送電線プロジェクトに学ぶ、AIで変わる安全管理と工程最適化

日本の建設業でいま本気で課題になっているのは、人手不足と安全・品質の両立です。特にインフラやプラント、送電線などの大規模プロジェクトでは、一つの判断ミスが重大災害や工程遅延に直結します。

2025年12月、マレーシア・ペナンで275kV送電線プロジェクトが国際賞（ENR Global Best Projects Award of Merit）を受賞しました。全長8.5km、海峡横断、100m級鉄塔、強風・潮流・軟弱地盤という「条件の悪さフルコース」の現場です。このプロジェクトではドローン活用や風洞実験、長寿命化設計など、かなり高度な取り組みが行われましたが、日本の建設会社が注目すべきなのは、**「ここにAIを組み込むと、どこまで安全性と生産性を上げられるか」**という視点です。

この記事では、この275kV送電線プロジェクトをケーススタディにしながら、建設業界のAI導入ガイドというシリーズの文脈で

• 送電線・インフラ工事でAIが効くポイント
• 安全管理・工程最適化・品質確保への具体的な応用
• 日本の現場で“明日から”検討できる導入ステップ

を整理していきます。

---

275kV送電線プロジェクトの概要と「難しさ」

まずはベースとなるプロジェクトの姿を押さえておきます。ここが見えていると、「AIをどこに入れると効くか」がイメージしやすくなります。

ペナン海峡をまたぐ8.5kmの送電線

対象となるのは、マレーシア・ペナン島の発電所と変電所をつなぐ275kV送電線です。

• 延長：約8.5km
• 支持構造物：25基のモノポール鉄塔
• ランドマーク鉄塔：高さ約100m、曲線2本脚の意匠性の高いタワーが6基
• 施工環境：ペナン海峡横断（強風・潮流・船舶航行・軟弱地盤）

海上部の鉄塔は、軟弱かつ不均質な地盤に対応するため、プレキャストのパイルキャップ＋スカート構造を採用。さらに海洋環境で100年持たせることを狙い、二重の防食システムを組み込んでいます。

設計段階では、強風時の安定性を確認するため、大学の風洞実験で詳細検証を実施。施工段階では、送電線の引込や日々の安全パトロールにドローンを活用しています。

ここまででも相当レベルの高いプロジェクトですが、正直なところ、今のAI技術を組み合わせれば、さらに安全で、生産性も高い現場運営が可能です。

---

どこにAIを組み込めるか：全体像を整理する

送電線やインフラ工事でAIを入れるなら、狙い目は次の5つです。

1. 設計・構造検討の高度化（AI＋BIM/解析）
2. 施工計画・工程管理の最適化（AIスケジューリング）
3. 安全管理の高度化（画像認識＋リスク検知）
4. 施工品質・維持管理の効率化（点検AI＋ドローン）
5. 意匠性・景観設計と合意形成の効率化（生成AI＋ビジュアライゼーション）

ペナンの事例だと、ドローン活用や風洞実験はすでに行われていますが、そこにAIがかぶさると何が変わるのかを、一つずつ見ていきます。

---

1. 設計・構造検討：AI＋BIMで「安全余裕」と「コスト」のバランスを取る

曲線脚を持つ100m級の送電鉄塔を海上に建て、100年耐久を狙う——設計者目線で言えば、荷重ケースも不確実性もかなり多いプロジェクトです。

風洞実験＋AIシミュレーション

今回のプロジェクトでは、風洞実験で鉄塔の安定性を確認しています。ここにAIを組み合わせると、例えば次のようなアプローチが可能です。

• 風洞実験の結果とCFD解析結果をAIに学習させ、中間パターンを高速に予測
• 形状パラメータ（脚の曲率、部材断面、塔高など）を少しずつ変えた場合の応答を自動スキャン
• 安全率を確保しつつ、鋼材量を最小化する形状案をAIが候補として提示

人が一つずつケーススタディしていたところを、AIに「パラメトリック探索」させるイメージです。結果として、

• 同じ安全性で鋼材使用量を数％削減
• 施工性の高いディテール案を早期に抽出

といった効果が見込めます。送電線のように塔数が多いプロジェクトほど、1基あたり数％の改善が大きなコスト削減につながります。

BIM＋AIで地盤・基礎条件を反映

ペナン海峡のような軟弱地盤では、基礎形式や杭長の最適化が極めて重要です。BIMと地盤情報、設計条件をAIで一体的に扱えば、

• ボーリングデータや地盤モデルから、地点ごとの沈下リスクを自動評価
• 塔ごとに最適な杭長・杭本数・パイルキャップ形状を提案
• 部材数量や施工コストを自動積算し、コストとリスクのトレードオフを可視化

といった「設計の意思決定支援」が可能になります。

日本の実務でいうと、BIMモデル＋地盤情報＋クラウド上のAI解析の組み合わせが現実的です。既に導入している地盤解析ソフトや構造解析ソフトに、ベンダー側がAIオプションを載せ始めているので、「次のバージョンアップでAI機能を試す」が一つの入り口になります。

---

2. 施工計画・工程管理：AIで「無理のない」工程を組む

送電線の現場は、天候・風・海象条件に強く左右されます。ペナン海峡のように潮流もあると、クレーンや作業船の出動可否が日単位で変わるのが当たり前です。

ここでAIを使うと、**「その工程、本当に回るのか？」**を数字で示せるようになります。

気象・海象データを使ったAIスケジューリング

• 過去数年分の風速・降雨量・波高データを収集
• 施工エリアごとに、「作業可能日」「風待ち・波待ちリスク」をAIが予測
• クレーン作業や高所作業、送電線の架線など、気象条件に敏感なタスクに制約条件を付与
• AIが複数の工程案を生成し、「遅延確率」「残業・休日出勤の増加見込み」まで試算

感覚と経験だけに頼らず、統計的な遅延リスクも踏まえた工程を組めるようになります。結果として、

• 無理な前倒しスケジュールを避ける
• 残業・休日出勤の抑制
• クレーン待ち・資材待ちなどのロス削減

といった、かなり実務的なメリットが出てきます。

日本の現場での現実的なステップ

いきなり全部AI任せにする必要はなく、まずは次のようなステップが現実的です。

1. 既存の工程管理ツール（Excelや専用ソフト）に、天候データを紐付ける仕組みを作る
2. 施工中プロジェクトで、「実際の遅延」と「天候・作業種別」の関係を蓄積
3. 小さな現場からAIスケジューリングを試し、担当者が納得できる精度まで検証

AIの良いところは、一度データがたまれば次の現場ではより精度が上がることです。特に送電線や港湾・橋梁など、似たような施工環境が繰り返し出てくる分野では、ROIが出やすい領域です。

---

3. 安全管理：ドローン＋画像認識AIで「見落とし」を減らす

ペナンのプロジェクトでは、ドローンを使って

• 架線作業（ラインの送り込み）
• 日々の安全パトロール

が実施されています。これ自体、墜落や転落リスクを減らす意味で非常に有効ですが、ここにAIを組み込むと「安全管理の質」そのものが変わります。

画像認識AIでの自動安全チェック

ドローンや固定カメラで撮影した映像をAIに解析させると、次のような検知が可能です。

• 高所におけるハーネス未着用の検出
• 誘導員不在での重機周辺作業
• 立入禁止エリアへの人の侵入
• 足場の養生シートのめくれ・手すりの欠落
• 海上作業でのライフジャケット未着用

AIが「異常の可能性あり」と判断したフレームだけ安全管理者に通知すれば、人が24時間映像を見張る必要がなくなります。結果的に、

• 安全担当者の負荷を下げつつ、チェック精度は向上
• ヒューマンエラーによる見落としを減らす
• ヒヤリハットの早期検知・是正

が現実的になります。

日本での課題と突破口

よく聞く懸念は、「AIが現場を監視している」ことへの拒否感です。これに対しては、

• 目的を**“懲罰”ではなく“未然防止”**に置くことを明確にする
• 個人特定ではなく、「危険状態の検知」に限定する設定にする
• 実証段階から職長・安全担当者を巻き込み、どうすれば現場が楽になるかを一緒に設計する

このあたりの丁寧な合意形成が重要です。AI導入の成否は、技術よりも「運用ルールと現場の納得感」で決まります。

---

4. 点検・維持管理：100年インフラをAIで見守る

このプロジェクトでは、二重の防食システムにより、海洋環境で100年持つことを狙っています。長寿命インフラほど、点検・維持管理の効率化にAIが効く分野です。

ドローン点検＋AI損傷判定

送電鉄塔や海上基礎は、従来

• 高所作業車やロープアクセス
• 船舶からの目視

で点検してきました。ここをドローン撮影＋AI画像解析に置き換えると、

• サビ・塗膜剥離・ひび割れ・ボルトの緩みなどを自動検出・分類
• 同じ部位の経年変化を時系列で比較し、劣化スピードを見える化
• 「今すぐ対応すべき箇所」と「経過観察でよい箇所」を優先度付け

まで自動化できます。

結果として、

• 点検コストの削減
• 計画的な補修で、ライフサイクルコストを抑制
• 高所・海上点検に伴う人的リスクを低減

が期待できます。日本の送電・橋梁・港湾インフラでも、すでにドローン点検＋AI解析は実用化フェーズに入っているので、

「新設プロジェクトの段階から、点検しやすいディテールとデータ取得前提の設計にする」

という発想で企画・設計を進めると、将来的な維持管理の効率が大きく変わります。

---

5. 意匠・景観と合意形成：生成AIで「見える化」を早くする

ペナンのランドマーク鉄塔は、ビンロウ（ビンロウジ）という現地の植物をモチーフにした双曲線の脚を持ち、夜間照明で「街の顔」としても機能するよう設計されています。

この種のインフラは、機能性だけでなく

• 景観との調和
• 住民からの受容性
• 観光資源としてのポテンシャル

まで含めて評価される時代です。ここに生成AIを使うと、

• 周辺景観と組み合わせた複数パターンの意匠案を短時間で作成
• 日中・夜間・季節ごとの見え方シミュレーション
• 住民説明会用のCG・動画を低コストで準備

が容易になります。特に送電線や変電所は「見た目」で反対されることも多いため、早い段階で“完成後のリアルな姿”を共有することは、合意形成の意味でかなり効きます。

---

日本の建設会社が取るべき3ステップ

ここまで見てきたAI活用は、どれも「海外だからできる特別なこと」ではありません。日本のゼネコン・サブコン・設計事務所が、送電線やインフラ工事でAIを導入するなら、次の3ステップが現実的です。

ステップ1：小さく始める領域を決める

• ドローン点検＋AI画像解析（既設構造物でもOK）
• 既存BIMモデルを使った、AIによる数量拾い・干渉チェック
• 安全カメラ映像の一部を使った、AIによる試験的リスク検知

このあたりは投資額も比較的抑えやすく、効果も測りやすい領域です。

ステップ2：自社データをためる仕組みを作る

AIの“燃料”はデータです。

• 事故・ヒヤリハット情報を、写真・動画付きで一元管理
• 施工実績を「工程・天候・リスク・対策」とセットで残す
• 点検記録を位置情報付きで蓄積

ここを徹底しておくと、数年後に自社専用のAIモデルを持つことも視野に入ってきます。

ステップ3：安全・品質・生産性をセットで評価する

AI導入の効果は、「コスト削減」だけでは測れません。

• 労働時間の削減
• 事故・災害リスクの低減
• 品質のばらつきの縮小

なども指標に含め、**“人がより安全で、より高度な仕事に集中できるか”**を評価軸にした方が、現場の納得感は高くなります。

---

これからのインフラプロジェクトは「AI前提」で設計する時代へ

ペナンの275kV送電線プロジェクトは、AIを本格導入した事例ではありませんが、

• ドローン活用
• 風洞実験・長寿命化設計
• 景観と機能を両立したランドマーク鉄塔

といった要素を見ると、「ここにAIを足せばもっと良くなる」ポイントがたくさんあります。日本の建設業界でも、送電線・橋梁・港湾・プラントなどのインフラ案件こそ、AIによる生産性向上と安全管理の効果が出やすい分野です。

建設業界のAI導入ガイドというシリーズ全体で一貫して言いたいのは、

AIは“特別なプロジェクトの特別なツール”ではなく、標準的なインフラ設計・施工の前提になっていく

ということです。

もし自社の送電線やインフラ案件で、

• 「まずはどこからAIを試せるか」
• 「既存のBIMやドローン運用とどう組み合わせるか」
• 「安全管理にAIを入れるときのルールづくり」

といったテーマで整理したい場合は、一度プロジェクト単位で棚卸しをしてみてください。どの現場にも、**“AIを入れたら劇的に楽になるポイント”**が必ずあります。

次の現場では、「AI前提の施工計画」「AIと人が協働する安全管理」を当たり前にしていきましょう。