「見て覚えろ」が終わる日。熟練技能をAIでデータ資産に変える技術継承の現実
「あの親方がいなくなったら、うちはどうなるんだ」。ある現場監督から、そんな言葉を聞いたのは数年前のことです。定年を半年後に控えた左官職人が一人いて、その人にしかできない仕上げがあった。後継者は育てようとしていたが、「なんとなくこのくらい」という感覚が最後まで伝わらなかったと言います。技術継承の問題は、人が足りないことよりも、知識の移し方がわからないことにある。この記事では、その「移し方」を掘り下げます。
従来のOJTが今の現場で機能しない理由
建設現場では長らく、先輩の背中を見て体で覚えるという方法が教育の中心でした。それ自体が悪いわけではありません。問題は、その方法が成立する前提条件が崩れていることです。工期は短くなり、現場をかけ持ちするベテランに若手を見る余裕がない。加えて、熟練者本人が「なぜそうするのか」を言語化できないケースが少なくありません。
「だいたいこのくらい」「これくらいになったら次へ」という説明は、10年かけて体に覚え込ませるなら機能します。しかし今は、3年で一定水準に引き上げなければ現場が回らない。時間の壁と言語化の壁、この2つが同時に立ちはだかっているのが現状です。さらに言えば、教える親方によって微妙に基準が違い、若手が複数の指導者から矛盾した指摘を受けて混乱するという問題も現場では珍しくありません。
- 工期短縮により、熟練者が若手に付ける時間が構造的に不足している
- ベテランが自身の判断を言語化できず「感覚」としか伝えられない
- 指導者ごとに基準が異なり、若手が正解を見失う
暗黙知をデータに変えるとはどういうことか
「熟練の技をデータ化する」という言葉を聞くと、漠然とした印象を受けるかもしれません。具体的には、ウェアラブルカメラやモーションセンサーを使い、熟練者が作業する際の視線の動き、工具の角度、力の入れ具合、手首の回転速度といった情報を逐次記録します。これを複数回の施工にわたって収集し、仕上がりが良かった場合のデータと平均的だった場合のデータをAIが比較・解析します。
こうして浮かび上がるのが、「成功パターンの共通項」です。たとえば溶接なら温度管理、左官仕上げならコテの角度と移動速度、型枠大工ならビス留めのトルクと間隔。「なんとなく」の中に潜んでいた再現性のある要素が、「600℃を維持」「45度・秒速8センチ」という数値として取り出せるようになります。感覚が数値になった瞬間、初めて教えられるものになるのです。
AIコーチが現場でリアルタイム指導する段階
データ化が済んだ後の活用で、特に現場の反応が大きいのがリアルタイム指導の仕組みです。スマートグラスや作業台に設置したカメラを通じて、若手が作業中にAIから即時フィードバックを受けられます。「コテの角度をあと5度寝かせてください」「左側の塗り厚が基準値を下回っています」といった具体的なアドバイスが、熟練者が隣にいなくても届きます。
ここで一つ、落とし穴を正直に言っておきます。AIのフィードバックが的確であるためには、前段の「成功パターンの収集」が十分な量と質を持っている必要があります。熟練者が1〜2回の施工を記録しただけでは、データが偏り、AIが出す基準値の信頼性が下がります。データ収集フェーズに最低でも数十回分の記録を積み上げることが、精度を確保するための現実的な条件です。導入を急いで収集期間を短縮すると、誤ったアドバイスが若手の技能形成を逆に乱すリスクがあります。
- 熟練者の「感覚」を定量化し、誰でも再現できる形に変換できる
- リアルタイムフィードバックで習得スピードが上がる
- 指導者の工数を減らしながら教育品質を一定に保てる
- 退職・離職後もノウハウがデータとして組織に残る
- 精度を出すにはデータ収集に相応の期間と手間がかかる
- センサー・カメラの設置コストと運用の習熟が必要
- 収集データの質が低いとAIの基準値が信頼できなくなる
- 「数値化できない判断」は依然として人から人へ伝える必要がある
「数値化できない部分」とどう向き合うか
AIによる技術継承を語るとき、過信は禁物です。熟練者の判断には、天候・気温・素材ロットの微妙な違いを読んで瞬時に手加減を変えるような、状況依存の複合判断が含まれます。これは現時点のセンサー技術とAIでは、完全には捉えられません。データ化が得意なのは、再現性の高い定型作業の「最適な動作パターン」です。
現場の経験者に正直に聞けば、「技術の8割はデータにできる、残り2割は横で見ていないと伝わらない」という感覚に近いと言います。この2割を無視してシステムを過信するのではなく、AIで8割の習得を早めることで、ベテランが2割の指導に集中できる時間を作るというのが、実際の運用として機能するモデルです。技術継承をゼロイチの問題として捉えず、人とAIの役割を分担して設計することが、失敗しない導入の鍵になります。
データ資産として積み上げていく視点
技術継承への投資を、コストではなく資産の蓄積として捉え直すことが重要です。ある熟練職人が現場を去る前に記録したデータは、その人がいなくなった後も組織の中で働き続けます。新しく入ってきた若手が、10年前に退職した職人の動作データをもとにトレーニングできる状態をつくることが、最終的な目標です。
建設業界では人材の流動性が高く、育てた人材が数年で離れることも珍しくありません。それでもデータは残ります。人が去るたびに技術がゼロに戻るのではなく、関わった全員の知見が積層されていく仕組みを持てるかどうかが、10年後の現場力を左右することになります。「見て覚えろ」が通じた時代に完成した職人の技を、次の世代に渡せる形に変えておく。それが今、経営判断として問われていることです。