Seminar Read — 建設業 × AI

便利で止まるか、戦力になるか「親方くん、AI職人になる」で語られた内容の整理

2時間を通して繰り返されていたのは、AIの性能ではなく組織側の準備の話だった。個人の利用経験は約6割に達している一方、組織として活用できている企業は17〜19%。この差を埋める条件として5つの層と推進体制が示された。以下は語られた内容の読み解きと、そこから作れるチェックリスト。

開催: 2026年9月4日 / 約2時間
主催: 株式会社ソーコ
（大規模修繕・塗装・IoT・AI事業）
登壇: 日本AI推進協会
AI導入支援会社 / 導入企業3社
構成: 座学・実演
パネル2部・質疑応答

01 — 読み解き

語られたこと、そこから読み取れること

各項目は「語られたこと（会場で示された事実・数字・発言）／読み取れること」の2段。時刻は当日の進行位置です。発言者は役割で表記しています。

R-01

個人の普及と組織の活用に、大きな開きがある

00:19

語られたこと: 国内で生成AIを一度でも使ったことがある個人は約6割。2023年は10%未満だったため6.5倍。15〜19歳では9割を超える。一方、組織の中でAIを活用できている企業は17%（調査時期によって19%）で、3割に届かない。母集団はインターネットに触れている層のため、実際の個人普及はこれより低いという補足もあった。
読み取れること: 普及の遅れはツールの入手性の問題ではない。個人が便利に使えている状態と、組織が成果を出せる状態の間に別の条件がある。登壇者はこれを講演の裏テーマとして明示していた。あわせて、数年後にはプロンプトを前提として入社してくる新卒が現実になるという指摘があった。

R-02

失敗はツール導入から始めたときに起きるとされた

00:34

語られたこと: 年間数百件の相談を受ける立場から、うまく進んでいない企業の特徴はAIツールの導入から始めている場合だと整理された。例として、全社員数万人にツールを配布した企業が挙げられ、配られただけでは何のために使うか分からないまま進行するため「ある種これは何もないよりも相談内容としては重い」と述べられた。成果が出ている組織の順番は、AIで何ができるかを学ぶより先に自社がどうあるべきかの言語化 → 現状の業務プロセスの分解 → 理想と現実の差分を埋める。
読み取れること: 着手の順番自体が成否を分ける変数として扱われている。業務プロセスを分解すると「これはAIでなくExcelで解決する」「10工程のうち8工程まで自動化できる」といった具体的な判断が初めて可能になる、という説明だった。

R-03

揃えるべきものが5つの層として整理された

00:36

語られたこと: ワークフロー / ナレッジ / インストラクション / インプット / ツールの5層。5つが偏りなく整った状態を「AIレディーな会社」と定義。層ごとに「欠けたときに起きること」が対応づけて示された（詳細は後述の一覧）。人間側のスキルはこのうちインプットの1つだけであり、ツールの話だけで会社の仕事は成り立たないと明言された。前提として「天才的に頭の良い新卒が入社しても明日から即戦力にはならない。会社のルール・仕事の進め方・ゴールのイメージ・必要な情報が揃って初めて成果が出るのは、AIも人間も変わらない」という説明が置かれていた。
読み取れること: この5層は自己診断の道具として機能する。実演パートでは、会場に「会社ごとの単価表は5つのうちどれか」と問い返す場面があり（答えはナレッジ）、フレーム自体を参加者が使える形で提示していた。

R-04

推進の実務は、AIを触る時間ではないとされた

00:45

語られたこと: 世間で言われるAI推進部はプロンプトを書いている時間が業務の10割だと思われがちだが、実際にAIを触っている時間は全体の2〜3割。残りは社内情報を集めてAIが読み取れる形に整形する、そもそも無かったルールを作るといった「土を耕すような時間」だと説明された。5層すべてを1人で担うのは不可能に近いため、開発する人・現場の意見を聞く人・使ってもらう仕組みを作る人で役割を分けたタスクフォースとして立ち上げる、という組み立て。5層以外の業務として、同業他社の調査、社内の利害調整（前向きな部署とリスクを先に見る部署）、セキュリティ、定着支援（決まった時間に集まって触る場をつくる）が挙げられた。
読み取れること: 推進体制の工数見積りが、一般的な想像と大きくずれる。またパネルでは主催社側から「推進担当は社内で孤立しやすい。味方より賛同してくれない人が増える場合もある」という趣旨の指摘もあり、体制づくりが技術課題ではなく組織課題として語られていた。

R-05

示された効果はほぼ時間削減で、売上側の事例は1件だけだった

01:47

語られたこと: 会場で提示された効果は、丸1日→15分、1人5件→30件、2〜3時間→30分など、ほぼすべてが処理時間・処理件数の改善だった。その中で主催社代表だけが、大規模修繕の見積提出が4週間→2週間になった結果、見積依頼の量そのものが従来の1.5倍になったと述べた。「質がすごく上がったかと言われるとそうではなく、シンプルにこのスピードを評価いただいた結果」という補足付き。協会側は経済効果を①売上のトップライン ②外注費の削減 ③販管費の効率の3分類で整理していた。
読み取れること: 同じ効率化が、社内の時間の話で止まるか、受注機会の話まで届くかで意味が変わる。3分類は、効果を漏れなく点検するための枠として使える。

R-06

想定していなかった効果として採用が挙がった

01:48

語られたこと: 主催社代表が「自分の中で狙ってはいなかったが驚きだった」ものとして挙げたのが、新卒採用の面談で学生側から「AIは使えるんですか」と質問されるようになったこと。求人にAI活用を記載しているうえで、なお確認してくるのは普段の生活に馴染みがあるからだろう、という解釈だった。人手不足の業界で同条件の会社が並んだとき、どこに勤めたいかの分岐点になるという見立て。導入していなかった場合の未来としても、採用の難しさが最初に挙げられた。
読み取れること: R-01の「15〜19歳の9割超」と接続する話として置かれている。業務効率とは別の軸で、労働市場側から評価される要素になりつつある。

R-07

技術の進化を待つことと、恩恵を受けられることは別だと整理された

01:41

語られたこと: 図面から数量を拾う、図面の差分を検出するといった処理は1年前の時点ではできなかったことに分類されると述べられ、モデルの進化によってできることは増え続けるとされた。ただし条件が2つあり、もう一方は社内側の問題。図面を読み取れても単価表がなければ見積書は作れず、勤怠のルールがなければ経費申請はできない。したがって「あと1年待とう」ではなく、進化した先の恩恵をいち早く受け取れる構えを社内に作っておくことがポイントだとされた。失敗しないための条件としては目的と手段を混同しないことが挙げられ、「AIを入れればなんとかなる」という相談が多いが「人間ができないことはAIもできない」「この業界は過剰な期待とその裏返しの過小評価が起きやすい」と述べられた。
読み取れること: 技術側の進歩は外部要因として与えられるが、それを受け取れるかどうかは内部要因で決まる、という切り分け。推奨されていたのは、できないことに挑むより、毎日の業務の効率を上げる／やりたかったができなかったことをやる／現場からのボトムアップで進めること。

02 — チェックリスト

語られた手順を、実行できる形にしたもの

会場で示された順番・条件・注意点をそのまま項目化したものです。各項目には出典の時刻を添えています。チェック状態はこの端末に保存されます。

0 / 0 完了

A

着手の順番

失敗パターンの回避

「AIで何ができるか」を調べる前に、自社がどうあるべきかを言語化する成果が出ている組織の順番として示された1番目。例として「誰がやってもスピーディーに、競合より早く正確に見積書が生まれる状態」といった業務ごとの理想の記述が挙げられた。 00:35R-02 対象業務を工程に分解する見積業務の例では「図面を受け取る／数量拾い／単価を当てる／Excelにまとめる／上長がチェック／提出」の最低6工程。分解すると「これはAIでなくExcelで解決する」「8工程目まで自動化できそう」といった判断が可能になる。 00:36R-02 ツールの配布から始めないうまく推進できていない会社の特徴として挙げられた。全社員にツールを渡しただけでは、何から手をつけるか・何のために使うかが決まらないまま進行する。 00:34R-02 AIの導入自体を目的にしない失敗しないための条件として最初に挙げられた点。「AIを入れればなんとかなる」を前提にせず、目的と手段を分けて扱う。人間ができないことはAIもできないという前提も併せて示された。 01:50R-07 最新モデルの情報を追いかけることを目的から外す「できなかったことができるようになる」段階は終わり、今は基本的に何でもできるため、数週間単位の最新情報を追うことよりも、AIで会社をどう導きたいかの定義が最重要になったとされた。 00:24

B

5つの層を整える

AIレディーの条件

ワークフロー：業務の流れを分解して文書化する欠けると、どこをAIに任せるかが決まらず「全部AIでできる」か「何もできない」の二択になる。属人化も見えないため、ベテランが休むと止まる。 00:39層 01 ナレッジ：単価表・過去の見積・就業規則・勤怠をAIが読める形に整える欠けると当たり障りのない一般論しか出てこない。世の中のことは知っているのに自社のことだけ知らない状態がスタートラインだと説明された。 00:41層 02 インストラクション：役割・優先順位・禁止事項を定める例として「当社の見積もり担当」「コストより安全性を担保」「単価表にない単価を絶対に作らない」といった指示。細かい指示を与えると細かい仕事が当たり前に出力される。 00:43層 03 インプット：都度の指示の具体性を上げる 5層で唯一の人間側スキル。「メール返信よろしく」で終わらせず、相手の属性・分量・トーンまで指定すると回答が変わる。 00:43層 04 ツール：モデルの使い分けを決める（ただしここだけでは成り立たない）どのモデルが何を得意とするかという手段の話。重要ではあるが、この層だけで会社の仕事は成り立たないと明言された。 00:44層 05 5層のどこに偏っているか自己診断する「ツールに偏っていた」「他は揃っているがナレッジだけない」といった診断ができる形で提示された。持ち帰り事項として明示されていた2点のうちの1つ。 00:44R-03

C

推進体制

AI推進部の役割

役割を分けてタスクフォースを組む（開発／現場ヒアリング／定着） 5層すべてを1人で担うのは不可能に近いため、役割を分けて一つの目的を持つ体制として立ち上げる、という組み立てで説明された。 00:46R-04 AIを触る時間は全体の2〜3割という前提で工数を見る残りは社内情報の収集とAIが読める形への整形、無かったルールの作成。土を耕すような時間が推進の大半を占める。 00:45R-04 社内の利害調整を業務として持つ前向きな部署とリスクを先に見る部署が存在するのが前提。組織は生き物であるという表現で、調整もAI推進部のテーマとして挙げられた。 00:47R-04 定着の場をつくる（決まった時間に集まって触る）現場の定着支援の具体例として、金曜の夜に集まってAIを触る時間を作るという例が挙げられた。 00:47R-04 同業他社の取り組みを調査する 5層以外に発生するタスクの1つとして挙げられた。あわせてセキュリティの調査も推進部の担当範囲とされた。 00:47 個人利用と組織利用の違いを言葉にして共有する主催社が挙げた最初にぶつかった壁は4点。使う人と使わない人の差が開く／ノウハウが個人のパソコンに留まり会社に残らない／人によってアウトプットの品質がばらつく／ルールとセキュリティを誰が決めるかが決まっていない。「壁の存在を理解するところがスタートライン」とされた。 01:23

D

前提の確認

質疑で出た点

ナレッジ化にかかる費用を試算する回答は、100ページ程度のPDF 1本をAIが読み取れる形にするのに1円もかからない（0.数円）。費用が膨らむのはExcelの大量データや動画をまとめて処理するケース。画像生成やコード生成と比べて情報の読み取りは安い。 02:01 保存先は新設せず、既存環境にAI参照用のフォルダを1つ作る単価表などの機密情報の置き場所についての回答。Microsoft環境ならそのフォルダ、Google環境ならドライブの中に1つ作り、そこをAIが読みに行く形がスモールステップとして推奨された。 02:02 「学習させる」ではなく「参照させる」と理解を揃える補足として述べられた点。提供元の社員以外がモデル本体を学習させることは基本的にできず、我々がしているのは手元の資料を参照させて答えさせること。説明の便宜で「学習」と言ってしまうが厳密には違う。 02:03 人が残る工程を決めておく（最終確認とダブルチェック）実演の中で、人間の仕事は拾ってくることではなく拾われたものに違和感がないかの最終確認だと説明された。設計図の生成についても、AIが8割、残り2割を人がゴールに近づけるという整理だった。 01:03

03 — 根拠メモ

引くための材料

会場で示された数字と一覧です。転記する前提で、出典（誰の発言か）を付けています。

AIレディーの5層（下が土台）

01ワークフローworkflow業務そのものの流れを分解する。見積業務なら「図面受領 → 数量拾い → 単価当て → Excel整形 → 上長チェック → 提出」の最低6工程。欠けると「全部AIでやれる」か「何もできない」の二択になる

02ナレッジknowledgeAIに渡す自社の知識。単価表、過去の見積、就業規則、勤怠。欠けると当たり障りのない一般論しか出てこない

03インストラクションinstructionシステムプロンプト。役割、優先順位、禁止事項（例：単価表にない単価を作らない）。欠けると出力の粒度が安定しない

04インプットinput5層で唯一の人間側スキル。都度の指示の具体性。ここだけを鍛えるのがプロンプトの話

05ツールtoolモデル選定と使い分け。「ここだけで会社の仕事は成り立たない」（登壇者原文）

↓ 土台 / 会社側の準備表層 / 手段 ↑

提示された Before / After

業務	Before	After	出典
図面20枚の数量拾い → 見積書	ベテランが丸1日	新人が15分	支援会社デモ
図面の差分チェック	1人 5件	1人 30件	支援会社デモ（設計事務所）
日報作成・現場写真の振り分け	帰社後に毎日	昼休みに口述、帰社時に完成	支援会社デモ
工事写真の整理（黒板の刻印を読んで並べ替え）	1〜2時間（大規模で3〜4時間）	約10分	主催社自社事例
外壁カラーシミュレーション	1週間後に持参	その場で提示	主催社自社事例
下請け各社の見積（PDF・LINE混在）を自社様式に統合	2〜3時間	30分	主催社現場担当
大規模修繕の見積提出	4週間	2週間 → 依頼量 1.5倍	主催社代表

マクロ数字（協会パート）と、質疑応答

2035年 / 量の急カーブ

労働需要7,500万人に対し供給6,700万人、人手不足約760万人。2030年頃までは一部業界で人が余っているが、2035年に全業界が不足に転じる。対策は ①パート・副業 ②シニア ③外国人 ④生産性向上の4本で、③は政策次第のため④が民間任せになる。必要な生産性向上は最小116万人分＝平均年収460万円換算で約5兆円、最大761万人分＝約35兆円の人件費の支払い先が消える。（数字は口頭のまま。需給差800万人と不足760万人が整合しないため、引用前に原典の確認が必要）

2040年 / 質の急カーブ

需要・供給ともに6,300万人で総数は一致するが職種がずれる。現場人材260万人＋AI・ロボット人材340万人＝600万人が不足し、事務職440万人＋デスクワーク中心の専門職160万人＝600万人が余る。リスキリングの課題として提示された。

普及率の開き

国内の個人利用経験は約6割（2023年は10%未満、6.5倍）。15〜19歳は9割超。組織として活用できている企業は17〜19%で3割に届かない。米大手テック4社の2026年のAI関連設備投資は110兆円超で、日本の国家予算に匹敵するとされた。民間のAI投資額は米国43兆円との対比が示されたが、日本側の数値は口頭で桁が明らかに誤っていたため引用不可。

Q. ナレッジを読み込ませる費用は

100ページ程度のPDF 1本をAIが読める形にするのに1円もかからない（0.数円レベル）。費用が膨らむのはExcelの大量データや動画をまとめて処理するケース。画像生成やコード生成と比較すると情報の読み取りは格段に安い。

Q. 単価表など極秘情報の保存先とセキュリティは

今の環境のままでよい。Microsoft環境ならローカルやSharePoint、Google環境ならドライブ。AI専用の箱を新設せず、既存フォルダの中に参照用フォルダを1つ作るのがスモールステップ。

補足 / 「AIに学習させる」は厳密には誤り

モデル本体を学習させられるのは提供元の社員だけ。利用者がしているのは、手元の資料を参照させて答えさせること。説明の便宜で「学習」と言うが厳密には違う、という整理だった。

締めの一言

「AIを使うことで、本来あるべき人間の姿を取り戻せる」（主催社代表）／「人間の能力・可能性を拡張するもの。10人分の仕事を1人でやるのではなく、1人でやれる仕事の量を10倍にできたら生産性は10倍になる。重要なのは技術やスキルより、どうしたいか・何をすべきかという問いを自分の中で磨くこと」（支援会社）／「AIは石油。この会場に石油が絡んでいない物はほぼない。それと同じ未来が来る。頭の中は油田王という感じで向き合うと楽しい」（協会）

この記録の限界

文字起こしからの再構成のため、社名・人名に表記ゆれがある。登壇者は役割で表記した。
数字はすべて口頭。労働人口推計と日米のAI投資額は、原典で裏を取るまで引用しない。
文字起こしが質疑応答の途中で終わっているため、後半の質問は未収録。