大成建設が、土木工事の「全体施工計画書」作成を、視覚言語モデル(VLM)ベースのマルチモーダル生成AIで自動化した、という事例です。
「ゼネコン大手の自社開発だから関係ない」と思った方、ちょっと待ってください。 注目すべきは85%削減の数字より、入力資料の構造の話です。 入札公告・特記仕様書・社内ナレッジを横断して読ませる、という発想は、規模に関係なく真似できます。
僕が注目したのは、PDFや図表を含む雑多な資料をAIに読ませるマルチモーダル前提の設計です。 書類処理AIで挫折する会社の多くは、テキストだけの世界で考えて図面・写真の壁にぶつかっています。
施工計画書まわりの課題
建設・土木業界の書類作成業務には、こんな見えにくいコストがあります。
- 入札公告・工事概要・特記仕様書を熟練者が読み込む時間
- 過去案件のナレッジを「誰が知っているか」探すフェーズ
- 図表・専門用語・組織体制図を本文に落とし込む手作業
- 計画書1本に数日〜1週間、熟練社員の工数が集中
書類1本あたりの工数が大きく、しかも熟練者しか書けないところがボトルネックです。 「DXで効率化」と言いながら、実際にはベテランの空き時間待ちで止まっている、というのは中小・中堅の建設会社でもよくある構図です。
大成建設がどう導入したか
大成建設のニュースリリース(2025-11-28)で報告されている構成は以下です。
- 対象業務: 土木工事の全体施工計画書作成
- AI構成: 視覚言語モデル(VLM)ベースのマルチモーダル生成AI
- 入力: 入札公告・工事概要・特記仕様書(500ページ超に対応) + 社内ナレッジ
- 出力: 計画書のドラフト原稿(約10分で生成)
- 開発: 自社開発、ハルシネーション防止技術を別途併用
ポイントはマルチモーダル前提にしたところです。 従来のテキストRAGだと、図表・組織体制図・地図情報の扱いで詰まりますが、VLMベースにすることで、画像・PDF表形式・本文を同時に読ませる設計になっています。
500ページ超に対応、というところから、PoCではなく本気の業務適用を狙った設計だとわかります。
85%削減の内訳と実態
ニュースリリースで報告された主要な数値は以下です。
- 作成時間: 従来作業比で約85%削減
- ドラフト原稿生成時間: 約10分
- 対応資料量: 500ページ超のドキュメントに対応
- 専門用語・図表: 実用水準の精度に到達
注意点として、これはあくまでドラフト原稿までの数字です。 計画書の最終仕上げ・社内レビュー・発注者向け調整は別工数なので、「計画書づくり全体が10分で終わる」わけではありません。
それでも、ベテランの初稿執筆工数が消えるインパクトは中小建設会社にとっても大きいはずです。
中小企業で再現するなら
ここからが本題です。年商5〜30億規模の建設・土木会社で同じ思想を取り入れるならどう削るか。
構成
| 項目 | 大成建設 | 中堅建設(年商10〜30億・社員50〜100名) |
|---|---|---|
| 対象 | 土木全体施工計画書 | 施工計画書・安全衛生計画書・工事報告書など |
| ツール | 自社開発VLMマルチモーダル | Claude / ChatGPT Team(月3,000円/人〜、2026年4月時点。要最新価格確認) + 社内RAG |
| 月額費用 | (非公開・自社開発) | 推定 月3〜10万円(利用者5〜10名+RAGストレージ) |
| 初期費用 | (大規模・自社開発) | 推定 80〜300万円(社内ナレッジ整備+RAG構築+プロンプト設計) |
| 体制 | 社内開発+技術部門 | 工事部門+情シス兼任+外部支援月10〜20時間 |
| 期間 | 自社開発で長期 | 3〜6ヶ月でPoC→運用開始 |
評価軸スコア
| 評価軸 | スコア |
|---|---|
| ROI(投資対効果) | ★★★★☆ |
| 再現性(中小企業) | ★★☆☆☆ |
| 難易度(低いほど簡単) | ★★★★☆ |
(難易度=数字小さいほど簡単)
スコア根拠は以下です。
- ROIが高いのは、書類1本あたりの熟練者工数が大きく、削減効果が見えやすいため
- 再現性は低め。VLM・マルチモーダルRAGの構築は、外部支援なしで内製は難しい
- 難易度は高め。テキストRAGより一段難しく、社内ナレッジの整理も前提になる
前提条件・必要データ
- 過去の計画書・仕様書・図面がデジタル化されている(PDF/画像可)
- 社内ナレッジを構造化して取り出せる(担当別フォルダで整理されている等)
- ハルシネーションを最終チェックする熟練者の工数が確保できる
- VLM/RAG導入を支援できる外部パートナーまたは内製エンジニアがいる
失敗条件・適用しないケース
- 過去資料が紙のまま、またはサーバ上で散らばっている(整理から始まる)
- 「AIが書いたから人間チェック省略」を狙っている(品質事故の元)
- 月の作成本数が少なすぎる(2〜3本ではROIが出ない)
- 入札情報など社外秘の取り扱いルールが整備されていない
「VLMを入れれば計画書が10分で書ける」わけではありません。
過去資料のデジタル化→社内ナレッジの構造化→AIへの読ませ方設計→ドラフト生成→熟練者レビュー、の5ステップを踏んで初めて、85%削減に近い効果が見えてきます。
特に最終レビュー工程は省略できないので、「無人化」ではなく「ベテランの空き時間を作る」と捉えるほうが現実的です。
出典・参考
市野
愛知県岡崎市でAI活用支援を手がける一人社長。 中小企業の現場でAIを実装してきた経験から、他社事例を「うちで再現するには」の視点で読み解いて発信中。
愛知県岡崎市を拠点に、中小企業向けのAI活用支援を提供。ChatGPT・Claude Code等を活用した業務自動化やSEO・広告運用の内製化を支援。経営者が自らAIを使いこなせる体制づくりをサポートしている。
＞＞詳細なプロフィールはこちら