準大手ゼネコンの株式会社錢高組は、建設AIスタートアップの株式会社KENCOPAが開発した「Kencopa工程AIエージェント」の製品利用を開始しました。東北から九州に広がる全国6拠点・25の建築現場へ展開し、設計図書から自社歩掛に基づく工程案の自動生成やナレッジ蓄積を全社運用へ移行します。
錢高組の全社展開とKencopa工程AIエージェントの実装機能
建設現場における全体工程表や月間・週間工程表の立案は、建物の規模や構造の把握にとどまらず、搬入経路の幅員、クレーンの揚重能力、近隣への騒音規制に伴う作業可能時間帯など、現場固有の施工制約を複合的に勘案して組み立てられます。この判断は現場代理人や工事主任の経験値に依存する傾向が強く、作成手順の標準化や組織的なノウハウ蓄積が進みにくい実態がありました。
錢高組が導入したKencopa工程AIエージェントは、図面、特記仕様書、見積調書といった設計図書をシステムへアップロードすることで、自社の施工歩掛を学習したAIモデルが現場条件に合わせた工程表ドラフトを自動出力するシステムです（一部特許申請中）。
【Kencopa工程AIエージェントの処理・運用フロー】
［設計図書（図面・特記仕様書・見積調書）］＋［過去の類似工事データ・自社歩掛］
│
▼
［Kencopa工程AIエージェント（建設特化型AIモデル）］
・揚重・作業時間・搬入路等の現場制約抽出
・歩掛・工種間連携ルールの整合性検証
│
▼
［工程表ドラフト自動生成・シミュレーション］
（工期優先／歩掛重視／並行作業優先などの複数案）
│
▼
［対話型チャットUIによる工程修正・PDF出力］
│
▼
［実施工程運用と施工データの自動ナレッジ蓄積］
本システムの導入概要および主要機能の構成は下表の通りです。
| 項目 | 内容・仕様 |
|---|---|
| 発表日・展開規模 | 2026年11月9日発表／全国6拠点・25建築現場 |
| 主な入力データ | 設計図書（図面、特記仕様書、見積調書）、過去工事実績 |
| AIシミュレーション機能 | 工期優先、歩掛重視、並行工程など複数条件による工程表自動生成 |
| 類似工事AI検索 | アップロード図書を解析し、条件が合致する過去施工物件を自動抽出 |
| 編集・運用インターフェース | チャットUIによる工程の直接操作、任意フォーマットでのPDF出力 |
| 蓄積・管理機能 | 日常の運用に伴う自社歩掛の更新、過去工事データ自動蓄積、出来高管理 |
従来、着工前の全体工程表の立案には約2週間の検討工数を要する場合がありましたが、AIがドラフトを作成することで初期検討の時間を大幅に短縮できます。また、チャット形式で「躯体工区を2工区から3工区に変更した場合のクリティカルパスを再計算する」「コンクリート養生期間を考慮して仕上着手を前倒しする」といった指示を入力することで、工程ネットワークの再計算とバーチャートの再描画が即座に実行されます。
屬人化の解消と技術継承の課題構造
錢高組は1705年創業の歴史を持ち、長年蓄積された施工技術や現場特有の納まりに関する知見を有しています。しかし、ベテラン技術者が持つ「工程の段取り力」は文書化・数値化されにくく、若手技術者への指導は現場ごとのOJTに長期間頼らざるを得ない構造が存在していました。
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）が建設業へ全面的に適用されたことに加え、2025年12月12日には適正な工期設定や労務費の行き渡りを図る改正建設業法が完全施行されました。現場管理者は限られた労働時間の中で、着工前の施工計画策定や定例の工程調整を精度高く完了させなければなりません。
総務省の労働力調査（2024年平均）によると、建設業就業者数は477万人とピーク時（1997年・685万人）から約30％減少しており、就業者全体に占める55歳以上の割合は36.6％、29歳以下は11.9％にとどまります。大量退職期を迎える熟練層の思考プロセスをデータとして吸い上げ、次世代の技術者が再利用可能な形式へ落とし込む環境整備は、施工品質と工期遵守を両立させる上で不可欠な要件となっています。
参考記事: 大成建設が施工計画書を生成AIで10分作成｜作業時間を85%削減
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
ゼネコン・施工現場・SaaSベンダーに生じる実務上の変化
錢高組によるAIエージェントの現場実装は、元請けゼネコンの組織運営、現場施工管理者の日常業務、および建設テック市場のプロダクト設計にそれぞれ具体的な変化をもたらします。
元請けゼネコン：暗黙知のデータベース化と若手育成プロセスの短縮
元請けゼネコンにおいて、現場ごとの歩掛データや工程ロジックはこれまで個々の所長や主任技術者の頭の中に分散していました。類似の規模・構造を持つ建築物であっても、担当者の経験則によって工程の余裕期間（フロート）の持たせ方や協力業者への人工手配計画にばらつきが生じ、会社全体での利益率や工程リスクの把握を難しくしていました。
自社歩掛と過去の施工実績を学習したAIモデルを共通基盤として配備することにより、工程作成の出発点が全社で標準化されます。若手技術者が作成した初期工程表であっても、熟練者が過去現場で判断したクリティカルパスの順序や歩掛基準が自動的に反映されるため、手戻りや見落としの発生頻度を抑えられます。所長クラスの技術者は、ゼロからバーチャートを引く作業から解放され、AIが提示した複数パターンの工程シミュレーションを比較検証し、リスクの洗い出しと発注者交渉に注力する役割へとシフトします。
現場監督・施工管理者：初期検討工数の削減と多変量シミュレーションの実務化
現場監督の着工前業務において、設計図書を精読しながら階別・工区別の歩掛を算出し、ネットワーク工程表へ展開する作業は大きな時間的負荷となっていました。現場代理人は設計図書をシステムへ取り込ませるだけで初期ドラフトを入手できるため、工程の骨格を組み立てるデスクワーク時間が圧縮されます。
工程の妥当性を検討する際、従来は手計算やExcelの再編集に膨大な手間がかかるため「工期短縮案」や「作業平準化案」といった複数の選択肢を詳細に比較することは容易ではありませんでした。AIエージェントによる自動生成が定着すれば、「揚重クレーンを1基増設した場合の工期圧縮幅」や「仕上業者の乗り込み人数を2割絞った場合の完了日」など、異なる前提条件を即座にシミュレーションして検討材料を整えることが可能になります。週間・月間の実施工程管理においても、進捗の遅延状況をチャットで入力するだけで後工程の再調整案が出力されるため、突発的な天候不順や資材調達遅延に対する現場のリプランニング業務が効率化されます。
施工管理SaaSベンダー：単なる入力共有ツールから推論型エージェントへの転換
建設テックベンダーが提供してきた従来の工程管理SaaSは、ユーザーが入力した作業項目をガントチャート化し、関係者間でクラウド共有する「記録・伝達の器」としての機能が中心でした。
Kencopa工程AIエージェントのようなバーティカル特化の推論エンジンが登場したことで、ソフトウェア側の価値は「正しく記録できること」から「専門データを読み取り、最適な判断案を提示できること」へと移行します。図面や見積調書のデータを自然言語処理とマルチモーダル解析で読み解き、個社の歩掛データと突合させて整合性を検証するエージェント機能を持たないツールは、実務現場での優位性を失うリスクがあります。施工管理SaaSの開発企業は、API連携を通じた外部AIエンジンの統合や、自社プラットフォーム内に蓄積された施工履歴をAIの教師データとして再活用するアーキテクチャの再設計を迫られます。
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
ConShiftの視点：歩掛データの組織資産化が分ける施工管理の競争力
建設DXの潮流は、タブレット端末による写真撮影やチャットツールによる連絡の即時化といった「周辺業務のペーパーレス化」の段階を終え、施工計画や工程管理といった「現場管理の中核業務のアルゴリズム化」へと軸足を移しています。
国土交通省が推進する「i-Construction 2.0」では、2040年度までに現場の省人化を少なくとも3割（生産性1.5倍向上）引き上げる目標が設定されており、施工プロセスの自動化・データ連携が政策的に要請されています。しかし、現場監督のコア業務である工程策定は、長年「現場ごとの特異性が高すぎるため標準化は不可能」と捉えられてきました。錢高組が6拠点・25現場への実装に踏み切った事実は、個別の施工条件をパラメータ化してAIに推論させる運用が、机上の実証実験を超えて実務フェーズに到達したことを示しています。
今後、建設会社の収益性と施工能力の差は、導入するAIツールの種類ではなく「AIに学習させる自社の歩掛データと過去の不整合事例がどれだけ構造化されているか」によって決まります。図面や仕様書の記述をAIが解釈できるとしても、躯体工事のサイクル工程や仕上げ工事の並行制限といった自社固有の基準が整理されていなければ、出力される工程表の精度は一般的な標準歩掛の域を出ず、現場で使える実効的な計画には仕上がりません。
錢高組が着手したKencopa工程AIエージェントの25現場運用は、属人化していた創業320年の施工ノウハウを「自社歩掛の学習モデル」という再現可能なデジタル資産へ転換する取り組みです。施工管理の現場では、過去の工程表を単なる完了帳票として保管する運用を止め、工種ごとの投入人工や遅延要因をAIが再学習できるデータ形式で継続蓄積する業務フローの構築が求められます。
出典: Infoseekニュース
出典: note.com
出典: 厚生労働省 建設業の労働時間上限規制
出典: 国土交通省 建設業の現状と課題
