高水圧でのトンネル崩落事例を手がかりに、建設現場の安全管理にAIをどう組み込むかを具体的な4ステップで解説します。
トンネル崩落が突きつけた「目に見えないリスク」
高水圧にさらされた壁厚30cmのトンネルが崩落――。
2025年11月、日経クロステックのランキングで40代が注目した記事の3位に「高水圧で壁厚30cmのトンネル崩落、湧水対策が裏目に出た可能性も」というタイトルが並びました。詳細は有料記事ですが、この見出しだけでも、土木・建設に携わる人なら背筋が冷たくなる内容です。
厚い覆工コンクリート、防水・湧水対策、経験豊富な技術者。それでも、条件が揃えば一瞬で崩れるのが地下構造物の怖さです。しかも、現場にいた作業員にとっては「前日まで問題なく見えていた」ことがほとんどでしょう。
ここがポイントです。人の目と経験だけでは捉えきれないリスクが、地下構造物やトンネル工事には確実に存在する。そして、そのギャップを埋めるためにこそ、AIとデジタル技術を安全管理に本気で組み込むべきタイミングに来ています。
この記事では、トンネル崩落のような事故をケーススタディ的に捉えながら、
- どんなリスクが見落とされやすいのか
- 従来型の安全管理の限界はどこにあるのか
- AI・デジタルをどう組み合わせれば、現実的に事故リスクを下げられるのか
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」シリーズの一つとして、安全管理を起点にAI導入を進めたい企業向けの実務的な視点でまとめました。
なぜトンネルは崩れるのか：構造より怖い“水”のリスク
トンネル事故の多くは、ショットクリートや覆工コンクリートの強度不足や施工不良よりも、地山と水の読み違いが引き金になっています。
高水圧＋湧水対策が「裏目に出る」メカニズム
タイトルから読み取れるのは、次のようなシナリオです。
- 周辺地盤の地下水位が高く、高水圧状態
- トンネル掘削により地下水の流れが変化
- 湧水を抑えるためのグラウチングや止水対策を実施
- その結果、局所的に水圧が集中する“ダム”のような状態を作ってしまう
- 時間差で覆工背面に水圧が蓄積し、壁厚30cmでも耐えきれず崩落
紙の上では「安全側」に振ったつもりの湧水対策が、全体システムとして見たときに危険側に回ってしまう。これは、地下水という“見えない要素”を扱う難しさそのものです。
現場で起きがちな「3つの読み違い」
トンネル・地下工事で典型的に起きる読み違いを整理すると、AI適用のヒントが見えてきます。
-
地質のばらつきの過小評価
ボーリング調査は点の情報です。実際は数メートル先でまったく違う地層が出ることもあるのに、「平均的な地質」として設計・施工してしまう。 -
地下水の流れを静的に見てしまう
掘削に伴い、地下水は常に新しい経路を探します。施工ステップごとに動的に変わるのに、「設計時の水位」で固定的に判断しがちです。 -
計器からの異常の“意味付け”が属人的
計測器は入っていても、「この変化は誤差か、本当に危険か」の判断が担当者の経験頼みになり、結果として警報をスルーすることがある。
AIを入れるなら、まさにこの3つに切り込むべきです。
従来型の安全管理の限界と、AIが補えるポイント
従来の建設現場の安全管理は、かなりのレベルまで体系化されています。それでも、トンネル崩落のような重大事故はゼロにならない。理由はシンプルで、「人が処理できる情報量」と「現場で実際に起きている現象」の間に圧倒的なギャップがあるからです。
人だけでは追いきれない“情報の壁”
トンネルや地下工事では、本来こんな情報を合わせて判断したいところです。
- 掘削進行に応じた地山の変位データ
- 周辺地下水位、間隙水圧の時系列データ
- ショットクリート・覆工のひずみ、クラックの発生状況
- 地表・周辺構造物の沈下・変位
- 掘削機・ポンプの稼働状況、ログデータ
でも、現実はこうなりがちです。
- 毎日出てくる計測値は紙とExcelにバラバラ
- グラフ化や相関分析をする時間がない
- 数値が閾値を少し超えても、「様子見」で終わる
ここにAIを絡めないのは正直もったいない。人間の“勘と経験”を否定するのではなく、情報処理とパターン検出の部分だけAIに任せるのがちょうど良いバランスです。
AIが得意なのは「常時監視」と「パターン認識」
AIを安全管理に組み込むとき、現実的に効くのは次の2つです。
-
大量データの常時監視と異常検知
- センサーやIoT機器から流れてくるデータを24時間監視
- 「普段と違うパターン」を自動で検出し、警報を上げる
- 人間が気づけない“じわじわ悪化パターン”にも反応
-
過去の事故・トラブルとの類似性判定
- 過去のトンネル崩落・湧水事故のデータベースと照合
- 「この変化は過去のどの事故パターンに似ているか」をスコア化
- 施工条件が似ている別現場で、早めの対策を促す
現場側から見ると、「AIが勝手に全部やってくれる」イメージではなく、
“異常っぽい挙動を見つけたら教えてくれる賢い監視係”
くらいに捉えたほうがうまくいきます。
トンネル・地下工事で今すぐできるAI活用の4ステップ
ここからは、トンネル崩落事例をきっかけに、「自分たちの現場でどうAIを入れていくか」を具体的なステップで考えてみます。
ステップ1：センサーとデータを“つなげる”ところから始める
AI以前に、データがバラバラに眠っている状態を解消するのが先です。
- 変位計、間隙水圧計、ひずみ計などの計測データをクラウドや共通サーバーに自動集約
- 計測会社からのPDFレポートをやめ、API連携やCSV自動取り込みに切り替える
- 掘削進行、使用材料、ポンプ稼働状況なども工程管理システムから自動で紐づける
よくあるのは、「AIをやりたい」と言いながら、データが紙とメール添付PDFに埋もれているパターンです。ここを踏み込んで整えるだけで、人間によるグラフ確認だけでも安全レベルは一段上がることが多いです。
ステップ2：ルールベース＋簡易AIの異常検知
次に狙うのは、ルールベースと機械学習を組み合わせた異常検知です。
- まずは「閾値超えアラート」を明確化
- 例：水圧が設計値の80%を超えたら黄信号、90%で赤信号
- その上で、過去30日分のデータから「通常パターン」をAIに学習させる
- 閾値未満でも、「通常からの乖離」が大きいときに注意喚起
ここまでなら、汎用の時系列解析AIで十分実装できます。専用AIエンジンを自社開発する必要はなく、最初はクラウドサービスやPoCツールを使って小さく試すのがコスト的にも現実的です。
ステップ3：BIM・地盤モデルと連携したリスク可視化
安全管理を“経営判断レベル”に引き上げたいなら、BIMや3D地盤モデルとの連携が効いてきます。
- トンネル軸周辺の3D地盤モデルに、実測の水圧・変位データをリアルタイム重ね合わせ
- AIが「どの区間がリスク上昇中か」を色分けして可視化
- 現場だけでなく、本社の技術部も同じ画面で状況把握
これをやると、単なる「数字の異常」ではなく、
“トンネル南側の××m〜××m区間で、覆工背面に水圧が集中し始めている”
といった空間的なリスクが見えるようになります。対策工の優先順位付けが一気にやりやすくなります。
ステップ4：熟練技術者の“頭の中”をAIに継承する
トンネルのような難工事ほど、ベテラン技術者の一言が現場を救うことがあります。
- 「この計器の動き方は危ない」
- 「この地山でこの湧水だと、○日後に効いてくる」
問題は、その感覚が属人化したまま定年退職とともに消えていくことです。ここにもAIを絡めたほうがいいと感じています。
具体的には、
- 過去案件の計測データ＋施工記録＋技術者コメントをセットでデータベース化
- どの時点でどんな判断・指示が出されたかをラベル付け
- それをもとに、AIに「どんなときにどんな判断が妥当か」を学習させる
こうして作った“AIアシスタント”は、若手監理技術者が画面を見ながら、
「この状況、過去のどの事例に近いですか？」
「この先3日間で悪化するリスクはどれくらいですか？」
と質問する使い方ができます。ベテランの“相棒”をデジタルで増やすイメージです。
AI安全管理は「現場の負担増」ではなく「判断の質」を変える
AIやデジタル化の話になると、現場から必ず出てくる声があります。
- 「また新しいシステムが増えるのか」
- 「入力が増えると、その分だけ残業が増える」
- 「どうせレポート作るのは現場だろう」
この不安はもっともです。AI導入が“現場の書類仕事を増やす”方向に行った瞬間、失敗がほぼ確定すると僕は思っています。
安全管理にAIを入れるなら、狙うべきは次の3つだけです。
- 現場の入力作業は増やさない（計測・ログは自動取得を徹底）
- 「見るべきデータ」をAIが絞り込んでくれる状態にする
- 責任の所在を曖昧にしない（判断は人がする、AIは補佐）
特に3つ目は重要です。AIの警報に過度に依存して、「AIが言わなかったから大丈夫だと思った」という空気を作ってしまうと、本末転倒です。
AIは“判断材料を増やし、ノイズを減らすための道具”。最終判断は人間が行う。
この線引きを組織としてはっきりさせないと、リスクマネジメントどころか、新たな責任リスクを生むことになります。
これからの安全管理：事故を「反省材料」に終わらせない仕組みづくり
トンネル崩落、道路陥没、橋梁崩落、天井パネル落下――。
日経クロステックのランキングを見ていると、建設・土木分野の読者が事故・トラブル記事を熱心に読んでいる様子がよく分かります。多くの技術者が、「次は自分たちが当事者になるかもしれない」という感覚を持っているからでしょう。
ただ、読んで終わりではもったいない。これからは、こうした事故情報をAIの学習データとして組織的に蓄積し、「二度目を起こさない仕組み」を作る側に回るべきです。
- 事故・トラブル記事から、施工条件・原因・対策を整理して社内ナレッジ化
- 類似条件の現場が立ち上がるときに、AIが「過去の関連事例」として自動提示
- 現場のモニタリングデータとリンクさせ、リスク上昇時に「過去の教訓」も一緒に表示
こうなってくると、安全管理は**個々の現場所長の経験値に依存したものから、「組織として学習するシステム」**に変わります。
トンネル崩落のニュースを読んで、「怖いな」で終わらせるか。あるいは、「うちの現場・うちの会社のAI安全管理に、どう反映させるか」を考えるきっかけにするか。
2026年に向けて、建設業界のDXやAI導入を本気で進めるなら、安全管理とリスクマネジメントを起点にするのは悪くない選択です。生産性向上のAIは競争力を上げますが、安全管理のAIは事業継続そのものを守る投資だからです。
現場の事情に合わせたAI安全管理の設計は、一社だけで考えるとどうしても発想が狭くなりがちです。今の自社の計測・監視体制や、どこまでデータが揃っているかを棚卸しし、「どのステップから着手するのが現実的か」を一度整理してみてください。
次の一歩は小さくて構いません。紙の計測表をデジタル化して一元管理することも立派なAI導入の前段階です。
そこから先、どのようにAIを組み合わせていくか。その設計ができる企業だけが、次のトンネル崩落のニュースに、自分たちの現場が登場しない未来を手にできます。