ENR受賞プロジェクトに学ぶ、AIで現場を変える5つの視点

世界の受賞プロジェクトが共通してやっていること

ENR Global Best Projects Awards 2025では、24カ国・32件のプロジェクトが表彰されました。応募総数95件の中から選ばれた顔ぶれを見ると、共通点がひとつ浮かび上がります。それは「高度な協調」と「データに基づく意思決定」です。

これは海外の一部の大型案件だけの話ではありません。日本の建設会社が、日々の現場でAIやBIMをどう使うかにも、かなり直結しています。受賞プロジェクトの多くは、BIM、プレファブ、デジタルツイン、AIによる安全管理や工程最適化などを組み合わせて、「安全・品質・工期」を同時に引き上げています。

この記事では、ENR Global Best Projects Awards 2025の傾向を手がかりに、日本の建設現場がAIを使って“受賞レベルの生産性と安全管理”に近づくための具体的な打ち手を整理します。

---

1. ENR Global Best Projects 2025のポイント整理

ENRのGlobal Best Projects Awardsは、10年以上続く国際アワードです。2025年は以下のようなプロジェクトが選ばれています。

• プロジェクト・オブ・ザ・イヤー：教育・研究施設「Limberlost Place」（トロント）
• 橋梁／トンネル部門：香港のプレファブ橋「Cross Bay Link」
• グリーンプロジェクト部門：マスティンバーを活用したオフィス「1265 Borregas」
• 鉄道・交通、道路、ダム、水処理、スタジアム、空港・港湾など、多様なカテゴリで計32件

審査の観点は次の通りです。

• 施工・設計上のチャレンジとその克服
• 地域社会・利用者への貢献
• 安全・環境への取り組み
• チームワークとコラボレーション

ここで注目したいのは、単に巨大で派手な構造物だから選ばれたわけではなく、「複雑な条件をチームとテクノロジーで乗り越えたか」が評価の中心になっている点です。

日本の現場に引き寄せて考えると、この「乗り越え方」の中心にAIとデジタルが入ってきている、というのが2020年代後半の流れです。

---

2. 受賞プロジェクトに見える「AI活用の型」

ENRの記事自体はAIという言葉を前面に出してはいませんが、プロジェクト内容を見ると、AIや高度なデジタル技術が前提になっているケースがかなりあります。代表的なパターンを、日本の建設現場に置き換えて整理します。

2-1. BIM＋AIによる「設計・施工一体の最適化」

• 橋梁・トンネル、メトロ駅、スタジアムなど、大規模・複雑構造の案件では、BIMやデジタルツインがほぼ必須となっています。
• ここにAIを組み合わせると、例えば次のようなことが可能になります。
  • 衝突チェック結果をAIが自動分類し、「人が確認すべき重要な干渉」だけを抽出
  • 施工ステップごとのリスクをシミュレーションし、仮設計画や工程案を自動比較
  • 進捗写真やスキャンデータをBIMと照合し、出来形の差異を自動検知

ポイント：

BIMは「3Dの図面」ではなく、「AIが判断するための共通データベース」と捉えると、一気に投資対効果が見えてきます。

2-2. プレファブ・マスティンバーとAI生産管理

Cross Bay Link（香港）のようなプレファブ橋や、マスティンバーオフィス「1265 Borregas」のようなプロジェクトは、工場生産と現場施工の同期管理が成否を分けます。

日本でも、CLTやプレキャスト、ユニットバス等を組み合わせた工業化工法が増えていますが、よく起きる問題は次の3つです。

1. 工場と現場の工程が噛み合わず、どちらかが待たされる
2. 搬入タイミングがずれて仮置きスペースが逼迫
3. 品質情報（検査記録・トレーサビリティ）が現場で活きない

AIを組み込んだ工程管理・需要予測を使うと、

• 現場の進捗・天候・人員状況をもとに、工場側の生産スケジュールを自動調整
• 過去データから搬入遅延リスクを予測し、事前に便の振替や段取り変更を提案
• QRコードやセンサー情報と連携し、部材ごとの品質データを自動でBIM／施工記録に紐づけ

といった運用が可能になります。

2-3. スタジアム・インフラにおけるAI安全監視

2025年の受賞リストには、サンチャゴ・ベルナベウスタジアムのピッチ自動切替システムや、メトロ駅・道路・ダムなど、高リスクかつ工期制約の厳しいインフラ案件が多く含まれています。

こうした現場では、すでに世界各地で以下のようなAI活用が進んでいます。

• 画像認識でヘルメット未着用・高所作業の安全帯不使用をリアルタイム検知
• 重機と歩行者の距離をセンサーとAIで監視し、接近アラートを自動通知
• 過去の災害・ヒヤリハットデータをAIが学習し、「事故が起こりやすい条件」を日ごとにスコアリング

日本の現場でも同様のソリューションは導入が始まっていますが、「現場ごとにルールがバラバラ」「データが蓄積・分析されない」といった課題があります。ここを会社単位の標準ルールとデータ基盤で整えるかどうかが、数年後の差になります。

---

3. 日本の建設会社が真似できる「5つのAI実装ステップ」

ENRレベルのプロジェクトで使われている手法を、そのまま日本の中堅・地域ゼネコンが一気に導入するのは現実的ではありません。ただし、考え方を崩さずにスモールスタートで切り出すことは十分できます。

ここでは、建設現場でのAI導入を進めるための5ステップを、実務イメージとあわせて整理します。

ステップ1：1現場1テーマで「AIの的」を絞る

最初から「DXで全部変える」は失敗の典型です。ENRの審査でも、課題を明確に定義したプロジェクトほど評価されている印象があります。

おすすめのテーマ設定例：

• 安全：高所足場でのヘルメット・安全帯未着用の検知
• 工程：特定工種（型枠・配筋・内装仕上）の進捗把握の自動化
• 品質：配筋検査の写真をAIでチェックし、抜け・ピッチ異常を自動検知

まずは「この現場では安全AIだけ」「この現場では工程AIだけ」というように、1現場1テーマに絞るのが現実的です。

ステップ2：BIM／図面データをAIが読める形に整える

AI導入で意外とネックになるのが、「AIに読ませるデータがバラバラ」という問題です。受賞プロジェクトの多くは、BIMを軸にデータが統合されています。

最低限やっておきたいこと：

• 3D／2D図面のフォーマットと命名規則を社内で統一
• 通り芯・階・ゾーンなど、空間情報の表現ルールを決める
• 施工履歴や検査記録を、後から機械的に紐づけできるID体系にする

これをやっておくと、後からAI画像認識や進捗自動算出ツールを載せたときに、効果が一気に出ます。

ステップ3：現場カメラ＋AIで「見える化」を一気に進める

最も取り組みやすく、効果も分かりやすいのが画像認識AIによる安全監視・進捗管理です。

具体的な始め方：

• 既存の監視カメラやスマホ撮影データにAIを試す（PoC）
• 「誤検知がどの程度か」「どこまで自動化できるか」を数週間で評価
• 課題が明確になったら、固定カメラ・ウェアラブル等を組み合わせて本格運用

ここで大事なのは、AIの精度100%を目指さないことです。人手でやっていたチェック作業のうち、30〜50%でも自動化できれば、現場監督の時間はかなり浮きます。

ステップ4：AIの判断を「社内標準ルール」に埋め込む

ENRの審査基準に「チームワークとコラボレーション」があるように、優れた技術も組織に根付かなければ意味がありません。

日本の会社でAIを定着させるには：

• 安全パトロール要領書・施工要領書に「AIチェックの手順」を追記
• 月例の安全大会や工程会議で、AIが出したデータを必ず議題にする
• 個人の勘・経験に頼っていた判断基準を、AIのスコアと並べて共有

こうした地道な標準化が進むと、「AIがあるのが当たり前の現場」になり、現場ごとの差が小さくなります。

ステップ5：成功事例を“社内ENR”として表彰する

人は「表彰されるプロジェクト」に本気を出します。ENRのGlobal Best Projectsがそうであるように、会社内でも成功事例をきちんと称える仕組みがあると、AI導入は一気に加速します。

例えば：

• 年に1回、「AI活用現場アワード」を社内で開催
• 事故ゼロ・工期短縮・残業削減・若手育成などの観点で評価
• 受賞現場の所長・担当者に、次のAIプロジェクトの企画を任せる

こうした「小さなENR Global Best Projects」を社内に回すことで、AI導入は単なるITプロジェクトではなく、「会社の競争力づくり」として認識されます。

---

4. 分野別：ENRプロジェクトから逆算するAI活用アイデア

ENR 2025の受賞カテゴリごとに、日本の建設会社が取り入れやすいAI活用のヒントを簡単に整理します。

橋梁・トンネル・道路

• ドローンや車載カメラで撮影した進捗映像をAI解析し、出来形や施工数量を自動算出
• 斜面・仮土留めの変状をセンサーとAIで常時監視し、閾値を超えると自動通報

建築（オフィス・教育施設・病院・スタジアム）

• 内装仕上げの欠陥（汚れ・キズ・打ち継ぎムラ等）をAIが自動検知
• 人流データと連携し、将来の運営フェーズも見据えた「快適性シミュレーション」を実施

水処理・ダム・発電所

• コンクリートの温度管理やひび割れ予測をAIで行い、養生や打設手順を最適化
• ポンプ・タービン・電気設備のセンサーデータから、故障予兆を自動検知

港湾・空港

• 大型クレーンや重機の稼働データをAI分析し、最適な配置・稼働スケジュールを提示
• 荷さばきヤードの混雑をAIで予測し、搬入車両の時間帯・ルートを自動調整

どの分野にも共通しているのは、「人の目と経験でやっていたことを、AIに置き換える」という発想から入り、徐々に「AIを前提にした新しいやり方」にシフトするという流れです。

---

5. 次のENRレベルを目指す日本企業が、いま決めるべきこと

ENR Global Best Projects 2025に選ばれたプロジェクトの多くは、計画段階からデジタルとAIを組み込んでいたと考えるのが自然です。逆に言えば、「現場が始まってから慌ててAIを入れる」やり方では、同じレベルには届きません。

日本の建設会社がいま決めておきたいのは、次の3つです。

1. 自社としてAIで強化したい領域を明文化する
   安全なのか、工程なのか、品質なのか。優先順位をトップマネジメントが言葉にしないと、現場は動きにくいです。

2. BIMと現場データの「共通言語」を決める
   モデル構造、ID体系、図面のルール。ここを整えないままAIを入れると、場当たり的なツール導入で終わります。

3. パイロット現場と社内表彰のしくみをセットで設計する
   試行だけして終わり、を避けるために、最初から「成功したらこう広げる」「こう評価する」まで決めておく。

この記事は「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、ENR Global Best Projects 2025を題材にしましたが、本質的なテーマはシンプルです。

AIを“特別な先端技術”としてではなく、“受賞プロジェクトの当たり前の道具”として扱えるかどうか。

もし、御社が「次の5年で、国際案件にも通用する現場力をつけたい」と考えているなら、まずは1現場1テーマでAI導入を始めてみてください。その一歩が、数年後にENRの誌面を飾るプロジェクトに繋がるかもしれません。