送電線プロジェクトに学ぶ、AIで変わるインフラ建設の現場

マレーシアの275kV送電線が示した「人力の限界」とAIの可能性

マレーシア・ペナン島と対岸を結ぶ全長8.5kmの275kV送電線。海峡をまたぐ6基の高さ100mタワーと25基のモノポールが連なるこのプロジェクトは、強風・潮流・軟弱地盤という三重苦と向き合いながら完成し、ENR「Global Best Projects 2025」のAward of Merit（Power/Industrial部門）を受賞しました。

海上にタワーを立て、風洞実験で安定性を検証し、ドローンで架線を行う。かなり先進的な取り組みですが、ここで一度立ち止まって考えたくなります。

もしこのプロジェクトに、現在のレベルのAIツールがフル活用されていたらどうなっていたか？

日本の建設業界も、送電線・橋梁・港湾・再エネ設備など、複雑で大規模なインフラ案件が増えています。一方で、現場は人手不足と安全管理の高度化に追われている。だからこそ、「AIをどう入れるか」は、2025年末の今、経営層にとって避けて通れないテーマです。

この記事では、マレーシアの275kV送電線プロジェクトを題材にしながら、

• プロジェクトの技術的な特徴と課題
• どこにAIを入れれば生産性と安全性が上がるのか
• 日本の建設会社が明日から取り組める具体的なステップ

を整理していきます。

---

プロジェクト概要：海峡をまたぐ8.5kmの送電インフラ

厳しい条件下での「100年インフラ」づくり

この送電線プロジェクトは、マレーシアの電力会社Tenaga Nasional Berhadの発電所と、ペナン島側の変電所を接続するために建設されました。主な特徴は次の通りです。

• 延長：約8.5km
• 構造物：25基のモノポールタワー＋6基の高さ約100mのランドマークタワー
• 地盤条件：海峡部は軟弱でばらつきの大きい地盤
• 設計思想：
  • プレキャスト杭基礎＋スカート付きパイルキャップで地盤ばらつきに対応
  • 二重の防食システムにより、海洋環境下での100年耐久を目指す
  • 風洞試験により、強風時の安定性を検証

タワーデザインは、地域に自生するキンマ（ビンロウジ）をモチーフにした双曲線状の脚。インフラでありながら、都市景観の一部として“見せる構造物”として設計されています。

既に使われていた「プレAI」的なテクノロジー

このプロジェクトでは、すでに次のようなテクノロジーが活用されています。

• ドローンによる架線作業
  • 架空地線・送電線の引込みをドローンで実施
  • 高所での人力作業を減らし、精度と安全性を両立
• ドローンによる日常の安全パトロール
  • 危険箇所の早期発見
  • 作業員が立ち入る前にリスクを把握
• デザイン＋安全を兼ねたタワー照明
  • 航空障害灯と景観照明を一体化
  • 都市ブランド向上も視野に入れた計画

現場の工夫としてはかなり進んでいますが、ここにAIが本格的に入ると何が変わるのかを見ていきます。

---

どこにAIを入れるべきか：送電線プロジェクトを分解する

結論から言うと、送電線プロジェクトのような線状インフラは、AIとの相性がかなり良い領域です。プロセスごとに見てみます。

1. ルート選定・計画段階のAI活用

送電線は、ルートを1本引くまでにものすごい検討が入ります。用地、環境影響、景観、送電ロス、建設コスト、住民合意…。ここにAIを入れると効果が大きいです。

AIでできること

• 衛星画像・GIS・地形データから、候補ルートを自動生成
• 送電損失、鉄塔本数、用地買収コストなどをパラメータにしたルート最適化
• 文化財・保護区域・住宅密集地を避けるための制約条件付きルート探索

日本だと、山岳地帯を通る送電線や風力発電の送電網計画で特に効果が大きいはずです。人手でやると数週間かかる比較検討を、AIなら1日で回せるケースも珍しくありません。

2. 構造設計・耐風設計へのAI応用

このプロジェクトでは、風洞実験でタワーの安定性を確認しています。今も重要なプロセスですが、AIを組み合わせると設計サイクルをかなり短縮できます。

活用イメージ

• 風洞試験やCFD解析の膨大なデータをAIが学習し、
  • 「この形状・高さ・風条件なら、揺れ方はこうなる」
  • 「この地盤条件なら、必要な基礎剛性はこれくらい」 を高速に推定
• 最適化AIで、鋼材量・揺れ・施工性・景観のバランスをとったタワー形状の自動提案

設計者が0から案を作るのではなく、AIが出した複数案から「人が選び・修正する」スタイルに変わると、検討の幅を広げながら、全体の工期は短くすることができます。

3. 施工計画・工程管理の最適化

送電線工事は、仮設道路、基礎工、鉄塔建方、架線と、工程が長く分散しています。ここは生産性向上と安全管理の両方でAIの出番です。

具体的な使い方

• 気象データ＋過去の施工データを学習したAIが、
  • 風速・降雨・潮位を踏まえた作業可能時間帯の予測
  • 高所作業や海上作業の中止基準の自動提案
• 資材搬入・クレーン手配・作業員配置をAIがシミュレーションし、
  • 無駄な待ち時間を削減
  • 「この順序ならクレーンの移動が最小になる」といった工程案を提示

結果として、工期短縮だけでなく、残業削減や夜間作業の抑制にもつながります。日本の現場で労務問題が厳しくなる中、これは経営視点でも無視できません。

4. 安全管理：ドローン＋画像認識AIが現場を見張る

このプロジェクトでは、すでにドローンで安全パトロールを行っていました。ここに画像認識AIを組み合わせると、安全管理の質が一段階上がります。

AIによる安全監視の例

• 高所作業時に、
  • フルハーネス未着用
  • ランヤード未接続
  • 危険エリアへの立ち入り などを自動検知してアラート
• 海上足場や仮設構台の変形・沈下を、定期的なドローン撮影からAIが検出
• 熱中症リスクの高い時間帯・エリアを、気温・湿度・作業強度から予測

日本でも、トンネルや高架橋工事で画像認識AIによるヘルメット・保護具チェックの例が増えていますが、送電線や風力など高所・広域現場ほどメリットが大きくなります。

5. 維持管理：100年インフラをAIで見守る

この送電線は、100年使用を見据えた防食設計がされています。ただ、どんな設計でも、点検・補修の運用が伴わなければ意味がありません。

AI＋ドローンでできること

• 定期巡視をドローン＋AIで自動化し、
  • 錆び・塗装剥離
  • ボルトの欠損
  • 鉄塔脚部の洗掘 などの異常を早期検知
• 設置からの経年データをAIが学習し、
  • 「この部位は○年後に補修が必要になる可能性が高い」 といった予防保全計画を提案

日本でも老朽化インフラ問題が深刻化しています。新設段階からAI前提の維持管理設計をしておくと、将来の維持費をかなり抑えられるはずです。

---

この事例から学べる「AI導入の3つのポイント」

送電線プロジェクトをケーススタディとして見ると、AI導入で押さえるべきポイントがかなりクリアになります。僕は次の3つが特に重要だと感じています。

1. まずは「すでにやっていること」をAIで強くする

このプロジェクトでは、

• ドローンによる架線
• ドローンによる安全パトロール

といった非AIのデジタル化がすでに行われていました。ここに、

• 画像認識AI
• 進捗予測AI

を後付けするだけでも、効果は一気に高まります。

日本の現場でも、

• すでにドローン撮影はしている
• すでにBIM/CIMモデルは作っている

という会社が多いはずです。であれば、いきなり「AIのための新しい仕組み」を作るより、今あるデータとワークフローにAIを足す方が、現実的で効果も見えやすいです。

2. 「安全」「工程」「品質」のどこを狙うかを最初に決める

AIは万能ではないので、最初から全部を変えようとすると失敗します。送電線のようなインフラ案件なら、

• 強風・高所・海上での安全管理
• 気象や潮位による工程リスクの低減
• 長期耐久を支える点検・維持管理

のどこを最初のターゲットにするか、経営と現場で腹を決めるのがおすすめです。

個人的には、

1. 安全（労災リスク・重大事故リスクの削減）
2. 工程（残業削減・工期順守）

の順が、社内の理解を得やすく、効果も見えやすいと感じています。

3. 「AI活用で評価される現場」を作る

ENRのような国際アワードで評価されるプロジェクトは、

• 技術的チャレンジ
• 安全・品質・環境配慮
• デザイン性・地域への貢献

など、総合力で見られます。今後はここに、

「AIを活用した生産性向上・安全管理」

が加わっていく流れはほぼ間違いありません。

日本発のインフラ案件が海外で評価されるとき、

• AIによるリアルタイム安全監視
• AI＋BIM/CIMによる高度な施工計画
• AIによる長期維持管理計画

が当たり前に語られるようになれば、入札競争力も採用力も大きく変わります。AI導入は「コスト削減のため」だけではなく、ブランドづくりや人材確保にも直結するテーマです。

---

日本の建設会社が今すぐできる、AI導入の第一歩

話をここで終わらせると「結局、うちでは何をすればいいの？」となるので、送電線プロジェクトをヒントに、すぐ始められるステップを3つに絞ってみます。

ステップ1：現場ごとに「AIで何を改善したいか」を1つ決める

• 送電線なら：高所作業の安全
• 橋梁なら：仮設足場の安全と変位監視
• トンネルなら：切羽管理と湧水リスク

のように、プロジェクトタイプごとに“1テーマ”に絞るのがポイントです。

ステップ2：既にあるデータを棚卸しする

• ドローンの動画・写真
• 施工計画書・出来形・出来高データ
• 日々のKY記録・ヒヤリハット

など、「紙とクラウドに散らばった情報」をまず整理します。AIはデータがないと何もできませんが、逆に言うと多くの会社はすでに十分なデータを持っているケースが多いです。

ステップ3：小さなPoC（試行導入）を1現場でやってみる

• 画像認識によるヘルメット・安全帯チェック
• ドローン画像からのクラック検出
• 工程遅延リスクの予測ダッシュボード

など、期間限定・対象限定で試すのが現実的です。一度でも「AIでうまくいった現場」ができると、社内の空気はガラッと変わります。

---

これからのインフラプロジェクトは「AI前提」で設計されていく

ペナン海峡をまたぐ275kV送電線は、設計・施工・安全管理の工夫で国際的な評価を得ました。ただ、2025年の今から振り返ると、

同じ難易度のプロジェクトを、AIを前提に計画・設計・施工・維持管理する時代がすぐそこまで来ている

と感じます。

日本の建設会社がこの波に乗るかどうかで、5年後、10年後の競争力は大きく変わります。特に、

• 生産性向上
• 安全管理の高度化
• 熟練技術のデジタル継承

を同時にかなえようとするなら、AIは避けるどころか「戦略の中心」に置くべき存在です。

自社の次のインフラ案件を思い浮かべながら、

• このプロジェクトのどこにAIを入れるべきか
• どの工程で一番リスクが高いか
• どんなデータがすでに溜まっているか

を、ぜひ一度チームで議論してみてください。そこから、次のAward of Merit級プロジェクトが生まれてくるはずです。