背景
BIM（ビルディング・インフォメーション・モデリング）の運用において、膨大なデータ入力・検証・編集作業は依然として人手に頼るところが大きい。特に設計の後期段階での数値入力漏れ、プロパティの一括修正、レポート生成といった定型業務は生産性の足かせになっている。一方、生成AI技術の急速な進化により、自然言語プロンプトでこうした作業を自動化する期待が高まっていた。しかし従来のアプローチでは、AIはBIM外部の補助ツール的な位置づけに留まり、モデル内部のデータ構造や幾何学的操作と深く連携できていなかった。Qonicが今回発表したQonic AIは、この課題を直接解決するものである。
内容
Qonicはクラウドベースの協調BIMプラットフォーム内にAIエージェント群を統合したQonic AIを導入した。最大の特徴は、AIがBIM外部に存在するのではなく、プラットフォーム内部で直接動作する点である。ユーザーは「Ask Qonic」チャットボットに自然言語で指示を送り、AIエージェントがプラットフォーム固有のツールを使ってモデル要素を検索・検証・編集する。対応タスクは多岐にわたり、欠落プロパティの補完、レポート自動生成、ジオメトリ編集を含む。Qonicの開発者Jacob De Sutterは「Qonicで行えるジオメトリやデータの作成・編集・操作はすべてプロンプト経由で実行可能」と述べている。具体的な使用例として、ユーザーは「すべての家具を見つけてレベル別に色分けする」と指示すれば、AIが両方の操作を一度に実行する。データ検証では「すべての窓が耐火等級を持っているか」と質問すると、欠落している窓を自動検出して選択し、その後「F60を割り当てる」と指示するだけで適切なプロパティが入力される。レポート生成機能では、「コンクリート品質レポートを建物別・コンクリートタイプ別にグループ化」するよう求めるだけで、Report Panelに自動構成される。ユーザーは手動調整も可能だ。ジオメトリ編集では、選択した窓に対して「0.5メートル右方向に幅を広げる」と指示すれば、AIはユーザーのビューポイントと選択内容から解釈し、ストレッチツールで寸法変更する。建物やファサードのモデリングも参照画像とプロンプトから行える。AIモデルはSonnet、Opus、Astraから選択でき、タスクの推論負荷に応じて使い分ける。Qonic AIはトークンベースで動作し、有料プランは月額トークン許容量を含む。無料プランユーザーは50ユーロからのワンタイム購入が可能で、購入したトークンは失効しない。
技術的ポイント
この実装の技術的価値は、AIがBIMプラットフォームのAPI層に深く統合されている点にある。既存の外部AI連携（例えば、チャットGPTをBIMデータエクスポートと組み合わせるアプローチ）では、データの往復に時間が掛かり、AIの判断がBIM内のリアルタイム状態と乖離する可能性があった。Qonic AIはプラットフォーム内部で直接メモリおよびデータベースにアクセスするため、ジオメトリ操作と属性編集が原子的に実行される。さらに、Qonicが新たにMCP（Model Context Protocol）サーバーを導入したことで、ユーザーが独自のAIアシスタント（Claude、Codex、Mistral Le Chat等）をBIMプラットフォームに接続可能になった。このMCPサーバーを通じ、外部AIは プロジェクト検索、要素クエリ、数量計算、IFC出力、要素変更、ライブラリ管理といった複数の操作を実行できる。これは従来のIFC形式による静的なデータ交換ではなく、双方向の動的連携を実現するもので、建設業界ではまだ実例が少ない段階である。
業界への影響
グローバルなAEC業界全体において、本発表は生成AIのBIM統合における重要な転機を示唆している。これまでAI導入は主に設計初期段階（コンセプト、プリスタディ）や解析・レンダリング領域に集中していたが、Qonic AIの登場は「BIMのリアル・ワークフロー（設計からドキュメント生成まで）の全域にAIを埋め込む」という新しいアプローチを開く。大手事務所やゼネコンでは、スタッフが日々行う単純な属性入力や品質チェック作業の自動化により、人員をより高度な設計判断や調整業務にシフトできる。プロジェクトスケールでは、設計変更時の大量データ更新が自動化されるため、リバイズン・サイクルが加速する。同時に、AI操作のアンドゥ機能により、ユーザーが常に制御権を保有することで、責任追跡性が維持される。これは他の建設テック企業にも「内部統合型のAI」開発への圧力となるだろう。
