内装系の見積明細をAIでマスター割り当てし、8割程度の自動判定が見え始めた段階
ある内装系の積算・見積支援に取り組む会社で、見積依頼書や明細を読み込み、工事仕様マスターに自動で割り当てる試行が進んでいました。
画面上では、左に元の見積明細。右に割り当て候補のマスター。AIが「これは自信あり」「これは自信がない」と判定レベルを出します。
試行段階では、25項目前後は自動で判定できそう。一方で、80項目前後は自信がない。そんな状態でした。
「候補を出すぐらいなら、かなりできそうです。ただ、合っているかどうかの判定と、手入力した修正をどう学習させるかを整理しないといけない」
この感覚は、見積・積算のAI活用を考える会社にとって、とても現実的です。
AIは、最初から“見積を完成させる担当者”として置くより、“候補を出して人の判断を早くする補助者”として置いたほうが定着しやすいです。
1つの誤判定で見積全体の信頼が崩れ、「自分でやったほうが早い」に戻ってしまうこと
見積・積算のAI活用で一番こわいのは、精度がゼロなことではありません。
むしろ、そこそこ当たることです。
8割当たる。候補もそれらしく出る。けれど、たまに大きく外す。これが現場では一番扱いにくい状態になります。
実際、ある明細では、本来は標準的なボード仕様として扱うべきものが、別の収納まわりのボード仕様に寄って判定されていました。
その場で出た反応は、とても象徴的でした。
「判定が一つでも間違っていたら、見積もりにならないですよね。OCRと一緒で、ちょこちょこ直すなら自分でやったほうが早い、となりがちです」
見積は、単なる文字起こしではありません。
工事内容、施工部位、仕様、材料、数量、条件。これらがつながって初めて金額になります。
見積・積算のAI導入では、“平均精度が高いか”よりも、“間違えたときに人がすぐ気づけるか”が重要です。
工事仕様・材料名・顧客ごとの言い回しがバラバラで、100％自動判定を前提にしにくいこと
見積明細の自動判定が難しい理由は、AIそのものの性能だけではありません。
建設業側のデータが、そもそも揃っていないからです。
同じ工事でも、会社によって呼び方が違います。担当者によっても違います。材料名も、メーカー名、通称、品番、現場内の呼び名が混ざります。
さらに、同じ施工でも、施工部位や条件によって材料の拾い方が変わります。
「100％は無理です。同じ施工でも、部位や条件で材料の取り方が変わるので、そこまで全部自動は難しい」
この発言には、見積・積算AIの本質があります。
AIに読み込ませる元データが、毎回きれいな形式で来るとは限りません。PDF、Excel、手入力、過去マスター、旧システムの仕様、新しいプラットフォームのマスター。これらが混在します。
そのため、AIだけを強くしても限界があります。
必要なのは、AIの前後にある業務設計です。
- 元明細をどう取り込むか
- どのマスターに割り当てるか
- 自信がない判定をどう表示するか
- 誰が最終確認するか
- 修正結果をどう蓄積するか
- 辞書やマスターをどう更新するか
AIの精度問題は、実は“辞書・マスター・確認者・修正データ”の設計問題でもあります。
完全自動化ではなく、候補提示から確認・学習までを一つの流れにすること
見積・積算AIを現場に入れるなら、いきなり完全自動化を目指さないほうが進めやすいです。
最初のゴールは、AIが見積を作り切ることではありません。
人が判断する前の下ごしらえを、AIがどこまで減らせるかです。
進め方は、次の順番が現実的です。
1. AIには「確定」ではなく「候補」を出させる
最初から1つに決め打ちさせると、外れたときのダメージが大きくなります。
まずは、元明細に対して「おそらくこれ」「次点でこれ」という候補を複数出す形がよいです。
現場の人から見ると、ゼロから探すより早い。けれど、勝手に確定されない。ここが大事です。
AIの役割は、“決める”より先に“探す時間を減らす”ことです。
2. 確信度を表示し、自信がないものだけ人が見る
すべてを人が確認するなら、AIの意味が薄くなります。
一方で、すべてをAIに任せると、誤判定が混ざります。
その間を取るには、確信度の表示が有効です。
たとえば、AIが自信ありと判断したものは通常表示。自信がないものは色を変える。候補を並べる。確認待ちとして残す。
これにより、確認者は全部を見直す必要がなくなります。
人の確認時間を、“全件チェック”から“怪しい箇所の判断”へ寄せることが定着のポイントです。
3. 工事内容を判断できる人を、最終確認の位置に置く
見積・積算の確認は、単なる事務作業ではありません。
工事がわかる人でないと、違和感に気づけません。
たとえば、ボードの種類、施工部位、下地、材料の通称、メーカー違い。これらは、現場や積算を知っている人ほど早く判断できます。
ただし、そういう人材は採用媒体で簡単に見つかるとは限りません。
「工事がわかる人じゃないと判断できない。でも、そういう人は人材サービスに登録していないことも多い。引退後に知人経由で手伝っている人も多い」
この話も、建設業らしい現実です。
AI導入では、システムだけでなく、確認者の確保もセットで考える必要があります。
AIを使うほど、“最後に見る人”の価値はむしろ上がります。
4. 辞書とマスターを整備し、表記ゆれを吸収する
AIの判定精度を上げるには、辞書が欠かせません。
見積明細の言葉と、自社の工事仕様マスター。材料の通称と、正式な品番。元請や顧客ごとの言い回し。
これらをつなぐ辞書を育てる必要があります。
最初から完璧な辞書を作る必要はありません。
よく出る明細から順に登録する。誤判定が多い言葉から整える。旧マスターと新マスターの変換ルールを作る。
この積み上げが、AIの精度を上げます。
AIの学習は、現場の修正を“その場限りの直し”で終わらせず、次に使える形で残すことで進みます。
5. 修正結果を学習データとして蓄積する
候補を人が選ぶ。間違っていれば直す。
ここまでは、多くの会社でもできます。
大事なのは、その修正結果をデータベースに残すことです。
どの明細が、どのマスターに割り当てられたか。最初のAI候補は何だったか。人は何を選んだか。なぜ直したか。
この履歴がないと、毎回同じ間違いを直すことになります。
逆に、ここを蓄積できれば、AIは少しずつ会社の癖を覚えていきます。
見積AIは、導入初日よりも、修正データが溜まった半年後に価値が出やすい仕組みです。
まとめ
見積・積算のAI活用は、夢のあるテーマです。
ただ、見積は一つの誤りが全体の信頼に響きます。だからこそ、いきなり完全自動化を目指すと、現場では「結局、自分でやったほうが早い」となりやすいです。
大事なのは、段階を分けることです。
AIには候補を出させる。確信度を表示する。自信がないものを人が見る。工事がわかる人を確認工程に置く。辞書とマスターを整える。修正結果を学習データにする。
この流れができると、AIは現場の敵ではなく、見積担当者の手間を減らす道具になります。
見積・積算AIの導入で見るべき論点は、“AIに任せるか任せないか”ではなく、“どこまでAIに下ごしらえさせ、どこから人が判断するか”です。
自社の見積・積算業務にAIを入れる前に、業務の分け方から整理する
見積明細の整理、工事仕様のマスター化、確認者の置き方、修正データの蓄積。どこから手をつけるべきかは、会社ごとの業務フローで変わります。
ネクスゲートでは、中小・専門工事会社の経営課題を、現場・採用・組織・原価・デジタル活用まで横断して整理し、実行まで支援しています。
「AIを使いたいが、どの業務から試すべきかわからない」「うちの見積業務は自動化できるのか整理したい」という段階でも大丈夫です。
無理にシステム導入を前提にせず、まずは業務の棚卸しから一緒に考えます。無理な営業はいたしませんので、必要なタイミングでご相談ください。
