ニュースの概要
地質解析ソフトを手がけるSeequentが、30か国の地下・地質プロジェクトでのAI活用例をまとめた。同社の見方は、AIは専門家の判断を置き換えるものではなく、確認や解析の作業を広げる道具だというものだ。代表例がブラジルのEngefotoである。同社はスキャンされた過去の掘削報告書を機械学習で読み取り、ボーリング名、座標、貫入抵抗値、地層区分、水位などを自動で取り出した。取り出した値は同社のモデリングソフトに渡され、地下の3Dモデルづくりに使われる。紙やPDFに眠っていた資料が、使えるデータに変わる流れだ。
引用元: AIが過去のボーリング資料を読み取り地質データを3Dモデル化（Seequent）
分析・見解
解析よりも前の「データ入力」に潜んでいた壁
地質の3Dモデルづくりで時間を食うのは、解析そのものよりも手前の作業である。過去の報告書を開き、ボーリング名や座標を目で拾い、表計算ソフトに打ち込む。この下ごしらえが全体の半分以上を占めるという声は、地盤調査の現場では珍しくない。
Engefotoの事例が示したのは、ここにAIが効くという点だ。画像として保存された報告書から、決まった項目を読み取る処理は、AIが得意とする分野である。人が最も嫌がる単純作業から置き換わっていく。
「置き換え」ではなく「確認の道具」という線引き
Seequentは、AIが専門家の判断を奪うのではないと強調している。これは宣伝文句に見えるが、地質の世界では実務上の必然でもある。
なぜなら、地層は一本のボーリングだけでは決まらないからだ。隣り合う二本の柱状図で、同じ砂層がどうつながるのか。断層をまたいでいるのか。ここには経験者の読みが要る。AIが出した数値を、人が検証して初めて使える。この役割分担は変わらないだろう。
過去資料の価値が、データ化した瞬間に跳ね上がる
独自の視点として挙げたいのは、「古い資料の価値は、探せるかどうかで決まる」ということだ。数十年前の調査報告書は、書庫に積まれたままでは、ないのと同じである。
一方、座標と地層区分が数値になれば、新しい調査と重ねて比べられる。例えば、新規の一本のボーリングが、過去の百本と並んで評価できる。調査費の削減にも、追加調査の場所選びにも直結する。同じことは、図面の電子化が設計の再利用を生んだ建築分野にも言える。
読み取り誤りという新しいリスクをどう扱うか
読み取りの精度が高くても、誤りがゼロになることはない。たとえば、手書きの数字や、かすれた貫入抵抗値の読み違いは起こりうる。小さな誤差でも、地盤の強さの評価には影響しうる。
そのため、抽出結果に確からしさの目安を付け、低いものだけ人が見直す設計が現実的である。全部を疑うのでも、全部を信じるのでもない。この中間の運用ができる組織が、AIの恩恵を最大に受けるだろう。
ビジネスへの影響
まず社内に眠る資料の棚卸しから始める
建設会社、地盤調査会社、自治体の土木部門には、紙やPDFの調査資料が大量にある。最初の一歩は、AI導入ではなく棚卸しである。どの年代の資料が、どの形式で、どこにあるのか。これを把握するだけで、投資対効果の見積もりが立つ。
全部を一度に処理する必要はない。再調査の予定がある地域や、事故の多い地域など、価値の高い資料から着手するとよい。小さく試して成果を示せば、社内の理解も得やすい。
検証の手順を先に決めてから導入する
AIの抽出結果を、誰が、どの基準で確認するのか。ここを曖昧にしたまま運用すると、誤データが3Dモデルに紛れ込み、後工程の判断を狂わせる。抽出元の画像と数値を並べて見られる画面を用意し、確認の履歴を残すことが望ましい。
責任の所在も重要だ。最終的な地質判断は技術者が負うと、社内規程に明記しておきたい。
人手の時間をどこへ振り向けるかが競争力になる
入力作業が減れば、技術者の時間は、地層のつながりを読む、リスクを説明するといった本来の仕事に回せる。見積もりの速さ、提案の厚み、手戻りの少なさが差別化の源泉となる。AIの導入は、人員削減ではなく、専門性を厚くする投資として位置づけたい。