AIで設計ディテールを再利用する時代へ：Pirrosに学ぶ建設DX

シリーズ「建設業界のAI導入ガイド：生産性向上と安全管理」

---

AIで“同じ図面を何度も描く”時代を終わらせる

大手ゼネコンや設計事務所にヒアリングをしていると、「若手が毎回同じディテールを一から描いている」という話が必ず出てきます。耐震壁の配筋詳細、手摺りの標準ディテール、スリーブ廻りの納まり…。過去案件に必ずどこかにあるのに、探すより描いた方が早いから、またゼロから作る。

ここが、設計・BIMの生産性を大きく削っているボトルネックです。

この記事では、米国のスタートアップ Pirros の事例をベースに、「AI＋クラウドで設計ディテールを資産として再利用する」という考え方を整理し、日本の建設・設計・設備業界でどう応用できるかを解説します。BIM連携や生産設計の効率化に関心のある方には、実務レベルで役立つ視点になるはずです。

---

Pirrosは何をしているのか？一言でいうと「設計ディテール検索エンジン」

結論から言うと、Pirrosは過去プロジェクトの図面・BIMモデルからディテールをAIで抽出し、いつでも検索・再利用できるようにするクラウド基盤です。

• Revitモデルや2D図面をクラウドに集約
• AIがディテールを自動で分類・タグ付け（部位・用途・構造種別など）
• 設計者はキーワード検索や類似形状検索で、最適な詳細図をすぐに呼び出し
• 選んだディテールは自分のプロジェクトにそのまま取り込み可能

PirrosのCEOはこれを

「建築家とエンジニアのためのコンテキストインテリジェンス」

と表現しています。要するに、「この局面で、この用途なら、過去のどのディテールを採用すべきか」を瞬時に教えてくれる仕組みです。

日本の設計・施工でも、優秀なベテランの「頭の中の引き出し」がこれに近い役割を果たしていますが、それをAIとクラウドで組織の共通資産にするイメージです。

---

なぜAIによるディテール再利用が重要なのか

1. 設計・BIMの「隠れ残業」を減らす

設計・生産設計の現場では、こんなムダが日常的に起きています。

• 過去図面を社内サーバで手作業検索
• 類似案件の担当者に口頭でヒアリング
• PDFからDWGへトレース、Revitで描き直し

Pirros導入企業の例では、全社で15,000人超が利用し、特に初期図面作成と入札前検討で大きな時間短縮が出ているといいます。日本企業でも、標準ディテールまわりの工数は30〜40%は削れるポテンシャルがあると考えています。

2. ナレッジ継承と品質の平準化

日本の建設業界が抱える課題のひとつが、熟練者のノウハウの属人化です。

• ベテランが作った「クセのない、現場で収まりやすいディテール」
• 特定のデベロッパーや自治体向けの「お作法」の蓄積

こうした知見は、紙のファイルや個人PC、ベテランの頭の中に散らばりがちです。AIでディテールを一括抽出・整理しておけば、

• 若手でもベテラン水準のディテールに素早くアクセス
• 支店・地域をまたいだベストプラクティス共有
• 設計ミスや見落としによる手戻りやクレームを低減

といった効果が期待できます。これは生産性向上だけでなく、安全管理・品質確保にも直結します。

3. BIM・CDEとの相性が良い

PirrosはRevitとの連携が軸ですが、発想自体は日本のBIM/CIM・CDE運用とも相性が良いです。

• CDE上に蓄積されたBIMモデル・図面をAIで解析
• 標準詳細・納まりをディテールライブラリとして再構築
• プロジェクトごとに「使ったディテールの束」を記録し、次案件で再利用

BIMモデルは「作って終わり」になりがちですが、AIを噛ませることで“次の案件の材料”に変わる、という視点が重要です。

---

どんな仕組みで重複作業を減らしているのか

Pirrosの事例から、AI導入のポイントを3つに整理します。これは日本企業が自社で仕組みを作る際にも、そのまま参考にできます。

① クラウドに「ひとつの真実」をつくる

まずはすべての過去プロジェクトのRevitファイルやPDF図面をクラウドに集約します。ここで重要なのは、

• 「このサーバに行けば最新がある」という状態をなくす
• 担当者ごとの個人フォルダをやめる
• 完成後のモデル・図面を必ず登録するフローを決める

という点です。

AI以前に、データを一か所に集約する設計DXの基本動作を徹底することが前提になります。

② AIが自動で分類・タグ付けする

Pirrosは、アップロードされたデータから次のような属性を抽出しています。

• 構造種別（RC、S、SRC など）
• 部位（基礎、スラブ、柱・梁、開口部、階段、手摺り…）
• 用途（住宅、オフィス、倉庫、病院 など）
• 性能要件（耐火、遮音、防水 など）

日本で応用するのであれば、ここに例えば

• 国土交通省仕様／自治体標準
• 元請・デベロッパーごとのルール
• 鉄道・プラントなど業種固有仕様

といったタグも加えると、さらに実務で使いやすくなります。

③ プロジェクト単位の「ディテール束」を共有

面白いのは、エンジニアが選んだディテールのセットを、そのままデザイナーや他拠点に引き継いでいる点です。

• 構造設計者が、過去案件から使うディテールを一括ピックアップ
• その「束」がBIMモデラー・作図担当に共有される
• モデラーは、その束を基にモデル・図面を整備

これなら、

• 設計者とBIMモデラーが同じものを二度探す
• 部署ごとに別々の標準を使ってしまう

といったよくあるムダを潰せます。日本でも「構造⇒意匠⇒設備⇒施工図」と分業が進むほど、こうしたディテール束の共有は効いてきます。

---

日本の建設業が学ぶべき3つのポイント

Pirrosそのものを入れるかどうかより、考え方と設計プロセスの変え方が参考になります。

1. 「標準詳細集」をAI前提で作り直す

多くの会社が紙やPDFの標準詳細集を持っていますが、

• 更新履歴がバラバラ
• プロジェクトごとのアレンジ版が乱立
• 検索しづらく、若手が使いこなせない

という状態のままでは、AIも活かしきれません。

まずは、

1. ここ3〜5年の代表的な案件から詳細図を抜き出し
2. BIMモデルと図面を紐づけ
3. 部位・用途別に「採用推奨ディテール」を選定

という地道なプロセスで、AIに食わせる“学習素材”を整えることが重要です。

2. AIを「自動作図ツール」ではなく「ナレッジ検索エンジン」と捉える

AI＝自動生成、というイメージが強いですが、Pirrosの発想はむしろ逆です。

AIは、すでに社内にある“正しい答え”を、最速で引き出すためのエンジン

日本の建設会社がいきなり「AIに詳細図を描かせる」のはリスクも大きいですが、

• 過去の実績図から候補を3つ提示し
• 担当者が選び、微修正する

という形なら、品質を担保しつつ工数を減らせます。AIは判断をアシストし、最終判断は人間が行う、という設計が現実的です。

3. 小さく始めて、組織横断のルールに育てる

Pirrosも、最初から全社導入ではなく、一部の構造設計会社や特定部署から始めて成功事例を積み上げています。日本企業でも、

• まずは構造設計＋BIM推進室の数案件で試行
• 効果検証（工数・手戻り・クレーム件数など）
• 成功パターンを標準ワークフローに昇華

というステップが現実的です。

「標準化委員会で1年議論してから全社導入」より、現場と一緒に、実務で使える形を探るほうがAI導入はうまくいくと感じています。

---

安全管理・施工段階への波及効果

設計ディテールの再利用は、単に作図時間を減らすだけではありません。シリーズテーマである「安全管理」にも関係してきます。

事故リスクの少ないディテールを標準にする

過去の施工トラブルやヒヤリハットの情報と設計ディテールを紐づければ、

• トラブルが多かった納まりパターン
• 手直し・是正が頻発した詳細

をAIが洗い出すことができます。その上で、

• 問題の少なかったディテールを「推奨標準」として登録
• リスクの高いディテールには注意喚起タグを付与

といった運用をすれば、図面を描く段階から安全リスクを下げることが可能です。

現場の画像認識AIとの連携

本シリーズで取り上げている「画像認識による安全監視」と組み合わせると、さらに面白い世界が見えてきます。

• 現場カメラの画像認識で“危ない納まり”や“養生不足”を検出
• その納まりに対応する設計ディテールを自動照会
• 次回同様案件では、より安全なディテールをAIが優先提示

こうした設計⇄施工のフィードバックループを作れれば、AIは単なる効率化ツールから、「安全と品質を継続的に高める仕組み」に変わっていきます。

---

これから設計AIにどう向き合うか

ここまで見てきたように、Pirros型のAI活用は次の特徴があります。

• ゼロから図面を自動生成するのではなく、過去の良い事例を最速で引き出す
• BIM・CDE・標準詳細集といった既存の取り組みを、AIで一段レベルアップさせる
• 人手不足の中でも、若手がベテラン水準のアウトプットに近づける

日本の建設業界でAI導入を進めるなら、まずこの領域から着手するのが堅実だと考えています。いきなり「完全自動設計」を目指すのではなく、

• 「探す」「探り合う」「トレースする」といった単純作業をAIに任せる
• 人は、設計意図・安全性・コスト・施工性といった判断に集中する

という役割分担に切り替えることが重要です。

---

まず何から始めるべきか（次の一手）

この記事を読んで、「うちでも似たことをやりたい」と感じた方に、現実的な最初の3ステップを挙げておきます。

1. 過去3年分の代表案件を洗い出す
   構造・意匠・設備・施工図など、横串のチームを組んで「標準にしたい案件」を選定します。

2. ディテール収集と簡易分類から始める
   最初はExcelでも構いません。「部位」「用途」「発注者」「地域」「問題有無」程度のタグを付けて整理します。

3. AI・BIMチームと連携した小規模PoCを企画する
   いきなり全社システムを作ろうとせず、数案件で「AI検索＋ディテール束共有」がどこまで効くかを検証します。

このプロセスを回し始めれば、Pirrosのような専用ツールを導入するにせよ、自社開発するにせよ、“何をAIに任せるべきか”が具体的に見えてきます。

シリーズ全体を通して伝えたいのは、AIは魔法ではなく、日々の仕事の中で少しずつムダを削り、安全と品質を上げていくための「地味だけど強い道具」だということです。設計ディテールの再利用は、その入り口としてちょうど良いテーマです。

次回は、施工現場での画像認識AIを使った安全監視と、今回のような設計AIとの接点について、もう一歩踏み込んで整理していきます。