大林組は2026年8月、設計初期の法令調査にAIを導入し、法令・条例の確認時間が1人当たり週4.3時間から1.4時間に減ったと発表しました。意識調査を含む企業公表値ですが、設計者が論点と根拠を探し、法令確認部門と共有する仕事への具体的な適用例です。1 建設コンサルタントの業務に置き換えれば、基準類や過年度記録を調べる作業が思い浮かびます。では、点検報告書の作成を速めたい会社は、そのうち何を最初に試すとよいのでしょうか。
「報告書作成」を一つの作業として捉えると、資料を探す時間、所見を書く時間、照査で根拠をたどる時間が混ざります。初稿だけが早くできても、写真と部材の取り違えを照査者が直すことになれば、手間を後工程へ移しただけになりかねません。導入対象を選ぶには、作業名から一段下りて、どの資料を受け取り、何を作り、次の担当者がそれをどう使うかまで見ておく必要があります。
AIの出力を、次の担当者が使える成果にする
大林組の事例で参考になるのは、法令データに社内の過去の解釈を組み合わせ、論点と根拠を参照できるようにしている点です。単に回答を得るだけなら、その回答を確かめるために設計者が法令を探し直すこともあります。論点と根拠が共有されていれば、法令確認部門は、どの規定をどう読んだ案なのかから検討を始められます。
金融分野のMorgan Stanleyが2024年6月に発表したDebriefも、出力の使い道が具体的です。顧客の同意を得た会議の要点を、担当者が使うメール案やSalesforceの記録へつなぎ、メールは担当者が編集して必要に応じて送信します。2 業種は違っても、生成後に誰が何をするかまで含めた設計は共通しています。
点検報告書なら、年度によって部材の呼び方が異なる調書を照合する仕事を考えられます。名称を一つ指定して探すだけでは拾えない記述も、AIで関連する候補として取り出し、元の調書・図面・写真へ戻れる一覧にします。担当技術者は、それらが同じ部材を指すか、途中で補修や部材の交換が行われていないかを読んで、過年度の経過を組み立てます。検索候補を広げたことで必要な記述を拾えたか、別の部材を混ぜて照査の手間を増やしていないかを合わせて比べられる例です。入力資料と出力、確認者が決まると、試行の終わりも「文章が生成できた時点」から「一覧を確認して次の検討へ渡せた時点」へ変わります。

- 資料検索
- 論点整理
- 案の作成
- 照査
- 承認
短縮した時間を、作成から照査まで追う
Dillonらは66社の知識労働者7,137人を対象に、業務アプリに組み込まれた生成AIへのアクセスを無作為に割り付けました。6か月の実験後半、介入群の利用者はメール時間が週約2時間減った一方、個人へのAI提供による仕事の量や内訳の変化は検出されませんでした。3 個人にAIを提供して短縮できた時間を、そのまま報告書全体の改善と捉えることはできません。点検報告書を対象にするなら、作成者の時間と、成果を受け取る照査者の時間を合わせて測る試行を別に組むことになります。
自社の試行で知りたいのは、その業務をどう改善したいかによって異なります。照査の負担を減らすなら、資料準備、一覧作成、根拠の照合、差し戻しに要した人時を合わせて比べます。納期を縮めたいなら、作成者が使った時間に加え、確認待ちを含む初稿から承認までの経過時間を追います。作成が速くなっても承認待ちが変わらなければ、次に見直すべきは生成方法より、確認者へ渡す情報や承認の進め方かもしれません。
最初の対象には、同種の作業が繰り返され、使う資料と版を特定でき、結果を確かめる担当者がいるものを選びます。過年度記録の検索でこの条件を揃えられるなら、まず担当技術者が必要な記述を先に特定した既往一案件で、拾い漏れや別部材の混入、検索・照合に要した人時を比べます。承認までの日数や実際の差し戻しは、その後の実案件で追う対象です。そこで得られるのは、検索時間の差だけではありません。根拠を探す負担が大きいのか、資料の版が混在しているのか、所見の引継ぎに説明が足りないのか。次に投資する作業を選ぶ材料まで得ることが、最初の試行の役割です。
出典
1. 大林組「設計初期段階の法令調査・要件整理業務を効率化」、2026年8月19日。
2. Morgan Stanley「AI @ Morgan Stanley Debrief」提供発表、2024年6月26日。
3. Dillonほか「Shifting Work Patterns with Generative AI」v4、2025年11月13日改訂。メール時間は実験後半の介入群利用者の結果です。