インフラ投資の“2026年問題”と建設AI活用戦略

インフラ投資の“2026年問題”は、現場のAI活用力で差がつく

米国土木学会（ASCE）が2025年のインフラ「成績表」をC−からCに引き上げました。18分野の約半分で評価が改善し、初めてD−が1つもない──数字だけ見れば前向きなニュースです。

ところがレポートを読み込むと、空気は一変します。インフラの改善は、2021年の大型インフラ投資法による“短期的な資金バースト”に大きく依存しており、その法的裏付けは2026年で切れる。ASCE自身が「2026年以降の投資が鈍れば、改善の勢いは簡単に失われる」と警鐘を鳴らしています。

これは、日本の建設業界にもそのまま跳ね返ってくるテーマです。2050年カーボンニュートラル、防災・減災、国土強靭化、老朽インフラ更新──必要な投資は膨大ですが、財源も人材も無限ではありません。限られた予算と人手で、どこまで成果を出せるか。その勝負を決めるのが「AIを含むテクノロジーをどこまで使いこなせるか」だと私は考えています。

この記事では、ASCEレポートのポイントを押さえつつ、

• なぜ資金だけ増やしてもインフラは良くならないのか
• そのギャップをAIがどう埋められるのか
• 日本のゼネコン・サブコン・発注者が今から取るべき具体策

を、「建設業界のAI導入ガイド：生産性向上と安全管理」シリーズの文脈で整理していきます。

---

1. ASCEレポートに見る“お金だけでは回らない”インフラの現実

ASCE 2025「インフラ・レポートカード」は、表向きは明るい内容です。

• 全体評価がC−からCへ改善
• 港湾はB評価でトップクラス、鉄道も改善
• 18分野の約半分でスコアが上昇

一方で、次のような厳しい指摘が並びます。

• 2024〜2033年に必要な投資額：9.1兆ドル
• 現状の公的・民間投資見込み：5.4兆ドル
• 10年間の投資ギャップ：3.7兆ドル
• 2026年に連邦インフラ法の権限が失効する“資金の崖”
• 2024年だけで1,800億ドル超の気象災害被害
• 施工・設計・検査などの深刻な人材不足
• ストームウォーターや学校、堤防などで顕在化するデータ不足

ASCEは、こう結論づけています。

「インフラの改善を持続させるには、現在レベル以上の投資を長期間続ける必要がある」

ここでポイントになるのが「投資額」だけでなく「投資を成果に変える能力（デリバリー・キャパシティ）」です。レポートでは、

• 資本プログラムが成熟し、起債余力のある自治体は、インフラ法の資金を素早く使えている
• 逆に、経験不足・人材不足の自治体は、設計・許認可・入札に時間がかかり、資金を活かし切れていない

と指摘しています。

つまり、同じ1,000億円を投じても、「計画・実行の能力」によってインフラの改善度合いが大きく変わる、ということです。

---

2. 予算ギャップと人材不足を“AIで埋める”という発想

ASCEレポートはAIに直接触れてはいませんが、行間からはっきり読み取れるメッセージがあります。

「お金だけ増やしても、既存のやり方と人員体制のままでは、期待した成果には届かない」

日本でも事情は似ています。

• 公共投資はピーク時ほどではないものの、高止まり傾向
• 一方で、技能労働者は2040年に約3割減と言われる構造的人手不足
• 建設業の生産性は、他産業と比べて伸びが鈍い

ここで必要なのは、単なる省人化ではなく、**「限られた人員で、より多く・より安全に・より確実に成果を出す仕組み」**です。AIは、そのための実務ツールとしてかなり現実的なレベルに来ています。

代表的な活用領域を整理すると、次の4つに分けられます。

1. AI画像認識による安全監視・品質管理
   • ヘルメット未着用や墜落危険行動を自動検出
   • 型枠・配筋・仕上げなどの出来形を自動判定
2. AI×BIMによる施工計画・工程管理の最適化
   • 4Dシミュレーションから工程遅延リスクを予測
   • クラッシュ検出や重機干渉を事前に洗い出し
3. 予防保全・維持管理の高度化
   • 橋梁・トンネル・下水道などの点検画像をAIで解析
   • 劣化度・補修優先順位を自動スコアリング
4. 熟練技術・ノウハウのデジタル継承
   • ベテランの判断パターンを機械学習で可視化
   • 若手へのフィードバックや自動提案に活用

ASCEが示した「投資ギャップ」「人材不足」「データ不足」は、いずれもAIが効果を発揮しやすい領域です。資金が頭打ちで、人も減る。その中でインフラの状態を維持・改善するには、AIを前提にしたプロジェクト運営に切り替えるしかない、と言っても大げさではありません。

---

3. インフラの“改善スピードのバラつき”をAIでならす

ASCEレポートで特に興味深いのが、「分野ごとの改善スピードの違い」です。

• 港湾：B評価で堅調
• 鉄道：改善
• 一方で、道路・下水道・学校・堤防などは改善が小さい
• ストームウォーター・公共交通は依然D評価
• エネルギー分野はむしろ格下げ（需要増と送電網整備の遅れ）

インフラはネットワークです。港湾だけ良くなっても、そこにつながる道路や鉄道が貧弱なら、全体としてのサービスレベルは上がりません。ASCEは、この“連携の遅れ”を**「コーディネーションリスク」**と表現しています。

日本で起きている「部分最適」と同じ構図

日本でも、

• 新幹線駅は立派だが、在来線やバスとの乗り継ぎ導線が悪い
• 高規格堤防は整備されたが、背後地の排水施設が弱く内水氾濫が起きる
• ハイスペックな公共施設だが、維持管理予算や人員が追いつかない

といった“部分最適”の事例は枚挙にいとまがありません。

こうした問題に対し、AIは2つのレイヤーで役立ちます。

1. プロジェクト横断のデータ統合と可視化
   • BIMやGIS、IoTセンサー情報を統合してダッシュボード化
   • インフラネットワーク全体のボトルネックをAIが自動抽出
2. シナリオ比較による投資配分の最適化
   • 「道路を10%改善した場合」と「排水施設を優先した場合」で、 浸水リスクや経済効果がどう変わるかをAIがシミュレーション

ASCEが指摘する「レジリエンス投資は初期費用は増やすが、長期的にはコストを減らす」というロジックも、AIを使ったライフサイクルコスト分析で定量的に示せるようになってきました。

どの区間を、どのタイミングで、どの水準まで補修すべきか── これは、AIが最も得意とする“最適化問題”そのものです。

---

4. 2026年以降を見据えた「AI前提のプロジェクトデリバリー」

ASCEが最も危機感を持っているのは、「2026年でインフラ法の権限が切れる」という時間軸です。資金が切れるかどうかも大事ですが、それ以上に危ないのは、

• 発注者が“いつまでに”“どこまで”の仕事を出せるか読み切れない
• その不確実性が、設計・施工の計画や入札パッケージの切り方に波及
• その結果、プロジェクトが細切れになり、長期的な最適化が難しくなる

という連鎖です。

日本でも、補正予算や単年度主義に振り回される現場は少なくありません。だからこそ、**「資金が読みにくい前提で、どうプロジェクトを組み立てるか」**が重要になります。

ここでAIが効くポイントは3つあります。

4-1. フロントローディングの高速化（計画・審査・設計）

ASCEは、各機関が以下のような動きを強めていると指摘しています。

• 詳細設計前に環境アセスや予備設計を前倒しで進める
• 大規模プロジェクトをフェーズ分割し、段階的に契約
• 拡張案件よりも、既存施設の補修・延命を優先

この「フロントローディング」は、AIと相性が良い領域です。

• 過去案件データから概算工事費・工期をAIが即時計算
• 設計の標準図・標準歩掛をもとに自動数量拾い・工程案作成
• 環境影響評価書や技術資料をAIでサマリー化し、審査準備を短縮

これにより、「予算がついたらすぐに着工できる棚ざらし案件」のストックを増やし、不安定な予算制度の中でも現場の仕事量を平準化することができます。

4-2. バックログ構成の見える化と優先順位付け

ASCEは、「多くの発注者が“状態がまだ良好な資産の保全”を優先し、拡張は後回しにしている」と述べています。これは、

• 劣化が進む前に小さな補修で食い止める方がトータルでは安い

という、ライフサイクル思考に基づく合理的な戦略です。

AIを使えば、

• 点検データ・事故履歴・交通量・環境条件などを統合
• 橋梁やトンネルごとに**「5年以内に重大劣化に至る確率」**を算出
• 投資対効果の高い補修候補を自動リストアップ

といったことが可能になります。結果として、「どのプロジェクトから着手するか」の判断スピードと精度が大きく上がるわけです。

4-3. 現場の安全・品質・進捗をリアルタイムに“見える化”

ASCEは、施工・検査・維持管理の人材不足を強く懸念しています。ここは、シリーズテーマである**「画像認識による安全監視」**が直球で効く部分です。

• カメラ映像からAIが危険行動・重機接触リスクをリアルタイム検出
• 作業エリアごとの進捗率を自動推定し、工程表と突き合わせ
• 雨・高温・強風などの気象条件を踏まえたリスクアラート

こうした仕組みは、1現場が便利になるだけではありません。発注者側から見れば、

• 事務所にいながら複数現場の安全・工程・出来形を俯瞰できる
• 工事成績評定や出来高査定に客観データを活用できる
• 「安全第一」「品質重視」の姿勢を、数値で対外的に示せる

という、組織レベルの“見える化”に直結します。

---

5. 日本の建設会社が今すぐ始めるべき3つのステップ

ASCEレポートは米国の話ですが、読めば読むほど日本の2030年代を先取りしているように感じます。

• 老朽インフラの山
• 気候変動リスクの増大
• 深刻な人材不足
• 財源の制約

この現実を前に、「予算が増えるのを待つ」だけでは全く足りません。現場でAIをどう使うかを、経営課題として正面から扱う必要があります。

私がおすすめしたい初期ステップは、次の3つです。

1. 自社の“ボトルネック工程”を特定する
   • 施工管理・安全管理・出来形確認・数量計算・写真整理…
   • 現場監督や職長にヒアリングし、「一番時間を取られている仕事」を洗い出す
2. 既製のAIサービスで“小さく試す”
   • AI画像認識による安全監視や出来形確認サービスは、国内でも増えている
   • 1〜2現場で半年程度のPoC（実証）を行い、効果と現場の反応を確認
3. BIM・データ基盤とセットで中長期の構想を描く
   • 投資ギャップや人材不足を補うAIは、データが集約されていてこそ威力を発揮する
   • BIM・CIM、出来高・実行予算、設備点検記録などを統合する「社内データレイク」を、中期経営計画に位置付ける

ASCEレポートは、インフラの成績表であると同時に、こう問いかけています。

「予算が頭打ちでも、あなたの組織は“改善のスピード”を上げられるのか？」

AIは、その問いに対するごく現実的な解決策の1つです。そして、先に“使いこなせる側”に回った企業と、そうでない企業との差は2〜3年で決定的になると私は見ています。

---

これからのインフラ整備は「AI前提」で語られる

ASCE 2025レポートが示したのは、「お金が増えたからインフラが良くなった」のではなく、「お金を成果に変える力」が試される時代に入ったという現実です。

日本の建設業界も同じ状況に向かっています。だからこそ、

• 画像認識による安全監視
• BIM連携による工程管理の最適化
• 予防保全・レジリエンス投資の高度化
• 熟練技術のデジタル継承

といったAI活用を、“DXプロジェクト”ではなく**「利益率と安全レベルを左右する経営テーマ」**として扱うべきだと思います。

このシリーズ「建設業界のAI導入ガイド：生産性向上と安全管理」では、今後、

• 具体的なAI安全監視システムの選び方
• BIM×AIで工程管理を変える実践ステップ
• 維持管理分野でのAI活用（橋梁・トンネル・下水道など）

も掘り下げていく予定です。

2026年以降の不透明な投資環境でも、“成果を出し続ける側”に回りたい方は、自社のどこからAIを試せるか、今日からぜひ考えてみてください。