背景
建設現場のデジタル化は、これまで「記録」と「文書化」に主眼が置かれてきました。ドローンやLiDAR、360°カメラで現場を撮影し、BIMモデルと連携させることで、竣工時点の完成形を残すことが主目的でした。しかし日本を含むグローバルな建設業界では、この数年、単なる記録ツールから「リアルタイムの意思決定支援プラットフォーム」への転換が急速に進んでいます。OpenSpaceは110,000件以上のプロジェクト（延べ77億平方フィート）から学習したAIモデルを基盤に、現場データを即座に分析し、その場での判断を支援するという新しい用途開発に踏み出しました。これは、毎日発生する施工課題を翌日以降の会議で報告するのではなく、工事中にリアルタイムで対応する「現場自律化」の実現を目指すものです。
内容
OpenSpaceは、その Visual Intelligence Platform に複数の新機能を追加しました。第一に「AI Autolocation 2.0 with Live Location」は、GPS信号の届かない建屋内部での正確な位置特定を実現します。従来は追加のWiFiやビーコンなどの通信インフラを必要としていましたが、AI による画像認識で建築図面やBIM上の位置を自動判定することで、ハードウェア投資を最小化します。第二に「AI Walk-and-Talk」は、現場のスタッフが単に歩きながら音声で「ここの躯体にクラックがある」「設備がずれている」と述べるだけで、自動的に日報が生成される機能です。第三に「Site Mode」は、GoogleマップのようなUI/UXで、現場作業者がスマートフォンやタブレット上で自分の位置・向きを平面図やBIM上に重ねて表示し、そこに紐付く工程情報や設計情報にアクセスできるようにしました。最後に「Agent Ecosystem」は、AIエージェントが現場の映像と空間データにアクセスし、日報作成、検査、パンチリストなどのワークフロー自動化に対応するオープンプラットフォームです。
技術的ポイント
OpenSpaceの技術革新は、大規模な学習データセット（110,000プロジェクト）を背景にした「空間理解AI」の質的向上にあります。従来の reality capture は、点群やメッシュを生成することが主目的でしたが、OpenSpaceはその上に「何が起こっているか」を理解するセマンティック・レイヤーを追加しました。これにより、AIが配筋の不具合、型枠の位置ずれ、素材の搬入状況などを文脈に応じて判別できるようになります。また、GPS非依存のAutolocationは、屋内ナビゲーション技術の発展によるもので、壁や柱の輪郭、照明パターンなど視覚的特徴を利用して高精度な位置推定を行います。Agent Ecosystem は、LLM（大規模言語モデル）と Vision Model を組み合わせた複合AI システムであり、単一タスク向けのAIボットではなく、プロジェクト固有のルール・基準を学習し、状況に応じた判断を下す拡張性を備えています。
業界への影響
こうした機能拡張は、建設現場の労働生産性と安全性に直結する変化をもたらします。第一に、毎日の朝礼や進捗報告会の準備時間を削減できます。従来は現場長が前夜に手書き日報を整理し、朝礼で口頭報告していましたが、AI Walk-and-Talk で自動生成された記録があれば、会議は「判断と対応」に特化できます。第二に、検査・検収プロセスが加速します。品質検査官が現場を歩くたびにカメラが同行し、不適合項目を自動抽出してリスト化すれば、往査1回で複数項目の指摘完了が可能になります。第三に、異なるサブコンや職種間の情報共有がリアルタイム化され、手戻りや協力業者間の認識ズレが減少します。さらに、AI が施工実績データを蓄積することで、同種プロジェクトの標準工期・標準品質基準の精密化が進み、業界全体の生産性向上に波及します。
