「効率化」の先にある、生産性の高価値化

建設業におけるAI活用は、単なる効率化の段階から、業務プロセスそのものを見直す段階へと進みつつあります。その中核にあるのが、AIを前提に業務を再設計するAI BPR（AI Business Process Re-engineering）です。前編では、建設業界が抱える構造的課題とAI活用を巡る温度差を取り上げました。後編では、AI BPRによって何が変わるのかをより具体的に掘り下げます。ベテランの暗黙知をどう組織の力に変えるのか、営業や積算の現場でAIはどのように意思決定を支えるのか、そして生産性向上を「効率化」で終わらせず、付加価値の向上につなげるには何が必要なのか。PwCコンサルティングの専門家が、実践の視点から語ります。

参加者

木村 安孝
PwCコンサルティング合同会社 ディレクター

瀧 護人
PwCコンサルティング合同会社 シニアマネージャー

山口 知也
PwCコンサルティング合同会社 マネージャー

浦部 圭史
PwCコンサルティング合同会社 マネージャー

棚橋 祐介
PwCコンサルティング合同会社 マネージャー

山口 貴之
PwCコンサルティング合同会社 マネージャー 一級建築士

※法人名・役職などは対談当時のものです。

AI BPRは、ベテランの暗黙知をどのように組織の力へ変えていけるか

木村：
建設業界のAI BPRで今求められているのは、ベテラン個人に蓄積された経験や判断を、組織全体で再現できる力に変えることです。AIによるナレッジ継承というと、まずはチャットボットのような仕組みを想像しがちです。しかし、すでに文書化された情報にアクセスしやすくなるだけでは、業務の進め方そのものは変わりません。重要なのは、新規案件の見極め方や現場での判断の勘所といった、資料には残りにくい暗黙知を整理し、AIを通じて組織で使える形にしていくことです。

瀧：
例えば調達の現場では、数多くの協力会社の中から、本当に組むべき相手を見抜く力が競争力を左右します。ベテランは、価格や実績だけでは見えない兆候も踏まえて、「この会社は将来にわたって信頼できるか」を判断しています。この目利きの力を次世代にどう継承するか。そこにAIを活用できれば、属人的だった判断を組織の資産へと変えていけます。

こうした協力会社の評価方法に関して、従来は評価項目に点数やコメントを入力するかたちが中心でした。それを今、AIエージェントが変えつつあります。先方の承諾の下、普段の会話、メール、さらに電話での通話の情報まで取り込めるようになると、協力会社とのやり取りの中でベテランが感知していたポイントをそのまま評価に生かせる可能性があります。

木村：
これは非常に面白い視点だと思います。これまで評価というと、定性的なコメントはあったものの、良し悪しは数値に置き換えて判断することが多かったと思います。これからは、日常のあらゆる行動の中で数値にはしにくかったものが、AIのおかげで評価の材料として使えるようになっていく。「感覚」という言葉で片づけていた「ナレッジ」を取り出し、組織の力にしていくことができるということです。

瀧：
そこで重要になるのが、「何をAIエージェントに取り込ませ、何を外すのか」の線引きです。相手側の承諾を前提にしつつ、電話の音声をどう扱うか、メールを取り込む場合の基準をどう設けるか。そんなコミュニケーションのルールを設計すること自体が、「評価」の仕事の一部になるでしょう。

木村：
協力会社との戦略的な関係をどう構築するかにも、AI活用の可能性がありそうですね。

瀧：
協力会社との関係構築は、一言でいえば「情報戦」です。協力会社の数も、扱う品目も膨大。グローバル調達ならば世界中の情報を集め続ける必要がある。人力だけで処理するには限界があります。AIエージェントに情報収集や分析を一定程度任せれば、人間はその結果を踏まえて「どう判断するか」の検討に時間をかけられます。それが、AI活用による調達業務改革の本質です。

山口貴：
建設業界でも、会議やレビューをビデオや音声で記録する取り組みは行われています。ただ、単にコミュニケーションの記録を蓄積すればよいわけではありません。ある人の判断や思考の特徴を、どのようにナレッジとして整理するのか。その問いの立て方が重要なポイントです。

瀧：
そのとおりです。何でも無作為にインプットすると、AIの出力を人間側がコントロールしにくくなります。AI活用ではプロンプトやスクリプトの設計が重要ですが、コミュニケーションルールも同じです。経営を高度化するために、協力会社に必ず確認するべきポイントは何か。その基準を自分たちで設ける必要があるのです。

社内コミュニケーションに関する最低限のルールを定めておけば、さまざまな情報に振り回されることを避けられます。AIに「何を読ませるか」だけでなく、「何を聞き、何を評価するのか」を人間側が設計することが大切なのです。

山口知：
顧客との何げない会話や訪問の仕方など、これまでデータ化されてこなかった行動の中にも、成果につながるヒントは多く含まれています。もちろん、取得するデータの範囲やルールは慎重に設計する必要がありますが、AI BPRでは「何を新たにデータとして捉えるべきか」を考えること自体が重要です。AIに任せる前に、人が見るべきポイントを定義することが、変革の出発点になります。

木村：
今後は、ワークログが記録・分析される場面が増えていくでしょう。もちろん、プライバシーへの配慮やデータの取り扱いルールの整備が前提ですが、普段のミーティングで何を話したのか、どのような専門性を生かしてレビューしているのか、その人の発言がどれくらい意思決定に影響を与えたのか。そうした日々の行動や発言から、その人の専門性や強み、行動特性などが解析できる。建設業はプロジェクト型でスキル・経験を蓄積しており、一人一人のスキル・経験を把握して活用していくことが人材マネジメントの観点で重要ですが、属人的になっておりあまり活用できていません。ワークログや行動データを活用することで、個々人の専門性・経験・スキル・強みを客観的かつ精緻に把握することが可能になり、最適な人材配置にもつながると考え、研究開発を始めています。

「入力させないSFA」――人の時間を「判断」に振り向ける

――PwCコンサルティングでは今、SFA（Sales Force Automation＝営業管理システム）に関する新たなアプローチを提唱しているそうですね。

棚橋：
私たちが提唱しているのは、「入力させないSFA」です。

建設業でも、すでにSFAを導入して案件情報を管理している企業はあります。とはいえ、導入後に新たな課題に直面するケースを多く聞きます。「せっかく導入したのに期待した効果が出ていない」「今ひとつ活用されていない」「データが蓄積されない」などです。これらに対する1つの解決策が、AI活用を前提とした「入力させないSFA」だと考えます。AI時代においては、人が一つ一つ必要な情報を入力するやり方は減っていきます。仕事を進めていくうちに、AIが必要な情報を提示してくれ、必要な事務手続きをサポートし、取得できた重要な情報を勝手に記録してくれる。それが当たり前になります。

木村：
そして、「入力させないSFA」が目指すのは、単にユーザーに入力させないということだけではなく、その先にあります。

建設業では足元の需要は堅調でも、将来的には案件の取り方や人材配置をこれまで以上に戦略的に考える局面が訪れる可能性があります。その時重要になるのが、どの案件に注力し、どこに人を張るべきかを見極めるための情報基盤です。SFAは単なる営業管理ではなく、選択と集中を支える仕組みとなるべきです。人は画面に向かって入力するのではなく、AIが集めてくれる情報を基に、意思決定や顧客との強固な関係構築へより多くの時間を使うことが重要だと考えます。

浦部：
SFAが定着しにくい理由の一つに、営業担当者にとって「入力することで自分にどんなメリットがあるのかよく分からない」という点もあります。AIエージェントを活用して、営業活動の中で得た一次情報が自然にSFAへ蓄積されるようになれば、入力負荷を減らせるだけでなく、情報の鮮度や精度も高められます。その結果、分析の質が上がり、営業担当者自身が意思決定に役立つ実感を持てるようになります。

棚橋：
営業担当者にとってのメリットは分析の精度向上以外にもあります。単純な事務作業をAIに任せられることで、営業戦略、案件ポートフォリオ、人員配置といった、より高度な意思決定に自らのリソースを注げることです。

山口知：
また、営業担当者は、顧客と向き合って営業することにモチベーションを感じるものです。働き方改革によって就業時間の制約が厳格化された結果、1日に訪問できる件数が減り、顧客とのリレーションが徐々に希薄化しつつあるという話も聞きます。AIエージェントとの共存は、営業担当者の負荷を軽減しながら、訪問や関係構築、案件創出といった付加価値の高い業務に時間を振り向けることを可能にします。

木村：
繰り返しますが、「入力させないSFA」の狙いは、事務作業を減らすことそのものではありません。AIに定型業務を任せることで、人が新規提案や顧客との関係構築といった高付加価値の業務に時間を使えるようにすることです。さらにその先には、成果を出している営業担当者の暗黙知をSFAに取り込み、営業力そのものを底上げする狙いがあります。

例えば、若手の営業担当者は案件のフェーズや顧客との関係性に応じてどう動けばよいのか。コンペで一歩踏み込むべき局面に、過去に成果を上げた担当者はどう動いたか。そこまで示せるようになれば、入力させないSFAは単なる営業管理システムを超え、営業力そのものを高める仕組みになり得ます。

AI BPRを現場で前に進めるには、なぜ短期間で「動くもの」をつくることが重要なのか

山口貴：
現在私は、建設業界向けの積算見積もりシステムの開発を進めています。積算見積もりは単に金額を出す業務ではなく、設計情報の読み取りや補完、見積もりの妥当性確認まで含めて、業務プロセス全体の品質を左右する重要な領域です。だからこそ、AI BPRの効果が出やすいテーマでもあります。

例えば積算の工程では、大きく3つの作業に工数を要します。第1に、設計情報を明細に落とし込むためのデータ入力。第2に、設計図から必要な情報を推察し、補完する作業です。日本の設計図書は欧米に比べて記載範囲や粒度が異なり、建設会社は必要な部材などを図面から読み取って補いながらコストを見積もる必要があります。第3に、過去データや過去の見積もり情報に基づく、拾い漏れや設計図書の誤りの検知です。

情報入力に関しては、将来的にはBIM（Building Information Modeling）に置き換わると考えられますが、入力作業自体は何らかのかたちで残ります。AIによる代替が期待されるのは、むしろ「情報補完」と「ヒューマンエラー検知」の領域です。

例えば情報補完では、過去データから「この部位をこの設計で納めるには、あの部材が必要」と推察できる。ヒューマンエラー検知でも、過去データを参照しながら、積算担当者の拾い漏れや設計図書の誤りの可能性を指摘できます。現時点の試算では、情報補完とヒューマンエラー検知の工数を半分程度に削減できると見込んでいます。

特にヒューマンエラーの検知には、現在、力点を置いて取り組んでいます。積算明細や見積もりの表記は、案件や担当者によってばらつきがある。それを過去情報と照らし合わせ、進行中の積算明細や見積もりが妥当かどうかを確認する。実はそのための業務プロセスには10以上の確認工程があり、それぞれ人の目で妥当性を判断しているのです。

こうした一つ一つの工程に対して、クライアントのご了承の下、実際の業務データを用いて、1週間ほどの短い期間でAIを組み込んだシステムを構築し、それを業務担当者と対話しながら検証しています。

――短期間で実際に使える形までつくることには、どのような意味があるのでしょうか

山口貴：
短いスパンで実際に動くものをつくる最大の意義は、AIが本当に業務に効くのかを早い段階で見極められることです。従来のように、課題整理、要件定義、導入までを長い時間をかけて進めるやり方ではなく、まず試し、業務担当者と一緒に検証することで、成功確率が見えた状態で本格開発に進めます。

浦部：
フロントローディング（初期段階への集中的な取り組み）でPoCを実施したり、モックアップをつくり、仮説を検証しながら改革効果を確かめていく進め方です。AI活用は、言葉だけでは現場や経営層の理解を得にくいことも少なくありません。だからこそ、実際に動くものを早く示し、効果を可視化することが、合意形成を進める上で有効です。短期間で形にすること自体が、業務改革を前に進める推進力になります。

山口貴：
「建設業ならでは」かもしれませんが、MVP（Minimum Viable Product：実用最小限の製品）やPoCで動くモノをつくり、業務担当者に見せると、反応が大きく変わることがあります。

また、AIに対する過度な期待や誤解を解く効果もあります。さらに実際にできることが見えると、それに合わせて自分たちの業務を変えるための合意も得やすくなり、後続の大きな取り組みに向けて経営層を説得する材料にもなります。だからこそ、まずは形にして見せることが、業務改革を進める上で重要なのです。

AI BPRが目指す生産性向上とは、単なる効率化と何が違うのか

木村：
ここまで議論してきたように、ベテランのナレッジ継承や生産性向上を実現する上で、AI BPRは欠かせないアプローチです。ただし、外部の私たちが支援するだけでは業務変革は実現しません。経営層の決断と、現場からの主体的な取り組みが合わさって初めて、全社でのAI活用や業務改革は加速します。

棚橋：
生産性向上というと、どうしても「効率化」に目が向きがちです。しかし本当に重要なのは、時間やコストといったインプットを減らすだけでなく、アウトプットの価値をどう高めるかです。AIが生み出した時間の余白を、どの業務に振り向ければより大きな価値を生めるのか。そこまで含めて設計してこそ、AI BPRは単なる省力化ではなく、事業の競争力強化につながります。

山口貴：
私たちの役割は、個別のAIツールを導入することだけではありません。業務プロセス、データ、基盤システムまで含めて全体を見直し、より大きな成果につながる変革を支援することです。PoCやアプリ開発だけであれば、特定領域に強いプレーヤーが適している場合もあります。一方で建設業に必要なのは、個別最適にとどまらず、業務全体を再設計するBPRです。そこに私たちの価値があります。

瀧：
本日の議論では、営業と調達の話が出ました。双方に共通するのは「交渉」が発生することです。

営業と調達に共通しているのは、最終的に「交渉の質」が成果を左右することです。AIエージェントに交渉を担わせるには、ベテランの知見を基にしたスクリプト設計が欠かせません。暗黙知を引き出し、AIが再現できる形に落とし込めれば、交渉の質そのものを高められます。つまりAI BPRは、単に工数を減らすのではなく、アウトプットの価値を引き上げる取り組みでもあるのです。

建設業にこの好循環を生み出すAI BPRの実践と知見の共有を、今後も積み重ねていきたいと考えています。

木村：
AI BPRが目指すのは、業務を効率化することだけではありません。データを蓄積し、暗黙知を継承し、よりよい判断につなげることで、建設業の意思決定そのものを変えていくことです。経営の決断と現場の創意、そしてAIの力を掛け合わせながら、私たちPwCコンサルティングもその変革に伴走してまいります。

前編はこちら