背景
建築・エンジニアリング業界でAIの導入が加速しています。AutodeskがRevitに、GraphisoftがArchicadに、BentleyがCopilotを組み込むなど、主要BIMベンダーはこぞってAI機能の強化に動いています。しかし現在の議論の大半は「次のソフトウェアアップデートでどのAI機能が来るか」という、ベンダー中心の視点に留まっています。日本でもBIM推進会議を中心に、2025年度以降のBIM・CIM活用シーンでのAI統合が期待されている一方で、国内設計事務所やゼネコンの多くは、既存のBIMソフトの機能拡張にAIが組み込まれるのを待つという受け身の姿勢です。こうした中、基盤モデル、エージェントフレームワーク、MCP（Model Context Protocol）サーバ、クラウドAPI、構造化データプラットフォームが同時期に成熟しつつあり、ソフトウェアアーキテクチャの転換が現実になりつつあります。
内容
本記事が注目するのは、設計技術コンサルティング企業ALPA（AlpacaLabs LLC）が公開した「Skills for Architects」というオープンソースプロジェクトです。GitHubリポジトリの形で、数十個のClaude Skillsを含んでおり、建築事務所が自社の知識を再利用可能なAIワークフローに変換できることを実証しています。単なるプロンプト集やAIユーティリティではなく、建築実務の数十年の蓄積を実行可能な形で組み込む手法を示しています。この取り組みが意味するのは、将来のAEC AI競争が「BIMソフト内の最も賢い機能を誰が持つか」から「BIMソフト外の知識資産を誰が所有・制御するか」へシフトすることです。ドアの配置、階段の法規チェック、室タグ付与、スケジュール生成、クラッシュ検出などの繰り返し業務はAIに任せるべき対象ですが、これらは全ベンダーが同様の機能を提供する時代がやがて来ます。
技術的ポイント
従来のAEC AIは、ベンダーが数千ユーザーの共通ニーズを集約してソフト内機能として実装する「オートメーション」中心でした。これに対して、建築事務所の判断やナレッジを外部の「判断スタック」として構築できれば、汎用的なAIモデルの上に、自社固有の専門知を層状に重ねられます。Claude Skillsを使った実装例では、建築設計プロセスの各段階での意思決定ロジックが、プロンプトやワークフロールールとして記述され、将来のプロジェクトで即座に再利用可能になります。この構造は、IFC標準やBIMサーバーといった既存の相互運用性フレームワークの上に、新たな知識層を付加するものです。MCP（Model Context Protocol）などの新しいプロトコル標準により、異なるAIモデルやツール間でこの判断ロジックを交換・統合できるようになれば、BIM環境全体が知識共有プラットフォームへ進化します。
業界への影響
グローバルなAEC業界では、すでにこの転換に気づき始めた実務者が出現しています。ベンダーの機能競争が激化する一方で、個々の設計事務所やゼネコンが「自分たちの知識をどう資産化し、制御可能な形で再利用するか」という問題が急速に重要化しています。特に大手設計事務所やコンサルティング企業では、数十年の設計データ、施工実績、設計判断の基準を大規模言語モデルで学習させ、自社専用の「企業AIスタック」として構築する動きが加速するでしょう。中小事務所でも、共通の判断基準（例えば法規対応の優先順位、与条件の解釈方法）を形式知化し、フリーランスやパート設計者との連携を高度化させるツールとして機能します。プロジェクト管理の観点からは、マルチプロジェクト間での知見共有が迅速化し、品質ばらつきの削減、納期短縮、設計変更への対応速度が向上します。
