「ChatGPTの正体は、結局のところ何なのか」——そう聞かれて答えに詰まる方は多いはずです。その中身にあたるものが、LLM（大規模言語モデル）です。この記事では、LLMとは何か、なぜ人間が書いたような文章を返せるのか、逆にどんなときに間違えるのかを、専門用語をできるだけ避けて整理します。そのうえで、日報や見積の説明文、安全書類といった建設会社の実務のどこで効くのかを、公表されている導入事例や国の動きとあわせて見ていきます。
LLM（大規模言語モデル）とは
LLM（大規模言語モデル）とは、膨大な量の文章を読み込んで「この言葉のあとには、どんな言葉が続きやすいか」を学び取ったプログラムのことです。英語の Large Language Model の頭文字をとってLLM、読みは「エルエルエム」。ふだん目にするAIサービスの画面の内側で、実際に文章を組み立てている部分がこれにあたります。
分かりやすいたとえは、車とエンジンの関係です。エンジンにあたるのがLLMで、ハンドルや座席にあたるのがChatGPTなどのサービスです。同じエンジンを積んだ車が何種類も売られているように、同じLLMを土台にした業務ツールがいくつも世に出ています。ニュースで「モデルが新しくなった」と言われるのは、車体ではなくエンジンが載せ替わった、という意味だと思ってください。
なぜ「大規模」と呼ばれるのか
言葉のつながりやすさを計算する仕組み自体は、実は何十年も前からありました。携帯電話の予測変換も、その素朴な形です。近年になって急に自然な文章が書けるようになったのは、規模が桁違いに大きくなったからです。大規模と呼ばれる理由は、おおよそ次の3つに整理できます。
- 学習した文章の量：ウェブ上の記事、書籍、辞書、プログラムのコードまで、人が一生かけても読み切れない分量を読み込ませている
- 内部のつまみの数：言葉のつながり方を調整する数値をパラメータと呼び、数十億から数千億という単位に達する
- 計算にかかる資源：学習には専用の計算機を大量に並べて数か月動かす必要があり、一から作れる企業は世界でも限られる
規模が大きくなると、教えていない仕事まで急にこなせるようになることが知られています。要約、翻訳、言い換え、表への整理、下書きの作成——ひとつひとつ専用に作り込んだわけではないのに、頼めばだいたい形になる。この汎用性の高さが、LLMが一気に広まった理由です。なお、やり取りする文章の量は「トークン」という単位で数えられ、多くの有料サービスではこの量が料金の計算にも使われます。
LLMの仕組みを4つの動きで見る
難しい理屈は抜きにして、LLMが答えを返すまでの流れは4つの動きに分けられます。手元の入力を受け取ってから、一語ずつ文章を書き出していくまでの段取りです。
1言葉を細かく分ける
入力された文章を、単語よりやや細かい単位に切り分けます。「鉄筋を配る」なら「鉄筋」「を」「配る」といった具合です。この単位がトークンで、日本語はおおむね1文字あたり1トークン前後になります。
2意味を数字に置き換える
切り分けた言葉を、意味の近さが分かる形の数字の並びに変換します。この処理があるおかげで、「工程表」と「スケジュール」のように字面が違う言葉でも、近い意味として扱えるようになります。
3文脈の重みを計算する
文章全体を見渡して、どの言葉がどの言葉に関わっているかを重みづけします。「その検査は明日です」の「その」が何を指すのかを前の文から拾ってこられるのは、この働きによるものです。
4次の言葉を選んで書き出す
ここまでの流れをふまえ、続きに来る確率がもっとも高い言葉を選びます。一語書いては次を選ぶ、を最後まで繰り返します。回答が少しずつ表示されていくのは、この一語ずつの処理がそのまま画面に出ているためです。
ここで押さえておきたいのは、LLMは内容の正しさを判断しているのではなく、続きに来やすい言葉を選び続けているだけだという点です。だからこそ、正しい話も誤った話も同じなめらかさで出てきます。事実と違う内容を自信たっぷりに書いてしまうハルシネーションという現象は、この仕組みの裏返しとして起きています。
LLMが苦手なこと
使う前に、できないことを先に知っておくと失敗が減ります。LLMが不得意なのは、おおむね次のような場面です。
- 学習した時点より新しい話：モデルには知識の締め切りがあり、その後に改訂された基準や最近の出来事は知らない
- 社内だけの情報：自社の単価表、施工要領書、取引先ごとの約束事は学習に含まれていないため、聞いても答えられない
- 知らないと言うこと：確率で言葉を選ぶ性質上、空白をそれらしい記述で埋めてしまうことがある
- 正確な計算：数量の集計や積算の検算は、表計算ソフトや積算システムのほうが確実で速い
- 毎回まったく同じ答え：同じ質問でも表現が揺れることがあり、一字一句の再現性は保証されない
このうち「社内だけの情報を知らない」という弱点については、答える前に自社の資料を検索させるRAG（検索拡張生成）という組み合わせ方が広く使われるようになっています。LLM単体の限界と、周辺の仕組みで補える範囲を分けて考えるのが、導入検討の第一歩です。
建設業でのLLMの使い方
建設の仕事は、体を動かす作業だけで成り立っているわけではありません。日報、報告書、見積の説明、安全書類、協力会社とのやり取り——文章を書く時間は想像以上に積み上がっています。LLMが効くのは、まさにこの部分です。
- 日報・作業報告：現場で打ったメモの断片から、体裁の整った報告文の下書きを起こす
- 打合せの整理：文字起こししたやり取りを、決定事項・宿題・担当者の一覧に組み替える
- 見積の説明文：明細に並んだ工種名を、施主に伝わる言葉の説明に書き直す
- 安全書類とKY活動：当日の作業内容を伝えて、想定される危険と対策の案を洗い出させる
- 社外文書：協力会社への依頼文、近隣へのお知らせ、施主への進捗報告のたたき台をつくる
- 長い資料の要約：仕様書や議事録から、知りたい条件に関わる箇所だけを抜き出して整理させる
打合せの記録づくりを一気通貫で楽にしたい場合は、文字起こしAIで音声を文章に変えてから、その文章をLLMに整理させる流れが定番です。どの業務から手をつけるべきかは会社の事情で変わりますので、進め方に迷うときはAI番頭のサービスもあわせてご覧ください。
実際に動いている事例と数字
建設業でLLMがどこまで実務に入っているのか、公表されている情報から見てみます。大手ゼネコンでは、汎用のサービスをそのまま使うのではなく、自社の環境に閉じた形で導入する例が目立ちます。
鹿島建設は、社員が入力した情報が外部の学習に使われる懸念からChatGPTの業務利用を一度禁止したうえで、社内環境で同等のAIを使える「Kajima ChatAI」を構築し、グループ従業員約2万人を対象に運用を開始したとプレスリリースで公表しています。利用時の社員認証や利用履歴の記録といった仕組みを加えたとされ、情報漏洩対策とセットで整備が進められた形です。
清水建設は、生成AIアシスタントを全社に導入したと2025年7月に発表しています。現場でのトライアルでは、膨大な施工要領書や基準書を瞬時に検索・参照できる技術文書アシスタントを開発し、検索時間の短縮効果を確認したほか、若手への知識継承が進む可能性が見いだされたとされています（出典: 株式会社Lightblue プレスリリース）。
建設業に特化させたモデルも登場しています。燈株式会社は2023年3月、設計図書やBIMなどの建設固有のデータを認識する技術と大規模言語モデルを組み合わせた「AKARI Construction LLM」の提供開始を発表しました。過去の仕様書や議事録から事例を参照する、チャット形式で設計図書を検索する、といった使い方が想定されています（出典: 燈株式会社 プレスリリース）。
とはいえ、日本企業全体で見れば道半ばです。総務省の令和7年版情報通信白書によると、生成AIを積極的に活用する、あるいは領域を限定して活用する方針を定めている日本企業の割合は2024年度調査で49.7%。前年度の42.7%からは増えたものの、同時に調査された他国と比べると低い水準にとどまっているとされています。裏を返せば、今から着手しても十分に先行できる余地があるということです。
発注者側の動きも見逃せません。国土交通省は直轄の業務でAI活用の体制整備を進めており、建設コンサルタント業務の特記仕様書に生成AIの活用方針を明記する方向が報じられています。受注者は業務計画書を作るときにAIの利用目的・利用するサービス名・利用範囲を記載し、AIで出力した箇所には可能な範囲で注釈を付け、後からAIで扱いやすい様式で成果物を納めることなどが想定されています（出典: 建設通信新聞Digital、日経クロステック）。使うか使わないかではなく、どう使ったかを説明できるかが問われる段階に入りつつあります。
汎用LLMと建設特化LLM、どう選ぶか
「うちも導入するなら建設専用のものでないと駄目なのか」とよく聞かれますが、必ずしもそうではありません。選択肢はおおまかに3つあり、規模と目的で向き不向きが分かれます。
- 一般向けのサービスをそのまま使う：月額数千円から始められ、準備もほぼ不要。日報や文書の下書きなら、この段階で十分に効果が出る
- 自社の環境に閉じた形で使う：入力内容が外部の学習に使われない契約形態や社内基盤を用意する。全社展開や機密情報を扱う段階で必要になる
- 建設に特化したモデルやサービスを使う：設計図書や仕様書の扱いに強い反面、費用も導入の手間も大きくなる。狙う業務がはっきりしてから検討したい
中小の建設会社がまず取るべきは、ほぼ例外なく一つ目です。特化モデルや自社基盤は、先に効果が出る業務を見つけてからでも遅くありません。実際、大手の事例も文書検索や報告書作成といった地味な業務から始まっています。いきなり大掛かりな仕組みを構えるより、小さく試して手応えを確かめるほうが、結果的に近道になります。
メリットと注意点
もうひとつ、意外と効いてくるのが「頼み方」です。同じLLMでも、依頼の書き方ひとつで返ってくるものの質は大きく変わります。誰に向けた文章か、どのくらいの長さか、どんな条件を守るか。この指示の出し方を工夫することが、高い有料プランに乗り換えるより先に効くことは珍しくありません。
小さく試すときの進め方
全社導入を最初から考える必要はありません。次の4段階で進めると、無理なく手応えを確かめられます。
1困りごとを一つに絞る
「日報を書くのに毎日30分かかる」といった、頻度が高くて時間の読める作業を一つだけ選びます。あれもこれもと広げると、効果が測れず立ち消えになります。
2一人が二週間だけ使ってみる
興味のある社員一人に、選んだ業務でだけ使ってもらいます。かかった時間を前後で比べておくと、次の判断がしやすくなります。全員に配るのはこの後で構いません。
3うまくいった頼み方を残す
良い答えが返ってきたときの指示文を、そのままメモに残して社内で共有します。この蓄積が、ツールそのものより効いてきます。
4使ってよい情報の範囲を決める
入力してよい情報と駄目な情報、出力をそのまま出してよい場面と人の確認が要る場面を、一枚の紙にまとめます。難しく考えず、まずは短いもので十分です。
ここで残した指示文の型は、いわゆるプロンプトの蓄積そのものです。効果を測りながら小さく試す進め方はPoC（概念実証）と呼ばれ、AI導入では定石とされています。
よくある質問
LLMと生成AI、ChatGPTは何が違うのですか
生成AIがいちばん大きな呼び名で、文章・画像・音声などを作り出すAI全般を指します。そのうち言葉を扱うものがLLMです。そしてChatGPTは、LLMを使いやすい形に仕立てたサービスの商品名にあたります。生成AIという大分類の中にLLMがあり、LLMを積んだ製品のひとつがChatGPT、という入れ子の関係だと捉えてください。
費用はどれくらいかかりますか
個人向けの有料プランは月額数千円程度が目安で、無料で試せる範囲もあります。まずは一人分の有料プランで、日報や文書作成に絞って使ってみるのが現実的です。社内環境に閉じた基盤の構築や、建設に特化したモデルの導入となると費用の桁が変わりますので、効果を確かめてから検討して遅くありません。
入力した情報が外部に漏れませんか
入力内容が提供元の学習に使われるかどうかは、契約するプランや設定によって異なります。法人向けのプランでは学習に使わない扱いが一般的ですが、無料版は条件が違うことがあるため、規約の確認が欠かせません。実際、社員の入力が外部の学習に使われる懸念から一般向けサービスの業務利用を禁じ、社内環境に閉じたAIを構築した建設会社の例もあります（出典: 鹿島建設 プレスリリース）。まずは、施主の個人情報や図面など外に出せない情報を入れない、という運用ルールから始めるのが確実です。
パソコンが苦手な社員でも使えますか
使えます。LLMを使う画面は、多くの場合チャットの形をしています。特別なコマンドを覚える必要はなく、後輩に仕事を頼むときと同じ言葉で書けば通じます。むしろ難しいのは操作ではなく、何を頼めば楽になるかを思いつくことのほうです。最初は「このメモを日報の文章にして」といった具体的な頼みごとから始めるとつかみやすくなります。
小さな会社が導入しても意味がありますか
人数が少ない会社ほど、一人が事務も現場も抱えている分、書類作成の負担を減らす効果は大きく出ます。大手のように専門部署をつくる必要はなく、まずは一人が一つの業務で使ってみるところから始められます。国の調査でも生成AIの活用方針を定めている企業はまだ半数程度とされており、今から取り組んでも十分に間に合う段階です。
関連用語
生成AI文章・画像・音声などを作り出すAIの総称。LLMはこの中の、言葉を扱う一種にあたります。 ハルシネーションLLMが事実と異なる内容をもっともらしく書いてしまう現象。仕組みと防ぎ方を解説します。 トークンLLMが文章を扱うときの単位。利用料金や、一度に扱える文章量の上限にも関わります。LLMは魔法の道具ではなく、下書きが得意で確認が苦手な相棒です。得意なことを一つ任せてみるところから、無理なく始めてみてください。