自律型ショベルが変える土工現場：AI導入で生産性と安全性を両立する方法

建設現場で「ショベルが自動で動く」日常が始まっている

米国のある製造工場の造成現場では、自律運転のショベルがすでに6万5,000㎥以上の土砂を掘削・積込しています。人が乗っているのはダンプだけ。ショベルはLiDARとGPS、AIによって自律的に動き、熟練オペレーターのノウハウを学習しながら24時間近く安定したパフォーマンスを出している。

多くの日本の建設会社が悩んでいるのは、まさにここです。

• オペレーターの高齢化と人手不足
• 安全教育に時間をかけてもゼロ災がなかなか達成できない
• 工期短縮・コスト削減を求められる一方で、現場はすでに限界

この記事では、Engineering News-Recordで紹介されたBedrock Roboticsの自律型ショベルの事例をベースに、

• 自律型ショベルが実際にどこまで使えているのか
• どのようにAIが生産性と安全性を両立しているのか
• 日本の建設会社が次の1〜3年で何から着手すべきか

を、**「建設業界のAI導入ガイド：生産性向上と安全管理」**というシリーズの視点から整理していきます。

---

1. 自律型ショベルは「実証」段階から「実運用」段階へ

結論から言うと、自律型ショベルはもう単なるデモではなく、実プロジェクトの工事量をきちんと稼いでいる段階に入っています。

米国のBedrock Roboticsは、Sundt Constructionと組み、約130エーカー（約52万㎡）の製造施設造成工事で自律型ショベルを実運用しています。

• 対象：エネルギー関連の製造施設造成
• 面積：約130エーカー（約52万㎡）
• 予定総土工量：約70万㎥
• Bedrock自律ショベルの担当：そのうち約10％を担う計画
• 実績：すでに6万5,000㎥以上を人が運転するダンプに積込完了

ここで重要なのは、既存の施工フローを壊さずに組み込んでいる点です。

自律ショベルがストックヤードからすくい取り、従来通り人が運転するアーティキュレートダンプに積む——動線や手順はこれまでの土工と同じ。

施工会社側から見ると、

• 「ショベルの一部が自律化された」だけで、
• 現場のオペレーション全体を一気に変える必要はない

という設計になっています。これが、AI・ロボティクス導入を成功させる現実的なアプローチです。

---

2. 自律型ショベルのコア技術：LiDAR・GPS・AIで「人の感覚」を再現

自律型ショベルを成り立たせているのは、主に次の3つの技術です。

1. LiDAR（ライダー）：レーザーで周囲の地形・障害物を3Dスキャン
2. 高精度GPS／GNSS：ショベルの位置・姿勢をセンチ単位で把握
3. AI（機械学習）：熟練オペレーターの操作データから「うまい掘り方」を学習

Bedrockの面白い取り組みは、複数の熟練オペレーターの操作を学習させている点です。

「経験豊富なオペレーターに実際に操作してもらい、その動きをAIに覚えさせる。オペレーターごとのクセも含めた“集合知”を1台の自律ショベルに凝縮している」

これは、日本の土工現場が抱える「熟練技能の継承」と非常に相性が良い発想です。

人手不足と技能継承を同時に解決する考え方

日本でも、ICT建機やマシンガイダンスを活用している現場は増えていますが、

• 「設計面へ正しくならす」
• 「オーバーカットを減らす」

といった**“位置情報ベースの支援”だけでは、オペレーターの力量差は完全には埋まりません。**

自律型ショベルはここにAIを加えて、

• 「ベテランならこう動かす」というパターン
• 「この地質ならこのすくい方が安定する」という経験知

をデジタル化し、若手や少人数の現場でも一定以上の品質とスピードを維持できる状態を狙っています。

これは、シリーズテーマである**「熟練技術のデジタル継承」**の、かなり実践的な形のひとつです。

---

3. 自律型ショベルがもたらす生産性向上：具体的なメリット

AIやロボットの導入は、「なんとなく効きそう」ではなく、数字と現場感覚の両方で納得できることが重要です。Bedrockの事例から見えるメリットを、日本の現場目線で整理します。

3-1. 稼働時間の最大化とムダの削減

自律型ショベルは、オペレーターの休憩・交代・残業規制などに左右されにくく、

• 夜間や早朝の限定的な時間も含めて、計画的に稼働させやすい
• 単純な繰り返し作業を安定したサイクルで続けられる

結果として、同じ保有台数でも「実質的な稼働時間」を伸ばせるようになります。

3-2. ダンプとの連携で「待ち時間」を減らす

Bedrockは、あえてダンプは自動化せず、

• ダンプ：人が運転
• ショベル：自律運転

という組み合わせを採用しています。これにより、

• ダンプの動線・待機位置は従来通り
• ショベル側がAIで「次に積むダンプ」を柔軟に判断

できるため、ダンプの待ち時間・ショベルの空振り時間が減る構造です。

3-3. 品質のバラツキ低減

熟練オペレーターの集合知を学習しているため、

• 掘削の精度
• ストックヤードの形状の整い方
• ダンプへの積込効率

などにおいて、「新人だから今日は遅い・荒い」といった日ごとのバラツキを抑えやすい。

これは、BIMや出来形管理データと組み合わせると、

• 工程管理の予測精度向上
• 出来形・出来高報告の自動化

といったデジタル施工全体の効率化にも直結してきます。

---

4. 安全管理へのインパクト：AIはヒューマンエラーをどう減らすか

自律型ショベルの価値は、生産性だけではありません。安全管理の観点でも非常に大きなインパクトがあります。

4-1. 「人を乗せない」リスク低減

単純な話ですが、ショベルに人が乗っていなければ、

• 転倒・土砂崩れ・接触事故が起きたときの人的被害リスク

は劇的に下がります。特に、

• 法面の掘削
• 足場の悪い山岳現場
• 高温・粉じん・低酸素などの労働環境が厳しいエリア

では、自律型ショベルを前面に出し、人は監視・統制・段取りに集中する方が合理的です。

4-2. AIによる「危険エリア」の自動認識

LiDARとAIを組み合わせれば、

• 人や重機が立ち入っている範囲
• 仮設構造物や障害物との距離

をリアルタイムに把握し、**「この領域にはアームを伸ばさない」「このルートは通らない」**といったルールを機械側で徹底できます。

人間の「うっかり」や「焦り」は完全にはゼロにできませんが、

「そもそも危険な動きを機械がしないように設計する」

というアプローチは、これからの安全管理ではかなり重要になってきます。

4-3. 安全教育データとしての活用

自律型ショベルの稼働データは、

• どのような動線なら安全か
• どのような積込手順が安定しているか

といった**“安全な模範動作”のデータセット**でもあります。

このデータを基に、

• VR・シミュレータ教育
• 動画教材

などを作れば、新人教育の標準化・効率化にもつながります。これは、シリーズ全体のテーマである「画像認識・デジタルデータを使った安全監視・安全教育」とも親和性が高い領域です。

---

5. 日本の建設会社が今から取るべきステップ

ここまで読むと、「うちも自律型ショベルをすぐ入れよう」と考える方もいるかもしれません。ただ、現実的にはいきなりフル自動化を目指すより、3ステップで進める方が失敗しにくいと感じています。

ステップ1：ICT建機＋マシンガイダンスを使い倒す

自律化の前提として、まずは以下を徹底します。

• 3D設計データ・BIMとの連携
• マシンガイダンス／マシンコントロールの標準運用
• GNSS・トータルステーションによる出来形・出来高データの蓄積

この段階で、

• 「どの現場の、どの工程なら自動化メリットが大きいか」
• 「データが十分に取れているか」

が見えてきます。ここを飛ばしてロボティクスだけ入れても、“ただの高価な実証実験”で終わる可能性が高い。

ステップ2：部分的な自動運転・リモート操作の導入

次に、リスクの低い用途から部分的に自動化・遠隔化を試します。

• ストックヤードでの繰り返し積込作業
• 資材ヤード内でのパレット移動
• 危険エリアでのリモート操作

ここでのポイントは、

• 現場監督・オペレーターが「これは使える」と思うシナリオを一緒に考える
• AIやロボット側の制約（苦手なこと）も含めて現場が理解する

ことです。**「現場が主体のPoC（実証）」**にできるかどうかで、その先のスケールが大きく変わります。

ステップ3：AIによる技能継承と完全自律化の検討

ステップ1・2で十分なデータと現場の理解が得られたら、次のような取り組みが現実味を帯びてきます。

• 熟練オペレーターの操作ログを収集・分析
• AIモデルに「うまい掘り方／積み方／ならし方」を学習させる
• 単純繰り返し作業を自律運転モードに切り替える

この段階では、

• どの工程を完全自律化するか
• どの工程は人と協働させるか

といった業務設計・リスク設計が重要になります。ここは、経営層・現場・技術部門が一体で取り組むべきフェーズです。

---

6. 「AI導入ガイド」として押さえておきたい視点

今回の自律型ショベルの事例は、シリーズ全体の文脈でいうと、

• AIを使った生産性向上
• ロボティクスによる安全管理の高度化
• 熟練技術のデジタル継承

の3つを、かなり分かりやすく体現しています。

ここまで読んできて、もし社内で議論を始めるなら、次の3つの問いから入ると良いと思います。

1. 「自社のどの工程なら、自律化の投資対効果が高いか？」
2. 「熟練オペレーターの技術を“データ”として残す仕組みはあるか？」
3. 「AIやロボットが入ったとき、現場の安全ルールをどう更新するか？」

この3つを詰めていくと、

• どの工種・現場からAI導入を始めるべきか
• どのベンダーと組むべきか
• どのようなデータ基盤が必要か

がかなりクリアになってきます。

---

まとめ：自律型ショベルは“遠い未来”ではなく、次の3年のテーマ

自律型ショベルは、すでに海外の造成現場で実工事量の10％を担うレベルまで来ています。日本でも、

• 人手不足
• 安全要求の高度化
• 発注者からのDX要請

を考えれば、「いつか検討する」では遅い領域に入りつつあると感じます。

とはいえ、いきなりフル自律化を目指す必要はありません。

• まずはICT建機・BIM・出来形データを整える
• 次に、部分的な自動運転・リモート操作で現場の合意を作る
• その上で、AIによる技能継承と自律施工を検討する

というステップで進めれば、現場のリアリティを保ったまま、AIとロボティクスを「普通の道具」として組み込んでいくことができます。

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、今後も、

• 画像認識による安全監視
• BIM・施工管理との連携
• AIを活用した工程最適化

など、実際の現場で使える具体的なテーマを取り上げていきます。自社で「どこから着手すべきか」を整理したい場合は、まず自社の土工・造成・資材ヤードの業務フローを書き出してみてください。自律型ショベルをどこに置くべきかが、意外とはっきり見えてきます。