LASSIC Media らしくメディア

建設の現場では、毎日おびただしい数の写真が撮影されます。施工の記録、検査の証跡、現場の点検——それらを工種や部位ごとに仕分け、電子黒板の記載と突き合わせ、報告書や台帳にまとめる作業は、現場監督にとって大きな負担です。人手が不足するなか、この写真まわりの手間をどう軽くするかは切実な課題になっています。そこで検討されるのが、撮影された写真をAIで仕分け・照合・点検する、工事写真の判定AIです。

ただ、工事写真の判定AIは「施工管理システム」としばしば同じものとして語られますが、担う役割は別物です。役割を混同したまま要件を固めると、必要な機能が抜けたり重複したりしかねません。本記事では、建設会社やシステム化を検討する発注担当者に向けて、工事写真の判定AIの位置づけ・できること・扱うデータ・進め方の勘所を整理します。

工事写真の判定AIとは——施工管理システムとの違い

工事写真の判定AIとは、現場で撮影された写真を解析し、工種や部位ごとに仕分けたり、電子黒板の記載と照合したり、ヘルメットや保護具の着用を確認したりして、写真整理や点検の作業を支える仕組みを指します。似た文脈で語られる施工管理システムと並べると、役割の違いがはっきりします。

施工管理システムは、工程や出来高、現場写真をまとめて記録・管理するための仕組みです。いわば現場の情報を「記録・管理」する土台を担います。これに対して工事写真の判定AIは、その土台に載る写真そのものを「仕分け・照合・点検」する部分を受け持ちます。管理システムが写真を保管・整理する箱だとすれば、判定AIは中身の写真を見て仕分けや下準備をする担当にあたる、と捉えると分かりやすいでしょう。多くの場合、両者は組み合わせて使われます。

なお、同じ画像を扱うAIでも、製造現場の外観検査AIとは対象も目的も別物です。工場のライン上で製品の良否を判定するのが外観検査であるのに対し、工事写真の判定AIは屋外の多様な現場で撮られた写真を扱うため、光や構図のばらつきが大きいという別の難しさがあります。自社が写真の何を楽にしたいのかを見極めておくと、要件を絞り込みやすくなります。

何ができるのか

工事写真の判定AIが担える作業は、大きく次のように整理できます。自社の負担がどこにあるかと照らし合わせると、優先順位を付けやすくなります。

いずれも、AIが下ごしらえや一次チェックを担い、最終的な判断は担当者が行うという役割分担が基本です。AIが仕分けや照合の当たりを付けてくれるだけでも、写真整理や報告書づくりにかかる時間を減らす助けになります。

なぜ写真の判定にAIが向くのか

写真の仕分けや照合は、一枚ずつ見れば難しくない作業です。しかし現場では一日に数百枚、大きな工事では数万枚という単位で写真がたまり、量が負担の正体になります。人手で一枚ずつ分類し、黒板の記載を確かめ、報告書にまとめる作業は、時間がかかるうえに見落としも生じがちです。

AIは、こうした「単純だが大量」の作業を一定の速さでこなすのが得意です。過去に整理された写真を学べば、似た写真を同じ分類に振り分けたり、黒板の文字を読み取って照合したりを、まとめて処理できます。人が力を注ぐべきは、最後の確認と、AIが迷った写真の判断です。一方で、屋外の写真は天候や逆光、撮影角度によって見え方が大きく変わるため、工場のように条件が整った画像ほど単純ではありません。だからこそ、AIの結果をうのみにせず、担当者が確認することが前提です。処理の流れを図にすると次のとおりです。

導入で扱うデータと前提

工事写真の判定AIの精度は、学習に使う写真の質と量に大きく左右されます。着手前に、次のようなデータや前提がどこまで整っているかを確認しておくと見通しが立てやすくなります。

基本になるのは、過去に撮影・整理された写真と、それがどう分類されていたかの情報です。工種や部位のラベルが付いた写真がまとまってあれば、学習の土台になります。加えて、電子黒板の様式や記載ルール、確認したい項目（どの工種を仕分けたいか、何を照合したいか）を言葉にしておくことが欠かせません。注意したいのは、自社の現場の写真で学習・検証することです。他社や別の工事の写真だけで作ったものは、自社の撮り方や黒板の様式に合わず、精度が出にくいことがあります。また、屋外写真は明るさや構図のばらつきが大きいため、さまざまな条件の写真を含めて偏りを減らす工夫も求められます。

進め方と落とし穴

導入を成功させるには、範囲を欲張らずに始めることが肝心です。写真の仕分け・黒板の照合・保護具の確認・出来形の計測補助をすべて一度に狙うのではなく、自社でいちばん負担の大きい作業を一つ選び、そこから試すのが向いています。まずは一部の現場や工種に絞って使い、出てきた結果を担当者が確認・補正しながら、精度と使い勝手を見極めていくとよいでしょう。

落とし穴として起こりやすいのが、AIの判定をそのまま鵜呑みにしてしまうことです。屋外写真は見え方のばらつきが大きく、AIが取り違える場面も出てきます。誤りを担当者が直す前提で運用し、AIの結果はあくまで下準備として扱う——この役割分担を最初に決めておくと、現場の納得感も得やすいはずです。また、既存の施工管理システムと写真をどう受け渡すか、整理した結果をどこにためるかといった連携も、早めに決めておくと後の手戻りを防げます。導入後も、取り違えの多い写真の傾向を見ながら、分類や設定を見直していくことも大切です。

外注時に確認しておきたい点

工事写真の判定AIの開発や導入を外部に委託する場合は、次の点を事前にすり合わせておくと、認識のずれを防ぎやすくなります。まず、対象とする作業の範囲。写真の仕分けなのか、黒板の照合なのか、保護具の確認なのかによって、必要なデータも作り方も変わります。次に、学習に使える写真の状況。分類済みの写真がどれだけあるか、電子黒板の様式が揃っているかは、成果を左右する前提です。

さらに、既存の施工管理システムや写真管理の仕組みとの連携方法、そしてAIの結果を担当者がどう確認・補正して台帳や報告書につなげるかという運用の流れも、あらかじめ整理しておきたい点です。工事写真の判定AIは、一度作って終わりではなく、現場の写真を見ながら精度を保ち続ける取り組みになります。開発までを切り出すのか、運用や見直しまで含めて依頼するのかを明確にしておくと、導入後のつまずきを抑えやすくなります。

まとめ：工事写真の判定AIで押さえる3つの視点

工事写真の判定AIは、施工管理システムとは役割の異なる「写真の仕分け・照合・点検」を担う仕組みです。検討するうえで押さえたい視点は3つに整理できます。第一に、記録・管理を担う施工管理システムと、写真を判定するAIを切り分け、自社が楽にしたいのがどちらなのかを見極めること。第二に、仕分け・黒板照合・保護具確認・出来形の計測補助のうち、いちばん負担の大きい作業から絞って始めること。第三に、屋外写真のばらつきを前提に、AIの結果は下準備と捉え、担当者が確認・補正する運用を組むこと。この3点を踏まえておけば、「入れてはみたが現場で使われない」というつまずきを避けやすくなります。自社写真での学習や既存システムとの連携に不安があれば、要件整理の段階から外部の知見を借りるのも一つの選択肢です。

よくある質問

著者：テレリモ総研編集部　鈴木 亮佑

ご不明な点はお問い合わせフォームからもご連絡いただけます。

1. *1　出典：国土交通省「i-Construction／建設現場の生産性向上」関連情報（https://www.mlit.go.jp/）

Tweet