
大手IT企業、Sansan、HubSpot Japanを経て2024年に株式会社UniteXを創業。数百社のCRM導入・業務設計を経験する中で「ツール導入だけでは組織は変わらない」という課題に直面し、AI×業務プロセス最適化サービス「AI Flow」を立ち上げ。業務理解・ビジネス理解・CRM・AIの4軸で、企業の業務プロセスそのものを再設計する支援を行っている。
設計事務所から図面が届いた。A1サイズの図面が30枚。意匠図、構造図、設備図──それぞれを広げて、スケールを当て、一つひとつの部材を拾い出していく。コンクリートの体積、鉄筋の重量、型枠の面積。電卓を叩き、Excelに入力し、数字を積み上げていく。
気がつけば3日が過ぎていた──建設業の積算現場では、こんな光景が今も日常的に繰り返されています。
建設業の積算とは、工事に必要な材料・労務・機械の数量を図面から算出し、それぞれに単価を設定して工事原価を見積もる業務です。公共工事では「積算基準」に基づく厳密な数量計算が求められ、民間工事でも正確な原価把握が利益率を左右します。積算の精度とスピードは、建設会社の競争力そのものです。
この記事では、建設業の積算業務を工程ごとに分解し、なぜ「数量拾い」にこれほど時間がかかるのかを明らかにします。
建設業の積算は、単に「図面を見て数字を出す」だけではありません。見積書の完成に至るまでの一連のプロセスを分解すると、次の5工程に整理できます。
積算の最初のステップは、設計図書の全体を把握することです。意匠図(平面図・立面図・断面図)、構造図(伏図・軸組図・配筋図)、設備図(機械設備・電気設備)──これらを横断的に読み、工事の全体像を頭に入れます。
問題は、図面間の整合性を確認しながら読む必要があることです。意匠図と構造図で壁の位置が微妙にずれている。設備図に記載された配管ルートが構造の梁と干渉している。こうした不整合は珍しくなく、積算担当者は図面を読みながら「ここは設計者に確認が必要だ」という判断を常に行っています。
さらに、特記仕様書や共通仕様書の内容も踏まえなければなりません。図面に描かれていない施工条件──たとえば地盤の状態、仮設の範囲、養生期間──が積算に大きく影響します。
図面の全体像を把握したら、いよいよ数量拾いに入ります。これが積算業務で最も時間がかかる工程です。
数量拾いとは、図面から工事に必要なすべての部材を洗い出し、その数量(長さ・面積・体積・重量・個数)を計算する作業です。具体的には以下のような作業が含まれます。
中規模のRC造マンション(5階建て・30戸程度)であれば、拾い出す項目数は数千行に達します。一つひとつの寸法を図面からスケールで読み取り、掛け算し、控除(開口部の面積を引く等)を行い、集計する。この繰り返しに、熟練の積算担当者でも2〜3日を要します。
数量が出たら、次は「歩掛(ぶがかり)」を適用します。歩掛とは、ある作業を行うために必要な労務量を示す係数です。たとえば「コンクリート打設 1m3あたり 普通作業員 0.25人」のように、単位数量あたりの必要人工数が定められています。
公共工事では国土交通省の「公共建築工事積算基準」に定められた歩掛を使用しますが、民間工事では自社の実績データに基づく歩掛を使うことが多く、同じ工事でも会社によって労務費の見積もりが異なる原因になっています。
また、施工条件によって歩掛を補正する必要があります。高所作業、狭隘な場所での作業、冬季施工──こうした条件を考慮して歩掛を増減させる判断は、経験がなければできません。
数量と歩掛が出揃ったら、各項目に単価を設定します。ここで問題になるのが、単価は常に変動しているという事実です。
公共工事であれば「建設物価」「積算資料」などの刊行物に掲載された単価を参照しますが、実勢価格との乖離が生じることもあります。民間工事では、取引先への見積依頼や過去の発注実績から単価を設定するため、担当者の人脈と経験がそのまま単価の精度に反映されます。
最後に、数量・歩掛・単価を組み合わせて見積書を作成します。内訳明細書には、直接工事費(材料費・労務費・機械経費)に加え、共通仮設費、現場管理費、一般管理費を積み上げます。
ここでも時間がかかるのが、数字の整合性チェックです。数千行の明細を積み上げた結果、総額が「なんとなく高い」「前回の類似物件と比べて安すぎる」と感じたら、どこかで拾い漏れや拾いすぎが発生している可能性があります。この見直し作業に、さらに半日〜1日を要することも珍しくありません。
上記5工程のどこに時間がかかっているのかを整理すると、「数量拾い」に工数が集中している構造が見えてきます。
| 工程 | 所要時間(中規模案件) | ボトルネック |
|---|---|---|
| 図面の読み取り・範囲把握 | 4〜8時間 | 図面間の不整合、特記仕様の確認 |
| 数量拾い | 2〜3日(16〜24時間) | 部材数が膨大、手作業での計算 |
| 歩掛の適用 | 2〜4時間 | 施工条件による補正判断が属人的 |
| 単価の設定 | 4〜8時間 | 市場価格の変動、地域差の反映 |
| 見積書の作成・チェック | 4〜8時間 | 数千行の整合性確認、過去案件との比較 |
中規模の建築工事1件あたり、積算の完了までに合計4〜5日(30〜50時間)の工数が発生しています。入札案件が月に3〜5件あれば、積算担当者は月の稼働時間のほとんどを積算業務だけで消費する計算です。
積算業務が特定のベテラン担当者に依存する「属人化」は、建設業界の深刻な課題です。その原因を構造的に整理すると、3つのポイントに集約されます。
図面を「読む」とは、単に線や寸法を見ることではありません。設計者の意図を汲み取り、施工の手順をイメージしながら、図面に描かれていない情報を補完する能力が求められます。
たとえば、断面図に描かれた梁の配筋を見て、「この定着長さでは現場で納まらないから、設計変更が入るだろう」と予測できるのは、現場経験のある積算担当者だけです。こうした「行間を読む力」は、マニュアルでは教えられません。
数量の拾い方には、会社ごとのローカルルールが存在します。開口部の控除をどこまで行うか、重複部分をどう処理するか、端数の丸め方──これらのルールが担当者の頭の中にしかない状態が、属人化の最大の原因です。
同じ図面を2人の積算担当者が拾っても、結果が5〜10%異なることは珍しくありません。これは「どちらかが間違っている」のではなく、「拾い方の基準が共有されていない」ために生じる構造的な問題です。
適切な単価を設定するには、地域の相場観が不可欠です。同じ鉄筋工でも、東京と地方では労務単価が大きく異なります。また、特定の時期(年度末の繁忙期等)には単価が上昇する傾向があり、こうした肌感覚は数字だけでは把握できません。
さらに、材料の単価は取引先との関係性によっても変わります。長年の付き合いがある業者からの仕入価格と、新規の業者からの見積もりでは、同じ材料でも10〜20%の差が出ることがあります。
積算業務の各工程に対して、AIがどのように業務を変えるのかを具体的に解説します。
AIが図面(PDF・CADデータ)を読み取り、部材の種類・寸法・位置関係を自動で認識します。意匠図・構造図・設備図の整合性チェックも自動化でき、図面間の不整合を積算前に検出できます。
従来4〜8時間かかっていた図面の読み込みと範囲把握が、数十分〜1時間程度に短縮されます。特に、過去の類似案件の図面パターンを学習したAIは、工事の全体像を迅速に把握できます。
AIによる画像認識・CAD解析技術を活用すれば、図面から部材の数量を自動で算出できます。コンクリートの体積、型枠の面積、鉄筋の重量──これらをAIが図面データから直接計算します。
3日かかっていた数量拾いが、数時間〜半日に短縮される可能性があります。ただし、AIの出力は必ず人間が確認する「ダブルチェック」のフローが不可欠です。
AIが工事の施工条件を分析し、適切な歩掛を自動で適用します。高所作業、狭隘部、冬季施工などの補正係数も、図面情報と現場条件から自動で提案できます。
さらに、過去の自社施工実績データを学習させれば、公共の標準歩掛ではなく「自社の実態に基づいた歩掛」を算出することも可能です。これにより、より正確な原価予測が実現します。
AIが建設物価データや過去の発注実績を分析し、現時点の適正単価を自動で推定します。地域・時期・市場動向を加味した単価設定が、担当者の経験に頼らず実現できます。
特に効果が大きいのは、材料費の変動予測です。鋼材・セメント等の市場価格トレンドをAIが分析し、入札時点から着工時点までの価格変動リスクを定量的に把握できるようになります。
数量・歩掛・単価が確定したら、AIが内訳明細書と見積書を自動で生成します。過去の類似案件との比較分析も自動で行い、総額が大きく乖離している場合はアラートを出します。
「この案件の鉄筋量が、過去の類似規模の案件と比べて20%多い」といった異常値の自動検出により、拾いすぎや拾い漏れを早期に発見できます。
中規模の建築工事(RC造5階建て・延床面積3,000m2程度)の積算を想定して、AI導入前後のインパクトを試算します。
| 指標 | Before(従来) | After(AI導入後) | 改善幅 |
|---|---|---|---|
| 数量拾いの所要時間 | 2〜3日(16〜24時間) | 3〜6時間 | 約75%削減 |
| 積算1件の総工数 | 4〜5日(30〜50時間) | 1〜2日(8〜16時間) | 約60%削減 |
| 月間対応可能件数 | 3〜5件/人 | 8〜12件/人 | 2〜3倍 |
| 計算ミス発生率 | 5〜10%の項目に誤差 | 1%未満 | 大幅改善 |
| 担当者間の数量差異 | 同一図面で5〜10%の差 | 2%以内に収束 | 属人化の解消 |
積算の総工数が60%削減されるということは、同じ人数で2倍以上の案件に対応できるということです。入札機会を逃さず、より多くの案件を検討できる体制が整います。AIは積算担当者を代替するのではなく、担当者が「判断」に集中できる環境を作ります。
建設業界では、人手不足と高齢化が同時に進行しています。国土交通省の調査によれば、建設業就業者の約35%が55歳以上であり、29歳以下は約10%にとどまります。積算のベテランが退職したとき、その技術を引き継げる人材がいない──これは多くの建設会社が直面している、あるいは近い将来直面する現実です。
「数量拾いに3日かかるのは仕方ない」で済ませるのか、「AIを活用して1日で完了させる体制を作る」のか。この判断が、入札機会の数、見積精度、そして会社の利益率に直結します。
積算業務の改革は、単なる効率化ではありません。ベテランの知見をデジタル資産として組織に残し、次の世代に引き継いでいくための技術継承の仕組みづくりでもあるのです。
ツールの範囲によりますが、単価マスタのデータベース化や類似案件検索であれば月額数万円から始められます。図面からの自動数量拾いまで含めたシステムでは、初期費用100〜500万円、月額10〜30万円程度が目安です。まずは最も導入効果が見えやすい「単価検索の効率化」から段階的に進めるアプローチが推奨です。
定型的な部材(コンクリート体積、型枠面積等)の数量算出においては、AIはベテランと同等以上の精度を達成できます。ただし、特殊な納まりや図面に明示されていない施工条件の判断は、現時点では人間の経験が必要です。AIが「90%の定型作業」を処理し、人間が「10%の判断が必要な部分」に集中する体制が最も効果的です。
PDFや紙図面(スキャンデータ)からでも、AI-OCRと画像認識技術を組み合わせることで、寸法や部材情報を自動で読み取ることが可能になってきています。ただし、CADデータと比較すると精度は落ちるため、人間による確認工程は必須です。長期的には、BIM(Building Information Modeling)データとの連携が積算AIの精度向上に最も効果的です。
むしろ小規模な会社ほどメリットが大きいケースがあります。積算担当者が1〜2名の会社では、その人が休んだり退職したりすると積算業務が止まります。AIを活用して積算の標準化と効率化を進めておくことで、特定の個人に依存しない体制を構築できます。また、より多くの案件に入札できるようになることで、受注機会の拡大にもつながります。
まずは「現状の積算プロセスの可視化」と「過去データのデジタル化」です。各工程にどれだけの時間がかかっているかを計測し、ボトルネックを特定します。同時に、過去の積算書・実行予算・完成原価のデータを構造化して蓄積します。この2つが整って初めて、効果的なAI導入が可能になります。
可能です。国土交通省の公共建築工事積算基準や土木工事標準積算基準書の体系は明確にルール化されているため、AIとの親和性が高い領域です。基準に基づく歩掛の適用、標準単価の参照、数量計算のルール適用は、AIが得意とする「ルールベースの処理」そのものです。むしろ公共工事の積算こそ、AI化の効果が最も大きい分野と言えます。





