「専門知識が要る業務は、AIには任せられない」という見方に対して、大林組が具体的な数字を出しました。同社は2026年8月19日、建設プロジェクトの設計初期段階における法令調査・要件整理の作業時間を、生成AIの活用で約67%短縮したと発表しています。1人あたり週4.3時間かかっていた確認作業が、1.4時間になったという内容です。ただし数字をそのまま自社に当てはめる前に見るべきなのは、この67%がどんな業務条件のもとで出たかです。本記事では公表内容を整理したうえで、専門業務をAI化できるかの判断軸を提示します。
大林組が公表した内容
大林組が活用したのは、Tektome社が提供する建設特化型のAIエージェントプラットフォーム「Tektome（テクトム）」です。設計部門の実務者を対象に検証し、法令・条例の確認時間を約67%短縮したと大林組のニュースリリースで公表しています。
公表されている数値は次のとおりです。
| 項目 | 内容 |
|---|---|
| 発表日 | 2026年8月19日 |
| 対象業務 | 建設プロジェクトの設計初期段階における法令調査・要件整理 |
| 確認対象の範囲 | 建築基準法などの法令、顧客要件、地域条件をはじめとする各種条例、省エネや環境に関する条例など |
| 導入前の作業時間 | 平均4.3時間／週／人 |
| 導入後の作業時間 | 1.4時間／週／人（約67%短縮） |
| 定性評価 | 法的検証における論点整理・確認観点の明確化に効果を実感した割合：100% |
| 使用サービス | Tektome社「Tektome」（建設特化型AIエージェントプラットフォーム） |
| 検証対象 | 大林組の設計部門 |
Tektomeが提供するのは、関連法令や設計要件の抽出・整理と、留意点の可視化です。大林組のリリースによれば、設計初期に確認すべき論点や留意事項を根拠資料とともに参照できる仕組みになっています。加えて、法令データだけでなく社内に蓄積された過去の法令解釈や設計検証の知見をプラットフォームに組み込んでいる点が、汎用の生成AIを使う場合との違いです。
「67%短縮」で公表されている数字と、公表されていない前提
数字は正確です。4.3時間から1.4時間への短縮は約67.4%にあたり、公表値と整合します。一方で、検証の期間・対象人数・対象プロジェクト数はどの情報源にも記載がありません。
大林組のニュースリリース、PR TIMESの配信、ITmedia BUILT、AIsmiley、BuildApp Newsの5件を確認しましたが、いずれも分母にあたる情報を載せていません。つまり「67%」も「効果を実感した割合100%」も、何人・何件・どれくらいの期間の測定なのかがわからない状態です。
これは大林組の発表に問題があるという話ではありません。企業のリリースで検証設計まで開示される例は多くありません。重要なのは、読み手の側が「分母が非公開の数字」として扱うことです。とくに「100%」は、対象人数が少なければ容易に到達する値です。
そのうえで、公表された数字が持つ意味を見ておきます。週4.3時間は、単純に52週で計算すると年間約224時間／人です。1.4時間なら年間約73時間／人となり、差は約151時間／人になります（本記事による計算。大林組の公表値ではありません）。設計部門の人数を掛ければ全社の削減規模が見えますが、その人数も非公開です。
なぜ法令調査だったのか ― 専門業務がAIに向く3つの条件
大林組が選んだのが法令調査だった点には理由があります。専門知識が要る業務のうち、生成AIで効果が出やすいのは次の3条件を満たすものです。
条件1：正解の根拠が、外部の公開文書で確定している 建築基準法や各種条例は、条文という確定した根拠が存在します。AIの出力が正しいかどうかを、条文に戻って確認できます。逆に、根拠が担当者の勘や交渉の結果にしかない業務では、出力の正しさを判定できません。
条件2：社内に過去の解釈が蓄積されている 条文があっても、実際の設計では「この条件のときはこう解釈する」という判断が要ります。大林組は社内の過去の法令解釈や設計検証の知見を組み込んでいます。この蓄積がないまま汎用の生成AIに条文を読ませても、実務で使える出力にはなりません。
条件3：出力を人が短時間で検証できる Tektomeは論点や留意事項を根拠資料とともに提示します。根拠が併記されていれば、担当者は出力の妥当性を短時間で確認できます。検証に元の作業と同じ時間がかかるなら、短縮効果は生まれません。
この3条件は、業務の性質を見る指標です。「AIツールが優秀かどうか」より前に確認すべき点であり、AI導入成功事例の読み方で整理した「自社に効くか見抜く」観点とも重なります。
自社に置き換えるときの手順
着手の順序は、ツール選定ではなく業務の棚卸しからです。次の4ステップで進めます。
- 「調べている時間」を切り出す：業務を「調べる」「判断する」「作る」に分解し、調べる時間だけを計測します。大林組が示した4.3時間も、この切り出しがあって初めて測れる数字です。
- 根拠文書の所在を確認する：その調べものの正解が、どの文書のどこに書かれているかを特定します。特定できない業務は、条件1を満たしません。
- 社内の判断基準を形式知にする：過去の解釈・判断の理由を、文書として取り出せる形にします。ここが最も時間のかかる工程で、AI導入の成否を分けます。
- 検証の方法を先に決める：AIの出力を誰がどう確認するかを決めてから使い始めます。根拠を併記させる設計にしておくと、検証コストを抑えられます。
3番目が難所です。社内の暗黙知は、担当者が「当たり前」と思っている部分ほど文書化されません。生成AIの導入プロジェクトが止まる原因の多くは、モデルの性能ではなくこの工程にあります。同じ論点は清水建設が8,800名に生成AIを浸透させた取り組みでも扱っています。
建設以外での類似業務
3条件に当てはまる業務は、建設以外の業種にもあります。
- 品質保証・薬事（製造・医療機器）：法令・規格・審査基準という外部の確定文書があり、社内に過去の照会・回答の蓄積があります。申請前の要求事項の抽出は、大林組の法令調査に構造がよく似ています。
- 与信・契約審査（金融・商社）：契約書のひな形と社内規程という根拠文書があり、過去の審査記録が蓄積されています。論点の抽出と、根拠条項の提示という形が取れます。
- 人事労務（全業種）：労働関係法令と就業規則という根拠があり、過去の相談対応が蓄積されています。ただし個別事情の比重が大きく、条件3（人による短時間の検証）の設計がより重要になります。
いずれの場合も、AIが答えを出すのではなく、AIが論点と根拠を並べ、人が判断するという役割分担が前提です。大林組の発表で「論点整理・確認観点の明確化に効果を実感」という表現が使われている点も、この役割分担を示しています。
よくある質問
- 大林組は法令調査の時間をどれだけ短縮したのですか。
-
2026年8月19日の発表によれば、適用可能な法令・条例などの確認に要する時間が、従来の平均4.3時間／週／人から1.4時間／週／人になり、約67%短縮しました。
- 大林組が使った生成AIサービスは何ですか。
-
Tektome社が提供する建設特化型のAIエージェントプラットフォーム「Tektome」です。関連法令や設計要件の抽出・整理と、留意点の可視化を行います。
- 同じ効果は自社でも出せますか。
-
業務の条件によります。正解の根拠が外部の公開文書で確定していること、社内に過去の判断基準が蓄積されていること、出力を人が短時間で検証できることの3点が揃うかが判断軸になります。
- 「67%短縮」の検証はどれくらいの規模で行われたのですか。
-
大林組は「設計部門の実務者を対象に検証した」と公表していますが、検証期間・対象人数・対象プロジェクト数は公表していません（2026年8月31日時点）。
まとめ
大林組が2026年8月19日に公表した約67%短縮は、設計初期の法令調査・要件整理という、根拠が条文で確定し、社内に解釈の蓄積があり、根拠つきで出力を検証できる業務で生まれた数字です。一方で、検証の期間・人数・件数は公表されておらず、67%も100%も分母がわからない数字である点は押さえておく必要があります。
Auto-IDフロンティアの視点では、この事例から持ち帰るべきは短縮率ではなく業務の選び方です。AIツールを先に選ぶと、条件を満たさない業務に高性能なモデルを当てて効果が出ない、という結果になりがちです。次の一手は、自社の業務を「調べる／判断する／作る」に分解し、調べる時間がどこに、どれだけあるかを実測することです。
自社のどの業務が生成AIに向くかを切り分けたい、社内ノウハウの形式知化から始めたいという方は、AI導入相談フォームからご相談ください。業務の棚卸しと、検証設計まで一緒に組み立てます。
出典・参考資料
- 大林組： 設計初期段階の法令調査・要件整理業務を効率化 （）
- 大林組（PR TIMES）： 設計初期段階の法令調査・要件整理業務を効率化 （）
- ITmedia BUILT： 大林組、生成AIで設計初期段階の法令調査／要件整理を効率化 作業時間67％短縮 （）
- AIsmiley： 大林組、生成AIで設計初期の法令調査・要件整理時間を約67%短縮 （）
- BuildApp News： Tektome、大林組の設計初期における法令・条例調査にAIエージェントを試験導入し工数削減 （）
