AIモデルとプラットフォーム

建設業界におけるAIとデータ変革サミット・カナダ2026が示した、企業AIの実像

Antoine Tardif
Unite.AI を Google の優先ソースに追加
Toronto construction site with a digital twin and connected data pathways
要点エンタープライズAIの主な制約は、今やモデルへのアクセスではなく、モデルを取り巻く組織そのものである。
もっと見る
  • エンタープライズAIの主な制約は、今やモデルへのアクセスではなく、モデルを取り巻く組織そのものである。
  • データの準備状態は継続的な運用上の規律である。なぜならAIは、これまで一度も記録されなかった情報を再構築することはできないからである。
  • 企業が特定の業務課題に結びついた測定可能な成果を求めるようになるにつれ、AI投資はROIに対する厳しい精査の高まりに直面している。

開示事項:AMG Worldは、Unite.AIがトロントで開催されたサミットに参加するにあたり、受け入れ先となりました。本記事の所見と結論は、当社独自のものです。

人工知能の進む方向を探る際、建設業界に注目する人は多くないかもしれません。しかし、だからこそ、この業界はテクノロジーを試す場として非常に有用です。

建設業界では、複雑なサプライチェーン、分散したチーム、旧式のシステム、現場でのリスク、厳しい利益率に加え、変化し続ける作業現場で生じる膨大な情報を扱います。管理された環境では、AIシステムが目を見張るようなデモを披露できても、こうした条件のもとで安定した価値を提供するのは、まったく別の課題です。

11月17日、トロントでAMG Worldが開催した建設業界におけるAIとデータ変革サミット・カナダ2026では、AI市場がより厳しい局面に入りつつあることが議論に表れていました。会議のプログラムでは、測定可能な投資収益率(ROI)、データ連携、デジタルツイン、人材の変革、実運用への導入が取り上げられました。しかし、講演や円卓会議を通じて浮かび上がった結論は一つです。企業AIを阻む主な制約は、もはや高性能なモデルを利用できるかどうかではありません。モデルを取り巻く組織のあり方です。

AIへの期待と運用の現実がぶつかる

AIが建設業界に影響を与え得ることを、参加者に納得してもらう必要はほとんどありませんでした。より難しいのは、どう導入するか、どこに適用するか、そして投資を正当化できるだけの価値をどう示すかという問題です。

多くの組織は、期待と不確実性の板挟みになっているようです。AIを導入したいと考えていても、適切なユースケースの特定、責任者の明確化、従業員が受け入れやすい形での技術導入について、明確な手順をまだ確立できていません。これは、生成AIブームの初期を特徴づけた無条件の熱狂よりも、健全な議論です。

その結果、ベンダーに求められる水準も上がっています。魅力的なインターフェースだけでは不十分です。建設会社は、AIシステムが既存のデータ環境にどう適合するのか、情報が不足している場合に何が起きるのか、結果をどう検証できるのか、そして実際の現場運用に導入しても機能し続けるのかを、ますます重視するようになっています。

モデルをめぐる議論も、AI市場全体から想像されるより対象が絞られているように感じられました。私たちのメモに記録された会話で、汎用大規模言語モデルとして繰り返し名前が挙がったのはClaudeだけでした。これを市場シェアに関する調査結果と解釈すべきではありません。ただし、企業での導入は、社内の信頼性、セキュリティ、または調達の基準をすでにクリアした少数のツールに集中することが多い、ということは示唆しています。

AIの最も重要な課題は、モデルの手前にある

データ品質は、最も繰り返し取り上げられた懸念事項でした。

デジタルツインは、わかりやすい例です。デジタルツインが役立つのは、プロジェクトの関連するあらゆる部分から情報が継続的に流れ込む場合に限られます。請負業者が更新情報を提出しない場合、サードパーティーのシステムから必要な情報の一部しか得られない場合、あるいは従業員が知識を引き継がずに退職する場合、モデルは徐々に現実から乖離していきます。

その結果は、依然として高度なものに見えるかもしれません。しかし、誤っている可能性もあります。

モデルの規模を大きくしても、この問題は解決できません。そもそも記録されていない運用情報を、AIが確実に再構成することはできません。また、組織が責任を明確に定めていなければ、情報の欠落をどの関係者が補うべきだったのかをAIが判断することもできません。

トロントでの議論では、信頼できる情報、明確なデータ構造、モデルを最新の状態に保つためのプロセスの必要性が繰り返し取り上げられました。公式の会議プログラムが、データ基盤、連携した業務遂行、デジタルツイン、人とプロセスの連携を重視していたのも、そうした理由の一つです。

AI業界全体にとって、ここから得られる教訓は重要です。データの準備は、導入前に一度だけ行うデータベースの整理作業ではありません。継続的に取り組むべき運用上の規律です。

現場のチームがAIインフラの一部になりつつある

会議で示された実務的な見解の一つは、プロジェクトマネージャーの役割に関するものでした。プロジェクトマネージャーは、現場から情報を集め、組織全体で使われるシステムに確実に届けるうえで、重要な役割を担う存在として挙げられました。

つまり、職務名に人工知能が含まれているかどうかにかかわらず、プロジェクトマネージャーや最前線のチームはAIインフラの一部なのです。

情報を記録するために追加の書類や二重入力が必要だったり、複雑な新しい作業手順を導入したりすれば、データの欠落は解消されません。したがって、最も効果的なシステムとは、作業後に追加の事務負担を課すのではなく、正確なデータ収集を業務の自然な一部にするものです。

これは、多くの業務プロセスが今なおアナログのままであり、従業員、請負業者、労働組合、テクノロジープロバイダー、プロジェクトオーナーが、それぞれ異なる形で情報を扱う可能性のある業界では、特に重要です。導入を成功させるには、人々がAIアシスタントを利用できるようにするだけでは不十分です。組織全体を通じて、信頼できる情報の流れを設計する必要があります。

ROIへの精査が強まる

参加者からは、当初期待されていたリターンをまだ生み出していないAI投資への懸念も示されました。トークンのコストにも言及がありましたが、より大きな問題は資本リスクでした。

建設会社は、コスト、工期、安全性、リスクエクスポージャーの観点からプロジェクトを評価することに慣れています。AIの利用に加え、新たな連携機能の導入、コンサルティング、トレーニング、データの準備が必要となる場合、とりわけ期限を設けずにAIの実験を続けることを受け入れる可能性は低いでしょう。

これは、企業がAIから手を引いているという意味ではありません。テクノロジーと測定可能なビジネス成果との、より強い結び付きを求めているということです。

最も信頼性の高い導入事例は、管理業務の削減、プロジェクトに関する知識へのアクセス向上、工期上のリスクの特定、デジタル記録の維持、あるいはチームがすでに保有している情報を活用した迅速な意思決定の支援など、具体的な業務上の課題に結び付いているでしょう。特定できるボトルネックの解消を目的に設計された取り組みと比べ、「変革」とだけ説明されるAIの取り組みは、より強い抵抗に直面するでしょう。

信頼性も、ROIの算定において重視されるようになっています。AIサービスや主要なクラウドプラットフォームが利用できなくなった場合に何が起こるのか、参加者から疑問が呈されました。AIを業務プロセスに組み込んだ以上、事業継続計画を後回しにはできません。組織は、どの業務を継続できるのか、どの判断で人間による代替対応が必要なのか、そしてデータを失うことなくシステムをどのように復旧するのかを把握しておく必要があります。

導入の課題は依然として人にある

AIに仕事を奪われることへの不安がある一方で、より差し迫った障壁もあります。多くの従業員は、AIにできることとできないことについて、基本的な理解をまだ持っていません。

これは、両方向のリスクを生みます。従業員はAIを信頼できず、有用なシステムを避けるかもしれません。あるいは、精度を過大評価して、出力を安易に信頼する可能性もあります。

この課題は、1回の研修だけでは解決できません。導入を進めるには、AIが業務をどのように支援するのかを従業員に示し、人間が負う責任について明確な期待値を設定するとともに、従業員自身が有用性を実感できるアプリケーションを選ぶ必要があります。

これは中小企業にとって特に難しい課題です。多くの企業には、専任のAIチームを設けたり、実験的な取り組みに長期的な責任者を配置したりする余力がありません。そのため、社内LLMをトレーニングする方法よりも、データへのアクセス、ガバナンス、評価、そしてその結果として構築されるシステムに誰が責任を持ち続けるのかが、より重要な問いとなる場合があります。

市場には大きな機会がありますが、それを手にするのは、単に別のモデルを提供するのではなく、組織の複雑さを軽減できるプロバイダーかもしれません。

建設業界はエンタープライズAIのストレステスト

トロントでのサミットが有意義だったのは、実証の成功と信頼できる本番導入との間にある隔たりに焦点を当てていたからです。プレゼンテーションと少人数の円卓討論を組み合わせたことで、洗練されたAIの説明では見過ごされがちな、実務上の懸念を話し合う場が生まれました。

建設業界には、エンタープライズAIが克服すべき弱点がほぼすべて表れています。情報の分断、変化する環境、旧来の業務プロセス、慎重な買い手、限られた技術力、従業員の抵抗、そして情報が誤っていた場合に生じる重大な影響です。

また、この分野の可能性が今なお非常に大きい理由も示しています。プロジェクトに関する知識、現場データ、デジタルツイン、組織の経験を結び付ければ、複雑な業務の計画や遂行のあり方を大きく改善できる可能性があります。しかし、成功するのは、情報をより完全で信頼できるものにし、それを活用する責任を担う人々がより容易にアクセスできるようにするシステムでしょう。

議論はトロントの先へ

AMG Worldの建設業界シリーズは、1月26日の建設業界におけるAI & データ変革サミット(Austin 2027)に続き、2月23日にロンドンで開催される建設業界におけるAI & データ変革サミット(Europe 2027)へと続きます。

主催者は、この議論を他の資産集約型産業にも広げています。石油・ガス業界のAI・テクノロジーサミット2027は2月9日にヒューストンで開催され、エネルギー業界のAI、データ、デジタルトランスフォーメーション、オペレーションの各分野を率いる人々が集まります。

トロントでの議論が示すとおり、エンタープライズAIの次の段階をけん引するのは、最も華やかなデモを生み出す組織ではありません。信頼できるデータ、責任を担う人々、レジリエンスの高いプロセス、そして投資に値するビジネス成果をモデルに結び付けられる組織が、その担い手となるでしょう。

アントワーヌは、先見の明を持つリーダーであり、Unite.AIの創業パートナーです。AIとロボティクスの未来を形作り、その発展を促すことに揺るぎない情熱を注いでいます。複数の企業を立ち上げてきた起業家として、AIは電気と同じほど社会を大きく変えると考えており、革新的な技術や汎用人工知能(AGI)の可能性について熱く語ることがよくあります。

未来を展望するフューチャリストとして、こうした革新が世界をどのように形作るかを探究しています。また、未来を再定義し、業界全体を変革する最先端技術への投資に焦点を当てたプラットフォーム、Securities.ioの創設者でもあります。