一般的な大規模言語モデル(LLM)の評価には、多彩なベンチマークや指標が提案されていますが、専門的かつ技術的な領域については専門家による評価が求められます。大量の生成結果に対して人手で評価するには限界があるため、LLMを用いることで効率的な評価を可能にする「LLM-as-a-judge」の活用も広がっています※5。
RAGをシステムやエージェントに組み込み、多様な課題へ適用する研究開発も盛んです。下図は地盤工学に関する質問に対し、ユーザーの属性に応じて自動で、RAGによって専門的な知見を取り入れるか、LLMの一般的な知見で回答するかを選択し、さらに専門的な知見の場合は因果関係などの推論を含めた回答を生成するエージェントの例です※6。
文献7では、文献3の地域防災計画のRAGを拡張し、国の防災基本計画の改定内容を踏まえた地域防災計画の改定支援システムを検討しています※7。国の防災基本計画の改定内容を整理する前処理を組み込んだRAGを構築し、それに対応する地域防災計画の改定箇所と改定案を提示しています。
文献8では、港湾護岸工事を対象にRAGを取り入れることで、断面CADの自動生成、工種別作業量の自動算定、工程最適化などへの適用を試みています。下図がその構成です。技術指針などの資料に加え、技術者の経験もデータベース化することで、技術継承に役立てようとしています。
RAGは、エージェント型AIに専門知識を持たせる手法としても有効です。文献9では、橋の図面データから、部材や寸法、材料などの属性情報を抽出するエージェントを構築しています。RAGによるデータの参照と、人間による修正を取り入れることで、精度を高めています。
文献10では、データが不十分な場合や欠損している場合の橋の3D形状の再現を試みています。下図のように不完全なデータであっても、土木の専門知識をRAGによって取り入れることで補い、3Dモデルを生成しています。
専門知識を組み入れたRAGによって、専門的な知見を生成することも可能になります。それを生かして、技術的なサポートや技術継承などへの適用が進められています。また、専門的な業務を行うエージェント型AIでは、RAGを機能の一部として取り入れることで、あたかもAIが専門知識を持っているかのように振る舞うことができます。このようにRAGは、エージェント型AIの発展とも相まって、多様な専門的かつ実務的な業務への利活用が広がりつつあります。
※10 「オープンデータからの 3D モデル生成」杉崎光一,全邦釘,阿部雅人/AI・データサイエンス論文集7巻1号p342-348/「科学技術情報発信・流通総合システム(J-STAGE)」/2026年
製品動向:AI検知と自動警告機能を備えた防犯カメラ2機種を発売 ソーラー電源で建設現場にも対応、AZx
メンテナンス・レジリエンス2026:時速80kmの高速走行で地中を「3D可視化」、道路陥没を防ぐ最新GPR探査とAI解析
AI:KENCOPA工程AIエージェント、ExcelやCADの工程表を取り込める新機能
調査レポート:「施工管理求人数1位は東京、地方は全国企業が下支え」レクリー調査
地場ゼネコンのDX:「紙とハンコ」文化から2年半でAIエージェント駆動へ 宮崎の地場ゼネコン、改革の軌跡
現場管理:移動式AI配筋検査システムで立会検査70%削減 鹿島建設と三菱電機エンジニアリング
“土木×AI”で起きる建設現場のパラダイムシフト(41):「バーティカルAI」と「フィジカルAI」がけん引する建設DXの先の「土木AX」Copyright © ITmedia, Inc. All Rights Reserved.
人気記事トップ10