Forma活用で「20億規模の現場を2人で運営」 清水建設が構想する“AX”：AI活用による建設生産プロセス変革

清水建設は20億円規模の現場を常駐2人で運営する「20億、2人」を目標に、Autodesk Formaを基盤とした施工管理の自動化に乗り出した。BIMデータと「言葉」を関連付けたデータでAIを育成し、鉄筋の納まり判断や製造連携へと展開。建設DXの先には、施工管理の業務をAIエージェント化し、建設生産プロセスそのものをAIで革新する「AX」を視野に入れる。

PR／BUILT

PR

　2026年7月22日にオートデスクが開催した年次イベント「Design & Make Summit Japan」の基調講演では、清水建設 専務執行役員 建築総本部 生産技術本部 本部長（購買担当、技術・品質担当、知的財産担当）の原田知明氏と、建築総本部 生産技術本部 建設DX基盤部 部長の三戸景資氏が登壇。「現場をAIエージェント化する 〜建設DXからAXへ：Shimizuのプラットフォーム戦略〜」と題し、清水建設が進める建設DXの現在地と、その先に見据える「AX（AI Transformation）」への展望を紹介した。

　本インタビューでは、基調講演で専務執行役員の原田氏らが語った中期DX戦略の内容をさらに掘り下げ、なぜ今「現場のAIエージェント化」を目指すのか、その実現を支えるプラットフォーム戦略とはどのようなものなのか、そしてAIによって建設現場や働き方がどのように変わっていくのかを詳しく探った。

　講演で原田氏は、清水建設が中期DX戦略で掲げる設計や施工、見積もりなどの定常業務を2030年までに50％削減し、20億円規模のプロジェクトを現場常駐2人で運営する「20億、2人」の目標を示した。その実現に向けて両輪で進めるのが、業務データを集約するプラットフォーム戦略と、その先にある「AX（AI Transformation）」だ。AXの旗振り役を担う三戸氏に、中期DX戦略の具体的な道筋とAIによるプロセス変革の現在地を聞いた。

「20億、2人」を目指す清水建設のDX戦略

　清水建設が定常業務の半減を掲げる背景には、建設現場の生産性に対する危機感がある。建設投資は70兆円規模に拡大する一方、国内の建築着工床面積は20年前の約1.8億平方メートルから約1億平方メートルに減少し、建設技能者も約100万人減った。しかし、技術者や事務職など管理する側の人員規模は大きく変わっていない。

　清水建設でも生産性は下がっていると、三戸氏は課題感を口にする。労働環境の改善や品質要求の増加もあり、同じ人数でこなせる仕事量が減っている。そのため、定常業務50％削減とは、裏を返せば、以前と同水準の施工量を維持するための目標値だ。

清水建設 生産技術本部 建設DX基盤部 部長 三戸景資氏

　清水建設は、過去5年間の国内建築案件でボリュームゾーンとなる10〜50億円規模のうち、まず20億円前後の現場をターゲットに、常駐する社員2人だけで運営できる現場の実現に向け、2段階で変革に乗り出す。ファーストステップは、現場任せだった業務のうち集約できるものを支店や本社へ移し、専門性と集約効果で効率化を図る。そのために、情報を共有し、離れた場所からでも共同で作業できるデジタル基盤を整える「プラットフォーム戦略」を進めている。

20億円規模の現場を2人で回す現場実現に向けた3つの施策　提供：清水建設

　戦略の要となる共通データ環境（CDE）を担うのが「Autodesk Forma（以下、Forma）」で、施工管理の業務では「Forma Build」の機能を活用している。現時点で約8割のプロジェクトでFormaを基盤とし、Formaの指摘事項で図研を東京と生産技術本部が扱う案件ではほぼ100％に達する。

　Formaのデジタル基盤に蓄積されたデータをもとに、現場業務をCPUやAIに担わせ、業務プロセスそのものを変革する。そのDX、さらにAXがセカンドステップとなる。

BIMと「言葉」をひも付けるFormaのデータ基盤

　プラットフォーム戦略で三戸氏が重視するのが、LLM（大規模言語モデル）が扱うデータの蓄積方法だ。清水建設では、ルールや基準に沿って作成されたBIMを「構造化データ」、ミーティングの記録や指摘事項などの「言葉」を「非構造化データ」と捉える。三戸氏は、AIに学習させる情報について、「全ての言葉をあらかじめ厳密に統一する必要はない」と説明する。用語を一定のルールにそろえればAIは学習しやすくなる一方、想定外の言い回しや異なる表現に弱くなる可能性があるためだ。そのため、多少表現がばらついていても、実際の現場で使われた言葉や情報を幅広く蓄積しておくことの方が、AIを実務で活用する上では有益という考えだ。

　重要なのは「何について語られた言葉なのか」が、BIMオブジェクトや変更プロセスとひも付いていることだ。Formaは、BIMモデルと関連する指摘や変更、やり取りの履歴を関連付けて蓄積できる。

セカンドステップのAXまでのロードマップ。構造化＋非構造化のデータをセットでLLMに学習させることで、施工管理AIエージェントが実現　提供：清水建設

　三戸氏は「BIMの国際標準フォーマットのIFCなどのオープンBIMでは、こうした情報の扱いが難しい」と指摘する。IFCはある時点の途中の情報を切り出すため、「そのデータがどう変わったのか」というプロセスまで履歴を追跡するには、別の仕組みが必要になるからだ。

　また、個々の業務に特化した「ポイントソリューション」も、データ基盤整備の障壁になり得るという。単体では便利でも、情報が各ツールやフォルダ内で完結すればデータが分断され、次の業務やAIへ連動しない。三戸氏は「ポイントソリューションは紙でのアウトプットを前提にしており、データで仕事をしていく環境を阻害している。DXやAXを目指すには、AIやコンピュータに優しい環境を最初に整えねばならない」と提言する。

鉄筋の納まり判断をAIへ、現場監督の「AIエージェント化」

　データ基盤の整備と並行して、セカンドステップとして施工管理の自動化も進めている。その一つが、構造躯体モデルから鉄筋モデルを自動生成するシステムだ。配筋ルールに基づくロジックでCPUに処理させ、既に本格運用を開始している。

構造躯体モデルを基に、鉄筋モデルを自動作成するシステム　提供：清水建設

　鉄筋モデルの納まりをAIが判断し、問題を指摘するツールも開発した。AI学習用の「言葉」をつくるため、50年超の経験を持つベテラン職人に協力を求め、「ここはこうしないと納まらない」「この場合はこうした方がいい」といったコメントを残してもらい、AI学習に利用している。

AIが鉄筋モデルを干渉チェックし、改善案を提案するツール　提供：清水建設

　三戸氏によると、鉄筋は「どう直せばいいか」という解決のパターンが比較的限られているため、AI化しやすいという。現在は問題を指摘する業務だけだが、今後は学習データを増やし、BIMモデル自体の修正まで可能にする計画だ。

　こうした仕組みを施工管理の各業務へ横展開すれば、「将来は現場監督の業務をAIが代替することも実現するはずだ。定型業務は本来、何らかのプラットフォーム上で稼働している。そうした業務をAI化すれば、1人で50億円規模の現場を管理することも、決して非現実的な話ではない。ただ、法規制、クライアントがあっての仕事なので、最低でも2人は現場に必要だ」と、現場監督のAIエージェント化構想を打ち明ける。

現場監督 AI エージェントの構想。構造化＋非構造化データをMCPサーバ経由でLLMに読み込ませると、業務別AIエージェントが現場監督のさまざまな業務を自動で実行することも可能に　提供：清水建設

設計・施工と製造のデータをつなぐ、プロセス最適化

　清水建設は、施工管理の自動化だけに限らず、設計・施工とメーカーの製造プロセスをデータでつなぐ、東芝エレベータとの実証実験も進めている。

　従来、メーカーがゼネコンや設計者に提出する「製作図」は、工場で使う加工図やバラ図とは別に作成し、BIMの普及後もゼネコン確認用モデルを別に用意していた。

　そこで、建築のBIMデータと製造業の設計データをクラウド連携させる「Autodesk Informed Design（IND）」を活用した。メーカーが製造に使う詳細なCADデータと、清水建設が「Autodesk Revit」で作成した設計・施工用BIMデータを、必要な粒度を保ちながら連携させた。三戸氏は「必要な粒度を保ったまま共同作業できることが重要だ」と強調する。

東芝エレベータとの実証実験。今後は鉄骨ファブリケータも巻き込み、設計・製造・施工が一気通貫でデータ連携する業務プロセスを検証する予定　提供：清水建設

　エレベータでゼネコン側が確認するのは機械内部の詳細ではなく、鉄骨との接続部や出入口枠の寸法などだ。INDでは、東芝エレベータが「Autodesk Inventor」で持つ製造データとRevitを連携し、清水建設側で出入口枠などを調整すると、その変更を製造側にも即座に反映できる。

　三戸氏がINDに期待するのは、ゼネコンが担ってきた調整業務の最適化だ。従来の干渉チェックで100件や200件の問題が出ても、そのうち約95％はオペレーター同士で解決できるという。各社の製造データをINDで連携可能になれば、当事者同士で調整し、ゼネコンが介在する業務を大幅に削減できる。

　さらに三戸氏は「CDEの考え方を製造まで広げたい」と語る。INDを使えば、完成したデータを受け渡すだけでなく、製造途中の「Work in progress（ワークインプログレス）」の段階から、メーカーや専門工事会社も含めた共同作業が可能になる。図面を介した従来の調整作業から脱却し、設計・施工・製造がデータを軸に協業する次世代のプロセス変革が実現する。

BIMと運用データをつなぐ、維持管理AIの可能性

　AI活用は、竣工後の維持管理にも広がる可能性がある。三戸氏は、維持管理分野ではBIMそのものより、CAFM（Computer Aided Facility Management）などの外部データベースにAIを組み合わせる形が中心になると予測する。

　重要なのが、運用データとBIMデータとのリンクだ。BIMデータから必要なデータを書き出して別のソフトで管理すると、「何についてのデータなのか」という関係性が途切れてしまう。

　そこで三戸氏が画期的な機能として注目するのが、「Autodesk Tandem」だ。Tandemにより、データがリンクされた状態でコントロールできるようになった。リンクが維持されれば、ある部材で特定の現象が起きた際、計測値だけでなく「建物のコーナーにある部材」といった位置や周囲の条件まで含めて分析できる。

　維持管理AIでは、外部データベースの値が求める「答え」、BIM側の情報が判断の「与条件」になる。Tandem上では、BIMと連携した情報もAIの学習データに使える。運用データとリンクしたまま、建物側の条件まで学習に生かせれば、維持管理の業務も変革できる可能性を秘めている。

「AIにやらせてはいけない仕事は何か」変わる人間の役割

　AI活用が進めば、人間の役割そのものが問われる。三戸氏は、エンジニアやアーキテクトを含め、「AIが担える仕事はさらに広がり、施工管理でも人にしかできない仕事は減っていくのではないか」と考察する。

　一方で、「AIに仕事を全て任せればよいわけではない」とも言及する。建設は一品受注生産、現地屋外生産であり、人が担う事業で顧客も人だ。だからこそ、「技術的に可能かどうかとは別に、人が介在すべき業務は何かを見定める必要がある。これからは『AIにできない仕事は何か』ではなく、（セキュリティの観点などを含め）『AIに委ねてはならない仕事は何か』を見極める必要がある」と持論を述べる。

　三戸氏自身、近年のAIの急速な進歩は想像していなかったとのこと。「今はまだ変化に対応できていない人の方が多いが、さらに1、2年経過すれば、こうした状況が当たり前になるのではないか」との見通しを語る。

　AIに人の仕事を置き換えられるかの視点から一段上がり、AIを前提に業務プロセスを再構築し、人間が担うべき仕事を問い直す。三戸氏が描くAXは、施工管理の省力化にとどまらず、建設の仕事そのものを再設計する段階へ向かっている。

最後に「AIにやらせてはいけない仕事は何か」とAXの本質を言及する清水建設の三戸景資氏