巨額訴訟を生んだスラブ問題に学ぶ、AIで「責任の所在」を可視化する方法

施工不良1件で155百万ドル──「誰の責任か」が曖昧な現場は高くつく

フィラデルフィアの51階建てホテル案件で、床スラブのたわみとアンカー位置の不整合が原因となり、工期3年遅延・155百万ドル（約200億円超）の損害が争われています。裁判所は元請の契約違反を認定しつつ、主要躯体サブコンにも責任があると判断。設計者・施工者・サブコン・サッシ業者・保証会社まで巻き込み、訴訟・留置権は約30件にまで膨らみました。

注目すべきポイントは、技術的な難しさそのものよりも、「床スラブのたわみ・キャンバー・スラブ端部詳細を誰が責任を持って決め・管理するのか」が最後まで曖昧だったことです。責任の所在がグレーなまま工程が進み、問題が顕在化した時には、既に手遅れになっていました。

日本の建設業界も、再開発の高層案件や大規模物流施設が増え、サプライチェーンは複雑化する一方です。人手不足のなか、「暗黙の了解」と「経験」で押し切るマネジメントには限界が来ています。ここにこそ、AIを組み込んだコラボレーション／ドキュメント管理が効いてきます。

この記事では、この海外事例をケーススタディとして、

• なぜスラブたわみ問題が「所有者不明」のまま大事故案件になったのか
• その構造的な原因を、日本の現場にも起きうるリスクとして分解
• そして、AI×BIM×現場データで「責任・判断・変更履歴」をリアルタイムに見える化する具体的な方法

を整理します。

---

ケーススタディ：誰も「自分の仕事」と言わなかった床スラブたわみ問題

何が起きたのかを整理する

問題のホテル案件では、9階以降のタワー部で床スラブのたわみ・レベル差が大きくなり、さらにスラブ端部に想定外の鉄筋が配置されていたことで、窓ウォールのアンカー打設が困難になりました。その結果：

• サッシ業者は図面通りに納まる窓を製作できず、追加設計・追加材料が発生
• 外装の立ち上がりが大きく遅れ、躯体完成後も長期間オープンのまま
• 工期3年遅延、1日あたり3.5万ドルの遅延損害金という重いペナルティ

さらに悪いことに、スラブのたわみを抑えるためのキャンバー施工が、設計者の明確な指示と検証プロセスを経ず、躯体サブコンの「現場判断」で一部実施され、その記録も残されていませんでした。

「どこにどれだけキャンバーを入れたか、書面に記録していない」

この証言が象徴しているのは、「重要な構造挙動に関する変更が、責任主体も履歴も曖昧なまま進んでしまった」ということです。

典型的な責任の押し付け合いパターン

裁判での主張を並べると、構図は非常に分かりやすいものです。

• 躯体サブコン：
  • 「キャンバー量は設計者の領域。設計が悪い」
  • 「ただし現場で問題が出たので、善意で自分たちで調整した」
• 元請：
  • 「設計が不十分だった。オーナーは支払いを止め過ぎ」
  • 「サブコンは指示した支保工計画通りにやっていない」
• 設計者：
  • 「施工側が構造仕様を守らなかった。たわみは施工不良」

つまり、「設計の責任範囲」と「施工者が裁量で決めてよい範囲」の境界が明確でなく、さらにその確認・合意プロセスもログとして残っていなかったことが、後の巨額訴訟の土台になっています。

これは海外特有の話ではなく、日本のRC造・S造でも「たわみ」「スラブレベル」「取り合い詳細」は、監理者と施工者の解釈が食い違いやすい部分です。日本では裁判沙汰まで行かずに“現場調整”で終わっているだけ、というケースも多いはずです。

---

なぜ「責任の所在」が曖昧になるのか：日本の現場にもある3つの構造問題

AIの話に入る前に、なぜここまで責任がぼやけたのかを整理しておきます。日本の建設現場にもそのまま当てはまるポイントが多いからです。

1. 情報がバラバラ：図面・指示・変更が紙とメールに散らばる

• 構造図・施工図・支保工計画・サッシ図面が別々に管理
• 打ち合わせ結果は紙の議事録やメールに断片的に残るだけ
• 現場での口頭指示や、ベテランの“阿吽の呼吸”は記録されない

その結果、**「いつ・誰が・何を根拠に判断したのか」**が時間とともに霧散します。

2. 「経験に任せる」文化と属人化

• キャンバー量や支保工サイクルなど、定量的に検証すべき事項も「このくらいなら大丈夫」という経験値で決まる
• ベテランの判断に頼り、体系的なナレッジとして残らない
• そもそも「書く文化」が弱く、変更理由が文書化されない

これでは、問題発生時に誰も自分の判断だと言い切れない構造になります。

3. 進捗優先で「一旦打つ」判断が通ってしまう

• 工程が押してくると、「止めるともっと怒られる」という心理が働く
• 問題を認識しながらも、根本原因の特定や設計協議を待たずに打設してしまう
• 「とりあえず進めて、後から何とか調整」のツケが一気に来る

今回の案件でも、問題が顕在化した後もなお、支保工計画に沿わないスラブ打設が続けられたとされています。これは日本の現場でも、工程追い込み時に起こりがちな行動です。

---

AI×BIMでできること：構造不具合を「起きる前」に炙り出す

ここからが本題です。こうした構造的な問題に対して、AIはどこまで現実的な解決策を提供できるのか。

1. AIによるBIMモデルチェックで「たわみリスク」を自動検出

BIMモデルと構造設計情報をAIが解析すれば、

• スパン・荷重条件から、仕上げ後たわみ量の範囲を自動計算
• サッシ・カーテンウォールのクリアランスと照らして、危険な組み合わせを事前に警告
• キャンバー指定が必要なスラブ・梁を自動リストアップ

といったことが可能です。

ここに日本の現場データ（過去案件のたわみ実測値・クレーム履歴）を学習させれば、

「このスパン・配筋・支保工条件だと、過去平均よりたわみリスクが高い」

といった形で、経験値を“定量化”したアラートを設計・施工双方に出すこともできます。

2. 支保工・キャンバー計画のAI提案

支保工計画を行う段階で、AIに次のような役割を担わせることができます。

• 入力：スラブ厚・スパン・使用型枠・コンクリート強度・打設サイクル
• 出力：
  • 推奨支保工パターン
  • 工期とコストのトレードオフ
  • たわみリスクを抑えるための推奨キャンバー量の範囲

これをBIM上で可視化し、設計者・施工者・サッシメーカーが同じ画面を見ながら合意形成すれば、

• 「誰がどの案を承認したのか」
• 「どのリスクを、どういう根拠で許容したのか」

が、デジタルな“議事録＋証拠”として残り、後日の争いを大幅に減らせます。

---

AIで「責任の所在」を自動記録する：コラボレーションの新しい前提

AIというと画像認識や自動配筋ばかり注目されがちですが、今回のケーススタディで最も効くのは、実は責任・判断・変更をトラッキングする“現場の記憶装置”としてのAIです。

1. 自動議事録＋タスク割り当て

オンライン／現場打ち合わせを録音し、AIにかけるだけで：

• 誰が何を主張したか
• どの案が採用されたか
• どのタスクを、いつまでに、誰がやると合意したか

を自動でテキスト化し、案件ごとに紐づけて保存できます。さらに、BIMや施工管理システムと連携させれば、

• 「18〜50階スラブのキャンバー検討」タスク
• 担当：構造設計事務所、期限：○月○日
• ステータス：未着手→検討中→承認→現場反映済み

といった形で、タスクと責任者が常に可視化された状態を維持できます。

2. 現場での口頭指示もAIがログ化

スマホやタブレットで音声メモを取れば、

• 「このスパンはたわみが大きいから、次層からキャンバーを追加しよう」
• 「サッシ側と取り合い調整したので、配筋を端から○○mm逃がす」

といった現場の“瞬間の判断”も、自動的にテキスト化・日付付きでクラウド保存されます。誰の指示か、誰が了承したのか、後から追える状態にしておくだけで、責任の所在は劇的にクリアになります。

3. 「危ない変更」をAIがフラグ付け

AIが既存の仕様・図面・契約条件を理解していれば、

• 構造安全性に関わる変更
• サブコンの権限を超えた設計変更
• 他工種に大きな影響が出る変更

に対して、自動で「承認フローが必要です」とフラグを立てられます。これにより、

「善意でやった」「現場判断でやった」

で済ませてしまう危険な変更を、システム側で止めることができます。

---

日本の建設会社が今すぐできるAI導入ステップ

ここまで読んで、「うちの会社でそこまでやるのはハードルが高い」と感じたかもしれません。ただ、すべてを一気にやる必要はありません。現実的には、次の3ステップで十分です。

ステップ1：議事録と指示の「AI自動テキスト化」から始める

• 現場打ち合わせ・設計協議を録音し、AIで議事録自動作成
• 決定事項とToDo、責任者だけでも整理してクラウドに保存
• 紙とメールから、「検索できる記録」への一歩を踏み出す

これだけでも、「誰が何を言ったか分からない」問題の8割は解消します。

ステップ2：BIM＋AIでリスクの早期検出

• 既存BIMモデルに対して、たわみ・干渉・取り合いリスクをAIでチェック
• 過去案件の不具合情報を整理し、AIの“学習データ”にする
• 高リスク部位だけでも、設計・施工・サブコンで事前レビュー

ここで重要なのは、「AIが絶対に正しい」という前提ではなく、

「AIが挙げた“怪しい箇所リスト”をきっかけに、関係者が早めに議論する」

ためのツールとして使うことです。

ステップ3：責任と承認フローをシステムに埋め込む

• 重要な仕様変更には、AIシステム上で承認フローを必須化
• 誰がいつ承認したか、履歴を自動保存
• 将来的には、契約条件と連動させ、「設計責任」「施工責任」の境界をシステム上で明示

ここまで行くと、今回のような

「キャンバーは設計者の責任か、施工者の責任か」

といった争いは、かなりの部分がシステムに残っている記録だけで判断できるようになります。

---

建設業のAI活用は「安全監視」だけでは終わらない

このブログシリーズ「建設業界のAI導入ガイド：生産性向上と安全管理」では、これまで画像認識による安全監視や工程最適化を中心に扱ってきました。ただ、今回のケーススタディが示しているのは、AIの一番の威力は「現場の記憶」と「責任の可視化」にあるということです。

• たわみやスラブ不良そのものを完全にゼロにするのは難しい
• しかし、問題が小さいうちに発見し、誰の判断でどう対処するかを明確にすれば、「巨額訴訟になるかどうか」は大きく変わる

日本の建設会社が今やるべきは、「AIを入れるか入れないか」ではなく、

どの領域の“曖昧さ”からAIで潰していくか

を経営として決めることだと私は思います。

もし、あなたの現場や会社で、

• 「この部分は、正直誰の責任かグレーだよね」
• 「昔からこうしているけど、本当は仕様がグラグラしている」

という論点が頭に浮かんだなら、そこがAI導入の最初のターゲットです。

2026年に向けて、AIはますます安く・簡単に使えるようになります。問題が起きてから“犯人探し”をする現場から、問題が起きにくく、起きてもすぐに「誰がどう動くか」が見える現場へ。今から一歩ずつ、シフトしていきませんか。