生成AIの活用方法
皆さん、こんにちは。Waypoint Venture Partnersの平田です。
小田建設の齋藤です。
建設テックLABでは、これから企業を目指す方や、建設業の建設領域で事業に取り組むスタートアップの方に向けて、
地方から分かる建設領域の解説と、建設関連のニュースやテクノロジー、スタートアップについて深掘りをしていきます。
本日は前回に引き続き、建設領域×生成AIの領域で取り組む際のポイントについてお話をしていきます。
お話の中で、割と生成AIとかって、パルシネーションのことを考えると上流の方がまだ創造的な部分が大きかったりとか、
細かくカチッとこれにのっとってやらなければいけないみたいなルールもまだ少ないので、上流の方が相性がいいよねみたいな話があり、
その中で設計の部分であったりとか、あとはパースを出す出さないみたいな話だったりとか、
なんかそういうところって生成AIの使える可能性あるよねみたいなお話だったと思うんですけど、
なんかその上流の設計の中でも、多分そのどういうデザインにしますか?みたいな衣装設計の部分もあれば、
多分具体みたいなところの設計の話もあるんでしょうし、
かつそれが出てくると、じゃあ積算のところがあったりとかっていうような形で、
結構いろんなポイントがあるのかなと思っていて、
で、多分スタートアップの場合ってどっから入っていくと、
より広い面を取ることができる可能性があるのかみたいなのも一つ大きなポイントになるのかなと思ったんですけど、
なんかそのあたりって、そもそもどっから入るのが良さそうとかってあられたりしますか?
ちょっと難しいかもしれないんですけど。
そうですね、一番やっぱり自分たちが攻めれるところから入るっていうのは定石だと思うんですよね。
どこのデータを集めやすいとか、
すでにアドバンテージがあるようなつながりを持っている人がこういう仕事をしているとかですね。
いろいろあると思うんです。
それが前提なんですが、一番やりやすいのは、
生成AIとかでいうと上流化を攻める方が多分よりやりやすいのかなと思いますし、
逆に言うと生成AIじゃなくて、
データへのアクセス
いろんな教師データをもとに開学習座とかさせていく、
あるいはニューラルネットワークで画像処理をしていくみたいな領域になってくると、
当然かわしもの方がデータがリッチになってきますので、
そっちからアプローチするっていうやり方もあります。
どっちもいいんじゃないかなと思いますし、
真ん中から入っても別に前工程や後工程でどういった課題があるのかに関連してきますので、
特にどっちから行った方がいいみたいなのはなくて、
アドバンテージがあるポイントから取り組むっていうのが一番やりやすいのかなと思います。
技術ベースで自分たちが入りやすいところだったりとか、
あとはご自身のチームのつながりベースでここから行く方が課題が解決しやすいみたいなところを軸に動いて良さそうみたいなそんな印象ですか?
そうですね。技術なのかどうかっていうのはちょっとあるんですけど、
要はその課題にアクセスしやすいポイントでしょうね。
例えば個人的なつながりでよく相談してくれる人がここの分野に詳しいとか、
このデータだったら提供してくれるって建設会社の人が言ってくれてるとか、
そういったデータへのアクセスのしやすさ、課題へのアクセスのしやすさみたいなところの方がもしかしたら大きいんじゃないかなと思います。
技術にもし強みを持ってられてる会社さんだったらそうじゃないかもしれませんけど。
ちなみにここの領域であればデータにアクセスしやすいかもしれないみたいな話になったときに、
建設会社さんとしてはとはいえ誰にでもそのデータを開示できるっていうわけでもないと思っていて、
建設会社側としてそのデータを開示して一部出してやってみようかってなるのって、
どういうポイントをクリアできると、じゃあまずはやってみようみたいになることが多いと語られたりするんですか?
これも難しくて、外然性でしょうかね。
ある課題を解決してくれるポテンシャルを持った会社であると、
その方とつながりがあって、
例えば適正なコストをコメントしてくれるようなプロダクトを作れると言ってくれてて、
そこに困ってるというような、
何かしらそのポテンシャルを評価してもらえるような状況にあれば、
データ提供しますよっていう関係性は作れなくはないかなと思います。
それもやっぱりゼネコンの人が相手だとすると、
ゼネコンの人との利害が一致するような状況が難しい部分ですよね。
ただデータ持ってても使ってない意味がないので、
やっぱりそういったソリューションを作ってくれそうな企業の方とは前向きな話をされる会社さん多いんじゃないかなと思います。
まずはしっかりとどういう価値を出せそうなのかみたいなところのお話をできるようにすることっていうところと、
その上でその価値がもし実現できるんだったらちゃんと使ってみたいよねっていうふうに、
ユーザーになる会社に刺さることみたいな、
この2つがしっかりできればっていう一般的なところではあるかなっていうようなイメージですよね。
そうですね。
少なくとも弊社なんかだと開発してくれそうだなっていうのが分かれば、
提供する情報もちゃんと管理してくれそうだっていうのと、
あとたまにあるんですけど、
例えば当社に向けた製品以外の学習データとしては使わない。
ノウハウだとかを別の会社とかに流用される可能性というのが一つリスクになると思うんですよね。
はい、なるほど。
そのあたりは気にするポイントですけど、
そのあたりクリアするとデータじゃあ渡ししますねっていう形で共有させていただくこともあります。
技術として物は作れるけど学習させるデータがないっていうスタートアップが基本的には多いというか、
だからこそ実際にSEEDとかでAI系のスタートアップの投資検討させていただくときって、
そのデータどうやって持ってくるんだっけみたいなところが一つ論点になり、
そこをしっかりと持ってこれる、使わせてもらえるようなコネクションを持っているみたいなところが評価されるポイントでもあったりするので、
建設業界のデータ状況
そういうところで言うと今おっしゃっていただいた観点みたいなのはすごく参考になるポイントなのかなと思いました。
ここは本当に繰り返しになりますけど参入障壁ですよね。そこのデータにアクセスできないのが大半の方々なの。
まあまあ建設会社ゼネコンさんと特別な関係になるっていうようなところでしょうね。きっと最初のステップ。
そうですよね。建設領域じゃなかったんですけど、昔医療の領域でも同じような事例に当たったことがあって、
やっぱ医療の領域も人の個人情報にモロヒットするような内容なんで、なかなかスタートアップがおいそれと接触できないようなデータなんだけど、
実はこの会社は例えば大学初のスタートアップだから、実は大学との絡みでそういうデータを普通は取れないようなデータを取れるみたいなところが一つ評価のポイントになったりとか、
あとはこういう研究をやっている中では第一人者だからそういうところに協力してくれる人が多いとか、
そういうところはすごい大きな評価ポイントになったかなと思うんで、そこはすごい大事です。
そうですね。医療系の画像解析とかするようなスタートアップさん、そういうアプローチになります。建設業もおそらく似てて、
普通の人がタッチできないデータをどれだけアクセスできるかっていうところの勝負かなと思います。
なんかそのデータにアクセスするっていうところができるかできないかってすごい大きなポイントだなと思うのと同時に、
建設業界ってデータの、そもそも種類がいろいろある。紙で残されたデータもあればテキストデータもあれば、
画像もあるし3Dもあるし、みたいな状態だと思いますし、なんかその保存状態も、
いわゆるちゃんとしたデータになっているものもあれば、紙で残っているものもあったりとかっていうので、
結構データの残され方とデータのカテゴリーが多岐に渡っている印象があるんですけど、
なんかそういうのってAIで学習させますとか、
まあする時って使い勝手が非常に悪いというか、だからこそ多分チャンスがまだまだ残っているっていう話だと思うんですけど、
なんかそのあたりのデータの残り方って今建設業界で言うとどんな感じになってるんですか?
なんかそういうテクノロジーを使うために結構整理されているっていう状態なのか、
それともいやいやまだまだこれからだよねっていうかまだ何もやってないよねみたいな感じなのかで言うと、
そうですね非常に鋭いご意見でまさにおっしゃる通りです。
まず大手のゼネコンでもですね年に数百、200、300とかプロジェクトがあるとしてもですね、
そのうちの住宅は何プロジェクトなんだみたいな話になってくると、
学習データとして非常に少なかったりするんですよ。
確かにそうか。
そうなんです。一社が持っているデータって非常に少ないんですよね。
言われてみればそうですね。
10年集めてやっとこう自然言語処理とかやったことあるんですけど、
自然言語処理のデータに耐えるデータボリュームになるとかそういう世界観なんです。
そうなると最近データベースとして整理されているデータよりも前のデータをどう活用するかみたいな話、
もう当然出てくるわけですよね。
そうなった時に先ほどのデータの保存状況がどうなっているかっていう問題に突き当たるんですが、
これはもう会社によってその管理状況って多分まちまちじゃないかなと思うんですが、
図面のデータとかだとどうでしょうね。
一応データとして残ってはいるんですが、
データの可用性と質
PDFみたいな非常に可用性の高いような状態で保存されたデータが、
ここ20年たつとちょっとそういうデータがなくなってくるかなみたいな。
AIOCRみたいな形で少しデータ化を1回しないと使えないんじゃないかっていうデータが出てきますよね、当然。
図面のデータだとそういう感じです。
データベースみたいな形になりますと、
おそらくどこのZenconさんも2000年代ぐらいからデータベースの構築ってされ始めてはいるんですが、
とはいえ使いやすいデータってなるとやっぱ15年ぐらいのデータ、2010年以降ぐらいのデータだと、
比較的使いやすい状態で整理もされているような会社が多いんじゃないかなというイメージではなるんですが、そんな感じになります。
それだけでもないんですよね。
コストのデータとかによってくると、今と10年前って状況が全然違うのでほぼ参考にならないみたいな。
市場が全然違うしインフレもしてるしみたいな話ですよね。
そうなんですよ。
いろんな状況もあったり用途が違うと全然違う傾向があったりみたいな。
一個一個はでかいので件数としては実はそれほどたくさんのデータ量がないというのが実情です。
考えると結構その一社から情報をいただいてというよりも、場合によっては複数からもらわないと学習データとしては十分じゃないみたいな話になりうるっていう感じなんですかね。
何をやりたいかによるんですが、そういうケースも結構私自身直面したことはあります。
例えばある生成AIで設計をある程度初期の設計のプランを作るってなった際に過去10年のデータを遡って生成するための学習データを積みようとするんですけど、
例えば住宅なら住宅の構造があってオフィスビルにはオフィスビルの構造があるわけですよね。
そもそも鉄骨なのか鉄筋コンクリートなのかみたいな感じでもうパターン分けがされてくるとなると
過去10年集めても例えば住宅の鉄筋コンクリートだと数十棟しかないよねみたいな状況です。
だとするとこれAIでやる以前に人がフィルターでかけて選ぶぐらいのレベルなんじゃないのみたいな。
人がその認識できないぐらいの数をインプットしてその中で何かしらアウトプットを出すっていうのは多分AIが強い一つの切り口だと思うんですけど、
じゃなくてこれ人間で見ても分かるよねっていうボリュームになっちゃうんです。
30個のうち一番使えそうなこのパターンだよねみたいな。そういうパターンもよくあります。
確かになんか素人目に考えても比較的でかいビル、商業施設のビルみたいな東京駅の周りとかでもたくさん建ってますけど、
ああいうビルであればまだ数は増やせるのかなと。それでも多分そんなに多くはないんでしょうけどと思いつつ、
じゃあ逆に比較的大きい建物なんだけど木造で作りますみたいな特徴的な建物の場合、そもそも日本に何とあるんだみたいな、
そういう話になってきたりとかするはずなんで、そうするとそもそもどこをターゲットにするのかで情報の集まる集まらないはあるだろうし、
しかも場合によってはさっき10何年みたいなお話がありましたけど、その10何年の前提が違って一部なんか法改正とか法規制がされていて、
昔はこれできたけど今はこれできないよねとか、そういう話も入ってきちゃうのかもしれないし、
そう考えると意外と使えるデータが限られるってのはすごいありそうな感じはしてきました。
建物の特性とデータ収集
あるかもしれませんね。それもビル一等同士で企画しなきゃいけない話なのか、あるいはフロアが違うと例えばレイアウトが違ってどういうレイアウトパターンがあるのかみたいな話だったら、
20回出てあと20パターン出せるとか、そういう何をしたいかによるわけです。建物一等に対して何かしらアウトプットすると当然数の問題に打ち当たるんですが、
そうじゃないアプローチも当然たくさんあって、なので何をしたいかによっては全然難しい話ではないかなと思います。
結構狙うポイント、どこであればデータが集めやすいかっていうところもそうですけど、
その集めやすい先にあるデータ量がどれぐらいあるか、本当にインパクトが出せるかみたいなところも一個考慮しないといけないポイントなのかもしれないですね。
そうですね。例えばですけど、今ゼネコンの想定した話をこれまでしてましたけど、
例えばハウスメーカーさんとかになってくると、施工されている等数ってすごいいいんですよね、設計も。
そうですよね。
全然数が違うじゃないですか。それぞれ多分敷地の形が違ったりだとか、平面プランが違ったりするわけなんですけど、
そういう話でいくと学習するデータってすごくリッチにあるフィールドかなと思いますし、
必ずしもゼネコンの課題にフォーカスしなくてもそういうアプローチもあるかなと。
ハウスメーカーさんであればそれこそ日本全国でやってますっていう会社もあれば地域フォーカスのところもありますみたいな感じですし、
地域フォーカスのところでもかなりの等数やられてるケースがよくあるというか、ヒアリングしてみるとそんなにやられてるんですねみたいなのがあったりするんで、
そう考えると確かにハウジングの領域だと結構たっぷりとデータがあるのかなっていう感じがします。
そうだと思いますし、最初のクライアントとの打ち合わせとかもいろんなパターンがあったり、
バースでいろんなパターンを見せれたりとかね、そういう打ち合わせの仕方ができるので、
効率性だけじゃなくてお客様に対する顧客体験、価値の向上もできるんじゃないかなと思いますよね。
お客さんにとってはイメージ図がたくさん出てくれば出てくるほど、嬉しい悩みが増えるという観点になります。
そうなんですよね。最初から、普通の建築士の方だと1案、2案、3案ぐらいは持ってくるかもしれませんけど、
その中で選ぶのと、よりたくさんの中から選べるって多分お客様から知ってみた時の価値が。
満足感全然違いそうですよね。
はい。いっぱいあると選べないという方も当然いらっしゃるかもしれませんけど。
最後に伺いたいなと思っていたのが、さっき上流から攻めていくっていうのが、
生成AIであれば相性は良さそうだよねみたいなお話があったかなと思いますし、
今のお話だとデータ量的に必ずしもゼネコンではなくて、ハウスメーカーに行くっていう手も一つあるだろうし、
どこをやるかによってデータのボリュームも違うよねみたいなお話がいろいろあったと思うんですけど。
最後にAIを組み合わせるみたいなところで、AI×この業務みたいなところで、
斎藤さんとしてここ注目してるみたいな領域がもしあれば伺いたいなと思ったんですけど、
安全管理と生成AIの利用
ここ来てほしいなみたいなところって何かあられたりしますか?
どうですかね、ちょっとなかなか難しいテーマではあるんですが、ざっくり言うとまだまだあると思うんですよ。
ただコストの管理なんかも当然データ、生成AIとかじゃなくて、
数値のデータとしてリッチに各ゼネコンさんだとかハウスメーカーさん持ってらっしゃると思うので、
それを機械学習から何かしら使って積算の業務を効率化するとか、購買をする際の保証材料にするとかもいろいろまだそういった余地もあるなとは思います。
もう一点挙げるとすると安全管理とかも結構まだAIが入ってくる部分かなと思ってまして、
安全管理って出来上がった建物を見ると安全に作られた結果しかないんで、なかなかどういう感じしているかご存じないと思うんですけど、
いや全然わかんないです。
安永法という法律もあったりしてですね、安全に作業するために基準を守って作業がずっとされているわけですね。
そこの基準がやっぱりすごく難しいというか、覚えなきゃいけない数値が非常に多い。
数値があるんですね。
そうなんです、管理基準があるんですよ。
この場合は例えば足場の広さをどれくらいしなきゃいけないだとか、
そういうルールがあった?
そうです、落下防止の対策をしなきゃいけないだとか、
ごめんなさい私もちょっとそこはプロフェッショナルじゃないので細かいこと全部は言えないんですが、
非常に細かいルールがあってそれを守るっていうのが建設現場では徹底されているわけですよね。
それって結構知ってるか知ってないかみたいな世界の部分もあって、
品質のこともやらなきゃいけないし工程のこともやらなきゃいけないので安全が覚えなきゃいけないみたいな、
こういう負荷がかかっているのが現場です。
ただ安全は先ほど申し上げた通り法律で基準だとかがはっきり明記されていますので、
そこに対してできているかできていないかみたいなところをアシストするっていうのは正解があるもののアシストなので、
生成AIとかじゃなくて従来のAIとかでも全然役立てられる部分かなとは思います。
非常にニーズは多いと思いますね、安全管理に関しては。
一つ目の積算のところに関してはまさに資材調達の話も絡んだりしていてすごく面白い。
積算めっちゃ大変みたいな話と積算できる人とできない人がいるみたいな話もちらっとどっかで伺ったことがあったなと思っていて、
そういう意味では積算の部分が効率化されるとそのまま自ずと調達のところももしかするとチャンスが出てくるのかなと思ったりするので、
すごく面白いなと思います。ですし、安全管理のところはちょっと僕正直そんなに細かく決まってると全然知らなくて、
うちのオフィスに行く途中にもいくつか建設現場があるんですけど、朝ラジオ体操をしてるなーぐらいの感覚でしか分かってなくて、
あれが安全管理なのかどうかもよくわかんないんですけど、逆に言うとそんなに細かく決まってるってなると、
施工管理と安全管理の課題
さっきおっしゃられた通りで実は今後の回で施工管理みたいな話をどこかで取り上げようと思ってるんですけど、
施工管理のうちの一部が多分安全管理だと思うんですが、そもそも施工管理って安全管理の他にも色々やらないといけないことがある中で、
そんなの一個一個ちゃんと正確に覚えてられるかって言われると、覚えないといけないっていう大前提はあると思うんですけど、
人間である以上ちゃんとキャッチアップしきるってすごくハードルが高いというか負担感があるものだろうと思うんで、
そういう意味で言うと、どっかで生成愛系のスタートアップだった気がするんですけど、
法律の文書とかを学習をさせてチャットボット的に質問に回答してくれるみたいな、
チャットGPTの特定の法律フォーカス版みたいなやつだと思うんですけど、
そういうのを作ってるスタートアップはあったかなと思って。
マインスアップですか?
あ、そうですそうです。そういうのもまさにそういうところでニーズが出るんだろうなと思いながら伺ってました。
まさにおっしゃる通りで、覚えなくても教えてくれるっていう状況になるのがベストですよね。
人を返さずと思うっていうところが多分究極系だと思うんですけど、そういったところがあるかなと思います。
ちなみにですね、これ少し古いデータなんですが、私が昔分析した結果なんですが、
ある集合住宅の現場の誰だけの業務に、どの業務にどれくらいの割合の時間を使っているかというのを
少し集計したものを出しているんですけど、それによるとですね、安全管理は他にも品質だとか現価だとか工程の管理とか色々な管理をしている中で、
安全管理は21%の時間をこれに費やしている。
結構差入ってる。
結構安全はミスが許されないんですよ。やっぱり。
人の命にかかわりますもんね。
相当な業務数もあるんですし、あと指示をしなきゃいけない。
現場に数百人数千人来る中で、一人一人に安全を遵守させるためのインタラクションがいるんですよね。
それを押しなきゃいけないというので、紙だとかアプリだとかで指示を出して、この安全を守るようにっていうのをやるんですけど、
作業員さんも多いので、非常にそこのインタラクションも増えてしまうっていうのが実情です。
蓋もめちゃくちゃ大きいし、そこまで来るともはや設計の段階でどういうことを守らないといけないよね。
ここはこういう企画だよね。
法律守るんだったらこういう、さっき足場の幅って聞いて、そこも法律で決まってるんだと思ったんですけど、
そういうのが必要だよねって分かった瞬間に勝手にそれを手配してくれて、
気にしなくても勝手にこの現場はミニマムでやらなければいけない最低限のことは全部終わってますみたいな状態になってくれると、
楽は楽なんだろうなと思いながら、想像以上にいろいろ細かいなっていうのが見えてきて、
個人的にはワクワクしつつ大変だなと思いつつみたいな感覚になりました。
この辺りになってくると、中で働いたことある人じゃないとなかなか感覚がない領域なので、
課題の存在すらなかなか世の中では認識されてないところだと思いますが、
ただ非常にニーズは高い領域になりますので、この辺りを踏み込んでいただけるような方いらっしゃると建設産業としてはウェルカムかなと思います。
生成AIの可能性
ちょっと個人的にすごい学びになった時は、そのレベル感であるんだっていうすごい驚きました。
すいません、私が詳しくないんですけど本当に多いので、ぜひ調べてみてください。
そうですね、施工管理のところはおいおいどこかでまた触れる回を作りたいなと思っているので、
その中でももう少し伺いながらやれればなと思っておりますが、今回は一旦これぐらいで以上にしようかなと思います。
聞いていただいてありがとうございました。
どうもご視聴いただいた皆さんありがとうございます。
本日の内容で気になったところがあれば概要欄のXのアカウントのフォローをお願いします。
それではまたお会いしましょう。
