリのAI機能連携、出来形規格値照合の自動化
│
［Step 3: ASP・発注基盤との連携］
└─ 国交省・自治体のAI搭載ASPへの接続、構造化データ（JSON-LD）対応
│
［Step 4: フィジカルAIの現場適用］
└─ レトロフィット建機や小運搬台車の導入、産学官コンソーシアム実証
ステップ1：無償・低価格ツールによる定型文書作成の効率化
まずは現場技術者が日常的に時間を奪われているデスクワークの局所的な自動化から着手します。
- 安全協議会の議事録作成: スマートフォンの音声認識AIアプリで録音・文字起こしを行い、対話型AIで議題別の要約を数分で作成
- 施工計画書・作業手順書の推敲: 過去の社内書類を取り込み、法令基準や共通仕様書の変更点に合わせた文言チェックと誤字脱字修正を自動化
- 日報・メール文の自動作成: 現場での作業進捗メモを入力し、協力会社や発注者向けの定型報告文へ瞬時に変換
ステップ2：施工管理アプリのAI機能による現場管理の省人化
局所的なテキスト処理に慣れた段階で、現場写真や図面データを扱う施工管理アプリのAI機能へ移行します。
- 電子小黒板と写真整理の連動: AI黒板認識機能により、写真を撮影した瞬間に測点・工種フォルダへ自動振り分けを実施
- 図面差分抽出: 設計変更前後の図面データをAIに読み込ませ、変更箇所（寸法、配管ルート、注記等）をハイライト表示
- 危険予知（KY）活動の支援: 当日の作業内容と天候条件を入力することで、過去の災害事故事例データベースから潜在リスクと対策案を自動提示
ステップ3：発注者指定システム（ASP）刷新への組織的対応
国土交通省が2027年度に向けて推進するASPのAI実装を見据え、自社内の書類管理体制をデータ化します。
- 施工データのPDF単体管理の見直し: 文書内のテキスト情報や測定数値が機械判読できるよう、入力フォーマットを標準化
- 発注者との電子協議の迅速化: 質問事項に対する回答案を仕様書データベースから即座に抽出できる環境を社内で構築
- 自治体発注工事への水平展開: 直轄現場で習得した電子協議・AI照合フローを、将来的に都道府県・市町村発注工事へ応用
ステップ4：フィジカルAI・自律施工ユニットの現場検証
重機施工や運搬作業の省人化を図るため、建機レンタル事業者やメーカーと連携したフィジカルAIの導入を検討します。
- レトロフィットキットの活用: 既存の油圧ショベル等に後付け可能なガイダンス・半自動制御ユニットを導入し、丁張りレス施工を実現
- 現場内資材運搬の自動化: 定型ルートを往復する資材搬送台車に自律追従・障害物回避AIを搭載し、手元作業員の省人化を推進
- 安全管理エリアの物理的設定: 自律稼働重機と作業員の接触を防ぐため、AI監視カメラによる立入禁止区域のリアルタイム検知体制を整備
参考記事: 国交省フィジカルAI戦略、2040年省人化3割へ産学官で実装加速
現場実装における運用ルールと「Human-in-the-Loop」の原則
AIを施工現場へ取り込む上で最も重要な前提は、「AIに最終判断を委ねきらない」体制の構築です。建設現場は刻一刻と地盤や気象条件が変動し、重大な人身事故や構造物欠陥のリスクと隣り合わせにあります。
最終判断と法的責任は技術者が担う運用体制の徹底
国土交通省の廣瀬昌由技監が2026年9月の基調講演で言及した通り、AI施策の根底には「Human-in-the-Loop（人間参加型）」の原則が存在します。
【建設現場におけるHuman-in-the-Loopの責任構造】
┌──────────────────────────────────────────────┐
│ AI・自律システムが担う領域（処理・推論・検知） │
│ ・特記仕様書との整合性チェック │
│ ・出来形点群データと設計値の誤差算出 │
│ ・自律重機の掘削軌道制御と障害物検知 │
└──────────────────────┬───────────────────────┘
│ データ提示・自動停止
┌──────────────────────▼───────────────────────┐
│ 現場技術者・施工管理者が担う領域（意思決定・承認） │
│ ・地盤変状や天候急変に伴う緊急施工判断 │
│ ・AI生成書類の最終確認と発注者への提出承認 │
│ ・事故発生時の安全管理責任と法的説明責任 │
└──────────────────────────────────────────────┘
熊本地震における九州自動車道・川田橋の復旧現場では、設計図面の確認に加え、現場技術者が余震リスクや重機の稼働余力を見極めて「24時間連続施工」という非定型な決断を下したことで、発災からわずか12日後の8月9日に緊急車両の通行を可能にし、8月14日には下り線対面通行による暫定開通を完了させました。過去データの統計的推論を行うAI単独では、こうした非常時の総合的判断を下すことはできません。
現場監督や施工管理者は、書類作成などの定型業務をAIに委ねて浮いた時間を、現場の安全監視、下請け企業との密な調整、非定型なトラブルへの即応といった「人が担うべき判断業務」へ再配分することが求められます。
参考記事: 国土交通省、重点8分野のAI実装で2040年3割省人化｜判断は人
地域建設業が直面するAI活用の要点整理
国土交通省の大臣官房審議官（技術、道路局担当）である和田卓氏が指摘するように、AI活用は目的ではなく現場の課題を解決するための手段です。大手ゼネコンのように巨額の開発費を投じる必要はなく、行政プラットフォームの刷新やSaaS型ツールの進化に合わせ、中小建設業こそがその恩恵を享受できる環境が整いつつあります。
自社の生産性を維持し、若手技術者や熟練工の負担を軽減するためには、以下の取り組みを社内で順次開始することが推奨されます。
- 現場技術者の日常業務における「非施工時間」の棚卸し: 写真整理、日報入力、打合せ簿作成に費やしている実労働時間を可視化する。
- 直轄・自治体工事のASP利用環境の確認: 2027年度の対話型AI機能搭載に向け、自社が利用しているシステム環境やデータ保管形式を確認する。
- 施工管理アプリのAI機能の試行運用: クラウド型施工管理ツールを活用し、まずは1つの現場で写真自動仕分けや音声入力による議事録作成を試験導入する。
出典: 建通新聞 電子版
出典: 国土交通省
出典: 中小企業基盤整備機構
