大成建設が施工計画書を生成AIで10分作成｜作業時間を85%削減

数百ページに及ぶ施工計画書の作成に追われ、過去図書の検索や特記仕様書の転記で着工前の連日深夜残業が常態化する現場は多く存在します。大成建設が開発したマルチモーダル生成AI（VLM）による作成支援システムは、発注図書と社内データを解析し、約10分で国交省書式に準拠したWordドラフトを出力して熟練者のノウハウを即座に書類へ反映します。

施工計画書を10分で作成する生成AI技術の仕組み

建設業法第26条の4に基づき、主任技術者や監理技術者には施工計画書の作成と発注者への提出が義務付けられています。工事概要、計画工程表、安全管理計画、品質管理計画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総ページ数が500ページを超える事例も珍しくありません。

生成AIを活用した作成支援システムは、従来技術者が手作業で行っていた特記仕様書の読み込み、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］

視覚言語モデル（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。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です。

大成建設とEARTHBRAINの実装アプローチ

施工計画書の自動化ツールは、大手ゼネコンから建設テックベンダーまで社会実装が進んでいます。

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、たたき台作成にかかる約28時間の作業を最短4時間に短縮、作成作業時間全体を従来比で約85%削減します。

一方、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基盤を提供しています。

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

参考記事: 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

なぜ今、施工計画書の生成AI活用と暗黙知継承が求められるのか

建設現場の施工計画体制は、法規制の強化と就業者構造の変化によって、属人的な運用からの脱却を迫られています。

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運用は困難です。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によると、2024年平均の建設業就業者数は477万人であり、1997年のピーク時（685万人）から約30.4%減少しています。さらに就業者の36.7%を55歳以上が占める一方、29歳以下は11.7%にとどまり、高齢技術者の定年退職が進んでいます。国土交通省の試算でも、54歳以下の技術者数は2025年の約33万人から2040年には約27万人へと縮小する見通しです。

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、マニュアル化されていない高度な暗黙知を現場経験から蓄積してきました。若手技術者へのOJTを行う十分な時間的余裕がないままベテランが退職することで、施工不良や手戻りのリスクが高まります。過去の優良施工計画書や是正報告書のデータをAIに学習・参照させる仕組みは、属人化していた暗黙知を企業の組織知として蓄積・継承する手段となります。

国土交通省による発注データ構造化とASP対話型AIの実装方針

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2024年4月に「i-Construction 2.0」を策定し、2040年度までに建設現場の省人化3割・生産性1.5倍向上を掲げました。その施策として、施工計画の自動作成やバックオフィスの効率化を明記しています。

2026年9月には「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をやり取りするインフラ整備が進行しています。

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

参考記事: 国交省、2040年の技術者27万人減を見据え施工管理チーム制を検討

施工計画書をAI生成することによる定量的・定性的効果

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。

作成工数85%削減とリードタイムの大幅短縮

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切り貼りする作業に数日から数週間を要していました。

大成建設の実績では、発注情報と社内ナレッジの入力から約10分でWord形式のドラフトが出力され、たたき台作成にかかる約28時間の作業が最短4時間に短縮、作成作業時間全体が約85%削減されました。施工管理者は一から文章を作成する作業から解放され、出力されたドラフトの妥当性確認や現場固有の特殊条件への対応に時間を充てられます。

人的エラーの防止と監理技術者の判断業務へのシフト

手作業による施工計画書作成では、特記仕様書の改定条項の見落としや、過去図書の転記に伴う工法・数値の誤記といった人為的ミスが発生しやすく、発注者からの差し戻しや修正協議の原因となっていました。

生成AIは特記仕様書と共通仕様書を横断的に照合し、適用すべき最新基準を反映したドラフトを出力します。これにより、書類の形式的ミスに起因する手戻りが減少します。監理技術者は、定型的な文章入力業務から解放され、現場固有の地盤リスクの評価、仮設構造物の安全率検証、特殊重機の動線計画といった高度な技術判断に注力できます。

暗黙知の形式知化による若手技術者の育成支援

施工計画書の作成は、若手技術者にとって現場全体の工程や工法を学ぶ重要な機会ですが、一から作成することは知識不足のため困難でした。

熟練技術者のノウハウを取り込んだAIがドラフトを作成することで、若手技術者は「なぜこの地盤条件でこの土留め工法が選定されたのか」「どの安全対策が標準として組み込まれているか」をドラフトを通じて確認できます。AIが出力した計画書を教材として活用しながら、ベテラン技術者がレビューを行う体制を構築することで、現場指導の効率化と技術承継の加速が図られます。

参考記事: 清水建設、20億円現場を常駐2人で運営へ｜Forma活用AXで定常業務半減

失敗しないための導入手順と運用の注意点

生成AIによる施工計画書作成を実務に定着させるには、段階的な導入ステップと、AIの特性を踏まえたリスク管理体制の構築が不可欠です。

導入に向けた4つの実装ステップ

生成AIツールを現場へ導入する際は、以下のステップに沿って社内体制とデータ基盤を整備します。

【ステップ1：過去計画書・社内要領のデータ整理】
社内に散在する優良施工計画書、安全衛生計画書、是正指示書を収集し、AIが参照可能な形式に整理

【ステップ2：モデル工事でのパイロット運用】
工種や現場条件が比較的標準的な工事を選定し、AIドラフト作成と実務適用を検証

【ステップ3：監理技術者によるレビュー手順の策定】
AI出力に対するチェックリストを作成し、技術的検証と修正の責任フローを明確化

【ステップ4：全社展開とナレッジの継続的フィードバック】
完了現場の施工計画書と実際の手戻り事例をAIへ再学習させ、生成精度を継続的に向上

1. 過去計画書・社内要領のデータ整理

AIの出力精度は、参照するデータの質に依存します。社内に散在する過去の施工計画書の中から、発注者評価の高かった優良工事のデータや、社内施工要領、安全管理マニュアルを収集・整理します。古い基準や不整合を含むデータを除外し、AIが正しく引き当てられるようカテゴリ分類を行います。

2. モデル工事でのパイロット運用

初めから難易度の高い大規模特殊工事に適用するのではなく、工種や現場条件が標準的な土木工事や建築工事を選定して試行します。従来の手作業による作成時間とAI生成による作成時間を比較測定し、出力されたドラフトの修正工数や実用性を検証します。

3. 監理技術者によるレビュー手順の策定

AIが出力した計画書を無検証で使用することを防ぐため、確認項目を定めたチェックリストを作成します。設計図書との整合性、現場近隣の制約条件、安全仮設計算の妥当性など、技術者が必ず目を通すべき項目をルール化し、承認フローを確立します。

4. 全社展開とナレッジの継続的フィードバック

パイロット運用で得られた修正履歴や、工事完了後の施工結果（計画と実績の乖離）をフィードバックデータとして蓄積します。AIが参照するデータベースを定期的に更新することで、会社独自のノウハウが蓄積され、使えば使うほど自社の施工方針に適したドラフトが出力されるサイクルを構築します。

実務運用における3つの注意点

生成AIの活用には、特有のリスクや法的な留意事項が存在します。以下の3点を現場ルールとして徹底する必要があります。

ハルシネーション（虚偽出力）の検証義務

生成AIは確率論的に文章を生成するため、実在しない仕様基準や架空の数値を確からしく出力する「ハルシネーション」のリスクを排除できません。施工計画書は建設業法に基づく法的責任を伴う書類であり、内容の最終責任は監理技術者・主任技術者にあります。「AIが出力した数値や特記条項は必ず原本の設計図書と照合する」ことを運用規程に明記し、ダブルチェックを義務付ける必要があります。

現場固有の境界条件の確認

AIは過去データや入力された図書から一般的な最適解を導き出しますが、「搬入路の電線高さ」「近隣住民との事前協議事項」「天候急変時の資材退避スペース」といった現場固有のミクロな環境制約までは網羅できません。出力されたドラフトに対し、現場監督が現地踏査で把握した生きた情報を必ず追記・修正するプロセスを省略してはなりません。

機密情報とセキュリティの管理

発注図書や社内施工要領には、機密性の高い設計情報や独自のノウハウが含まれます。クラウド型AIを利用する場合は、入力データがAIモデルの汎用学習に再利用されないセキュリティ設計（オプトアウト契約やエンタープライズ環境）が確保されたツールを選定することが必須要件です。

参考記事: 国土交通省、3Dモデル契約図書化を28年度本格導入へ｜生成AI認知9割

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

実務適用のためのアクションプラン

施工計画書の生成AI活用を自社の業務改善につなげるため、以下の実務対応を順次進めることが求められます。

1. 自社における施工計画書の作成工数・残業時間の棚卸し

着工前における現場監督のデスクワーク工数と、過去工事における施工計画書の修正履歴を可視化し、AI自動化によってどの程度の時間削減が見込めるかを試算してください。

2. 社内施工ナレッジの保管状況の確認とデジタル化

サーバー内に点在する過去の施工計画書、図面データ、安全是正事例を整理し、AIが参照可能な形式（PDFのOCR処理やテキスト・構造化データの整理）へと整備を進めてください。

3. 自社の企業規模に適したツールの選定と試行運用の開始

大手ゼネコンのように自社専用システムを開発するアプローチだけでなく、EARTHBRAINの「工事書類AI」のようなSaaS型クラウドサービスの活用を検討し、単一現場でのパイロット導入から着手してください。

出典: 日経クロステック（xTECH）
出典: taisei.co.jp
出典: mlit.go.jp