オフィスに1台、24時間常駐するAIスタッフ

建設業界での活用例として、現場の写真から写真台帳の下書きを作るデモを公開

AIスタッフ導入支援（株式会社Nexis）

提供の背景

昨今、生成AIを業務で利用する企業が増えています。

しかし多くの企業では、決まった手順の事務作業が、いまも人の手で行われています。

たとえば建設業界の現場では、次のような作業があります。

・現場からLINEで届いた写真を、夕方にオフィスで整理し、写真台帳に貼り付ける
・元請ごとに書式の違う安全書類を、その都度作り直す
・メールやFAXで届いた注文を、受注リストや予定表に打ち直す
・協力会社の請求書を、日報や注文書と月末に1件ずつ照合する

こうした作業は決まった手順で繰り返し発生し、そのたびに現場の監督や事務の担当者の時間が使われています。

こうした作業こそAIに任せたいところですが、ChatGPTのような対話型のAIは、人が質問したときにしか動きません。そのため、こうした仕事をAIに任せるには、人が見ていない間も動き続け、変化が起きたときに能動的に動くAIが必要です。

そこでNexisは、オフィスに置いた1台のMac miniに24時間常駐し、働き続けるAIスタッフを、各社の業務に合わせて構築する「AIスタッフ導入支援」の提供を開始しました。

AIスタッフ導入支援について

AIスタッフは、社内システムや各種ツールと連携し、情報の収集・整理から、業務の監視、データの抽出、担当者への通知まで自動化します。

お客様の業務内容や課題に合わせてAIの役割を設計し、導入から運用・保守まで一貫して支援します。

Mac miniは、Appleが作る、手のひらに載るサイズのパソコンです。画面もキーボードも要らず、電源を差してオフィスに置くだけで、AIスタッフが24時間常駐し、働き続けます。

AIスタッフ導入支援の3つの特徴

① 24時間、見て、聞いて、知らせる

人が帰った後の夜も、休日も、AIスタッフは働き続けます。

予定の変更や届いた注文を監視し、写真や請求書、会議の録音から必要な情報を抽出して、担当者に通知します。

毎朝の連絡の要約や、資格・保険の期限前のお知らせなど、人が聞く前にAIスタッフから知らせます。

② パソコン1台から、はじめられる

Mac miniの本体は15万円から、電気代は月1,700円以下です。

情報の整形や登録など軽い作業は、Mac mini上のAI（ローカルAI）が低コストで行い、高度な推論が必要な場面だけクラウドAIを使います。

クラウドAIは、お客様が契約したものを使います。

③ 任せる仕事は、エンジニアが一社ずつ設計

同じMac miniでも、何をどう任せるかで、コストとパフォーマンスは大きく変わります。

弊社のエンジニアが業務を伺い、任せる仕事とその手順を設計します。

弊社自身も、自社のMac miniで様々な業務を行わせています。

エンジニア目線で、業務に合わせてカスタマイズ

活用例：建設業界の場合

AIスタッフは、業種を問わず、各社の業務に合わせて構築します。ここでは、建設業界での活用例を紹介します。

① 写真台帳の下書き

職人さんが現場のLINEに写真を送ると、Mac miniが写真を読み取って仕分け、写真台帳の下書きを作ります。

夕方の写真整理が、確認だけになります。

写真台帳の下書きを作る様子は、デモ動画でご覧いただけます。

② 現場の連絡の毎朝の要約

現場の職人さん、元請、材料の卸から、LINEやメール、FAX（複合機からメールに転送したもの）で届く連絡を、Mac miniが毎朝1通にまとめます。

返事漏れと予定の変更が、朝の1通で分かります。

現場の連絡の毎朝の要約

③ 安全書類の下書き

作業員の氏名や資格などをまとめた名簿を1つ用意しておけば、Mac miniがその名簿をもとに、元請ごとに異なる書式で安全書類の下書きを作ります。

元請ごとの作り直しと差し戻しが減ります。

安全書類の下書き

④ 届いた注文の登録

元請や管理会社から、メールやFAX（複合機からメールに転送したもの）で届いた注文を、Mac miniが読み取り、受注リストと予定表に下書きします。事務の担当者は確認して確定します。

届いた依頼の打ち直しが無くなります。

届いた注文の登録

⑤ 協力会社の請求書の照合

協力会社から届いた請求書を、Mac miniが日報や注文書と照らし合わせ、人工や金額の合わない請求だけを知らせます。

月末の照合が、合わない分だけになります。

協力会社の請求書の照合

⑥ 定例会議の議事録の下書き

監督が会議を録音して会社のLINEに送ると、Mac miniが文字起こしをして、議事録の下書きを作ります。

会議の後の書き起こしが無くなります。

定例会議の議事録の下書き

■ 導入の流れ

1. ヒアリング：お客様の業務を伺い、自動化する業務とワークフローを要件定義します。
2. 設定：お客様のMac miniに、ワークフローを実装します。
3. 納品：社内で稼働する状態でお渡しし、使い方をご説明します。
4. 保守：不具合の修正と設定の調整を行います。

■ よくあるご質問

Q. 社内の情報は社外に出ませんか？
A. ローカルAIだけを使う場合は、社外に出ません。
クラウドAIにも処理をさせる場合は、AIの提供元（OpenAI・Anthropic）にやり取りが保存されます。

Q. 今使っているツールを変える必要はありますか？
A. 任せる仕事によって変わりますが、基本的には今お使いのチャット・カレンダー・業務システムにMac miniを接続します。

■ ご相談について

AIスタッフに任せる仕事は、会社ごとに異なります。
現在の業務とお困りの点を伺い、導入の内容をご提案します。まずは30分のオンライン相談を、下記からご予約ください。
ご相談の予約（30分）：https://timerex.net/s/nexis/8ec0662b

■ AI業務基盤の構築（オプション）

Mac miniの導入にとどまらず、業務全体をAI前提に組み直す場合は、設計から構築・運用まで弊社のFDEが支援します。
FDE（Forward Deployed Engineer）は、お客様の業務の現場に入り、課題の特定から設計・構築・運用までを担うエンジニアです。
FDEによる支援は、AIスタッフ導入支援とは別のサービスです。詳しくは https://nexis-inc.com/ai-platform/ をご覧ください。

企業の中には、書類の作成や情報の転記、照合など、決まった手順で繰り返し発生する事務作業が数多くあります。
こうした仕事は、人が見ていない間も動き続けるAIスタッフに任せられます。
その分、人は本来時間を割くべき創造的な仕事に集中でき、事業の利益を最大化できると考えています。弊社自身も、自社のMac miniで様々な業務をAIに行わせています。その経験をもとに、各社の現場に合わせたAIスタッフをつくっていきます。
株式会社Nexis 代表取締役 諸橋 瑛音

資料引用：Nexis

おわりに

バックオフィス業務や事務作業の自動化は、単なる「手間の削減」や「省人化」にとどまるものではありません。
今回の株式会社Nexisによる「Mac mini常駐型AI」のような取り組みは、企業のデータ活用における大きな転換点を象徴しています。

これまで現場に点在していた写真、日報、請求書、LINEのやり取りといった生の一次情報が、事務作業の自動化プロセスを通じて自然と構造化され、社内（ローカル環境）に蓄積されていきます。
ここに建設や調査業界といった専門性の高い「バーティカルデータ」が組み合わさることで、オフィスに置かれた1台のPCは単なる作業代替マシンから、高度な洞察をもたらす「分析スタッフ」へと変貌を遂げます。

例えば建設現場においては、日常的な進捗やコストデータから原価のブレや工程遅延のリスクを事前に察知し、調査業務においては過去のデータ傾向から最適な仮説や次なるアクションを提案してくれる存在になります。
さらに、機密性の高い現場データをローカル環境で安全に保持しながら処理できる点も、こうした常駐型PCならではの強力なアドバンテージです。

将来的には、複数の専門AIを束ね、現場の数値と文脈を最も熟知したデジタル司令塔——まさにチームを牽引する「リーダーPC」として経営者や現場リーダーの意思決定を強力に支える未来が見えてきます。

総務や事務業務の吸収は、AIが企業の「参謀」へと進化するためのデータ基盤づくりに他なりません。
オフィスに置かれた手のひらサイズのPCが、これからのビジネスの競争力を左右する強力なパートナーになる時代は、すぐそこまで来ています。

【リリースニュース配信元】
□株式会社 Nexis
リリースニュース：https://prtimes.jp/main/html/rd/p/000000002.000190538.html
Email：eito-morohashi@nexis-inc.com
ご相談の予約（30分）：https://timerex.net/s/nexis/8ec0662b
問い合わせフォーム：https://nexis-inc.com/?topic=ai-staff#contact

A.R.M.S：アームス とは

従来、自律型ロボットに現場での作業エリアや走行ルートを正しく認識させるには、人間のオペレーターが2Dデータから不要な文字や記号を一つずつ手作業で削除・調整する必要があり、多大な時間と手間がかかっていました。
本システム「A.R.M.S」は、既存の図面データ（2D・3D双方に対応）から、わずか数クリックの操作でロボット専用の地図を自動生成します。
これにより、図面調整にかかる作業時間を劇的に短縮するとともに、作成者による品質のばらつきを無くし均一化を実現。
建設現場におけるロボット導入のハードルを下げ、さらなる生産性向上に貢献します。

生産年齢人口が年々減少し、働き手の確保が全産業の共通課題となる中で、建設業界では施工に伴い人力で行っていた様々な作業を補助・代替する支援ロボットの導入が急速に進んでいます。
建設現場における代表的な事例では、建設資材の運搬・仕分け、溶接や部材の据え付け、床面などの仕上げ、清掃・片付け、照度測定ロボットなどが挙げられます。
これらのロボットの中には、照度測定ロボットや大成建設開発の清掃ロボットのように、高度な制御を実現するため、現場の構造を把握するための「デジタル地図（ロボット専用マップ）」を読み込ませるタイプもあります。
しかしながら、通常の施工図面にはロボットの走行には関係のない文字、設備記号、細かい寸法線などが無数に描かれており、これらが残ったままだとロボットにとっては、適切なマップ情報にはならず、誤作動を起こす原因になります。
そのため、これまでは専門のオペレーターが手作業でロボットに与える図面を「ロボットが認識できるシンプルな形」へ修正・加工する作業が発生しており、ロボット活用の普及に向けた大きな課題となっていました。

そこで大成建設は、ロボット専用図面の仕様をルール化し、汎用CADソフトやBIMソフトの各データから数クリックによってロボット向けの図面が自動生成できるシステムとして「A.R.M.S」を開発しました。

　本システムの特長は以下のとおりです。

1. 2D・3Dデータに対応した自動図面生成
Autodesk社のAutoCAD（2Dデータ）およびRevit（3Dデータ）で作成した建物データから、容易にロボット専用図面を自動生成することができます。現場の状況に合わせ、2D・3Dのどちらからでもデータを出力可能です。

2. オペレーターの手作業をなくし作業時間を大幅短縮
図面からの不要な要素（文字・記号・寸法線など）を抽出・削除する手間がなくなることで、ロボット専用図面作成のための作業時間が大幅に短縮され、オペレーターの作業負荷軽減が図れます。

3. 人的エラーを防ぎ、品質の均一化を実現
ルールベースの自動処理アルゴリズムを採用したことにより、手作業で発生しがちだった「消し忘れ」や「誤消去」などの人的エラーを防止。作業者の熟練度によるばらつきのない、均一かつ高精度な品質での図面作成が可能です。

4. BIM属性情報の活用による高度なロボット制御への対応
単なる形状の自動変換にとどまらず、BIMデータの持つ豊富な「属性情報（室情報や部材の材質、エリアの特性など）」を活用。これにより、ロボットの環境認識精度を飛躍的に高めることができ、将来的な走行ルートの最適化や、より高度な施工・移動ロボット制御の実現にも柔軟に対応可能です。

今後 大成建設は、今回開発した「A.R.M.S」を自社が展開する様々な建設支援ロボットの運用プロセスへ本格的に組み込み、現場へのロボット実装をさらに加速させてまいります。
また、本システムの普及展開を通じて、自社のみならず建設業界全体の「ロボット前提の施工DX」をリードし、深刻化する担い手不足の解消と次世代の生産性向上に寄与してまいります。

資料引用：大成建設

おわりに

大成建設が発表した「AutoRoboMapSystem（A.R.M.S）」は、図面データから不要な要素を自動除去し、ロボット専用の地図を数クリックで生成する革新的なシステムです。

この技術の本質は、単なる図面変換の効率化にとどまりません。
ロボットの走行に必要な「あたり判定」や構造把握の基盤をBIM/CADデータから即座に切り出すことで、限られた建設現場において「人とロボットが安全に共存するための動的なデジタル基盤」を構築した点に真の価値があります。

従来の安全管理は、物理的な囲いによる「完全分離」や、作業員の注意義務に依存する形が主流でした。しかし、A.R.M.Sのように高度なBIM属性情報を保持したマップが日常的に活用される未来では、次のような新しい安全管理モデルへの進化が期待されます。

動的ゾーニング: 時間帯や進捗に応じて「人優先」「ロボット優先」のエリアをリアルタイムに入れ替える流動的な空間管理。

文脈に応じた自律制御: BIMの「高所」「狭小」「作業密度」などの属性を読み取り、危険エリアでロボットが自律的に減速・回避動作を行う制御。

意図共有による協働: コーナー死角などでロボットの移動予測を壁面投影やウェアラブル端末へ共有し、ヒヤリハットを防止する相互コミュニケーション。

データ循環型の現場改善: 走行・ニアミスログをBIMにフィードバックし、レイアウトや作業動線そのものを安全に最適化するエコシステム。

労働手不足に伴い、現場への施工ロボット導入は一気に加速しています。
ロボットを「ただ動かす」段階から、「人間と調和させ安全に成果を出す」段階へ――
A.R.M.Sのようなデジタル空間の構築技術は、今後の「ロボット前提の施工DX」と次世代の安全管理像を支える。まさに不可欠なプラットフォームと言えるでしょう。

【リリースニュース配信元】
□大成建設株式会社
リリースニュース
https://www.taisei.co.jp/about_us/wn/2026/261015_11170.html

フリートマネジメント「ebSwarm」と電動ブレード装備

会場では、UGVの実機展示や実際に活躍する様子を紹介するとともに、人手不足の現場を支える新しいロボット運用の可能性を紹介しています。

イメージ：フリートマネジメントシステム「ebSwarm」

人口減少・高齢化により、除雪、土木、農業、警備、製造などの現場では、人手不足と危険・重労働への対応が課題となっています。
エバーブルーテクノロジーズ社が北海道で開発を進める小型・電動の汎用陸上ドローン（UGV）は、共通シャーシに作業機やセンサーを組み合わせることで、「押す・引く・載せる・見回る」など、さまざまな作業に対応する汎用作業ロボットです。

「除雪ドローン^®」は、氷点下、降雪、積雪、スリップ路という過酷な環境で実用化を進めてきた代表的なアプリケーションの一つです。

1. 【デモ】フリートマネジメント「ebSwarm」

今回実演する「ebSwarm」は、複数のUGVを一つの画面で監視・指令するフリートマネジメントシステムです。2027年1月発売予定の自動走行モデルで使用するAndroidアプリ「ebConnect」による単機運用を、複数機運用へ拡張するものです。

1人のオペレーターが複数のUGVを監視・指令し、機体を大型化するのではなく、小型UGVによる「”機”海戦術」で、より広いエリアをカバーすることを目指します。

小型UGVの機動性や狭所への対応力を維持しながら、複数機の運用によって作業規模を拡大します。
2026～2027年の冬シーズンから、除雪現場などの実環境でテストを開始する予定です。

2. 【新装備発表】電動ブレード装備

電動アクチュエータによってブレードを上下できる新装備を発表します。

写真：電動ブレード装備開発機

従来の陸上ドローンUGV、「除雪ドローン^®」のブレードに電動による上下動作を加えることで、
除雪だけでなく、排土、地ならし、堆積物の移動など、「押す」ことを基本とする作業の効率を向上させます。電動ブレード装備モデルは、遠隔操縦式と自動走行式の双方に展開します。

さらに将来的には、走行制御とブレード制御を連携させ、作業状況に応じたブレード操作やスタック回避など、「移動の自動化」から「作業の自動化」への進化を目指します。

なお、今回のJapan Mobility Showでは、電動ブレード装備モデルの実機展示は行いません。

【将来構想】Swarm AI・Physical AIによる完全無人化へ

複数のUGVを1人で監督するようになると、人がすべての機体を常時操作し、スタックやスリップ、障害物などに逐一対応することは困難になります。

そこで必要となるのが、UGV自身が周囲の物理環境を認識し、状況を判断して行動する技術です。

エバーブルーテクノロジーズ社は、以下のロードマップに沿って開発を進めます。

ebConnect（単機運用）：人がUGV 1台の自動走行を監視・指令

ebSwarm（フリートマネジメント）：人がUGV 2～10台を同時に監視・指令

Swarm AI（将来）：AIが仕事を認識・計画・分担・実行・再計画し、11台～数百台規模の自律分散運用へ

Physical AI（将来）：現実世界の物理環境を認識し、車輪や作業機を制御して自律的に作業

雪、氷、泥、砂塵、高温・低温、不整地などの過酷な環境では、センサーへの付着物、強い日射や反射、車体の振動、路面のスリップなど、実環境特有の課題があります。こうした環境を正確に認識し、車体と作業機を適切に制御することが、Physical AIを実現するための重要な技術課題です。

人の指示に従って「仕事をする機械」から、周囲の状況を認識し、必要なことを自ら判断して「働くロボット」へ。

エバーブルーテクノロジーズは、汎用陸上ドローンを、人口減少社会における新たな労働力として社会実装していきます。

資料引用：エバーブルーテクノロジーズ

おわりに

人口減少や高齢化が加速する中、あらゆる現場で深刻化する人手不足に対する新たな切り札として、ロボティクス技術の社会実装が急ピッチで進んでいます。
エバーブルーテクノロジーズが「Japan Mobility Show 2026」に向けて発表した、複数機の陸上ドローン（UGV）を監視・指令するフリートマネジメントシステム「ebSwarm」と新開発の「電動ブレード装備」は、その最先端を象徴する動きとかもしれません。

この進化を見ていくと、私たちが思い描く未来像には非常に面白い可能性が広がっています。
たとえば、1人のオペレーターが複数のUGVを指揮して現場を回す「一人土木屋さん」の誕生も見えてきます。
機体を巨大化させるのではなく、小型UGVの機動力を活かした「“機”海戦術」によって、これまで人手やコストの壁で手が出せなかった小規模な整地、狭小地の土木、そして生活に直結する除雪作業などを、個人や少人数でも十分にカバーできるようになるはずです。

さらに見逃せないのが、農機や小型作業機との転用・マルチユース化の可能性はないでしょうか。
共通シャーシにアタッチメントを組み合わせる発想は、トラクターなどの思想と完全に通底しています。もし「春〜秋は農業・造園、冬は除雪」というようにアタッチメントの換装で通年フル稼働（シーズンレス化）させることができれば、投資対効果や稼働率の面でも、導入のハードルは劇的に下がっていくでしょう。

将来的には、単なる遠隔操作から、周囲の物理環境を自ら認識して判断・実行する「Swarm AI」「Physical AI」への進化もロードマップに描かれています。単なる「指示に従う機械」から、現場を自律的に支える「頼もしい労働力の群れ」へ。
私たちの働き方やインフラ維持のあり方を根本から変えるロボティクスのうねりに、今後も目が離せません。

【リリースニュース配信元】

□エバーブルーテクノロジーズ株式会社
リリースニュース：https://prtimes.jp/main/html/rd/p/000000057.000055567.html
Web：https://everblue.tech

吊り足場上での四足歩行ロボットの自律歩行実証

養生シートやケーブル類への引っ掛かりに自ら対処する歩行制御AIを構築し、仮設作業環境での自律歩行を確認。吊り足場における無人巡回・点検の実用化へ

本実証において燈は、実世界で高度な判断・制御を担うフィジカルAI技術の一環として、現場の路面状況に応じた歩行制御AI（歩容ポリシー）を燈で構築しました。
特に、現場でのロボットの転倒要因となる養生シートやケーブル類への脚の引っ掛かりを自ら解いて歩行を継続する動作を学習により獲得させ、シミュレーションおよび実機でその動作を確認しています。

あわせて、チェーンや路面の段差・起伏など制約の多い吊り足場上で、ロボットが安定して自律歩行できることを実際の現場で確認しました。燈は今後も、多様なハードウェアや現場課題に応用可能なフィジカルAI技術の開発を推進していきます。

実施の背景

橋梁や高速道路などのインフラ建設・補修工事では、吊り足場と呼ばれる仮設作業床が多く使われています。
吊り足場上は、低い天井や構造物を支えるチェーン・ワイヤー、昇降用開口部が存在する特殊な環境です。加えて、作業用の養生シートや照明ケーブルが足元に存在するなど、ロボットの走行においては制約の多い空間となります。

さらに、近年の気候変動に伴う夏季の気温上昇等を受け、建設現場における作業員の安全巡回やリスク管理の重要性は益々高まっています。
しかし、高所や狭く身動きの取りづらい吊り足場内での巡回業務は、人手不足が深刻化する中で現場の大きな負担となっていました。制約の多い空間での巡回・点検業務を四足歩行ロボットで代替・自動化できれば、作業員を作業から解放して定期的な現場監視の省人化・効率化につながります。

こうした背景から、オリエンタル白石と燈は共同で技術開発を進めてきました。物理世界で柔軟かつ高度に判断・動作するフィジカルAI技術を活用し、吊り足場上を確実に自律歩行・巡回する体制の構築を目指しています。

本実証実験における燈の技術提供と検証成果

本プロジェクトにおいて、燈は強化学習をはじめとするフィジカルAI技術を活用し、以下の技術開発・検証を推進しました。

1. 養生シートやケーブル類への引っ掛かりに対処する歩行制御AIの構築

養生シートのめくれや足元のケーブル類への脚の引っ掛かりは、前進不能や転倒に繋がる大きな要因であり、既存の歩行制御では対処が想定されていない課題でした。これに対し、燈は脚の引っ掛かりを検知する仕組みを構築し、さらに引っ掛かった脚を自ら持ち上げて自律的に解除する歩行制御AIを開発しました。シミュレーションおよび実機環境において、引っ掛かりにくい歩行と、引っ掛かりを自律的に解除する動作を確認しています。

なお本AIは、吊り足場上の段差や起伏を含む路面においても、安定した自律歩行が可能であることを複数回の現場検証により確認しました。

2. 制約の多い空間における自律歩行の検証

吊り足場上には構造物を支えるチェーンが一定間隔で張られており、ロボットが通過できる幅は限られます。こうした狭い区間を含む吊り足場上の通路について、ロボットが自律的に移動できることを現場で確認しました。

今後の展望

オリエンタル白石と燈は、今回の実証成果を踏まえ、吊り足場上での自律巡回の実現に向けて、引き続き共同で技術開発を進めていきます。学習環境の拡張などを通じて、より多様な現場状況に柔軟に対応できる歩行制御AIへと進化させていく予定です。

また、こうした制約の多い現場の課題に対しては、四足歩行ロボットに限らず、ヒューマノイドロボットやAGV、ドローンなど、課題に適合したロボットの選定とその制御AIの開発を行っていく方針です。建設現場での自動巡回や安全管理にとどまらず、製造工場や物流拠点などの多様な現場における自動化・省人化に向けて、本実証で培った技術の広範な展開を目指しています。

資料引用：燈

おわりに

こうした燈（あかり）株式会社とオリエンタル白石による実証実験は、単なる「ロボット活用の成功例」にとどまらず、建設DXが次のフェーズへ突入したことを象徴する出来事と言えます。
これまで「書類作成」や「設計最適化」といった画面内の作業が中心だったAI活用は、現場の泥臭い物理空間を制御する「フィジカルAI」へと確実に足場を広げています。

同社と建設企業との提携の広がりを紐解くと、今後の建設Techが向かう3つの進化が見えてきます。

第一に、「リアルな現場動作への深耕」です。
車輪が使えず足元が不規則な吊り足場のように、これまで自動化が困難とされた極限環境において、AIが自律的に障害物を回避・解除する技術が確立されつつあります。
今後は単一のロボットにとどまらず、ドローンや重機など多様なハードウェアの協調制御へと発展していくでしょう。

第二に、「提携エコシステムの広がり」です。
大手ゼネコンとの共同開発で基礎を築き、専門工事会社の現場課題へと垂直展開され、さらには自治体（発注者）のインフラ管理へも波及しています。

そして第三に、「他産業への還元」です。
高所・悪天候・狭小空間といった世界で最もハードルの高い建設現場で鍛え上げられたフィジカルAIの堅牢性は、製造工場や物流倉庫など、日本のあらゆる基幹産業の省人化を強力に後押しする可能性を秘めています。

人手不足や酷暑での安全管理といった深刻な課題に対し、AIが「知識の継承」と「現場作業の代替」を同時に担う未来は確実に近づいています。泥臭い現場から社会課題を解決していく最先端AIの挑戦と、建設DXの次なる進化から今後も目が離せません。

【リリースニュース配信元】
□燈株式会社
リリースニュース：https://prtimes.jp/main/html/rd/p/000000076.000083531.html
Webサイト：https://akariinc.co.jp/

燈株式会社は、「日本を照らす燈となる」という使命を掲げ、AIをはじめとした最先端テクノロジーで社会課題を解決する、東京大学発AIスタートアップです。建設業、製造業、物流業、卸売・小売業など、日本の基幹産業における生産性向上や技術の継承といった課題の解決へ向けて、独自のAI技術を駆使したソリューションを提供しています。

ANDPAD AI-BPOサービスを提供開始

第１弾として、電気工事会社向けに拾い出しから見積までの積算業務に対応した積算AI-BPOサービスを提供開始

建設図面に特化したAI技術と建設業界出身の積算のプロフェッショナルによる知見を掛け合わせ、
図面からの拾い出しから見積作成までを一括で代行する「ANDPAD積算AI-BPOサービス」を、電気工事業向けに本日より提供開始いたします。

背景

電気工事業では慢性的な人手不足と資材高騰が同時に進行し、コスト増、工期遅延、利益率の低下が深刻化しています。
特に、工事を受注するために必要な積算・見積業務は属人的な部分が依然として大きい状況です。
設計図書から膨大な数の記号（コンセントやスイッチ等）や配線・配管の長さを算出する「拾い出し」作業は手作業（手拾い）で行われることが多く、数え間違いや転記ミスが発生しやすいだけでなく、熟練者の経験に依存する属人化が課題となっています。
また、昨今の資材高騰や人手不足の影響により、限られた人員でより多くの見積依頼に迅速かつ高精度に対応することが経営上の急務となっています。

アンドパッドでは、これらの課題を解決し、現場監督や設計、積算担当者が精査や調整といったコア業務に集中できる環境を構築するため、AIを活用することで迅速な対応が可能な業務代行サービス「ANDPAD AI-BPOサービス」を開発しました。
その第一弾として、電気工事において、数量拾い出しから見積作成までを一括で代行・自動化・支援する「ANDPAD積算AI-BPOサービス」を開発、提供開始に至りました。

特徴

建設バーティカルAIと経験豊富なプロによる高品質な業務代行

「ANDPAD積算AI-BPOサービス」は、図面をアップロードするだけで、
AIが数量拾いに必要な個数・長さなどを自動で検出、集計までできる業務代行サービスです。
また、建設業界出身者で積算業務の経験を持つプロフェッショナルなスタッフが、
AIでは対応できない積算業務を迅速かつ高品質に代行します。

活用するほどデータが蓄積し、より専門性の高いAIへ成長

日々の代行業務を通じて、物件情報・数量・業者見積・単価データを蓄積、構造化します。
データ入力の負荷なく、概算コスト予測や単価査定に使える「自社独自の積算データベース」を構築します。

ANDPADと連携し、受注後の実行予算まで一気通貫

納品した内訳書・見積データは、ANDPADの施工管理機能や原価管理機能と連携しています。
見積から受発注、実行予算管理まで一気通貫した業務フローを実現します。

詳細：https://ai.andpad.co.jp/estimation_ai_sc

今後もアンドパッドでは、建設業に特化したAIソリューション、AIプロダクトの開発・提供を通じ、
業界の更なる課題解決・生産性向上を推進してまいります。

お問い合わせ

「ANDPAD 積算AI-BPOサービス」の詳細は、下記よりお問い合わせください。

問い合わせ先
ANDPAD Stellarc担当 宛
URL：https://andpad.jp/help/inquiry

「ANDPAD AI-BPOサービス」について
AIやAIエージェントが定型業務を自動処理し、複雑な判断や最終確認、請け負った業務のAXをアンドパッドの経験豊富なプロ人材が代行するアウトソーシングサービスです。日々の代行業務を通じてアウトプットされたデータを蓄積、構造化することでデータ入力の負荷なく、概算コスト予測や単価査定に使える「自社独自の積算データベース」の構築も担います。

資料引用：アンドパッド

おわりに

建設業界におけるAI活用は、単なる作業の効率化にとどまらず、業界が直面する構造的課題を根本から解決する新たなステージへと進化しています。アンドパッドが提供を開始した「ANDPAD AI-BPO」をはじめとする先進事例が示すように、建設特化型AI（バーティカルAI）と熟練者の専門知見を掛け合わせるアプローチは、今後の建設DXの標準となっていくはずです。

こうした中で、建設特化型AIを自社構築、あるいは自社独自のデータやノウハウを組み込んで最適化することには、他社と一線を画す大きな強みがあります。

第一に、複雑な図面や記号、特記仕様書といった業界固有の非構造化データを正確に読み解く高度な解釈力です。
第二に、退職等によって失われかねないベテラン技術者の「経験や勘（暗黙知）」をAIに学習させ、企業のデジタル資産として確実に継承・標準化できる点です。
そして第三に、自社で蓄積した施工実績や原価データを安全な環境でデータベース化することで、他社には真似できない独自の競争優位性を確立できる点にあります。

深刻な人手不足や資材高騰、熟練技術者の高齢化が進行する今、現場の属人化からの脱却は待ったなしの課題です。
自社のノウハウをAIという資産へと昇華させ、施工現場から経営管理までを一気通貫でつなぐ仕組みを整えることこそが、これからの建設企業が持続的な成長を遂げるための強力な武器となります。

AIを単なる「省力化ツール」としてではなく、自社の強みを増幅させ次世代へ技術をつなぐ「パートナー」として捉え、AI時代の業務変革（AX）へと一歩踏み出してみてはいかがでしょうか。

【リリースニュース配信元】
□株式会社アンドパッド

リリースニュース：https://prtimes.jp/main/html/rd/p/000000205.000018154.html

「ANDPAD」は現場の効率化から経営改善まで一元管理できるシェアNo.1※クラウド型建設プロジェクト管理サービスです。
利用社数27.9万社、ユーザー数81.8万人を超える業界最大級のデータが集まるプラットフォームとして、2025年より建設業特化型AIプロジェクト「ANDPAD Stellarc」を始動し、建設業AIデータプラットフォームとして建設業のAXを推進しています。

国土交通省のNETIS (新技術情報提供システム) では「令和６年度推奨技術」に選定されています。

詳細：https://andpad.jp/

※『建設業マネジメントクラウドサービス市場の動向とベンダシェア（ミックITリポート2025年12月号）』
（デロイト トーマツ ミック経済研究所調べ）

現場向け安全管理AIプラットフォーム「OwloX」

建設・製造・プラント・物流の不安全行動を既設／新設カメラ×AIでリアルタイムに検知

本プラットフォームは、フツパーが製造業の現場で培ったAI開発知見を、建設・プラント・物流など多様な業界の安全管理に展開するものです。現場に設置済みの既設カメラ、または新たに設置する新設カメラと連携し、映像取得からAI検知・通知までを一気通貫で実装できることが特長です。

背景：多くの現場が直面する「安全管理」と「データ分断」の二重課題

厚生労働省によると、2025年の労働災害による死亡者数は700人と過去最少となった一方、休業4日以上の死傷者数は135,333人と前年からほぼ横ばいで推移しています。事故の型別では、死亡災害の上位を「墜落・転落」（186人）、「はさまれ・巻き込まれ」（117人）が占めており、現場の不安全行動や危険箇所への接近に起因する災害は依然として後を絶ちません。（出典：厚生労働省「令和７年の労働災害発生状況を公表」）

さらに、建設・製造・物流などの現場では、深刻な人手不足と就業者の高齢化が進行する一方、フルハーネス義務化や働き方改革関連法（時間外労働上限規制）など、安全・労働環境に関する法規制の強化が続いています。
労働災害ゼロの実現と現場生産性の両立は、業界を問わず共通の社会的責任となっており、安全管理水準の向上は企業価値に直結する経営課題となりつつあります。

しかしながら、現場の安全管理には依然として根深い課題が残されています。

危険行動の検知が管理者・作業員の目視に依存し、人的限界がある

多くの危険は記録された後でしか分析できず、事後対応にとどまる

一現場・一拠点単独ではAI学習に必要なデータ量・多様性が確保できない

危険検知技術が個別開発・縦割り化しやすく、業界横断での標準化が進まない

中小規模の現場・拠点では、導入コストや運用負荷が導入の壁となる

これらの課題は、特定の企業や特定の現場単独で解決することが難しく、業界横断でのデータ集約・知見共有・AI開発が不可欠です。

「Owlox（オウルクス）」の概要

Owloxは、現場のカメラ映像をAIが解析し、不安全行動をリアルタイムに自動検知する安全管理AIプラットフォームです。
フツパーが製造業向けAIの提供を通じて培ってきたリアルタイム画像認識・映像解析の開発知見を活かし、業界横断で活用可能な安全管理基盤の構築を目指しています。

各種ネットワークカメラとの連携に対応しており、既設カメラを活かした導入から、新設カメラを含めた環境構築まで、現場の状況に合わせてご活用いただけます。検知結果はダッシュボードでの確認に加え、メール・グループチャット・現場アラート機器への通知が可能です。

【主な検知項目（順次拡充予定）】

※上記は対応予定の項目を含みます。現場ニーズに合わせて、検知項目を今後も順次拡充していく予定です。

サービス詳細ページ：https://hutzper.com/owlox/

サービス紹介動画：https://youtu.be/uU-qSUKMu6M

先行提供の位置づけと提供範囲

今回の先行提供は、建設・製造・物流などの現場で実際にプラットフォームをご活用いただきながら、機能拡充とAI精度向上を進めることを目的としています。先行提供期間中は、機能の一部を限定的にご提供し、ご参画いただく企業の皆さまと共に検証・改善を重ねてまいります。

本先行提供への参画は、建設・製造・物流をはじめ、現場の安全管理にAI活用を検討されている企業を対象としています。詳細はお問い合わせ窓口までご連絡ください。

今後の展望

フツパーは先行提供に参画いただく各社との共創を通じて、検知項目の拡充、AI検知精度の向上、業界横断データ基盤の整備に取り組んでまいります。
中長期的には、AIエージェントによる安全管理業務の高度化、視覚言語モデル（VLM）やワールドモデルを活用した不安全リスクのシミュレーション、LLMを基盤とした現場向けドキュメント管理など、「検知」から「予測」「未然防止」へと安全管理の在り方を進化させていくことを目指しています。

製造業の品質管理AI領域で培った「現場で実用に耐えるAIを、粘り強く現場に届ける」というフツパーの事業姿勢を、建設・物流をはじめとする幅広い業界においても展開し、日本の現場の安全と生産性向上に貢献してまいります。

資料引用：フツパー

おわりに

今回のプレスリリースが示す「固定カメラ×AI」による不安全行動のリアルタイム検知は、これまで人の目や事後分析に頼らざるを得なかった現場の安全管理を大きく変える画期的な一歩です。
しかし、この進化は決して単なる「カメラの高度化」にとどまるものではありません。

今後、この技術基盤は自律走行する巡回型ロボットやドローンといった「移動する眼とスピーカー」へ確実に広がっていくと考えられます。広大なプラントや複雑な建設現場において、固定カメラの死角を補う動的センシングはもちろんのこと、ロボット自体がその場で作業員に注意を促したり、重機へ停止信号を送ったりするインタラクティブな安全制御が現実味を帯びてきます。

さらに期待されるのが、視覚言語モデル（VLM）やワールドモデル、デジタルツイン技術との融合です。
移動体が収集するリアルタイムの3次元空間データとAI解析が組み合わさることで、現場の安全管理は「危険を検出して通知する」段階から、「数秒後の交錯リスクを予測して事故を未然に防ぐ」高度な領域へと昇華します。
人手不足や就業者の高齢化が進行し、法規制の順守が厳格に求められる現代において、テクノロジーによる安全管理の自動化・予測化は不可避の潮流であり、現場の持続可能性を支える強力な鍵となります。

「監視カメラによる検知」から「移動体ロボティクスとの統合」、そして「事後対応」から「予測・未然防止」へ——。
最新のAI技術と現場の泥臭い運用ノウハウが結びつくことで、「労働災害ゼロ」と「生産性向上」を両立する未来の現場像が明確に見えてきました。働く人の命を守るDXが今後どのようなスピードで社会実装されていくのか、引き続きその進化に注目していきたいと思います。

【リリースニュース配信元】

□株式会社フツパー
リリースニュース：https://prtimes.jp/main/html/rd/p/000000072.000058475.html
URL：https://hutzper.com/
お問い合わせ：info@hutzper.com

フツパーは「最新テクノロジーを確かな労働力に」をミッションに掲げ、製造業を中心とした現場のAI実装を支援するスタートアップです。外観検査AI「メキキバイト」、人員配置最適化AI「スキルパズル」、ローカルLLM「ラクラグ」、研究開発向けAIエージェント「リアラボAI」、受託AI開発「カスタムHutzper AI」、現場向け安全管理AI「Owlox」を提供しており、製造業出身者を中心とした現場主義の開発・伴走支援を強みとしています。

耐火被覆工事向け「構造部材AI認識システム」

構造図面から梁・柱・スリーブをAIが自動検出し、耐火被覆の施工面積を自動積算。
現場の施工進捗を図面上で記録し、拾い出しから出来高集計までを一気通貫でデジタル化。

本システムは、構造図面のPDFを取り込むだけでAIが梁・柱・スリーブを自動検出し、被覆仕様に基づいて周長・被覆面積を自動積算します。
さらに、現場の作業者が施工済みの部材を図面上で「塗る」ことで施工実績が自動集計され、月次の出来高報告まで一貫して行えます。
従来、図面の拾い出しと施工実績の集計に多くの工数を要していた業務を大幅に効率化し、建設現場のDX（デジタルトランスフォーメーション）推進に貢献します。

開発の背景

耐火被覆工事は、鉄骨造建築物の主要構造部に必要な耐火性能を確保し、建物や利用者の安全を守る重要な工事です。
一方で、工事の見積・材料手配の前提となる「梁・柱ごとの被覆面積の拾い出し」は、担当者が構造図面を一本ずつ読み取り、断面寸法から周長と面積を積算する作業に依存しており、大規模な物流倉庫や工場では図面1枚あたり数百本の梁を扱うことも珍しくありません。

また、現場での施工進捗は紙の図面へのマーキングや口頭報告で管理されることが多く、事務所側で月次の出来高を集計する際に、作業者ごと・厚みごとの実績を改めて突合する手間が発生していました。
こうした「図面の拾い出し」と「施工実績の集計」はいずれも熟練者の経験に依存しやすく、人手不足と担い手の高齢化が進む建設業界において、業務の属人化と長時間労働、若手への技術継承の難しさにつながっていました。
伏見工業は、創業以来40年にわたり巻付け耐火被覆工事で培ってきた積算・施工の現場ノウハウをシステムの要件・計算ロジック・現場運用の設計に反映し、AITechの図面認識AI技術と組み合わせることで、これらの課題の解決に取り組みました。

新システム「構造部材AI認識システム」の概要

本システムの梁検出画面

本システムは、構造図面のPDFをアップロードするだけで、AIが梁・柱・スリーブを自動検出し、耐火被覆の施工管理に必要な数量算出から施工実績の集計までをブラウザ上で完結させる建設業界向けAIツールです。
主な機能は以下の4つです。

１．構造部材のAI自動検出
図面PDFを取り込むことで、ページごとにAIが梁・柱・スリーブを数百本規模で一括検出します。
1ページあたり1分程度で検出が完了し、検出結果は図面上に枠として表示されます。
誤検出の一括削除、検出漏れの手動追加、梁の分割・コピーなど、現場の図面事情に合わせた編集機能を備えています。

２．被覆仕様に基づく面積の自動積算
梁ごとに被覆材の厚み・収まり・不織布の種類を登録すると、断面寸法から周長と被覆面積が自動で計算されます。
同じ名前の梁には仕様を一括反映できるため、数百本規模の図面でも短時間で数量拾いが完了します。

３．現場での施工進捗の記録
現場の作業者は、施工が完了した梁・柱を図面上でタップして「塗る」だけで施工実績を記録できます。
途中までの部分施工、柱の仕口ごとの登録、打設率の登録、範囲指定によるまとめ塗りに対応。
塗った分は即座に平米数として自動集計され、作業者ごとの色で塗り分けられた図面をそのまま進捗図として共有できます。

4．出来高の集計・実績出力
ページごと・案件全体の総平米数、塗り済み面積、塗り率を常時表示し、厚み別・作業者別・日別の内訳をワンクリックで確認できます。月単位の施工実績はCSVで、色塗り済みの図面はPDFで出力でき、月ごとに12色で塗り分けた全社向けの進捗図面も作成可能です。

導入による効果

本システムの導入により、図面の拾い出しから施工実績の報告までの一連の業務負担を軽減します。

① 数量拾いの大幅な時間短縮
梁一本ずつの手計算による拾い出しをAI検出と自動計算に置き換えることで、
図面1枚あたりの作業時間の短縮が見込めます。
担当者は検出結果の確認と仕様設定に集中でき、見積・材料手配のリードタイム短縮を支援します。

② 施工進捗のリアルタイム可視化
現場で記録した施工実績が即座に事務所側の集計へ反映されるため、月末にまとめて実績を突合する作業が不要になります。
作業者別・日別の出来高がいつでも確認でき、工程管理や人員配置の判断を迅速に行えます。

③ 拾い漏れ・計算ミスの防止
AIによる網羅的な検出と、仕様に基づく自動積算により、人手による拾い漏れや面積の計算ミスを防止します。
厚み別内訳は材料手配量の目安として活用でき、過不足のない資材調達を支援します。

④ 属人化の解消とナレッジの蓄積
経験の浅い担当者でも図面から正確な数量を算出できるようになり、業務の属人化を解消します。
案件ごとの検出結果・仕様・施工実績がシステム上に蓄積されるため、類似案件への横展開や過去実績の参照が容易になります。

資料引用：AITech

おわりに

今回のプレスリリースで発表された「構造部材AI認識システム」は、熟練者のノウハウと最先端のAI技術が見事に融合した、非常に実践的な建設DXの好例と言えます。

図面からの拾い出し作業をAIで自動化する点もさることながら、特に注目したいのは、現場の施工進捗を「図面上で塗る」という直感的な操作で記録・管理する仕組みです。

一見すると、「現場でわざわざタブレットを操作して塗りつぶすのは、作業者の手間になるのではないか」と感じる方もいるかもしれません。粉塵が舞う環境や高所作業も多い耐火被覆の現場において、こまめな画面操作はハードルが高い場面もあるでしょう。

しかし、このシステムは、職人や管理者が従来から行ってきた「紙の図面に蛍光ペンで塗る」という身体感覚をそのままデジタルへ移植したUI設計になっています。さらに、現場の運用に配慮された「範囲指定によるまとめ塗り」など、一日の終わりに一括登録できる柔軟性を備えています。

つまり、現場側の負担を最小限に抑えつつ、「紙への色塗り」を「画面上のタップ」に置き換えるだけで、事務所側で発生していた深夜の集計作業や手入力の突合コストを大幅に削減できる点が、本システムの真の価値と言えます。

建設DXの成功のカギは、最新技術の導入だけでなく、「現場の作業者が無理なく続けられる運用設計になっているか」にあります。
創業40年の現場ノウハウを持つ伏見工業と、東大発スタートアップのAITechがタッグを組んだからこそ、現場のリアリティと管理の効率化が絶妙なバランスで両立されたのではないでしょうか。

現場と事務所の双方が「業務が楽になった」と実感できるこうしたプロダクトが、人手不足に悩む建設業界の未来を大きく支えていくはずです。今後の実際の現場における定着と、さらなる進化に大いに期待が膨らみます。

【リリースニュース配信元】

□株式会社AITech
リリースニュース：https://prtimes.jp/main/html/rd/p/000000022.000138885.html
URL：https://www.aitechworld.info/
事業内容：建設業向けAIソリューションの受託開発、AIコンサルティング

□伏見工業株式会社
URL：https://fushimi-kougyou.jp
事業内容：耐火被覆工事、内装工事全般

目視調査支援システム「INKARA」

商業施設の外壁（幅90m×高さ16m程度）を対象とした検証では、従来の近接目視による調査と比較して、作業時間を約87%、調査費用を約84%削減できる効果を確認しました。
正式提供に先立ち、さまざまな利用環境での検証とサービス改善を目的として、2026年10月1日から6か月間、試用版を無償で提供します。

INKARAの概要

INKARA（Inspection by Neural-network for Key-feature Annotation & Recognition Assistance）は、建築物の塗装仕上げ外壁を対象に、撮影した写真からひび割れや鉄筋露出などの変状箇所をAIが自動検出することで、技術者の負担を低減することを目的とした支援システムです。
AIが自動検出した結果を、技術者が確認し適切に修正する使い方を想定したものです。
劣化図を.dxf形式、数量データを.csv形式で出力可能であり、ナンバリングのズレや集計ミスも抑止します。

必要なパソコンスペックは、CPUがIntel Core i5以上、メモリが16GB以上（32GB以上推奨）、ストレージが512GB以上のSSDです。
また、全ての処理をローカル環境で行うため、外部サーバーにデータを送信せず、セキュアな環境で利用できます。

INKARAの操作画面と出力結果の例

INKARAが実現する目視調査フローの変化

現在の建築物外壁調査は、ひび割れや鉄筋露出などの変状把握は人による目視で行われています。
変状の位置や範囲についてメジャー等を用いて測定して図面に書き込んで記録し、事務所に戻ってCADデータとして清書を行う必要があります。

高所など地上から確認しにくい場合は、高所作業車やロープアクセスを利用します。
その際には、作業員の安全確保に加え、筆記用具等の落下防止にも配慮する必要があり、作業環境が煩雑になる場合があります。
労働人口が減少していく傾向にある今、外壁調査業務の効率化・省人化は急務であると言えます。
INKARAは、こうした課題に対し、画像×AIという観点から目視調査の効率化・省人化、労働環境改善等を目指して開発されました。

目視調査のフローの比較

INKARAの有効性検証結果

竣工から35年が経過した鉄筋コンクリート造（以下、RC造）4階建ての商業施設を対象に、INKARAによる有効性が検証されています。
南面外壁（幅90m×高さ16m程度）を検証範囲として、従来の近接目視による調査（従来手法）と、
INKARAを活用した調査（開発手法）の作業フローを比較しました。その結果、下図の効果が確認されました。

評価指標F値は、適合率（検出された箇所が正解であった割合）と再現率（正解を取りこぼさず検出できた割合）の2つの数値を組み合わせて計算された数値であり、1に近いほど適合率と再現率がともに高い水準でバランスよく確保できていることを示します。
従来手法では変状の位置ズレや見落とし等により数値が低くなりました。一方、開発手法では0.9に近い値となり、目視調査を支援する手法として実用可能性のある精度を確認しました。

INKARAの有効性検証結果

開発および運用体制

INKARAは、地方独立行政法人北海道立総合研究機構北方建築総合研究所の重点研究「AIを活用したRC造建築物外壁調査・診断等の支援技術の開発（令和5～7年度）」により構築されたものです。株式会社コンステックは、共同研究者として本研究に参画しました。

INKARAに関する保守管理、販売及びサポートは、株式会社コンステックが一元的に行います。

試用版の無償提供

試用版は、2026年10月1日より受付および提供を開始します。試用版では、正式提供に先立ち、主要機能を無料でお試しいただけます。導入を検討されている企業・団体の皆さまは、実際の業務や利用環境において操作性や適合性をご確認いただけます。開発チームによる検証に加え、さまざまな利用環境での実際の使用感やニーズを把握することで、より実用性の高い製品を目指します。
正式版の提供時期、料金、機能については未定です。

なお、INKARAは、現時点での名称であり、今後変更する可能性があります。

資料引用：コンステック

おわりに

今回公表された外壁変状検出システム「INKARA」の技術的アプローチから見えてくるのは、建設・点検業界における「画像認識AIと熟練技術者の新しい協調スタイル」です。
本システムで推測されるAIの解析工程は、大きく3つのステップにまとめることができます。

第一に「高解像度画像の最適化とパッチ分割」です。広大な外壁を撮影した大容量写真をAIが正確かつ高速に処理できるよう、一定画素のブロックに自動分割し、照度補正やノイズ除去といった事前処理を行います。

第二に「ディープラーニングによる領域抽出（セグメンテーション）」です。AIは事前に学習した膨大な画像パターンをもとに、ひび割れ特有の「連続する明暗線」や、鉄筋露出・欠損による「色調変化と表面の凹凸テクスチャ」を判定します。単に領域を枠で囲むのではなく、画素（ピクセル）単位で変状の種類を自動判別しているのが大きな特徴です。

第三に「ローカル環境での高速ベクトル変換とデータ出力」です。AIの判別結果は、クラウドへ送信されることなくパソコン内部（ローカル）で即座に座標データへ変換されます。これにより、セキュリティを担保しながら.dxf（CAD線分）や.csv（数量集計）といった実務でそのまま使えるフォーマットへシームレスに落とし込まれます。

この一連の工程で最も注目すべきは、AIを「完全自動の身代わり」としてではなく、「高度なアシスタント」として位置づけている点です。
AIが一次スクリーニングと図面化・集計などの定型作業を高速で処理し、専門技術者が最終的な精査と判断に集中する。
この「Human-in-the-loop（人間参加型）」の設計こそが、調査時間やコストの8割減を実現する鍵となっています。

AI技術の進化により、外壁調査は「手作業の記録」から「デジタル技術を活用した高効率な点検」へと着実にシフトしています。
今後の現場運用の変化や技術の普及に、引き続き大きな期待が寄せられます。

【リリースニュース配信元】
□株式会社コンステック
リリースニュース：https://prtimes.jp/main/html/rd/p/000000030.000140724.html
INKARA問合せ窓口　
support-desk@cons-hd.co.jp

「フィジカルAIプラットフォーム」開発プロジェクト

ドローン技術と自律・遠隔制御技術を活用し、海事産業における船舶点検の自動化・省人化を支援

本プロジェクトでは、株式会社Forcesteed Robotics（以下「Forcesteed Robotics」）とも連携し、船舶の保守・点検業務を対象として、ドローンによるデータ取得、AIによる認識・分析、デジタルツイン上での可視化を組み合わせた、新たな点検の仕組みを開発・検証します。

参画の背景と目的

近年、ドローンの活用領域は物流にとどまらず、インフラ点検や設備保守など、危険作業の削減や省人化を実現するソリューションとして期待が高まっています。

エアロネクストは、独自の機体構造設計技術「4D GRAVITY^®*2」をはじめとするドローン技術に加え、AIを活用して飛行制御・異常検知・画像認識などを実現する「AIフライトコントローラ」を中心とした自律飛行・遠隔運航技術の開発を進めており、物流分野で培ったドローンオペレーション技術を基盤に、現在は農業、医療、危機管理、インフラ点検など多様な産業分野へ展開を進めています。

今回、エクサが推進するフィジカルAIプラットフォーム開発プロジェクトに参画することで、エアロネクストが培ってきたドローン運航技術や自律・遠隔制御技術、機体開発力を海事分野へ展開し、新たな産業分野におけるドローン活用の可能性を広げてまいります。

今回の取り組みでは、エクサがデジタルツイン・CPSを中核としたプラットフォームを担い、エアロネクストが実世界でのデータ取得を担うドローンおよび自律・遠隔運航技術を、Forcesteed RoboticsがAI認識・推論を担うことで、現実世界とサイバー空間をつなぐフィジカルAIの実現を目指します。

エアロネクストの役割

本プロジェクトにおいてエアロネクストは、狭隘空間や高所など、人が立ち入りにくい環境で安全かつ安定して飛行可能なドローンの機体設計・選定、自律飛行・遠隔運航技術、将来的なAIを活用した運航高度化に関する知見を提供します。

船内ドックや狭隘な船内環境も見据えたドローンの機体選定、設計支援、および自律・遠隔制御技術に関するアドバイザリーを担います。

これまで物流分野で培ってきたドローンの安全運航や運用ノウハウを活用し、危険作業の削減や点検業務の効率化を目指すとともに、AIとロボティクスを組み合わせた新たな点検ソリューションの実現を支援します。

エアロネクストが目指すもの

エアロネクストは、「人生100年時代の新しい社会インフラで、豊かさが隅々まで行き渡る世界へ。」をミッションに掲げ、独自の機体構造設計技術「4D GRAVITY^®」を核に、低空域を活用した新たな社会インフラの構築を推進しています。

これまで、物流分野において新スマート物流「SkyHub^®*3」の社会実装を全国で推進とともに、近年は農業分野における株式会社マゼックスとの業務提携、地域医療DXの実現を目指すジェイフロンティア株式会社との業務提携、さらに危機管理AXの推進に向けた株式会社チェンジホールディングスとの業務提携など、ドローン技術や低空域インフラの活用領域を物流以外のさまざまな社会課題の解決へと広げています。

今回のエクサとの取り組みは、その流れをさらに発展させるものです。物流分野で培ってきたドローンの運航技術や自律・遠隔制御技術を海事分野へ展開し、危険作業の削減や点検業務の高度化・省人化という新たな社会課題の解決に挑戦します。

本プロジェクトで得られるフィジカルAIプラットフォームに関する技術や知見は、船舶保守・点検だけでなく、橋梁・プラント・発電設備・物流施設・災害対応など、危険作業を伴う幅広い産業分野への展開を視野に入れています。

今後もエアロネクストは、物流で培ったドローンオペレーション技術を基盤に、医療、農業、インフラ点検、防災・防衛など幅広い分野でAI・ロボティクス・デジタルツインを融合したフィジカルAIの社会実装を推進し、安全で持続可能な社会インフラの実現に貢献してまいります。

*1 フィジカルAI

フィジカルAIとは、AIが現実世界を認識・理解・判断し、ドローンやロボットなどを通じて実際に行動する技術。デジタルツインや各種センサーと連携することで、現実世界における作業の自動化・高度化を実現する次世代AI技術。

*2 機体構造設計技術4D GRAVITY^®

飛行中の姿勢、状態、動作によらないモーターの回転数の均一化や機体の形状・構造に基づく揚力・抗力・機体重心のコントロールなどにより空力特性を最適化することで、安定性・効率性・機動性といった産業用ドローンの基本性能や物流専用ドローンの運搬性能を向上させるエアロネクストが開発した機体構造設計技術。エアロネクストは、この技術を特許化し4D GRAVITY®特許ポートフォリオとして管理している。4D GRAVITY®による基本性能の向上により産業用ドローンの新たな市場、用途での利活用の可能性も広がる。

*3 新スマート物流SkyHub^®︎

地域の複数の異なる物流会社の荷物を集約拠点「ドローンデポ^®」に集約し、そこから一括して車とドローンを効率的に組み合わせて配送するしくみ。地域物流の最適化・効率化による持続可能な社会インフラの構築は、省人化や脱炭素化にもつながり、物流の持続性を保つことで、買い物弱者、医療弱者、災害対応といった地域の課題解決に貢献する。すでに国内複数地域で社会実装が進み、平時の物流から災害時の緊急輸送まで対応する、持続可能な地域物流インフラとして展開を広げている。

資料引用：エアロネクスト

おわりに

今回は、海事産業でのドローン点検プロジェクトを入り口に、急速に進化し、概念が変遷しつつある「フィジカルAI」について深掘りしました。

かつての「決められた動作を繰り返すロボット」という概念から、現在のフィジカルAIは大きくシフトしています。
生成AIの進化によって「現実空間の物理法則や因果関係を推論し、自律的に計画して行動できる」知的な存在へとアップデートされているのです。
これは、デジタル空間に留まっていたAIが、ついに「身体」を得て現実世界へ飛び出してきたことを意味します。

そして、このフィジカルAIを最も必要としている産業の一つが「建設業」です。
高齢化、若手不足、そして労働災害リスクなど、建設業が抱える深刻な課題に対し、フィジカルAIは大きな可能性を秘めています。例えば、周囲の状況を認識して柔軟に適応できる人型ロボットであれば、段差や足場が多い未整備な現場でも、人の代わりに危険な作業や重労働を担うことができます。

さらに興味深いのは「技能の継承」です。職人が手本を見せることで、その行動データから「空間認知」や「判断の分岐」といった、これまで言語化が難しかった「暗黙知」をAIが学習しモデル化できる時代が近づいています。

では、フィジカルAIの普及によって、現場で働く人の役割は奪われてしまうのでしょうか。
それは「減る」のではなく、「新しい役割へと進化する」と考えています。
これは「AIの限界を発見する」という役割です。現場特有の空気感や、AIが判断を誤る瞬間にいち早く気づき、人間の感覚で違和感をフィードバックする。
これこそが、これからの建設現場におけるプロフェッショナルに求められる新たな価値となるはずです。

もちろん、屋外や仮設環境における電源の確保など、運用上の課題はまだ残されています。
しかし、フィジカルAIは単なる自動化ツールを超え、私たちの「最もフィジカルで、最も人間的な産業」を根本から支える強力なパートナーになることは間違いありません。
デジタルとフィジカルが融合する新たな社会インフラの構築から、今後も目が離せません。

【リリースニュース配信元】
□株式会社エアロネクスト
リリースニュース：https://prtimes.jp/main/html/rd/p/000000173.000032193.html

エアロネクストは、「人生100年時代の新しい社会インフラで、豊かさが隅々まで行き渡る世界へ。」をミッションに掲げ、低空域を活用した新たな社会インフラの構築を推進しています。
独自の重心制御技術4D GRAVITY^®を核とした技術ライセンス事業や共同開発事業に加え、戦略子会社である株式会社NEXT DELIVERYを通じて、地域物流を集約・効率化する新スマート物流「SkyHub^®」事業およびドローン運航事業を展開しています。SkyHub^®は国内複数地域で社会実装が進み、平時の物流から災害時の緊急輸送まで対応する、持続可能な地域物流インフラとして展開を広げています。
さらに、この物流分野で培った同時遠隔自動操縦オペレーション技術を基盤に、「フィジカルAI」の社会実装を推進しています。AIモジュールを物流、農業、設備点検、防災・警備など幅広い産業分野へ展開し、多様なドローンやロボティクスを統合的に制御するプラットフォームの構築を進めています。

会社概要は https://aeronext.co.jp/about/company/ をご覧下さい。

マルチモーダル・ゼロショット切羽AI判定（MZ切羽AI判定）

写真・3次元・削孔データに加え、熟練工の「オノマトペ（感覚情報）」を統合。
人とAIのハイブリッド評価（ヒューマン・イン・ザ・ループ）で
現場判断を「より早く・より正確に・より安全に」

切羽写真・3次元モデル・削孔データといった定量情報に加え、これまで数値化できなかった熟練作業員の感覚情報（オノマトペ）までを統合し、AIと技術者が協働して地山を評価する点に最大の特長があります。
本システムは、国土交通省が推進する「i-Construction 2.0（施工のオートメーション化）」やインフラDXが目指す方向に沿うものであり、トンネル施工現場における「労働力不足の解消」と「肌落ち（崩落）事故ゼロ」に貢献します。

図1　MZ切羽AI判定システムの全体構成（入力→AI判定→出力）

開発背景

切羽の評価は、その先の工事すべてを決める

岩が硬いと判断すれば、支保を軽くし、1回に掘る長さを伸ばして速く進めます。
もろいと判断すれば、支保を強固にしなければ崩れます。
判断を軽く見れば危険が増え、逆に必要以上に手厚くすれば、材料も時間も余計にかかります。だからこそ、切羽の評価は正確でなければなりません。

ところが、その判断は難しい

第一に、岩の状態は見た目だけでは決まりません。表面は同じように見えても、その奥が硬いこともあれば、割れ目が走っていることもあります。
第二に、判断に使える時間が短いことです。切羽の前は落石の危険がある場所で、長くとどまることができません。
掘削サイクルも待ってはくれません。
第三に、判断の「正解」が熟練技術者の頭の中にあることです。
岩肌の質感、ハンマーで叩いたときの返り、湧水の出方など、言葉になっていない多くの手がかりを同時に使って判断しています。そのため、担当者が変われば評価が変わり、その技術を次の世代へ引き継ぐことも簡単ではありません。

では、なぜこれまでAIに任せられなかったのか

従来の切羽AIは、画像認識の技術を使うものでした。
これは「この写真はこの評価」という正解つきの写真を、その地質について何百枚も覚えさせて（教師データの事前学習）はじめて使えるようになる方式です。
しかし地質は現場ごとに、ときには同じトンネルの中でも大きく異なります。A現場で覚えたAIは、地質のちがうB現場ではあてになりません。新しい現場に持っていくには、その現場の写真を集め、専門家が何百枚も採点し直す必要がある――この負担が、横展開の壁になっていました。
さらにもう一つ。切羽で最も多くの情報に触れているのは、実は削岩機のオペレーターや切羽監視員です。ドリルを通して岩の手ごたえを感じ、音の変化を聞き分けています。しかしその情報は数値になっていないため、これまでAIに渡す手段がありませんでした。

概要 ― 2つの壁を、生成AIで越える

壁（1）事前学習が要る　→　写真を覚えさせる代わりに、「基準」を言葉で教える
本システムは、生成AI（大規模言語モデル）を判定の中核に据えました。生成AIは、あらかじめ膨大な文章と画像から一般的な知識を身につけています。
そこへ切羽観察の判定基準と、熊谷組の地質技術者のノウハウを言葉で与えることで、初めて見る切羽でも評価ができます。
新人技術者に基準書を渡し、先輩のコツを教えたうえで現場に立たせるのと同じ考え方です。この方式であれば、地質のちがう新しい現場へもそのまま持っていけます（＝ゼロショット）。

壁（2）感覚情報が渡せない　→　言葉を扱えるAIだから、言葉のまま受け取れる
生成AIは言葉を理解するAIです。だから、数値データだけでなく、作業員が思わず口にする「キーン」「グズグズ」といった表現を、そのまま入力にできます。数値専用のAIでは扱えなかったこの経路が、写真には写らない岩の内部の情報をAIに届けます。

4つの入力と、それぞれの役割
・切羽写真　……　割れ目の入り方、風化の程度、湧水の様子など、目に見える情報
・3次元モデル　……　切羽の凹凸や形状。写真だけでは測れない立体的な情報
・削孔データ　……　穴をあけるときのドリルの進み方。速ければやわらかい、遅ければ硬い。写真に写らない岩の“奥”の状態を教えてくれる
・オノマトペ　……　作業員が手ごたえと音から感じ取った、岩の性質

あわせて、割れ目の「向き」を自動で読み取る
岩の割れ目がどちらを向き、どれくらい傾いているか（走向・傾斜）は、切羽がどの方向から崩れるかを左右する重要な情報です。天井に向かって傾いた割れ目があれば、そこから岩が抜け落ちるおそれがあります。
これまでは、技術者が切羽のすぐ手前まで行き、クリノメータという道具で数か所を測っていました。危険な場所での作業である上に、切羽全体のうちのわずか数点しか測れません。
本システムでは、3D Gaussian Splatting（3DGS）による地質構造解析を統合し、切羽全面の走向・傾斜を自動で抽出します（特許出願中）。危険を伴うクリノメータ計測が不要となり、切羽近傍に立ち入ることなく、安全かつ精緻に取得できます（図2）。3DGSでは、モデルを構成する点（ガウシアン）の一つひとつが生成時から固有の向きを持つため、メッシュ変換などの中間処理を挟まずに、高速かつ安定した解析が可能です。切羽全体の不連続面の地質構造を精緻に把握できることから、前方地山を予測する精度の向上も期待されます。

図2　3DGSによるトンネル切羽の評価例（各点が走向・傾斜データを持ち、方向性ごとに色分け）

特長

（1）「ゼロショットAI」による即時稼働
特定地質に対する大量データの事前学習を必要とせず、初めて施工する未知の地質でも、初日から高い精度で地山を客観的に評価します。
生成AIが評価理由を言語化するため、判断根拠が分かりやすく、若手技術者の支援・技術伝承にも有効です。本AIには熊谷組の地質技術者のノウハウが組み込まれており、専門家の知見を反映した高精度な判定を実現しています。
実トンネルでの検証では、AIの評価は技術者の評価とよく一致しました。切羽評価点の相関係数は0.816で、これはAIの点数が上がるときに技術者の点数もほぼ同じように動く、という関係を示します。地山等級の一致率は74.0％、外れた場合もほとんどが隣の等級までにおさまり、±1等級以内の一致率は98.1％でした（令和8年度土木学会年次講演会にて発表）。

図3　LLM（AI）判定と技術者評価の切羽評価点推移比較実施例

（2）「五感（オノマトペ）」を含むマルチモーダル統合
カメラ画像・3次元点群データ・ドリルジャンボの削孔データに加え、削岩機オペレーターや切羽監視員等が発する「キーン（硬い）」「グズグズ（脆い）」「チンチン鳴る」といったオノマトペ（擬音語・擬態語）や方言的表現を、自然言語処理により工学的指標へ変換して統合します（特許出願中）。
これらの言葉は、削岩機を通じて岩の内部から返ってくる手ごたえと音を、人が瞬時に要約したものです。写真では捉えられない地山内部の硬さ評価に反映することで、熟練工の暗黙知を形式知化します。

（3）人とAIのハイブリッド評価（ヒューマン・イン・ザ・ループ）
AIの評価は速く、ムラがなく、見落としがありません。一方で、想定していなかった状況――たとえば湧水が急に増えた、前の切羽と様子が明らかに違う――に対して、その意味を読みとって手を打てるのは人です。
本システムは、AIの「速度・客観性・網羅性」と、人間の「柔軟な対応・経験に基づく判断」とを相互に補完して組み合わせるものです。AIが全切羽を高速にスクリーニングして地山評価の候補とその根拠を技術者の知見を踏まえて提示し、技術者が最終的に確認・承認します。最終的な判断に至るまでの様々な段階で人の判断が介在する、ヒューマン・イン・ザ・ループ型の運用となっています。

図4　人とAIのハイブリッド評価（ヒューマン・イン・ザ・ループ）の概念

効果

・判断が速くなる　……　切羽の前にとどまる時間が短くなり、危険にさらされる時間も減ります。
・判断がぶれない　……　誰が担当しても同じ基準で評価されるため、経験の差による違いが小さくなります。
・判断の理由が残る　……　AIが根拠を文章で出力するため、後から検証でき、若手技術者にとっては教材にもなります。
経験によらない客観的で高精度な地山評価により、切羽判断を「より早く・より正確に・より安全に」行うことが可能になります。ノウハウのデジタル化は、技術継承の支援や経験の浅い技術者の早期育成に寄与します。

今後の展望

現在、施工中のトンネル現場で検証を進めています。
今後は本システムを、重機搭載カメラによる切羽の自動3次元モデル化システム「TufmoS（タフモス）-HMC」やトンネル発破AI支援システムと統合し、切羽観察から発破設計までを掘削サイクル内で全自動・リアルタイムに行う「リアルタイム発破パターン自動判定システム（RAPID-BLAST）」として展開し（別途発表）、将来的なトンネル掘削作業の自動化につなげていきます。

資料引用：熊谷組

おわりに

熊谷組が開発した「MZ切羽AI判定」は、建設業界のデジタルトランスフォーメーションを一段上の次元へ押し上げる、非常に画期的なマイルストーンです。このシステムが示した最大のブレイクスルーは、これまでデータ化が困難とされてきた熟練工の「五感」や「暗黙知」を、生成AIの言語理解力を介して形式知化した点にあります。
作業員が現場で感じる「キーン（硬い）」「グズグズ（脆い）」といったオノマトペを、画像や3Dデータと統合するマルチモーダルなアプローチは極めて実践的です。

こうした独自の「バーティカルAI」開発は、今回の山岳トンネルの切羽判定にとどまらず、建築物の外壁調査をはじめとするインフラ維持管理全般へ応用できる高いポテンシャルを秘めています。

たとえば、外壁タイルの浮きや剥離の診断も、表面的な画像だけでは限界があり、打診ハンマーの「音」や「手ごたえ」という職人の感覚に強く依存してきました。ドローンや赤外線による視覚データに、この「感覚の言語化データ」を組み合わせることで、精緻な自動スクリーニングが実現可能になります。

加えて、AIが判定根拠を言語化して提示し、最終的な意思決定を有資格者が行う「ヒューマン・イン・ザ・ループ」の仕組みは、厳格な法的責任と安全性が問われるインフラ領域において、最も現実的かつ社会実装しやすいモデルと言えます。

特定の業界や企業に蓄積されたディープな現場ノウハウを独自のAIに昇華させる試みは、競合他社には容易に模倣できない強固な事業の参入障壁（モート）を生み出します。
老朽化インフラ問題と熟練工の高齢化という待ったなしの社会課題に対し、職人の「勘と経験」をデジタル資産として次世代へ継承するこのアプローチは、あらゆる現場産業が目指すべき一つの完成形を示しています。

【リリースニュース配信元】
□株式会社熊谷組
リリースニュース：https://www.kumagaigumi.co.jp/news/2026/pr-20260828-004349.html
経営戦略本部広報部
電話：03-3235-8155

技術に関するお問い合わせ先
株式会社熊谷組　土木事業本部土木技術統括部トンネル技術部・地質技術部
https://www.kumagaigumi.co.jp/contact/tech-solution/