建設コスト高騰と案件減に勝つ：AIで工程・原価を守る

2025/12/18に公表された米ミネアポリス連銀の建設業界調査は、非住宅建設でも「案件パイプラインが細る」「コストが上がる」という、逃げ場のない組み合わせが進んでいることを示しました。入力コストが上がっても、価格転嫁は追いつかない。結果として、受注競争は激化し、体力のある会社ほど有利になりやすい。

この状況は、米国の一地域だけの話として片づけない方がいいです。日本の建設現場でも、資材・機械・外注費の上振れ、技能者の高齢化、バックログの先細り、発注者の“様子見”は日常になっています。だからこそ本稿では、この調査結果を「危機のニュース」で終わらせず、建設業のAI導入で“利益が残る現場運営”に変える具体策に落とし込みます。

言い切ります。 いまAIは「個人の作業を速くする道具」より、 **案件判断・工程判断・原価判断をブレさせない“意思決定の道具”**として入れるべきです。

調査が示した3つの現実：案件減・コスト増・採用難

答えから言うと、建設会社の苦しさは「忙しいのに儲からない」から「仕事が読めないのに固定費は重い」へ移りつつあります。

調査では、過去6カ月の活動量が前年同期比で約半数が減少と回答。一方で、80%がコスト増を報告し、値上げできたのは**63%**にとどまりました。つまり、利益率は構造的に削られている状態です。

さらに厄介なのが、人手です。活動量が鈍っても、退職・専門職不足・特定分野の需要（産業、インフラ、医療など）があり、採用意欲は落ちにくい。この「受注は不安定、でも人は必要」という矛盾が、2026年に向けて経営を難しくします。

非住宅でも“先の受注”が細ると何が起きる？

答えはシンプルで、入札が荒れる。

• 案件数が減る → 同じ案件に競合が集中
• 原価は上がる → 見積に“安全余裕”を載せたい
• 発注者は様子見 → 決裁が遅れ、見積前提がズレる

この3点が重なると、現場は「薄利で取りにいく」か「撤退して稼働が空く」かの二択になりがちです。ここにAIを入れる意味は、単なる省力化ではなく、勝てる案件だけを取り、取り方を間違えないことにあります。

なぜ今“工程×原価×調達”にAIが効くのか

結論として、案件パイプラインが細る局面では、AIは**予測（フォーキャスト）と最適化（オプティマイズ）**で効きます。理由は、意思決定のスピードと精度が、そのまま利益に直結するからです。

1) 原価高騰に対して：AIで「ブレる見積」を減らす

調査では関税（タリフ）など不確実性が価格判断を難しくすると言及されています。日本でも、為替、エネルギー、輸送、部材不足で似た状況が起きます。

AIの使いどころは、見積の自動化ではなく、見積の根拠を“更新可能な前提”に分解することです。

• 過去実績（工種別・協力会社別・地域別）から単価レンジを学習
• リードタイムの伸び縮みを確率で扱う
• 代替材・代替工法のコスト影響を即時試算

これにより、見積は「担当者の勘」から「前提が見える意思決定」に変わります。僕が現場で見てきた失敗の多くは、見積の数字より、前提の共有不足でした。AIは前提を“見える化”するのが強い。

2) 案件減に対して：AIで「入札する/しない」を仕組みにする

パイプラインが細るほど、無理な受注が増えます。そこで必要なのが、AIを使った入札判断のスコアリングです。

例として、過去データから次を点数化します。

• 発注者の支払条件・変更指示の傾向
• 設計確度（未確定項目の多さ）
• 協力会社の確保難度（職種別）
• 工期の現実性（季節要因・夜間規制など）
• 価格転嫁余地（特命要素、競合数の見込み）

点数が低い案件は「撤退」ではなく、条件交渉の材料に変えます。

受注は営業力だけじゃない。 撤退基準を数字にできる会社ほど、景気の波で強い。

3) 採用難に対して：AIで「人を増やす」より「詰まりを減らす」

調査でも、電気・配管などの熟練職が特定分野（データセンター）に吸われる懸念が出ています。日本でも同じで、工種偏在は常態化しています。

ここでのAIは、採用広報より先に、工程のボトルネックを減らす方向が効きます。

• 週次工程会議の議事録→タスク化→遅延兆候の抽出
• 資材未手配・承認待ち・図面未確定を自動で“遅延リスク”として旗上げ
• 現場写真×進捗の突合で、出来高のズレを早期検知

結果として、同じ人数でも「手戻りが減る」ので、現場は回ります。

非住宅の“勝ち筋”が偏るほど、AIは安全管理にも効く

答えは、儲かる分野ほどリスクが集中するからです。

調査ではデータセンターと医療が下支えとされました。日本でも、データセンター、半導体周辺、病院更新、インフラ更新は相対的に強い。一方でこれらは、

• 短工期・高稼働
• 職種が多い（干渉が増える）
• 品質要求が高い（やり直しのコストが重い）

になりがちで、事故・災害・品質不良が「利益」を一撃で消します。

画像認識AIで、現場の“危ない兆候”を先に潰す

このシリーズの主題でもある安全管理に寄せると、AIは「監視強化」より「是正の仕組み化」で成果が出ます。

• ヘルメット・ハーネス・立入禁止区域の逸脱検知
• 重機と人の接近（ヒヤリハット）検知
• 足場・開口部の養生未実施の検知

大事なのは、検知した後。

• 是正チケットの自動発行（担当・期限・写真添付）
• 是正完了の再確認（再撮影・再検知）
• 月次で傾向分析し、KYと手順書に反映

「見つける」だけで終わると現場は疲れます。再発を減らす運用まで設計して初めて、AIは安全と生産性を両立します。

失敗しないAI導入：2026年に効く“3ステップ”

結論として、AI導入は大規模刷新より、小さく始めて意思決定に食い込ませるのが勝ち筋です。年末〜年度切替（2025/12〜2026/03）は、仕組みを入れるのに実は良いタイミングです。

ステップ1：まずKPIを「利益に近い指標」に寄せる

おすすめは次の3つです。

1. 見積粗利のブレ幅（受注後の原価差異）
2. 工程遅延の早期検知率（遅れる前に旗が立った割合）
3. 手戻り工数（是正・やり直しに消えた時間）

「残業が減った」より、粗利が守れたの方が社内が動きます。

ステップ2：データは“完璧”より“使える形”に整える

AIはデータが命ですが、最初から完璧なBIM連携や全社統合を狙うと止まります。

• 工程表（ExcelでもOK）
• 見積内訳（工種・数量・単価）
• 日報（テキストでOK）
• 現場写真（撮影ルールだけ統一）

この4つが揃うだけで、工程×原価×安全のAI活用は一気に進みます。

ステップ3：現場の会議体に“AIの出力”を固定席にする

AIを入れても使われない最大の理由は、会議体に席がないことです。

• 週次工程会議：遅延リスクTop5を毎回提示
• 月次原価会議：差異要因を工種別に提示
• 安全衛生会議：ヒヤリ傾向と是正完了率を提示

これでAIは「ツール」から「運用」に変わります。

よくある質問：AI導入は結局いくらかかる？何から始める？

結論として、最初は「数百万円のPoC」より、既存ツール＋小さな運用改善からの方が費用対効果が出やすいです。

• 何から始める？ → 見積の前提分解か、工程リスクの旗上げが最短で効きます。
• 人がいない → だからこそ、手戻りと会議の無駄を先に削るのが正解です。
• 現場が嫌がる → 「監視」ではなく、是正がラクになる設計にすると受け入れられます。

次の一手：案件が細る時代の“守りのDX”を攻めに変える

ミネアポリス連銀の調査が突きつけたのは、「不確実性はすぐ消えない」という現実です。コストは上がり、案件は読みづらく、熟練者は減る。ここで根性論に戻る会社は、静かに消耗します。

このシリーズ（建設業界のAI導入ガイド：生産性向上と安全管理）として僕が推したいのは、AIを“派手な新技術”として扱うのではなく、工程・原価・安全の意思決定を安定させる道具として入れることです。案件が細るほど、判断ミスの一発が致命傷になります。だからAIが効く。

年明け前に、まず一つだけ決めてください。**「入札判断」「工程リスク」「安全是正」**のどれを、来月からAIの出力込みで回すか。小さく始めた会社が、2026年の波を取りにいけます。