建設業の生成AI事例、本物を見抜く読み方

建設業向けの生成AI活用事例は、ここ数年で急に増えた。ゼネコンの取り組みから個人の発信まで、扱う内容も精度もばらばらだ。

事例記事の多くは、効果を強調する構成になっている。作業時間が大きく減った、コストが下がった、という数字が前面に出るが、その数字がどう測られたかまで書いてある記事は多くない。

読む側が確認すべき点を持たずに事例を見ると、自社に当てはまるかどうかの判断を誤る。事例の中身を分解して読む方法を持っておく必要がある。

事例を評価するときに見る項目は絞れる。誰が発信しているか、いつのデータか、実データか架空データか、AIが行った作業の範囲、効果の数値に出典があるか、の5つだ。

この5項目のうち、特に見落とされやすいのが「AIが担当した作業の範囲」だ。見積書の下書きを作っただけなのか、金額の最終判断までAIに任せたのか、記事の書き方だけでは分からないことが多い。

• 発信元（企業名・個人名）が明記されているか
• 実演の日付や時期が分かるか
• 使われているデータが実データか架空データか明記されているか
• AIが担当した作業の範囲がどこまでか（下書きか、最終判断まで含むか）
• 効果の数値がある場合、測定方法の記載があるか

作業時間が半分になった、といった数値は、比較対象と測定条件が書かれていなければ検証できない。同じ作業でも、担当者の慣れや案件の規模によって数字は大きく変わる。

ただし、自社に当てはめるときは、どの作業をAIに渡し、どの作業を人が確認したかという手順を参考にする。数字は条件が違えば再現できないが、手順は再現できる。

弊社でも自社の自動化を13本運用しているが（2026年7月時点）、案件ごとに作業内容も規模も違うため、効果を一つの数字にまとめて公開することはしていない。

実演記事の中には、架空のデータで動作を見せているものと、実際の案件データを使っているものが混在する。どちらが悪いという話ではない。どちらを見ているかを読む側が把握しているかが重要だ。

架空データの実演は、AIの動き方や操作の流れを理解するには十分だ。ただし、実際の現場データを扱ったときに同じ精度が出るとは限らない。図面の癖や書類の様式は現場ごとに違う。

プロンプト例: 「このURLの事例記事を読んで、AIが行った作業の範囲、使ったデータが実データか架空データか、効果の数値に測定方法の記載があるかを箇条書きで整理して」。この指示をAIに投げるだけでも、記事の粗さは見えてくる。

1ttanは建設業向けにAIを使った実装支援を行っており、外壁塗装業向けのSaaS「ソトエル」は利用登録600社を超えた。エンタープライズ向けのAI変革コンサルも30社以上、上場企業を含めて手がけている。

この経験の中で、自社の事例を公開するときは、効果を%で語らず、使ったデータが実データか架空データかを明記する、という規律を持つようにしている。読む側が検証できない数字は、書かない方が誠実だ。

気になる事例を見つけたら、まず発信元に一次情報があるか確認する。転載やまとめ記事は、元の情報が削られていることが多い。

次に、その事例のAIが担当した作業の範囲を自社の現場に置き換えて考える。下書きまでなのか、最終判断まで任せているのか、置き換えたときに人の確認が抜け落ちないかを確認する。

数量拾いや金額の最終確定など、人の確認が要る作業まで自動化していると謳う事例は、特に慎重に読む。図面からの数量拾いは、現状のAIに任せきれる精度ではない。

見積や安全書類など、金額や安全に直結する書類は、下書きまでがAI、最終判断は人という線を保っているかどうかも、事例を読むときの判断材料になる。