【AI変革事例＿建設業界】生成AIと画像処理AIを活用した設備設計図面読み取り支援ソリューション

膨大な設備設計図面からの情報抽出において、手作業による工数増大や誤発注リスクを、生成AIと画像処理AIのハイブリッド技術で解決したAI開発事例です。
記号の識別や配管の接続関係といった、生成AI単体では困難な解析を画像処理技術との組み合わせにより実用化しました。
検証では約25%の工数削減とタスク期間の1ヶ月短縮が見込まれており、目視依存の業務をAIとの協調型フローへ転換することで、プロジェクト全体のスピードアップとリスク軽減を実現しました。

課題

大規模な設備を扱う建設・設備設計の現場では、膨大な数の設計図面から必要な機器や部材の情報を正確に読み取り、整理・活用する業務が日常的に発生しています。
しかし、プロジェクトの大規模化・複雑化に伴い、現場では以下のような深刻な課題に直面していました。

• 膨大な作業工数
  • 図面点数と情報量の増加により、読み取りや確認作業に多大な時間を要している。
    
• ミスの発生と品質のばらつき： 
  • 手作業による確認ではダブルチェックや修正対応が発生しやすく、業務が属人化することで品質に差が生じている。
    
• プロジェクトリスクの増大：
  • 読み取りミスが誤発注に直結し、プロジェクト全体の遅延やコスト増を招くリスクがある。

こうした背景から、人手による限界を突破し、図面フォーマットの違いにも柔軟に対応できる効率的な情報抽出の仕組みが切実に求められていました。
特に、「図面内の微細な記号の識別」や「複雑に交差する配管の接続関係の把握」などは生成AI単体では精度が安定せず、実務に耐えうる解析は極めて困難という技術的限界がありました。

ソリューション

これらの課題を解決するため、AVILENは「生成AI」と「画像処理AI」を組み合わせたハイブリッドな図面読み取り支援ソリューションを構築しました。主な特長は以下の通りです。

• 生成AI × 画像処理AIによる自動解析：
  • 図面内の視覚的情報を画像処理AIが捉え、その意味内容を生成AIが解釈することで、複雑な設備図面からの正確な情報抽出を可能にしました。
    
• 柔軟な対応力と運用設計：
  • 図面ごとに異なるフォーマットや記載ルールに対し、入力ルールを最小限に抑えることで柔軟に対応。AIが読み取りにくい箇所についても、現場で簡単に修正できる運用プロセスを設計しています。
    
• スケーラブルなシステム構成：
  • 単一のプロジェクトに留まらず、将来的な対象範囲の拡張や複数プロジェクトへの展開を見据えた構成を採用しました。

これにより、従来の「人による目視」に依存していたプロセスを、AIが先行して情報を整理し人間が最終確認を行う「AI協調型」の業務フローへと転換しました。

成果

本システムの検証を通じて、業務プロセスに劇的な改善が見込まれています。

• 約25％の工数削減見込：
  • 検証対象範囲において、従来の手作業と比較して約4分の1の工数を削減できる見通しが立ちました。
    
• タスク期間の短縮：
  • これまで完了までに4ヶ月を要していたタスクが3ヶ月に短縮される見込みであり、プロジェクト全体のスピードアップに大きく貢献します。

これらの数値的成果に加え、目視確認に伴う精神的負荷の軽減や、誤発注リスクの抑制といった定性的なメリットも、組織の健全な運営において大きな意味を持っています。

まとめ・考察

本事例の最大の特徴は、生成AIだけに依存せず、解決すべき課題の性質に合わせて、画像処理AIやデータサイエンスといった多角的な技術を適材適所で組み合わせ、独自の解析プロセスを構築した点にあります。

「生成AIなら何でもできる」という期待に対し、現実の複雑な図面解析には、物理的な形状を正確に捉える画像処理技術や、データを数学的に処理するデータサイエンスの知見が不可欠です。
これらを融合させることで、初めて実務で「使える」レベルの精度を実現しました。

この取り組みは今後、以下のような展開に繋がることが期待されます。

• ナレッジの資産化： 抽出されたデータが蓄積されることで、過去の設計図面を横断的に検索・活用できる「企業の知財基盤」への発展。
• 複雑な業務への展開： 「AIでは不可能」とされていた、高度な専門知識や視覚情報の厳密さが求められる他の製造・建設プロセスに対しても、同様のハイブリッド手法で自動化の道が開かれます。

図面というアナログな情報をデジタル化し、業務の「上流」で精度を高めることは、製造・建設プロセス全体のデジタルトランスフォーメーションを加速させる極めて重要な一歩であると言えます。

AVILENが考えるAI変革とは

AVILENでは、AI変革を単発のAI導入や受託開発の積み上げではなく、企業の業務・意思決定・組織を段階的に変えていくプロセスと捉えています。
そのため、AI活用はいきなり大規模に進めるのではなく、段階を踏んで進めることが重要だと考えています。

AI導入は「5つのステップ」で進める

AVILENでは、AI変革を以下の5ステップで整理しています。

1. リテラシーをつける
   データ・AIの基本理解を揃え、技術の可能性と限界を正しく認識する
   
   
2. ビジョンを描く
   AIを使って、どこで競争優位を作るのかを明確にする
   
   
3. Quick Winを実現する
   短期間で成果が見えるテーマに絞り、成功体験をつくる
   
   
4. 体制を構築する
   人材・組織・データ・システムを含めた推進体制を整える
   
   
5. 活用範囲を拡大する
   PDCAを回しながら、AI活用を組織全体へ広げていく

AI変革を支える3つの考え方

この5ステップを進めるうえで、AVILENが大切にしている考え方は次の3点です。

• コア部分から小さく始め、大きく広げる
• 試しながら学ぶ、アジャイルなPDCA
• 外部に頼りきらず、徐々に内製化していく

本事例の位置づけ

本記事で紹介する取り組みは、こうしたAI変革のプロセスの中で設計された一つの実践例です。
AVILENは、「AIを作る会社」ではなく、AIを使って企業の変革を前に進めるパートナーでありたいと考えています。