オマーンの商業施設に学ぶ、AI時代の安全・省エネ施工戦略

伝統的なスークで「220万時間無災害」を達成した現場のリアル

220万時間以上の作業で「労働損失災害ゼロ」。

オマーン・サラーラの複合商業施設「Al Haffa Souq（アル・ハッファ・スーク）」は、この数字でENRのGlobal Best Projects賞（小売／複合用途部門 Award of Merit）を勝ち取りました。しかも、ただ安全だっただけではなく、現地の伝統的なスーク（市場）の雰囲気を再現しながら、エネルギー負荷の低いサステナブル設計も実現しています。

日本の建設会社から見ると、「気候も文化も違う海外の話」と片付けてしまいがちですが、ここにはAIを活用した次世代の現場マネジメントに直結するヒントが詰まっています。

この記事では、Al Haffa Souqの事例をベースに、

• どんな設計・施工上の工夫で高い安全性と省エネを両立したのか
• そのプロセスに、AIを入れるとしたらどこに効くのか
• 日本のゼネコン・サブコンが2026年以降の案件で真似できるポイント

を整理して、**「建設業界のAI導入ガイド：生産性向上と安全管理」**シリーズの一つとして解説します。

---

Al Haffa Souqの特徴：伝統と現代性、安全と環境性能の両立

Al Haffa Souqは、オマーン南部ドファール地方の中心都市サラーラに建設された、小売＋複合用途の開発プロジェクトです。設計・監理はDar Al-Handasah、施工はAl Najd Projectsが担当し、ENRの2025 Global Best Projectsで評価されました。

ポイントは、大きく3つあります。

1. 伝統的スークの空間体験を現代的に再構成

   • くねった路地（winding alleyways）
   • ドファール地方特有の建築意匠
   • 小商店から国際ブランドまで収容する可変性の高い店舗計画

2. パッシブデザイン中心の省エネ・レジリエンス設計

   • 建物配置とボリュームを調整し、直射日光を最小化
   • 通風を考慮した建物クラスター化
   • ハードスケープでヒートアイランドを抑制
   • 在来の耐乾燥性植物によるソフトスケープ
   • 雨水・雑排水（グレイウォーター）の再利用で灌水量を削減

3. 220万時間ノーロストタイムを支えた安全計画

   • 設計初期から専門エンジニアによるリスクレビューを実施
   • 施工前にハザードを極力排除
   • 結果として、ロストタイムインシデントなし

ここまで聞くと、「優秀な設計者と施工者が、しっかり時間をかけて調整した」という話に聞こえますが、現実には予算制約、工期プレッシャー、人手不足など、私たちと同じ悩みを抱えていたはずです。

だからこそ考えたいのが、同じクオリティを日本国内のプロジェクトで再現するために、AIをどう組み込むかという視点です。

---

どこにAIを入れるとAl Haffa Souq級の「安全＋省エネ」に近づくか

結論から言うと、Al Haffa Souqのような複合商業施設でも、日本の物流倉庫や再開発プロジェクトでも、AIが効くポイントはかなり共通しています。

• 設計段階：BIM＋AIによる設計最適化・エネルギーシミュレーション
• 施工計画：工程の最適化とリスク検知
• 現場安全：画像認識による安全監視・ヒヤリハット抽出
• 維持管理：運用データと連携した省エネ制御・劣化予測

ここでは、「安全」と「省エネ／環境性能」を軸に、もう少し具体的に見ていきます。

1. 設計初期のリスクレビューにAIを組み込む

Al Haffa Souqでは、設計のスタート段階で専門エンジニアが安全リスクをレビューしています。これを日本でやると、担当者の経験に依存しがちで、漏れやバラツキも生まれます。

ここにAIを入れると、次のような運用が現実的です。

• BIMモデル＋過去災害データのAI分析

  • 足場・開口部・高所作業など、事故が起きやすいディテールを自動抽出
  • 類似工事（構造種別・規模・工法）の災害履歴から、リスクの高い部位をハイライト

• 設計変更のたびに自動で安全チェック

  • モデル更新時にAIが自動スキャンし、「墜落リスク箇所＋10件」「クレーン旋回干渉疑い＋3件」といったレポートを出力
  • 設計・施工・安全担当が、早い段階でディスカッションできる

Al Haffa Souq級の「220万時間無災害」を狙うなら、安全レビューを一度きりのイベントではなく、設計ライフサイクル全体で回す仕組みが必要で、AIはその自動化エンジンになり得ます。

2. パッシブデザインの検討をAIで高速化する

同プロジェクトでは、建物の配置やクラスター化で日射と風をコントロールしています。日本でも、オフィスや学校、商業施設でパッシブデザイン＋設備最適化は当たり前になりつつありますが、検討に時間がかかるのが現場の本音です。

AIを組み込んだBIM／シミュレーション環境なら、次のようなアプローチが取れます。

• 日射・日影・風環境シミュレーションの自動バッチ実行
  複数案（配置パターン、建物高さ、ルーバー形状など）を一括で流し込み、

  • 日射取得量
  • 屋外温熱環境（UTCIなど）
  • 冷房負荷

  をAIが評価して、上位案をリストアップ。

• AIによる「配置案の提案」
  過去の環境認証取得案件や省エネ優良建築のデータを学習したAIが、

  南側の日射遮蔽を優先する場合は、棟間隔を○m以上確保し、この向きに配置すると効果的

  といったガイドライン案を提示。設計者はそこからクリエイティブな検討に集中できます。

オーナー側から見ても、「なぜその配置が省エネに効くのか」を定量的に説明できることは、ESGやZEB、環境認証を意識する今の時代には大きな武器になります。

---

現場安全を底上げする画像認識AIの使いどころ

Al Haffa Souqのように大規模な複合商業施設では、出入りする協力会社も多く、安全ルールの徹底が最大の課題になります。日本でも、再開発や巨大物流倉庫の現場は同じ状況です。

ここ数年で実用レベルに近づいているのが、カメラ映像＋画像認識AIによる安全監視です。

3. 「見回りの質」をAIで標準化する

管理者の巡回だけでは、どうしても見落としや時間帯の偏りが出ます。AIカメラを導入すると、例えば次のような検知が可能になります。

• ヘルメット未着用
• 高所作業での安全帯未使用
• 危険エリアへの立ち入り
• 重機の接近と人のニアミス

AIは24時間同じ基準でチェックし、異常だけを人に通知します。これにより、

• 安全パトロールの負荷を減らしつつ、
• 見逃しリスクを下げ、
• 「どの現場でも一定レベル以上の安全監視」を実現

できます。

Al Haffa Souqのような「ノーロストタイム」を目指すなら、人の経験＋AIの常時監視という二段構えが、2026年以降のスタンダードになっていくと考えています。

4. ヒヤリハットの自動収集とナレッジ化

日本の建設会社は、ヒヤリハットの収集・共有文化が比較的しっかりしていますが、担当者に負荷がかかる割に活用しきれていない面もあります。

画像認識とテキスト解析を組み合わせると、

• カメラ映像からニアミス事象を自動抽出
• 作業員のレポート（手書き＋音声）をテキスト化し、AIがカテゴリー分け
• 類似事例を自動で紐付け、安全教育用の教材を半自動で生成

といった運用が可能です。

Al Haffa Souqでは「初期段階でのリスク洗い出し」が功を奏しましたが、日本の現場では、運用中に発生したヒヤリハットをリアルタイムで次の対策につなげることが、AIによってかなりやりやすくなってきています。

---

省エネ・水利用の工夫を、AIで「再現性のあるノウハウ」に変える

Al Haffa Souqが評価された理由の一つが、水資源の乏しい地域での環境配慮です。

• ヒートアイランドを抑える舗装・外構計画
• 在来種・耐乾燥性植物による植栽
• 雨水とグレイウォーターを灌水に再利用

日本でも、猛暑・渇水・豪雨が当たり前になり、

• 屋上緑化や外構の熱環境対策
• 中水利用
• 雨水浸透・流出抑制

など、同じようなテーマを抱えています。

ここで課題になるのが、「案件ごと、担当者ごとにノウハウがバラバラで、標準化しづらい」という点です。

5. AIで「設計と運用データ」をつなぎ、標準ディテールを育てる

AIをうまく使うと、環境性能まわりのノウハウを会社としての資産に変えやすくなります。

具体的には、

• BIMモデルにひもづく外構・植栽・水利用の情報
• 運用開始後の実測データ（気温、湿度、用水量、エネルギー消費）
• 当初のシミュレーション結果

を一元的に蓄積し、AIに学習させることで、

• 「この気候帯・この敷地条件なら、この舗装構成と植栽計画が有効」
• 「雨水利用槽の容量は、この規模の施設では○L程度がコスパ良い」

といった経験値に基づく提案を、次の案件で即時に引き出せるようになります。

Al Haffa Souqのようなプロジェクトから得られる知見を、属人的な成功例で終わらせず、AI経由で社内標準に昇華する。これができるかどうかで、数年後の競争力にかなり差がつくはずです。

---

日本の建設会社が「Al Haffa Souq級」を目指すためのAI導入ステップ

ここまでの話を踏まえて、「では明日から何をやるか？」という観点で、現実的なステップを3段階に整理します。

ステップ1：BIM＋AIの安全・省エネチェックを小さく試す

• 既存のBIMモデル（構造・仮設を含む）をAIに読み込ませ、
  • 安全リスクの自動検知
  • 日射・冷房負荷の簡易評価
• 1案件ではなく、複数案件で同じツールを試し、「どの現場で特に効くか」を見極める

ステップ2：画像認識AIで「一部エリアだけ」安全監視を始める

• クレーン周辺や高所作業エリアなど、ハイリスクなポイントに限定してカメラを設置
• ヘルメット未着用検知など、分かりやすいユースケースから開始
• 発見された事象を、安全教育・朝礼資料にすぐ転用し、現場内でメリットを体感してもらう

ステップ3：運用データと連携し、次の案件の設計インプットにする

• 竣工済み物件から、エネルギー・用水・温熱環境の実測データを収集
• それをBIMモデルと紐付け、AIに分析させる
• 新プロジェクトの基本構想段階で、「過去の似た案件はこうだった」という根拠付きの提案を行う

この3ステップを1〜2年のスパンで回せば、Al Haffa Souqのような**「安全・省エネ・地域性」を兼ね備えたプロジェクト**に、かなり現実的に近づいていきます。

---

これからのプロジェクトで「AIを前提」に考える

Al Haffa Souqは、AIを全面に打ち出したプロジェクトではありません。それでも、

• 初期段階からの安全レビュー
• パッシブデザイン中心の省エネ戦略
• 水資源を意識した外構・植栽計画

というアプローチは、まさにAIが得意とする領域とピタリ重なっています。

日本の建設業界が直面しているのは、

• 深刻な技能者不足
• 安全基準の高度化
• ZEB・カーボンニュートラルへの対応

という「やることは増えるのに、人は減る」状況です。ここでAIを後付けのツールとして扱うと、現場はむしろ疲弊します。

必要なのは、次の案件の企画段階から「AIで前提条件を作る」設計・施工プロセスに切り替えていくことです。

• 安全基準の達成は、AIの自動チェックを前提に工程を組む
• 省エネの方向性は、AIシミュレーションの結果を前提に設計の大枠を決める
• 現場の安全管理は、AIカメラが拾うデータを朝礼・KY活動に組み込む

こうした考え方が定着すれば、Al Haffa Souq級のプロジェクトは、特別な「名作」ではなく、再現可能な標準になっていきます。

あなたの現場で、次のプロジェクトで、どの工程からAIを前提に組み替えるか。一つでも「ここなら始められる」というポイントが見えたなら、そこが最初の着手点です。