マカオごみ焼却発電所に学ぶ、AI×建設DXのリアル

マカオのごみ焼却発電所から見える「AIなしでは厳しい現場」の現実

マカオ唯一の都市ごみ焼却施設が第3期増設で1日3,000トン超処理・年間2億kWh発電という規模に拡張されたのは2025/12の話です。タイトな敷地、既設プラントがびっしり、都市部での工事、安全要求も厳しい──多くの日本の建設会社が直面している条件とかなり近いプロジェクトでした。

このプロジェクトは、ENRの「Global Best Projects」パワー・インダストリアル部門でBest Projectを受賞しています。施工自体はAI前提ではありませんが、内容を追っていくと「ここにAIが入っていたらもっと楽だった」「ここはAIの得意領域だよね」というポイントだらけです。

この記事では、マカオごみ焼却発電所第3期プロジェクトをケーススタディにしながら、日本の建設現場がAIをどう入れれば、生産性と安全性を同時に上げられるかを整理します。「建設業界のAI導入ガイド：生産性向上と安全管理」シリーズの一環として、実プロジェクトベースで落とし込んでいきます。

---

プロジェクト概要：マカオごみ焼却発電所第3期とは

まずは事実関係をシンプルに整理します。このプラントは、マカオ特別行政区政府の環境保護局が所有する都市ごみ焼却発電施設の増設プロジェクトです。

• 処理能力：1日3,000トン超（増設後の総能力）
• 発電量：年間約2億kWh（フル稼働時）
• 追加設備：
  • ごみ受入・投入・焼却システム
  • 廃熱回収・蒸気タービンによる発電
  • 水・蒸気冷却設備
  • 排ガス処理、飛灰・スラグ処理設備
  • 新設変電所
  • 1日25トン処理の危険廃棄物処理施設
• 特徴：都市部の既設プラント隣接・超タイトな敷地・既存配管が高密度

外観デザインもかなりこだわっています。工場というより**「分節された4層構成の建築物」**という表現の方が近く、

• 外装を4層に分け、ボリューム感を低減
• 各層の間に太陽光発電機能付きガラスカーテンウォールを配置し、採光と自然換気を確保
• ガラス・木目調ルーバー・スチールを組み合わせ、軽やかな外観に
• 太陽熱をカットし省エネ性能も確保
• 廃水は全量処理・再利用、事務棟屋上には雨水利用システム

都市インフラでありながら、意匠性とサステナビリティを両立させた施設です。

施工面では、

• 大スパン屋根トラスの**押出し工法（インクリメンタルランチング）**をマカオで初採用
• 5基のタワークレーンを狭い敷地に配置し、インテリジェント衝突防止システムで干渉を管理
• 杭基礎の動的載荷試験比率を3%→100%に自主的に引き上げ、全杭の性能を検証
• 多面的な安全・セキュリティプログラムを展開

といった取り組みが行われています。

ここまで聞いただけでも、「BIMとAIが入っていたら、かなりやり方が変わっていたはず」と感じる方も多いはずです。

---

タイトなプラント敷地こそAI×BIMの真価が出る

こうした都市型プラントの増設工事で一番効いてくるのが、BIMとAIの連携による施工計画と衝突リスクの最適化です。

1. 既設との取り合い・配管密集へのAI活用

マカオの現場は「既設設備と配管が高密度に統合されたコンパクトサイト」でした。日本でも、既存工場の増築やリプレース案件でお馴染みの状況です。

こうした環境では、

• 新旧配管の取り合い
• 支持金物位置と構造体の干渉
• メンテナンス時のアクセスルート

まで含めて、3Dで検証するのが前提になりつつあります。ここにAIを組み合わせると、

• BIMモデル上で自動干渉チェック＋「リスクの高い干渉パターン」を優先抽出
• 過去プロジェクトのデータから、「この配置だと施工時に手戻りが出やすい」パターンをAIが学習
• 設備・配管のレイアウト案を複数パターン自動生成し、施工性と保守性をスコアリング

といったことが可能になります。

人手で一つひとつチェックしていた作業が、AIの提案をベースに人が最終判断するスタイルに変わるだけで、設計と施工計画の工数はかなり削減できます。

2. 層構成ファサードと施工手順最適化

外装を4層に分けて光や風を取り込む今回のデザインは、とても魅力的ですが施工は複雑になります。

ここでも、AI×BIMなら：

• 4層それぞれの施工順序と仮設計画を自動シミュレーション
• 各工程で必要な足場・クレーンの配置を3Dで可視化し、干渉や危険ポイントをAIが抽出
• 太陽光ガラスの設置手順や、風荷重・作業空間などを考慮した最適なリフト計画を提示

といったアプローチが取れます。

特に再開発エリアや既設プラント内工事では「とにかく人が入れるスペースがない」という悩みが尽きません。BIMモデル×AIシミュレーションで「人と機械の動線」を事前に検証することが、今後の標準になっていくはずです。

---

安全管理：AI画像認識で「ヒヤリ」をデータ化する

マカオのプロジェクトでは、5基のタワークレーンをインテリジェント衝突防止システムで管理していました。これはかなり先進的ですが、今のAI技術を前提にすると、さらに踏み込めます。

1. タワークレーン・重機の統合安全モニタリング

AIを活用した安全監視のポイントは、「重機単体」ではなく現場全体の動きを見える化することです。

具体的には：

• タワークレーンや移動式クレーンにIoTセンサーを搭載し、稼働状況・荷重・ブーム角度をリアルタイム取得
• 映像×AI画像認識で、人の位置・重機との距離・立入禁止エリアへの侵入を検知
• BIMモデル上で「今、どのクレーンがどの範囲で動いているか」を3D表示し、オペレーターと監督が共有
• 危険な接近や作業計画外の動きがあれば、AIがアラートを上げる

これを**「AIが常時見守る安全統合ダッシュボード」**として現場事務所に置けば、

「ヒヤリ・ハットを紙で集めて、月一で集計」

というスタイルから、リアルタイムでのリスク検知と予防にシフトできます。

2. 作業員の行動分析と教育へのフィードバック

もう一歩踏み込むと、AIは**「危ない行動のパターン化」**にも向いています。

• 未着用の保護具（ヘルメット・安全帯）を画像認識で検知
• 高所作業の手すり外側歩行や、吊荷下の通過などを自動検出
• どの時間帯・どの作業エリアで危険行動が多いかを統計化

こうしたデータを元に、

• 「この作業班、この作業種別では特にここを重点指導した方がいい」
• 「午前より午後の15〜16時にヒヤリが集中している」

といった具体的な安全指導の打ち手に落とし込めます。

マカオの現場のように、大型クレーンが林立し、狭い敷地で人・重機・資材が入り乱れる環境では、AI画像認識による安全監視はほぼ必須レベルと言って良いと思います。

---

工程管理：AIによるスケジュール最適化とリスク予測

Best Projectを受賞したこの案件は、「予定より前倒し・予算内で完了」しています。そこにAIは使われていませんが、同様の条件のプロジェクトでAI工程管理を使うと何が変わるかを考えてみます。

1. 施工シミュレーションからの自動工程生成

大スパン屋根トラスの押出し工法や、既設稼働設備の近接工事は、工程遅延リスクが高い作業です。AI×BIMを使うと：

• 3Dモデルと施工手順のルールを入力
• クレーンの能力・揚重回数・作業員数などの制約条件を指定
• AIが複数の工程案を自動生成し、工期・コスト・リスクをシミュレーション

ということができます。

人手では「A案・B案」くらいが限界でも、AIなら数十パターンを一気に比較できます。現実的な案を数本に絞った上で、人間の経験値で最終決定するのが現実的な使い方です。

2. 進捗データからのリアルタイム予測

工程管理のAI活用で効果が出やすいのは、「いま遅れているか」ではなく「どのくらい先でどれだけ遅れるか」を予測することです。

• 日々の出来高・工数データをシステムに入力（またはタブレット・スマホから簡易入力）
• AIが過去プロジェクトと比較しながら、「このパターンだと○週間後に○％遅延する可能性が高い」と予測
• 特にクリティカルパス作業について、早期にリカバリ案を提案

狭い敷地・タワークレーン5基という条件では、「1つのクレーンが止まる→周辺4工区に波及的遅延が出る」構造になりがちです。AIがその連鎖を事前にシミュレーションしてくれるだけでも、工程会議の質はかなり変わります。

---

品質と検査：AIで「100%検査」を現実的なコストにする

マカオのプロジェクトでは、杭基礎の動的載荷試験を**全杭（100%）**で実施しています。本来3%程度が一般的なところを、品質を最優先して引き上げた判断です。

こうした「高い品質を取りに行く」姿勢とAIは非常に相性が良く、

• コンクリート打設時の温度・強度データをAIが常時モニタリングし、異常を早期検知
• 溶接部・鉄骨接合部などを画像認識＋超音波検査データで自動判定し、要再検査箇所を抽出
• 配筋検査をBIMモデルと現場写真で照合し、「図面通りか」「かぶり厚さは足りているか」をAIがチェック

といった形で、「100%検査」に近いレベルの品質確認を、現実的な人員で回すことが見えてきています。

マカオ案件のように環境インフラ・発電設備を含むプラントでは、1箇所の品質不良が長期運用に大きく響きます。AI品質管理は、コスト削減だけでなくライフサイクル全体のリスク低減につながる分野です。

---

日本の建設会社が今すぐできるAI導入ステップ

マカオのごみ焼却プラント第3期から見えたのは、**「大型・高難度のプラント案件ほど、AIとBIMの効果が出やすい」**という現実です。ただ、いきなりフルスタックでAI導入は現実的ではありません。

個人的に現場で回しやすい順番は、このあたりだと感じています。

1. BIM＋AI干渉チェックの標準化

   • まずは設備・配管・鉄骨の干渉チェックをAIで半自動化
   • 衝突リスクが高い箇所を「ランキング表示」するツールから始める

2. 安全監視カメラ＋AI画像認識の試験導入

   • タワークレーン周りや高所作業エリアに限定してスタート
   • ヒヤリ・ハットの自動抽出と、週次の安全ミーティングへのフィードバックに使う

3. 工程予測AIを、数プロジェクトでPoC運用

   • 重要な2〜3現場に限定し、出来高データを集約
   • AIの予測精度と、現場の肌感覚のギャップを検証しながら調整

4. 品質検査の一部をAI支援に切り替え

   • 配筋検査や仕上げ検査など、写真ベースで判定しやすい領域から

AI導入は、「現場が面倒になるDX」になった瞬間に失敗します。現場監督・職長が“これなら楽になる”と感じる単機能から始めるのが、結局いちばんうまくいきます。

---

これからの環境インフラ建設は「AI前提」で設計する時代へ

マカオごみ焼却発電所第3期は、AI前提ではない時代のプロジェクトです。それでも、

• タイトな敷地でのスタック型レイアウト
• 都市景観への配慮とサステナブルな設計
• 高度な施工手法と徹底した品質・安全管理

という点で、今後の日本の環境インフラ案件と非常に近い条件を先取りしています。

これからの10年で、日本でもごみ焼却発電所・下水処理場・再エネプラントの更新や新設が一気に進みます。人手不足が深刻化する中で、AIなしで同じクオリティを維持するのは、正直かなり厳しいと感じています。

• 画像認識による安全監視
• BIMとのAI連携による施工計画最適化
• 工程管理AIによる遅延リスクの早期検出
• 品質検査の自動化・高度化

こうしたAI活用は、「先進的な取り組み」ではなく環境インフラをきちんと造り切るための前提条件になっていきます。

自社の次のプラント案件・大規模設備工事で、どの領域からAIを試すのか。マカオの事例をヒントにしつつ、2026年の初めに社内で一度、真剣に議論してみてほしいテーマです。

---

「建設業界のAI導入ガイド：生産性向上と安全管理」シリーズでは、今後も実案件ベースでAI×建設の具体的な使い方を取り上げていきます。自社の現場で「ここにAIを入れてみたい」というアイデアがあれば、それを出発点に小さく始めるのが一番の近道です。