図面解析AIとは？図面OCR・データ化・照合の仕組みと活用事例

建設業では、設計、積算、施工管理、改修、維持管理など、さまざまな業務で図面が使われます。

一方で、必要な情報を図面から探し、Excelや業務システムへ転記する作業は、現在も人の目と経験に依存しやすい業務です。図面の枚数が増えるほど、確認時間や見落としのリスクも大きくなります。

こうした課題を解決する手段の一つが、図面解析AIです。図面上の文字や記号を読み取るだけでなく、寸法、部材、部屋、線のつながりなどを解析し、検索、数量拾い、照合、検図などへ利用できる情報に変換します。

ただし、すべての図面を同じ精度で解析できるわけではありません。導入効果を出すには、対象となる図面と業務を絞り、人が確認する工程まで設計する必要があります。

本記事では、図面解析AIの仕組み、建設業での活用事例、実務への応用方法、導入時の注意点を解説します。

建設業で図面解析AIが求められる背景

建設業ではBIMの活用が進む一方、すべての企業や案件でBIMデータを利用できるわけではありません。

過去案件、改修対象の建物、取引先から受領した資料などでは、PDFや画像形式の2次元図面を使う場面が残っています。

BIMの普及後もPDF・画像図面は残る

国土交通省が公表した「建築分野におけるBIMの活用・普及状況の実態調査」では、回答企業におけるBIM導入率は、2022年度の48.4％から2024年度の58.7％へ上昇しています。

一方で、回答企業の約4割はBIMを導入していません。また、BIM導入企業でも、すべての案件や工程でBIMを活用しているとは限りません。

出典：

国土交通省「建築分野におけるBIMの活用・普及状況の実態調査」

※建築BIM推進会議に参加する13団体の会員を対象とした調査で、回答数は433件、回収率は17.5％です。

新規案件ではBIMを活用しながら、過去図面や取引先から受領した2次元図面には図面解析AIを使うという併用が、現実的な選択肢になります。

図面解析AIはBIMの代わりではなく、BIMデータが存在しない図面を業務で再利用するための補完手段と考えると分かりやすいでしょう。

図面の整合性と再利用性が重視されている

国土交通省は、2026年4月1日に「BIM図面審査」を開始しました。

BIM図面審査では、BIMデータから出力したPDF図書とIFCデータを提出し、PDF図書を中心に建築確認審査を行います。

入出力基準に従って作成された図書については、一部の記載事項に関する整合性確認を省略できる仕組みも設けられています。

出典：

国土交通省「建築BIM推進会議」


国土交通省「建築確認におけるBIM図面審査ガイドライン」

この制度はBIMを対象としたものですが、図面業務全体でも、複数の図面に記載された情報が一致していることや、図面の基となるデータを後工程へ引き継げることの重要性が高まっていると分かります。

さらに、国土交通省の「BIMを通じた建築データの活用に関するガイドライン」では、維持管理や運用を含むユースケースと、データ作成・活用の考え方が整理されています。

出典：

国土交通省「BIMを通じた建築データの活用に関するガイドライン」

図面に含まれるすべての情報を無条件にデータ化するのではなく、利用する業務から必要な情報を決めることが重要です。

図面解析AIは、PDFや画像図面から、業務に必要な情報を取り出す手段の一つです。

図面解析AIとは

図面解析AIとは、PDF、画像、CAD、BIMなどの図面データを解析し、業務に必要な情報を抽出・整理する技術です。

図面内の文字を読むだけでなく、線、記号、図形、表、領域、位置関係などを組み合わせて処理します。

図面OCRとの違い

図面OCRは、図面に記載されている文字や数字を認識する技術です。

部屋名、寸法値、図面番号、材料名、注記などを抽出できますが、文字を読み取るだけでは、図面全体の意味までは判断できません。

たとえば、「5000」という数字を認識できても、それが壁の長さなのか、通り芯の間隔なのか、天井高さなのかを判断するには、周囲の線や記号との位置関係を確認する必要があります。

図面解析AIでは、OCRに加えて画像認識や構造解析を組み合わせます。

図面OCRは、図面解析AIを構成する技術の一つと考えると分かりやすいでしょう。

図面を業務データへ変換する仕組み

図面解析AIでは、図面の読み込みから業務システムへの出力までを、複数の処理に分けて進めます。

平面図を解析する場合、AIは部屋名を読み取るだけではありません。

壁線から部屋の範囲を判定し、寸法や縮尺を参照して床面積を算出し、部屋名と面積を一つのデータとして関連付けます。

設備図では、機器記号を検出し、凡例と照合して機器の種類を判定します。対象を限定すれば、配管線を追跡して経路や長さを整理することも可能です。

図面を画像として保管する状態から、検索・比較・集計できる状態へ変えることが、図面解析AIの中心的な役割です。

図面解析AIでできる2つのこと

図面解析AIの用途は、大きく「図面から情報を取り出すこと」と「複数の情報を照合すること」に分けられます。

対象業務をこの2つに整理すると、自社でどのような仕組みが必要か判断しやすくなります。

図面から必要な情報を抽出する

一つ目は、図面内の情報を読み取り、一覧や数量へ変換する用途です。

建築図面では、次のような情報が解析対象になります。

床面積を算出する処理と、設備記号を数える処理では、認識対象も正解ルールも異なります。

導入時には「建築図面全体を解析する」ではなく、特定形式の平面図から部屋名と床面積を抽出するなど、対象を具体化する必要があります。

図面・仕様書・現場情報を照合する

二つ目は、複数の図面や資料を比較し、差異や確認候補を見つける用途です。

図面解析AIでは、差異を誤りと断定するのではなく、担当者が確認すべき候補として表示する使い方が基本です。

設計変更による正しい差異や、施工条件による意図的な変更もあるため、最終判断は設計者や施工管理者が行います。

建設業における図面解析AIの活用事例

図面解析AIは、単純な文字読み取りだけでなく、数量算出、進捗管理、品質検査などに活用されています。

ここでは、企業が公式に発表している事例を、利用目的ごとに紹介します。

建築図面から面積と数量を算出する事例

株式会社新潟人工知能研究所は、丸山工務所と共同で、建築図面に描かれた壁位置、寸法線、部屋形状を自動抽出し、壁面積や床面積などの数量情報を算出するAI技術を開発しています。

出典：

新潟人工知能研究所「建築図面自動解析AIを開発・運用開始」

この事例は、図面解析AIを積算や見積の前工程に利用する代表的な形です。

従来は、担当者がPDF図面を見ながら寸法を確認し、壁量や床面積を計算していました。AIが数量のたたき台を作れば、担当者は計算ではなく確認から作業を開始できます。

実務では、算出された数値だけでなく、AIがどの線や領域を根拠にしたか確認できることが重要です。

元図面の該当箇所と抽出結果を同じ画面で確認できれば、担当者の検証負担を減らせます。

現場情報を図面と照合する事例

大成建設は、360度カメラの画像をAIで解析し、施工状況や資機材の位置を自動認識して、図面上へ表示する「工事進捗確認システム」を運用しています。

現場を巡回して撮影した画像から、壁や天井などの施工状況を認識し、進捗状況や資機材の位置を図面へ反映する仕組みです。

出典：

大成建設「360度カメラ画像とAIを用いた工事進捗確認システム」

また、大林組は、ステレオカメラの画像と点群データをAIで解析し、配筋状況を設計図面と照合する自動検査システムを開発しています。

同社の発表では、計測結果の正答率は約94％で、配筋検査業務にかかる延べ作業時間を、従来使用していた専用検査システムより約36％短縮したとされています。

出典：

大林組「正答率約94％、高精度な計測が可能なAI配筋自動検査システムを開発」

これらの事例から、図面解析AIの活用範囲は、図面内の情報抽出だけに限られないことが分かります。

現場写真や点群データと図面を関連付けることで、進捗管理や品質検査にも応用できます。

図面解析AIを実務で活用しやすい業務

図面解析AIは、図面を使用する業務であれば、どこにでも導入できるわけではありません。

繰り返し確認する項目があり、正解となるルールを定められる業務ほど、AIとの相性がよくなります。

積算・見積と設計チェック

積算や見積では、図面から数量や工事項目を拾い出す作業に時間がかかります。

図面解析AIを使って、床面積、壁面積、部材数、配管長などを抽出すれば、数量表や内訳書の下書きを作成できます。

図面と見積書を照合し、図面には存在するものの、見積書に記載されていない項目を確認候補として表示する使い方も可能です。

設計意図や施工条件による例外もあるため、AIが不整合を確定するのではなく、確認対象を絞る補助として使用します。

改修・維持管理と過去図面の活用

改修工事では、既存建物の図面がPDFや紙のスキャンデータで保管されていることがあります。

図面解析AIを使って、部屋名、設備、材料、図面番号などを抽出すれば、改修対象箇所に関係する図面を探しやすくなります。

過去図面の検索にも応用できます。

ファイル名だけでなく、図面内の文字、形状、部材などを検索対象にすることで、担当者の記憶に頼っていた過去案件検索を、組織全体で利用できる仕組みへ変えられます。

ただし、図面解析結果だけでは十分ではありません。

案件名、用途、建物規模、施工年、地域などの属性情報と結び付けることで、実務で使いやすい検索基盤になります。

図面解析AIの限界と注意点

図面解析AIの精度は、AIモデルの性能だけで決まるものではありません。

入力する図面の品質、会社独自の表記、正解ルール、確認画面の使いやすさも結果を左右します。

図面の品質と表記によって精度が変わる

同じ内容の図面でも、データ形式や図面の状態によって、解析の難易度は異なります。

CADなどから出力されたベクターPDFと、紙をスキャンした画像PDFでも、利用できる情報量が異なります。

そのため、導入前には保有図面を形式や品質ごとに分類し、解析しやすい図面から対象にする方が現実的です。

AIの結果には人による確認が必要

図面解析AIは、入力された図面に記載されている情報をもとに処理します。

図面自体に記載漏れや誤りがあれば、AIが文字や形状を正しく認識しても、業務上の正解にはなりません。

図面解析AIを導入する際は、人が確認しやすい画面と業務フローを作ることが、認識精度と同じくらい重要です。

図面解析AIの導入方法

図面解析AIは、最初からすべての図面や業務を対象にするのではなく、小規模なPoCから始めます。

対象を限定することで、必要なデータと評価方法を明確にできます。

対象業務を一つに絞ってPoCを行う

最初に、図面を使う業務の中で、特に時間がかかっている作業を特定します。

「図面確認を自動化する」という表現では対象が広すぎるため、図面形式、抽出項目、出力形式まで具体化します。

最初から大量のデータを準備する必要はありません。

少数の代表的な図面を使って、解析できる範囲と難しい条件を把握することが先です。

精度と作業時間をセットで評価する

PoCでは、認識精度だけでなく、実際の業務時間を評価します。

仮に認識精度が90％でも、残り10％を確認するために図面全体を見直す必要があれば、作業時間はあまり減りません。

一方、精度が完全でなくても、AIが抽出箇所を図面上に示し、担当者が短時間で確認できるなら、実務で使える可能性があります。

AI単体の正解率ではなく、人とAIを組み合わせた業務全体の時間と品質を評価することが重要です。

パッケージと受託開発の選び方

図面解析AIには、既製のパッケージを導入する方法と、自社の図面や業務に合わせて開発する方法があります。

選定では、機能数よりも、自社の図面形式と確認ルールに対応できるかを確認します。

パッケージが向いているケース

パッケージは、一般的な用途と対象図面が製品の仕様に合っている場合に向いています。

既存機能で業務課題を解決できる場合は、短期間で導入しやすく、初期費用も比較しやすい点がメリットです。

導入前には、デモ用の図面だけでなく、実際に業務で使用している図面を使って精度を確認する必要があります。

受託開発が向いているケース

受託開発は、会社独自の図面やルールへ対応する必要がある場合に向いています。

受託開発では、AIモデルだけでなく、図面の前処理、確認画面、データベース、既存システムとの連携まで設計します。

図面を読み取れるだけでは、実務では使えません。担当者が結果を確認し、修正し、既存業務へ反映できる一連の流れを構築する必要があります。

図面解析AIに関するよくある質問

まとめ

図面解析AIは、建築図面に含まれる文字、線、記号、寸法、部材などを解析し、検索、数量拾い、照合、検図などに利用できるデータへ変換する技術です。

図面OCRが主に文字や数字を読み取るのに対し、図面解析AIは、図形や位置関係も含めて処理します。

図面解析AIを導入する際は、次の3点が重要です。

• 特定形式の図面と、特定の抽出・確認業務に対象を絞る
• AIの精度だけでなく、担当者の確認を含めた作業時間を評価する
• AIが示した結果を、人が確認・修正できる業務フローを設計する

一般的な図面検索や数量カウントであれば、既存のパッケージで対応できる場合があります。

一方、会社独自の図面、照合ルール、見積書や既存システムとの連携が必要な場合は、受託開発が選択肢になります。

図面を単に保存する資料ではなく、積算、設計、施工管理、維持管理で再利用できるデータへ変えることが、図面解析AIを導入する目的です。