LASSIC Media らしくメディア

建設や製造の現場では、設計図面から必要な部材や数量を数え上げる「数量拾い」や、複数の図面のあいだに食い違いがないかを確かめる作業に、多くの時間がかかります。図面は枚数が多く、記号や寸法を一つずつ追う作業は骨が折れ、担当者の経験に左右されがちです。そこで検討されるのが、設計図面をAIで読み解き、数量の集計や整合チェックの下書きを作る図面解析AIです。

ただ、図面解析AIは「図面管理システム」や、現場写真を扱う「工事写真の判定AI」としばしば混同されますが、担う役割は別物です。取り違えたまま要件を固めると、狙った効果が出ません。本記事では、建設会社や製造業でシステム化を検討する発注担当者に向けて、図面解析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。

図面解析AIとは——図面管理・工事写真AIとの違い

図面解析AIとは、設計図面（PDFやCADのデータ）をAIが読み解き、記号や寸法、部材を認識して数量を集計したり、複数の図面のあいだの食い違いを洗い出したりして、数量拾いや整合チェックの作業を支える仕組みを指します。似た文脈で語られる2つの仕組みと並べると、役割の違いがはっきりします。

図面・CADデータ管理システムは、図面を保管し、版を管理し、誰がいつ使うかを整える仕組みです。いわば図面という「データを管理」する土台を担います。また工事写真の判定AIは、現場で撮った写真を仕分ける仕組みで、扱うのは完成後の現場写真です。これらに対して図面解析AIは、設計段階の図面の「中身を読み解く」部分を受け持ちます。データを保管する箱でも、現場写真を仕分ける仕組みでもなく、設計図面そのものを読んで数量やズレを拾う——ここに違いがあります。

図面解析AIが力を発揮するのは、とりわけ積算（見積もりのための数量拾い）の場面です。拾い出した数量は、その後の見積管理システムにつなげて活用することもあります。自社が図面まわりの何を楽にしたいのか——保管なのか、現場写真なのか、設計図面の読み解きなのか——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

図面解析AIが担える作業は、大きく次のように整理できます。自社の図面まわり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が下書きや一次集計を担い、最終的な数量や判断は担当者が行うという役割分担が基本です。AIが数え上げの当たりを付けてくれるだけでも、積算やチェックにかかる時間を減らす助けになります。

なぜ図面の解析にAIが向くのか

数量拾いや図面の突き合わせは、一枚ずつ見れば難しくない作業です。しかし実際の案件では図面が数十枚から数百枚に及び、記号や寸法を一つずつ追って数え上げる作業は、時間がかかるうえに数え漏れも生じがちです。担当者の経験によって精度や速さが変わり、繁忙期には負担が集中します。

AIは、こうした「単純だが大量」の読み取りと集計を一定の速さでこなすのが得意です。過去の図面と、そのときの正しい数量や部材の情報を学べば、似た図面から数量を拾い出したり、記号を認識したりを、まとめて処理できます。人が力を注ぐべきは、AIが出した下書きの確認と、判断の難しい箇所です。一方で、図面は事務所ごとに表記の癖があり、手書きの注記や特殊な記号、縮尺の違いも混じるため、単純な文字認識ほど割り切れません。だからこそ、AIの結果をうのみにせず、担当者が確かめる運用が欠かせないのです。処理の流れを図にすると次のとおりです。

精度と運用の難しさ

図面解析AIを機能させるうえで、想定しておきたい論点がいくつかあります。着手前に押さえておくと、導入後のつまずきを避けやすくなります。

一つ目は、図面の表記のばらつきです。会社や設計者によって記号の使い方や書き方が異なり、手書きの注記が混じることもあります。特定の様式だけで学習させると、別の様式の図面ではうまく読み取れないことがあります。二つ目は、読み取り誤りの影響です。数量拾いは見積もりや発注に直結するため、AIの数え間違いがそのまま金額のずれにつながりかねません。AIの結果は下書きと位置づけ、担当者が確かめる前提で使うことが求められます。三つ目は、成果物の責任です。積算や図面の最終的な確認は人が担うという役割分担を、はっきりさせておく必要があります。四つ目は、扱うデータの前提です。CADデータがあるのか、紙やPDFしかないのかによって、読み取りの難しさも作り方も変わってきます。

導入で扱うデータと前提

図面解析AIの精度は、学習に使う図面データ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、過去の図面と、それに対応する正しい数量や部材の情報です。図面と正解が対になって残っていれば、学習の土台になります。加えて、対象とする図面の種類（意匠か、構造か、設備か）や、自社で使っている記号・様式のルールを整理しておくことが欠かせません。注意したいのは、自社の図面で学習・検証することです。表記の癖は会社ごとに異なるため、他社の図面だけで作ったものは、自社の図面では精度が出にくいことがあります。CADデータがある場合は、そこから正確な情報を取り出せることも多く、紙やスキャンだけの場合とは進め方が変わる点も押さえておきたいところです。

外注時に確認しておきたい点

図面解析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、対象とする図面と、やりたいこと。数量拾いなのか、整合チェックなのか、記号の抽出なのかによって、必要なデータも作り方も変わります。次に、扱う図面の形式。CADデータがあるのか、紙やPDFが中心なのかは、成果を左右する前提です。

さらに、既存の図面管理や見積の仕組みとどうつなぐか、そしてAIの下書きを担当者がどう確かめて積算やチェック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。図面解析AIは、一度作って終わりではなく、図面の様式の変化に合わせて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：図面解析AIで押さえる3つの視点

図面解析AIは、データを保管する図面管理や、現場写真を扱う工事写真AIとは役割の異なる「設計図面の中身の読み解き」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、保管を担う図面管理、現場写真を扱う工事写真AI、設計図面を読み解く図面解析AIを切り分け、自社が楽にしたいのがどれなのかを見極めること。第二に、数量拾い・整合チェック・記号抽出のうち、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、図面の表記のばらつきや読み取り誤りを前提に、AIの結果は下書きと捉え、担当者が確かめて最終判断する運用を組むこと。この3点を踏まえておけば、「下書きは出るが数量が信頼できない」というつまずきを避けやすくなります。自社図面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「建築BIM／建設DX」関連情報（https://www.mlit.go.jp/）

Tweet