機械学習

AIの話題になると必ず出てくるのが「機械学習」という言葉です。ニュースでは耳にするけれど、生成AIやディープラーニングと何が違うのか、うちの見積や写真整理とどう関係するのかが分からない——そう感じている方は多いはずです。この記事では、機械学習の意味と仕組みを数式なしで整理し、建設会社での具体的な使いどころ、導入するときにつまずきやすい点までをまとめます。実際に動いている大手の技術と、公的機関のデータもあわせて紹介します。

機械学習とは

機械学習とは、大量のデータをコンピュータに読み込ませ、その中にひそむ規則性やパターンを、人が一つひとつ教えなくても自分で見つけ出させる技術のことです。英語では machine learning と書き、頭文字をとって「ML」と呼ばれることもあります。

従来のコンピュータの使い方は、人が「こういうときはこう処理する」というルールをすべて書き並べる方式でした。しかし現場の写真から「これは足場、これは重機」と見分けるようなルールは、言葉で書き尽くすことができません。そこで発想を逆にして、正解つきの例をたくさん見せ、判断の仕方そのものをデータから覚えさせる。これが機械学習の考え方です。

職人の育て方に置き換えると分かりやすくなります。新人にコンクリートの良し悪しを教えるとき、数値基準だけを渡しても身につきません。何十現場も一緒に回り、良い打設と悪い打設を見せることで勘所が育ちます。機械学習も同じで、教材にあたるデータの量と質が、そのまま出来上がる精度を決めます。

AI・ディープラーニング・生成AIとの関係

似た言葉が並ぶので混乱しやすい部分ですが、大きさの順に並べると整理できます。いちばん外側にあるのが「AI（人工知能）」という広い呼び名。その中の代表的な手法が機械学習で、さらにその一部が「ディープラーニング（深層学習）」です。そして近年広まった生成AIは、ディープラーニングを使って文章や画像をつくる仕組みにあたります。

• AI：人間の知的な作業をコンピュータにさせる取り組み全体の呼び名
• 機械学習：その中でも、データから規則性を学ばせるやり方
• ディープラーニング：機械学習の一種で、脳の神経細胞をまねた多層の仕組みを使う手法。画像や音声のように複雑なデータに強い
• 生成AI：ディープラーニングを土台に、文章・画像・音声などを新しくつくり出す使い方

つまり、ChatGPTのようなLLM（大規模言語モデル）も、突然別の技術として現れたわけではありません。膨大な文章を教材に機械学習を行った結果が、あの受け答えの正体です。機械学習を理解しておくと、生成AIがなぜ間違えるのか、なぜ学習していない社内の事情には答えられないのかも、あわせて腑に落ちます。

AI侍

AIという大きな傘の下に機械学習があり、その内に深層学習がござる。別物と構えず、入れ子の関係と覚えてくだされ。

機械学習の3つの学び方

機械学習は、教材の与え方によって大きく3つに分かれます。それぞれ得意な仕事が違うため、自社の困りごとがどれに当てはまるかを考えると、話が具体的になります。

1. 1

   教師あり学習

   入力と正解をセットで見せる方法です。過去の見積書と実際にかかった原価を組にして学ばせれば、新しい案件の原価を推定できます。現場写真に「ヘルメット着用あり／なし」と印をつけて学ばせれば、安全確認の判定に使えます。正解を用意する手間はかかりますが、いちばん結果が読みやすい方法です。

2. 2

   教師なし学習

   正解を与えず、データの中の似たもの同士をまとめさせる方法です。数年分の工事データを渡すと、コンピュータが自分で「工期が延びやすい案件群」といったまとまりを見つけてくれます。人が気づいていなかった傾向をあぶり出したいときに向きます。

3. 3

   強化学習

   試行錯誤させ、うまくいったときに点数を与えて上達させる方法です。ゲームや機械の制御でよく使われ、建設分野では重機の自動運転や搬送ロボットの動き方の最適化などで研究が進んでいます。

中小の建設会社が最初に触れるのは、ほぼ教師あり学習です。写真の仕分けや帳票の読み取りといった、答えがはっきりしている作業から入るのが定石で、AI-OCRのように既製のサービスとして使える形になっているものも増えています。

学習と推論という2つの段階

機械学習の仕組みは、「学習」と「推論」という2つの段階に分かれています。ここを分けて考えられるようになると、見積書に出てくる費用の中身も読み解けるようになります。

1. 1

   データを集めて整える

   写真、帳票、日報、センサーの記録などを集め、抜けや表記ゆれを直します。実務では、この下ごしらえに全体の手間の大半がかかります。紙のまま眠っている資料はここで初めて負担として表面化します。

2. 2

   学習させてモデルをつくる

   整えたデータを読み込ませ、判断の型にあたる「モデル」をつくります。計算量が大きいため時間と費用がかかりますが、行うのは基本的に最初と、精度を見直すときだけです。

3. 3

   推論で日々使う

   出来上がったモデルに新しいデータを渡し、判定や予測を受け取る段階です。写真を1枚投げて「これは配筋写真」と返ってくるのが推論にあたり、実務で毎日触れるのはこの部分です。

4. 4

   結果を確かめて学び直す

   外れた事例を集めて教材に加え、もう一度学習させます。扱う工種や協力会社が変われば正解も変わるため、一度つくって終わりにしない運用が精度を保ちます。

すでにある汎用モデルに自社のデータを追加で学ばせ、自社仕様に寄せることをファインチューニングと呼びます。ゼロからつくるより費用を抑えやすく、自社の書式や用語に合わせたいときの現実的な選択肢になります。

建設現場での使い方

機械学習は研究段階の話に聞こえるかもしれませんが、建設分野ではすでに実用の技術として動いています。代表的な使いどころを挙げます。

• 写真の自動仕分け：撮りためた工事写真を、工種や部位ごとに自動で分類して整理の手間を減らす
• 書類の読み取り：手書きの日報や納品書を読み取り、転記作業をなくす
• 安全管理：カメラ映像から保護具の未着用や立入禁止区域への進入を見つけて知らせる
• 品質・検査の支援：ひび割れやコンクリートの状態を画像から判定し、目視点検を助ける
• 原価と工期の予測：過去の実績から、案件ごとの原価や工期の見通しを立てる
• 設備の異常検知：機械の振動や稼働データから、故障の兆候を早めにつかむ

実例として、大林組が公開している「山岳トンネル切羽評価AIシステム」があります。タブレットで撮影した切羽の画像をクラウドに送ると、ディープラーニングが岩盤強度や割目状態など7項目を自動で判定する仕組みで、的中率は平均84%、もっとも高い項目では90%を超えると同社は説明しています。危険な場所に人が長くとどまらずに済み、判定のばらつきも抑えられるという発想です。

鹿島建設は2024年2月、固定カメラの映像を画像認識AIで解析し、指定した作業エリア内にいる技能者の人数と作業時間を自動で把握するシステムを開発したと発表しています。複数のカメラに同じ人が映っても独自の解析で同一人物と判定でき、工事出来高と組み合わせれば歩掛を自動算出できるとしています。これまで人が張り付いて数えていた歩掛調査を無人化する狙いです。

国土交通省も、2024年4月に策定した「i-Construction 2.0」で、2040年度までに建設現場の省人化を少なくとも3割進め、生産性を1.5倍に高める目標を掲げました。施工・データ連携・施工管理の3つをオートメーション化する方針が示されており、その足回りを支えるのが機械学習をはじめとするデジタル技術です。国の方向性としても、異常検知AIや自動判定の活用は後押しされる流れにあります。

メリットと注意点

もうひとつ、導入前に押さえておきたいのがデータの持ち出しです。図面や見積、施主情報を外部サービスに読ませる場合は、その内容が学習に使われない契約になっているかを必ず確認します。無料の一般向けサービスと、法人向けの契約では扱いが異なるため、社内でルールを一枚決めておくと迷いがなくなります。

総務省の令和7年版 情報通信白書によると、生成AIの活用方針を定めている日本企業の割合は2024年度調査で49.7%と、2023年度調査の42.7%から増えています。裏を返せば半数はまだ方針を決めきれていないということで、導入時の懸念としても「効果的な活用方法がわからない」「情報漏えい等のセキュリティリスク」が上位に挙がっています。まず小さく試して確かめるPoC（概念実証）の進め方が推奨されるのは、このためです。

中小の建設会社が始めるなら

自社で機械学習のモデルをつくる必要は、まずありません。写真整理も帳票の読み取りも、すでに機械学習を組み込んだサービスとして月額で使える形になっています。大事なのは技術を持つことではなく、どの業務に当てるかを決めることです。

1. 1

   困っている作業を書き出す

   毎週くり返していて、時間がかかり、判断基準がだいたい決まっている作業を挙げます。件数が多いものほど効果が出やすく、社内の納得も得やすくなります。

2. 2

   手元のデータを確かめる

   その作業に使えるデータが、どんな形でどれだけ残っているかを見ます。紙しかないなら、まず読み取ってデータにするところが最初の一歩になります。

3. 3

   既製サービスで小さく試す

   一つの現場、一人の担当者に絞って1〜2か月試します。最初から全社展開せず、合わなければ引き返せる規模にしておくのが安全です。

4. 4

   効果を数字で確かめる

   かかった時間、直した回数、費用を前後で比べます。感覚ではなく数字で判断できると、次の投資の話が進めやすくなります。

どの業務から手をつけるべきか、費用に見合う効果が出そうかを一緒に整理したい方は、AI番頭のサービスをご覧ください。現場の実情に合わせて、無理のない進め方をご提案します。

よくある質問

関連用語

自社の場合はどこから始めるのが早いか、何を準備しておけばよいかを相談したい方は、お問い合わせからお気軽にご連絡ください。

出典・参考