大成建設が施工計画書を生成AIで10分作成｜作業工数85%削減へ

着工前に数百ページに及ぶ施工計画書を作成するため、連日深夜まで過去図書や特記仕様書の切り貼りに追われる現場監督は少なくありません。大成建設やEARTHBRAINが実用化した生成AIシステムを活用すれば、発注情報と社内ナレッジの照合によりわずか10分でたたき台を作成し、熟練技術者が培った暗黙知を即座に書類へ反映できます。

施工計画書を10分で自動生成するAI技術の仕組み

施工計画書は、建設業法第26条の4に基づいて主任技術者や監理技術者が作成し、発注者へ提出する重要書類です。工事概要、計画工程表、現場組織表、安全管理計画、施工方法など多岐にわたる標準項目を網羅する必要があり、大規模な公共土木工事では500ページを超えることも珍しくありません。

生成AIを活用した施工計画書作成支援では、従来人手で行っていた特記仕様書の読み込みから過去実績データの抽出、Word形式での帳票出力までの一連の処理を自動化します。

【施工計画書AI自動生成の基本処理フロー】
［発注図書・特記仕様書（PDF/図面）］＋［過去の優良施工計画書・社内施工要領］
                            │
                            ▼
      ［マルチモーダル生成AI（視覚言語モデル：VLM）］
         ・図面・配置図・表組の解析
         ・適用法令・現場条件の抽出
         ・社内熟練ノウハウ（暗黙知）の引き当て
                            │
                            ▼
   ［Word形式ドラフト出力（国土交通省書式準拠）］（所要時間：約10分）
                            │
                            ▼
            ［監理技術者による技術的検証・修正］

マルチモーダルAI（VLM）による図面・表組の解析

従来の言語モデル（LLM）はテキスト情報の処理に特化していたため、建設現場の書類に多用されるCAD図面、仮設配置図、配筋断面図、複雑な工程表などの読み取りに限界がありました。

最新のシステムでは、画像と自然言語を同時に処理できるマルチモーダル生成AI（VLM：Vision-Language Model）を採用しています。これにより、特記仕様書に添付された施工境界図やクレーンの作業半径図、地質柱状図といった視覚情報をAIが直接理解し、現場特有の幾何学的制約をテキスト情報と統合して施工計画へ落とし込むことが可能になりました。

大成建設とEARTHBRAINの取り組み

大手ゼネコンから建設テックベンダーまで、施工計画書作成を自動化するツールの社会実装が相次いでいます。

大成建設は2025年11月28日、最新のマルチモーダル生成AIを活用した土木工事向けの「全体施工計画書作成支援システム」を開発したと発表しました。発注図書と社内ナレッジを入力することで、国土交通省の書式に準拠したWord形式のドラフト原稿を約10分で生成し、作成作業時間を従来比で約85%削減します。

一方、小松製作所、NTTドコモビジネス、ソニーセミコンダクタソリューションズ、野村総合研究所の4社が出資する合弁会社である株式会社EARTHBRAINは、2026年4月1日よりクラウドサービス「工事書類AI」の提供を開始しました。中小建設会社や地場工務店でも導入しやすいSaaS型プラットフォームとして展開し、企業規模を問わない施工書類の自動化を促しています。

参考記事: 施工計画書とは？書き方のコツから標準14項目・DXによる作成効率化まで解説

なぜ今、施工計画書のAI自動生成が求められるのか

建設業界における施工計画書の作成体制は、法規制の強化と就業者構成の激変によって、従来の属人的な運用が立ち行かなくなっています。

時間外労働上限規制と改正建設業法への適合

建設業においては、2024年4月1日より労働基準法に基づく時間外労働の上限規制（原則月45時間・年360時間、特別条項でも年720時間以内）が適用されています。さらに、労務費の適正化や著しく短い工期の契約締結を禁止する改正建設業法が2025年12月12日に完全施行されました。

施工計画書の作成は、工事着手前の限られた準備期間に集中します。仮設構造物の計算、使用重機の選定、下請けの手配計画などを精緻に立案しなければなりませんが、残業時間の制約により、計画書作成のためだけに膨大なデスクワーク時間を費やすことは法的に不可能です。手作業による書類作成の工数を圧縮しなければ、適正な工期設定や現場施工そのものの進行に支障をきたします。

熟練技術者の大量離職と暗黙知消失のリスク

総務省の「労働力調査」をベースとした国土交通省の公表データによると、建設業就業者のうち55歳以上が約36%を占める一方で、29歳以下は約11%から12%にとどまっています。今後10年間で現場経験豊富な熟練技術者が一斉に定年退職を迎えます。

熟練技術者は、「特定の地盤条件下における土留め支保工の留意点」や「市街地近接工事での騒音・振動対策の勘所」など、マニュアルに書かれていない高度な暗黙知を長年の経験から蓄積してきました。しかし、若手技術者へのOJT（現場教育）を行う十分な時間的余裕がないままベテランが現場を去ることで、施工不良や手戻りのリスクが高まっています。過去の優れた施工計画書や是正報告書のデータをAIに学習・参照させることは、散逸しかけている暗黙知を企業の形式知として永続化する現実解となります。

発注者側のデータ構造化とASP標準化の進展

書類を受け取る発注者側の動向も、AI導入を後押ししています。国土交通省は2026年9月に「インフラ分野のAI実装に向けた取組方針」を公表し、2027年度を目途に受発注者間情報共有システム（ASP）へ対話型AI機能を標準搭載する方針を固めました。

土木工事共通仕様書の機械可読化（JSON-LDを付与したHTML形式化）も進められており、受発注者双方がデジタルデータをベースに書類のやり取りを行う体制が整備されつつあります。施工計画書のドラフトをAIで構造化して作成する技術は、今後の公共発注インフラと直結する必須の要件となりつつあります。

参考記事: 国土交通省が2026年度直轄業務に生成AI導入も現場活用率は2割弱

施工計画書をAIで作成する定量的・定性的メリット

施工計画書のたたき台作成をAIに置き換えることで、現場の労働時間、書類の品質、技術伝承の各領域において具体的な変革が生じます。

作成時間85%削減によるデスクワークの圧縮

従来、大規模工事の施工計画書を作成する場合、過去の類似工事のデータを社内サーバーから探し出し、図面や仕様書の条件に合わせて書き直す作業に数日から数週間を要していました。

大成建設が開発したシステムでは、発注情報と社内ナレッジのインプットからわずか10分程度でWord形式のドラフトが出力され、作成工数が約85%削減されます。施工管理者は一から文章を打ち込む作業から解放され、AIが出力したドラフトの妥当性をチェックし、現場固有の特殊条件を肉付けする業務に集中できます。

属人化の解消と「暗黙知」の形式知化

施工計画書の質は、担当する現場監督の経験値に大きく依存していました。経験が浅い技術者が作成した場合、安全衛生管理計画の具体性に欠けたり、特記仕様書の特殊指定事項を見落として発注者から差し戻しを受けたりする事態が頻発します。

過去の高評価工事の施工計画書、事故防止のヒヤリハット事例、施工要領基準をRAG（検索拡張生成）技術によってAIに参照させることで、若手技術者でも熟練技術者の判断ロジックが組み込まれた質の高い計画書を作成できます。個人の頭の中にあったノウハウが組織全体の共有資産となり、技術継承のスピードが加速します。

発注者からの差し戻し防止と品質向上

施工計画書で最も多いトラブルの一つが、発注図書と特記仕様書、あるいは共通仕様書との記載の不整合による差し戻しです。

AIは発注図書と共通仕様書を照合し、記載すべき必須項目や規定数値を網羅的にチェックした上で文章を生成します。記載漏れや数値の転記ミスなどのヒューマンエラーを機械的に防ぐことができるため、協議・決裁プロセスが円滑になり、工事の着手遅延を防ぎます。

参考記事: 清水建設、AI原則禁止から1年で利用者8倍｜正答率93%の現場RAG術

失敗しないための実践・導入ステップと注意点

生成AIによる施工計画書作成は極めて高い効率化をもたらす反面、AIの特性を理解せずに運用すると施工不良や情報漏洩につながるリスクを孕んでいます。導入現場では段階的な検証とチェックプロトコルの確立が不可欠です。

【施工計画書AI運用の4段階ステップ】
ステップ1：社内データ資産の棚卸しと構造化
   ・過去の優良施工計画書、施工要領、事故報告書のテキスト化
                            │
                            ▼
ステップ2：閉域環境（プライベート環境）の構築
   ・機密情報や発注図書を再学習させないセキュリティ設定
                            │
                            ▼
ステップ3：ドラフト生成とRAG精度の検証
   ・特記仕様書を投入し、出力された数値や工法の妥当性をテスト
                            │
                            ▼
ステップ4：監理技術者による最終照査プロトコルの徹底
   ・AI生成物の責任所在を明確化し、人間が現場環境を目視確認

ステップ1：社内データの棚卸しとテキスト・構造化

AIに参照させる元データが不十分であれば、出力される計画書の精度も低下します（Garbage In, Garbage Out）。

まずは社内に散在している過去の優良工事の施工計画書、打合せ簿、施工要領、技術マニュアルを収集します。特にスキャンされた古いPDFや画像化された図面データは、OCR（光学文字認識）やマークダウン形式への変換を行い、AIが正確に読み取れる構造化データとして整理することが初期段階で最も重要な作業となります。

ステップ2：セキュリティ環境の確保と外部漏洩防止

施工計画書には、構造物の詳細な位置情報、工事金額の内訳、協力会社の個人情報、発注者の特記事項など、極めて機密性の高い情報が含まれます。

汎用のパブリックAIサービスにそれらのデータを直接入力することは情報漏洩リスクを招きます。導入にあたっては、入力データがモデルの再学習に利用されない法人向け閉域環境（Azure OpenAI Serviceやセキュアな専用クラウド環境）を基盤としたシステム、あるいはEARTHBRAINの「工事書類AI」のように建設業のセキュリティ要件に準拠した専用SaaSを選定してください。

ステップ3：ハルシネーション（事実誤認）の検知と照査体制

生成AIは確率論的に文章を作成するため、もっともらしい嘘（ハルシネーション）を出力する可能性を常に排除できません。コンクリートの養生期間、足場の積載荷重、掘削の勾配基準など、人命や構造物の安全性に関わる数値が正確に引用されているかを検証する体制が必須です。

清水建設のRAG運用事例でも明らかなように、建設業特有の数値や図面の解釈精度を高めるためには、社内基準に合致しているかを数百問単位で事前検証する泥臭いチューニングが不可欠です。

ステップ4：監理技術者・現場監督の最終判断責任の明確化

国土交通省のAI活用指針においても明確に示されている通り、AIはあくまで「ドラフト作成支援ツール」であり、作成された施工計画書の技術的・法的な責任は監理技術者および受注企業が負います。

「AIが作成したから問題ない」という過信は重大な事故を招きます。地盤の実際の湿潤状態、重機の旋回スペースにおける障害物の有無、気象変動のリスクなど、現場の物理的現実に即した最終確認は、施工管理者の目で直接行わなければなりません。

参考記事: 国土交通省のAI導入推進｜中小導入率15.9%から現場事務を削減する手法

今後取り組むべき実務アクション

施工計画書の作成に生成AIを組み込む取り組みは、限られた人員と厳格な労働時間規制の中で施工品質を担保するための実務的な解決策です。単なるツールの導入にとどまらず、社内の施工ノウハウをいかにAIが扱えるデータとして整えられるかが企業の生産性を左右します。

施工管理の生産性向上に向けて、まずは以下の手順で社内検討を進めてください。

1. 過去3年分の優良施工計画書および差し戻し事例の収集・データ整理

社内で高評価を得た工事の施工計画書や、発注者から是正指示を受けた箇所をリストアップし、テキストデータとして一元管理する体制を整えてください。

2. 地方建設会社・工務店向け専用ツールの情報収集と無料トライアル検討

自社で大規模なシステム開発を行わなくとも、EARTHBRAINの「工事書類AI」をはじめとする施工書類特化型のSaaSが登場しています。自社の主要工種に対応しているかを検証してください。

3. 社内における「AI生成書類の照査・決裁ルール」の策定

AIが作成したドラフトを誰がどのような基準でチェックし、どの段階で監理技術者が押印・承認するか、社内業務フローと責任区分を明文化してください。

参考記事: 清水建設、生成AI正答率93%達成と3000人展開に見る現場主導DX

---

出典: 日経クロステック（xTECH）
出典: 大成建設
出典: PR TIMES
出典: 株式会社EARTHBRAIN