- AI積算って、結局どこまで自動でやってくれるの
- 「AI積算」で調べたら製品名が出てくる。一般名詞なの？商品名なの？
- 図面のPDFを放り込んだら数量が出てくるってこと？
- 精度99%って書いてあるけど、どこがどう間違うの
- 拾い漏れで赤字になったら、誰が責任を取るの
- 手書きの図面や古い青焼きは読めるの
- うちは公共工事メイン。歩掛が決まってるのにAIの余地あるの？
- 料金が「お問い合わせ」ばかりで比較できない
- 発注者から借りた図面を、外部のAIに投げていいのか
- 積算部の話でしょ？施工管理の自分に何か関係ある？
上記の様な悩みを解決します。
AI積算は、図面や仕様書をAIが読み取って数量拾いや見積作成の一部を自動化する仕組みです。ここ数年で製品が一気に増えて、実務でも「試してみた」という会社が珍しくなくなってきました。ところが調べに行くと、出てくるのはツールを売っている会社の記事と製品ページばかりで、「精度99%」という数字は並んでいるのに、それが何を分母にした精度なのかはどこにも書いていないんですよね。今回は定義・仕組み・主要ツール・料金といった基本を押さえた上で、ベンダー側の記事では触れられにくい「積算5工程のうちAIが効くのはどこか」「公表精度の読み方」「公共工事で余地が狭い理由」「拾い漏れの責任は誰に残るのか」まで、施工管理の目線で整理しました。
なるべく分かりやすい表現で記事をまとめていくので、AIの話に乗り遅れたくないと感じている方にも理解しやすい内容になっているかなと思います。
それではいってみましょう！
AI積算とは？一般名詞と製品名が同じで紛らわしい
AI積算とは、結論「図面や仕様書をAIに読み取らせて、数量拾いや見積作成の一部を自動化する仕組みの総称」です。
最初につまずくのがここで、「AI積算」は一般名詞としても使われていますが、同時に特定の製品名でもあります。H2Corporationが提供する設備向けの製品名が「AI積算」で、検索すると製品サイトが上位に出てきます。さらに「積算AI」という別会社の製品名もあり、語順を入れ替えただけの言葉が別々の製品を指しているという状態です。
整理すると、一般名詞としてのAI積算はAIで積算業務を自動化する仕組み全般、製品名としてのAI積算は設備の数量拾いに特化した製品でPDFの平面図から配管やダクトを拾うもの、積算AIは内装の積算に使われる別会社の製品、という3つが同時に存在しています。
社内で「AI積算を検討しよう」と言うときに、この3つのどれを指しているかが揃っていないと話が噛み合いません。まずは製品名なのか仕組みの話なのかを確認するところから始めるのが実務的です。
そもそもの積算がどういう作業なのかはこちらで整理しています。
建設業でのAI活用の全体像はこちらが参考になります。
僕の感覚だと、この言葉の紛らわしさが検討の初期にけっこう時間を食っています。会議で「AI積算を入れたい」という話が出たときに、誰かが製品サイトを見て「これは設備専用だから使えない」と言い、別の誰かは仕組みの話をしている、という食い違いが起きやすい。用語を最初に固めるだけで、比較の土台が揃います。
仕組み｜図面をどう読んでいるのか
仕組みは、結論「図面を画像として認識する技術と、文字を読む技術と、意味を解釈する技術の組み合わせ」です。
一枚にまとめると次の4層になります。層ごとに得意な図面の種類が違うので、自社の図面がどの層で処理されるのかを知っておくと期待値の設定を間違えません。
| 技術の層 | やっていること | 得意・不得意 |
|---|---|---|
| OCR（文字認識） | 図面内の寸法、室名、部材記号、凡例を文字として読む | 印字は得意、手書きは苦手 |
| 物体検出 | 器具記号や部材のシンボルを画像として見つけて数える | 凡例が統一された図面は得意 |
| ベクター解析 | CADデータの線分・レイヤ情報から長さと面積を直接取る | DWG/DXFがあれば最も正確 |
| 生成AI（LLM） | 仕様書の文章を読んで、条件や仕上げの指定を拾う | 文章は得意、図面単体は苦手 |
OCRとの違いを聞かれることが多いのですが、OCRは4層のうちの1つで、AI積算はその上に「これは何の部材か」を判定する層を重ねたものです。文字が読めるだけでは数量になりません。
OCR単体の使いどころはこちらで整理しています。
CADデータがある場合はベクター解析が使えるので、精度の性質が変わります。
BIMモデルがあるなら、そもそも数量は属性として持っているのでAIで読み取る必要がありません。
実務だと、ここの理解が期待値を決めます。PDFを投げ込む形の製品は、印字がきれいで凡例が統一された図面でこそ性能が出ます。手書きの追記が入った図面、青焼きをスキャンした図面、縮尺が混在した図面では落ちます。「うちの図面で試させてほしい」を導入検討の最初に置くべき理由がここにあります。
AIが効く工程と効かない工程｜積算を5つに分ける
ここが一番大事な整理です。結論「積算のうちAIが効くのは前半の2工程で、後半3工程は別の話」です。
積算を一塊で見ていると「AIで積算が自動化される」という話になりますが、工程に分けると効き方がはっきり分かれます。
| 工程 | 内容 | AIの効き方 |
|---|---|---|
| ①図面・仕様書の読み込み | 何を作るのか、仕上げと条件を把握する | 生成AIが効く。仕様書の条件抽出は速い |
| ②数量拾い | 部材ごとの数量を図面から拾う | AI積算の本体。ここが自動化の対象 |
| ③単価設定 | 材料単価・労務単価・歩掛を当てる | 効きにくい。単価表と歩掛の参照作業 |
| ④内訳書の作成 | 発注者指定の様式に組み替える | 既存の積算システムが担う領域 |
| ⑤見積書の作成・提出 | 経費と利益を乗せて提出形式にする | 経営判断が入るので自動化できない |
③以降は、実はAI以前の積算システムで既に自動化されています。単価表と歩掛のデータベースがあれば計算は機械の仕事だからです。だから「AI積算で積算が全部自動になる」というのは正確ではなく、「これまで人が手で拾っていた②が機械側に移りつつある」というのが実態です。
歩掛と単価の考え方はこちらを押さえておくと、③が自動化しにくい理由が分かります。
労務単価がどう決まるかはこちらです。
そしてもう1つ、②が自動化されても総時間はそこまで減らないことがあります。理由は検算です。人が拾えば拾いながら確認していますが、AIが拾うと出てきた数量を人が別作業で確認することになります。拾う時間が8割減っても、検算に元の3割の時間がかかれば、全体は5割減にとどまります。
- 効果が大きいケース：部材点数が多く、記号が統一されている（設備、内装、電気）
- 効果が読みにくいケース：図面が複雑で判断が要る（改修、既存図あり、意匠が特殊）
- ほぼ効かないケース：単価と歩掛の当て方が勝負になる（公共工事の積算基準どおりの案件）
現場目線で言えば、導入の判断は「うちの積算時間のうち、②の数量拾いが何割か」を数えるところから始めるのが正しい順序です。ここが2割なら、②が8割減っても全体は16%しか減りません。この計算を先にやらずに導入すると、期待した効果が出なかったという結論になりがちです。
「精度99%」の読み方｜拾い漏れと過剰拾いは損の性質が違う
ベンダーが公表する精度は、結論「何を分母にした精度なのかを確認しないと意味を持たない」数字です。
たとえばある製品は、個数物の自動拾いで精度99%、ダクトや配管といったルート系の認識で精度95%と公表しています。これは製品としてかなり高い水準ですが、実務で気にすべきは3点あります。
1つめは分母です。精度が「部材の点数」に対する率なのか、「金額」に対する率なのかで意味が変わります。スプリンクラーヘッドのように点数が多い部材で1%外すと、点数としては何十個になります。それが単価の安い部材なら金額影響は小さく、高い部材なら大きい。点数の精度と金額の精度は別物です。
2つめは方向です。精度という一語に、2つの誤りが混ざっています。
| 誤りの方向 | 何が起きるか | 損の性質 |
|---|---|---|
| 拾い漏れ（あるのに拾えない） | 見積が安くなる。受注できても原価が超える | 赤字。受注後に発覚するので逃げ場がない |
| 過剰拾い（無いものを拾う） | 見積が高くなる | 失注。または発注者に指摘され信頼を落とす |
この2つは、同じ「1%の誤り」でも会社に与える打撃がまったく違います。拾い漏れは受注後に赤字として顕在化するので、検算では漏れを探す方に重みを置く必要があります。ところが人間の確認は「出てきたものが合っているか」を見る作業になりがちで、これは過剰拾いを見つける作業です。漏れを見つけるには、図面を見て「これが計上されているか」を逆から追う必要があります。
3つめは図面依存です。公表精度は、製品が想定する標準的な図面での値です。自社の図面で同じ数字が出る保証はありません。
- 検算は「出てきた数量の確認」と「図面から見た計上漏れの確認」を別作業として分ける
- 単価の高い部材だけは全数を人が確認する（金額影響が大きい順に見る）
- 導入前に自社の過去案件を投げて、人が拾った数量との差を工種別に出す
正直なところ、この差の出し方を導入前にやっている会社は少ないです。過去の案件は正解が分かっているので、これほど確実な検証材料はありません。3案件でも投げて工種別に差を出せば、自社の図面でどこが弱いかが具体的に見えます。トライアル期間をデモの操作説明に使うのではなく、この差分検証に使えるかどうかが、導入の成否を分けていると考えています。
主要なツールと料金の考え方｜代行・内製との3択
ツールは、結論「対応する分野が製品ごとに分かれているので、まず自社の工種で絞る」のが選び方の起点です。
主要な製品を分野で整理すると次のようになります。特徴は各社の公表内容に基づく整理です。
| 製品 | 提供 | 主な対象 |
|---|---|---|
| AI積算 | H2Corporation | 設備（ダクト、配管、空調・衛生の器具） |
| 積算AI | KK Generation | 内装 |
| 間取り図AI積算 | パナソニック | 住宅の間取り図 |
| 拾いの匠AI | システムズナカシマ | 建築 |
| 楽王Crew・ヒロイくんIII | アークシステム | 建築の積算・拾い |
| Gaia Cloud | ビーイング | 土木 |
料金は、多くの製品が「対象の図面数またはユーザー数に応じて個別見積」という形を取っています。金額が公開されていないのは不便ですが、裏を返すと使う量で決まるということなので、年間の対象案件数と図面枚数を先に数えておくと商談が早く進みます。
比較の前に考えるべきなのが、そもそもツールを持つべきかという点です。選択肢は3つあります。
- AI積算ツールを導入する：案件数が多く、図面の形式が安定している会社に向く
- 積算代行に外注する：案件数の波が大きい、繁忙期だけ手が足りない会社に向く
- 内製で人を育てる：特殊な工種、独自の歩掛を持っている会社は結局これが強い
案件数が少ないのにツールを入れると、1案件あたりのコストが代行より高くつくことがあります。逆に代行は繁忙期に依頼が集中して納期が読みにくい。3つを比べるときは「1案件あたりいくらか」に換算して並べるのが分かりやすいです。
見積の速さそのものが受注に効く場面もあるので、コストだけで決めきれない面もあります。
個人的には、まず代行を1案件使ってみるのを勧めます。自社の図面を外部の人間が拾ったときに何を質問してくるかが、そのまま「自社の図面の弱いところ」のリストになります。AIも同じところでつまずくので、この情報がツール選定の判断材料になります。
公共工事でAI積算の余地が狭い理由
公共工事は、結論「積算基準と歩掛が決まっているので、AIの入る余地が数量拾いに限られる」という構造になっています。
民間工事の積算は、単価をどう見るか、歩掛をどう置くかに会社ごとの読みが入ります。ここに過去データを使う余地があります。一方で公共工事は、発注者側が積算基準と標準歩掛を定めていて、受注者側もそれを前提に積算します。つまり単価と歩掛は「決まっているものを引く」作業なので、AIが学習して精度を上げるという性質の仕事ではありません。
- 単価：物価資料と公共工事設計労務単価から引く。判断の余地が小さい
- 歩掛：積算基準に定められた標準歩掛を使う。独自の歩掛を当てる場面が限られる
- 内訳書：発注者指定の様式と電子入札のデータ形式に合わせる必要がある
- 数量：設計図書から拾う。ここだけがAIの対象になる
3つめの様式の話が地味に効きます。せっかくAIで数量を拾っても、発注者指定の内訳書様式や電子入札のデータ形式に出せなければ、結局既存の積算システムに手で移すことになります。導入検討では「出力が既存の積算システムに取り込める形式か」を必ず確認しておきたいところです。
落札率や予定価格の仕組みを知っておくと、積算の精度が入札でどう効くかが見えます。
実務だと、公共工事中心の会社では「AIで積算を自動化」より「設計図書からの数量拾いだけをAIに任せて、その先は既存システム」という組み方が現実的です。効く範囲を狭く見積もっておいた方が、導入後の落差が小さくなると思います。
導入で失敗する型と、責任の所在
失敗の型は、結論「効果測定の設計をしないまま入れる」ことにほぼ集約されます。
よく聞く失敗のパターンを並べると、原因はどれも導入前の設計にあります。
- デモの図面では動いたが、自社の図面では読めなかった（自社図面での検証をしていない）
- 数量は出るが検算に時間がかかり、総時間が減らなかった（②の割合を数えていない）
- 出力形式が既存の積算システムに合わず、手で移し替えている（連携の確認をしていない）
- 使う人が積算担当1人に閉じて、辞めたら元に戻った（属人化が解消されていない）
4つめは皮肉な話で、属人化を解消するために入れたツールが新しい属人化を作ることがあります。導入時に2人以上が触る運用にしておくのが最低条件です。
そして責任の所在です。ここは明確で、AIが拾った数量で見積を出しても、その見積の責任は出した側に残ります。総価請負であれば、数量を読み違えて原価が超えた分は原則として受注者の負担です。「AIが間違えたので増額してほしい」は通りません。
- 数量の確認責任は、見積を出す側に残る
- 発注者から借りた図面を外部のAIサービスに投げる前に、契約上の秘密保持と第三者提供の可否を確認する
- 入力したデータが学習に使われるかどうか、保存期間はどうかを利用規約で確かめる
2つめと3つめは、生成AIに仕様書や図面を読ませるときに特に気をつけたい点です。工事の図面は発注者の資産で、秘密保持の対象になっていることが多い。個人の判断で無料のAIサービスに投げるのは避けて、社内で使えるサービスを決めておくのが安全です。
AIと品質・責任の線引きはこちらでも整理しています。
施工管理としての使いどころ｜実行予算の拾い直しに効く
最後に、積算部門ではなく施工管理の立場での話です。結論「受注後に自分で数量を拾い直す場面が、いちばん相性がいい」です。
施工管理は、実行予算を組むときに見積の数量を鵜呑みにせず、自分で拾い直します。この作業は積算部門の仕事とは目的が違って、「この数量で本当に作れるか」を確かめるためのものです。ここでAIに拾わせた数量を並べると、人の拾いとの差が出た箇所が浮きます。
- 実行予算の数量を、見積の数量とAIの数量の3つで並べて差を見る
- 差が出た工種は、図面の読み方が分かれている箇所なので優先して確認する
- 発注前に数量を確定させたい工種（生コン、鉄筋、建材）から順に使う
3つ並べるのが肝です。2つだとどちらが正しいか分かりませんが、3つあると1つだけ違う数字が浮くので、確認する場所が絞れます。
実行予算と原価管理の関係はこちらで整理しています。
完成工事原価の4費目の考え方はこちらです。
実務だと、施工管理がAI積算に触る機会はまだ限られています。ただ数量の拾い直しは受注後に必ずやる作業で、しかも拾い漏れがそのまま赤字になる場面です。会社にツールがあるなら、積算部門の見積だけでなく実行予算の検算にも使わせてもらう。この使い方がいちばん短期で効く場面だと考えています。
AI積算に関する情報まとめ
- AI積算とは：図面や仕様書をAIに読ませて数量拾いや見積作成の一部を自動化する仕組み。同名の製品もあるので用語を先に固める
- 仕組み：OCR、物体検出、ベクター解析、生成AIの4層。印字がきれいで凡例が統一された図面で性能が出る
- 効く工程：積算5工程のうち①読み込みと②数量拾い。③単価・④内訳書・⑤見積は既存システムと経営判断の領域
- 精度の読み方：分母（点数か金額か）と方向（拾い漏れか過剰拾いか）を確認する。漏れは赤字、過剰は失注
- 検算：出てきた数量の確認と、図面からの計上漏れの確認を別作業に分ける。単価の高い部材は全数確認
- 主要ツール：設備、内装、住宅、建築、土木で製品が分かれる。料金は図面数・ユーザー数に応じた個別見積が主流
- 3択：ツール導入・積算代行・内製育成を、1案件あたりの金額に換算して比べる
- 公共工事：単価と歩掛が基準で決まっているのでAIの余地は数量拾いに限られる。出力形式の連携確認が必須
- 責任：AIが拾った数量でも見積の責任は出す側に残る。図面を外部AIに投げる前に秘密保持と学習利用を確認
- 施工管理の使いどころ：実行予算の数量拾い直し。見積・自分の拾い・AIの3つを並べて差の出た工種を確認する
以上がAI積算に関する情報のまとめです。
AI積算は「積算がなくなる技術」ではなく、「数量拾いという1工程が機械側に寄る技術」です。だから導入の判断は、自社の積算時間のうち数量拾いが何割かを数えるところから始まります。そして入れたあとに効くのは、精度の高さそのものより検算の設計です。漏れを探す確認と、出てきた数量を見る確認を分けておく。ここを決めておけば、精度が公表値どおりでなくても赤字にはつながりません。まずは過去案件を3件投げて、工種別の差を出すところから手を付けるのが確実だと思います。
AI積算に関するよくある質問
Q1：AI積算は一般名詞ですか、それとも製品名ですか？
両方です。AIを使って積算業務を自動化する仕組みの総称としても使われていますが、H2Corporationが提供する設備向け製品の名称も「AI積算」です。さらに「積算AI」という別会社の製品もあり、語順が違うだけの言葉が別の製品を指しています。社内で検討を始めるときは、仕組みの話なのか特定製品の話なのかを最初に確認しておくと話が噛み合います。
Q2：PDFの図面を入れるだけで数量が出ますか？
製品によっては出ます。ただし性能が出るのは、印字がきれいで凡例が統一された図面です。手書きの追記が入った図面、青焼きをスキャンした図面、縮尺が混在した図面では精度が落ちます。CADデータ（DWG/DXF）があればベクター解析で線分や面積を直接取れるので、そちらの方が正確です。導入検討では必ず自社の実際の図面で試させてもらってください。
Q3：「精度99%」はどう読めばいいですか？
分母と方向を確認してください。分母が「部材の点数」なのか「金額」なのかで意味が変わり、点数が多い部材で1%外すと点数としては相当な数になります。方向についても、拾い漏れ（見積が安くなる→受注後に赤字）と過剰拾い（見積が高くなる→失注）では損の性質が違います。検算では、出てきた数量を見る作業と、図面から計上漏れを追う作業を分けて行うのが安全です。
Q4：AI積算を入れれば積算時間はどれくらい減りますか？
自社の積算時間のうち、数量拾いが占める割合次第です。AIが効くのは図面・仕様書の読み込みと数量拾いで、単価設定・内訳書作成・見積書作成は既存の積算システムと経営判断の領域です。数量拾いが積算時間の2割なら、そこが8割減っても全体では16%しか減りません。さらに検算の時間が新たに乗るので、導入前に工程別の時間配分を数えておくのが必須です。
Q5：公共工事でもAI積算は役に立ちますか？
数量拾いに限れば役に立ちます。ただ公共工事は発注者が積算基準と標準歩掛を定めているので、単価と歩掛は決まったものを引く作業で、AIが学習して精度を上げる余地が小さいです。加えて内訳書は発注者指定の様式、提出は電子入札のデータ形式になるため、AIの出力が既存の積算システムに取り込める形式かどうかを必ず確認してください。ここが繋がらないと手で移し替える作業が残ります。
Q6：AIが拾った数量で赤字になったら、発注者に増額請求できますか？
原則できません。総価請負であれば、数量の確認責任は見積を出した側に残ります。AIが間違えたことを理由に請負代金の増額を求めるのは通りません。だからこそ検算の設計が重要で、特に単価の高い部材は全数を人が確認する運用にしておくのが現実的です。
Q7：発注者から借りた図面を外部のAIサービスに投げても大丈夫ですか？
契約を確認してから判断してください。工事の図面は発注者の資産で、秘密保持の対象になっていることが多く、第三者提供の可否が契約で決まっています。あわせて、入力したデータが学習に使われるか、どのくらい保存されるかを利用規約で確かめる必要があります。個人の判断で無料のAIサービスに投げるのは避けて、社内で使えるサービスと使い方のルールを決めておくのが安全です。
合わせて読みたい記事はこちら。