汎用AIが答えられない「この現場の正解」を建設専門AIが出せる理由
「AIチャット？ ChatGPTで十分じゃないの？」——ある現場所長からそう言われたとき、私はまず試してもらうことにした。若手職人に配管の支持間隔を聞かせてみると、返ってきた答えは「一般的な建築設備基準では横引き管で2.0m以下が推奨されます」だった。その現場の特記仕様書には「1.5m以下」と書いてある。汎用AIと建設専門AIの差は、この1行に凝縮されている。
汎用AIが「一般論」しか返せない構造的な理由
ChatGPTをはじめとする汎用AIは、インターネット上に公開された膨大なテキストを学習している。建設に関する知識も当然含まれるが、それはあくまで「世の中に公開されている平均的な情報」だ。公共工事標準仕様書の数値も、建設業法の条文も、よく聞かれる施工手順も、ひとしなみに学習している。
問題は、現場の答えが「平均」でないことが多いという点にある。元請けが指定した特記仕様、設計図書のP.42に書かれた一文、昨年の竣工検査で指摘された注意事項——こうした情報はネット上に存在しない。汎用AIがどれほど賢くなっても、手元にないデータから正解を引き出すことはできない。
その結果、汎用AIは「安全第一で作業してください」「一般的には〜が推奨されます」という、当たり障りのない回答に終始する。現場で必要なのは一般論ではなく、この案件・この仕様書・このゼネコンのルールに基づいた答えだ。
- 参照データ
- 汎用AI：ネット上の公開情報／建設専門AI：社内の図面・仕様書・日報・過去資料
- 回答の根拠
- 汎用AI：統計的な「平均」／建設専門AI：該当案件の特記仕様や設計図書の該当ページ
- 現場への適合性
- 汎用AI：横断的な知識は豊富だが個社・個現場の情報はゼロ／建設専門AI：社内データを読み込んだうえで回答
「図面を読んで答える」RAGという仕組みの中身
建設専門AIがこの差を生み出せる理由は、RAG（Retrieval-Augmented Generation＝検索拡張生成）と呼ばれる技術にある。簡単に言えば、「質問を受けたら、まず関連文書を検索し、その内容を参照して回答を生成する」という仕組みだ。
ただし、RAGは仕組みとして存在するだけでは使い物にならない。「この質問には、図面のどの部分を参照すべきか」という判断ロジックが精度を左右する。ここに、東大松尾研出身のエンジニアが構築した独自アルゴリズムが効いてくる。ベテランの職人が「この質問なら特記仕様書を先に確認する」「この工種は過去の竣工写真も参照する」と判断するように、AIが検索ロジックを学習している。
データを入れるだけでなく、「どこを読むべきか」の判断まで実装することで、はじめて現場で使えるAIになる。これがSUMITSUBO AIの技術的な核心だ。
「探す時間」が現場の利益を削っている現実
現場監督が事務所に戻り、分厚いファイルを開いて仕様書を探す時間。電話で本社に問い合わせ、担当者が折り返すのを待つ時間。若手が先輩に質問するタイミングを計って、結局昼休みまで作業を止める時間——これらはすべて、工程を進めない時間だ。
建設業の現場では、1日あたりの人工コストは職種によって異なるが、職長クラスで1人日3〜4万円前後が目安になることも多い。こうした「探す・待つ・確認する」の積み重ねが、月単位では無視できない原価になっている。スマートフォン1台で、社内のすべての情報に0秒でアクセスできるなら、その積み上げは逆向きに働く。
- 特記仕様書・設計図書の数値確認（支持間隔・材料規格など）
- 過去の竣工写真・施工記録の参照
- 社内ルール・安全基準の確認（誰でも同じ答えにたどり着ける）
汎用AIで代替できない点と、正直に言うべき限界
建設専門AIを「何でもできる魔法のツール」として語るのは正確ではない。メリットとデメリットを並べて見ておく必要がある。
- 社内固有の図面・仕様書・日報を参照して回答できる
- 根拠となるページ・文書名を明示するため、回答の検証が容易
- 繰り返し聞いてくる質問を属人化せずに処理できる
- 現場のスマホから即座にアクセスできる
- 社内データの整備・登録が前提条件。ファイルが散在していると精度が下がる
- 現場の「空気」や職人の技量差など、文書化されていない暗黙知は参照できない
- 登録されていない最新情報への対応には、データ更新の運用ルールが必要
特に注意してほしいのが、「データを入れれば即日使える」という過剰期待だ。実際には、図面や仕様書がPDFで統一されているか、ファイル名に現場名と日付が入っているかといった、社内の情報整理の土台が精度に直結する。導入前にデータ棚卸しを行う企業ほど、運用後の満足度が高い傾向がある。
- 図面・仕様書・日報が電子データで保管されているか
- ファイルの命名規則が統一されているか（現場名・工種・日付など）
- 更新頻度の高い情報を誰がどのタイミングで登録するか、運用ルールを決めているか
「汎用AIで十分」が通じる仕事と通じない仕事
公平に言えば、汎用AIが有効な場面も確かにある。メールの文面を整える、会議の議事録を要約する、法律や制度の大枠を調べる——こうした用途では、ChatGPTは十分に機能する。社内情報への参照が不要で、一般知識で答えが完結する問いであれば、無料で使える汎用ツールで十分だ。
建設専門AIが本領を発揮するのは、「この現場の」「この仕様書の」「この工種の」という固有性が問いに入ったときだ。
「一般的な答え」と「御社の現場の答え」が一致しない場面でこそ、専門AIの価値が現れる。
経営者として判断すべきは、自社の現場でどちらの問いが多いか、という点だ。特記仕様・過去資料・社内ルールへの参照を日常的に行う現場ほど、建設専門AIの投資対効果は高くなる。汎用AIと建設専門AIを「競合」ではなく「用途の異なるツール」として位置づけることが、導入判断を誤らないための視点だと思っている。
現場の情報は日々積み上がる。それを次の問いに活かせる仕組みを持つかどうかが、これからの建設会社の現場力を分けていくことになるだろう。