山岳トンネル工事の点検時間を40%削減、チャットで設備状況を確認するAI活用

トンネル工事の現場には多数のセンサーが張りめぐらされ、それぞれに対応するダッシュボードが動いていました。ポンプ一台の稼働を確かめるにも複数のシステムをまたぐ必要があり、画面の操作を覚えるところから始めなければならない。監視モニターが増えるほど、管理の負担も積み上がっていきます。

編集部の見立てでは、この困りごとの本質はデータの不足ではありません。むしろデータは十分に集まっていて、詰まっていたのは集めたあとの取り出し口でした。センサーを増やすほど現場の状況は精緻に映し出される一方、それを読み解くための操作量も比例して膨らんでいく。可視化を積み上げた結果として把握そのものが重くなるという逆転が、暗く狭いトンネルという一刻を争う環境で表面化していたのではないでしょうか。

情報の入口を新しい専用画面ではなく、現場監督者が普段から使っているチャットツールに寄せた設計が、この取り組みの核にあります。自然な会話でたずねれば設備の稼働状況が返ってくる形にしたことで、操作の習得という工程そのものが手前から消えました。現場に新しいツールを持ち込むとき、最後に立ちはだかるのは機能不足よりも「覚えるのが面倒」という壁です。既存の習慣の上に情報アクセスを載せる判断は、その壁を回避する現実的な解と言えます。

もう一つ効いているのは、可視化で止めず、異常時の復旧手順というナレッジまで同じ導線に載せた点です。センサーやカメラのデータを見られるだけでは、監督者は「何が起きているか」を知った時点で止まり、次に取るべき行動は別の場所へ探しに行くことになります。データと手順を同じチャット上で連続して引き出せるようにした設計は、状況把握と初動判断のあいだにあった切れ目をなくす狙いだと読み取れます。

土台としては、複数のシステムに散っていたデータを統合型のIoTプラットフォームで束ね、その上に生成AIのアシスタント機能を重ねる二層の構成が採られています。基盤とアシスタント機能はMODE, Inc.が提供し、現場側は山岳トンネル工事という固有の使いどころを持ち込む。この役割分担があったからこそ、チャットという入口の手軽さと、裏側で複数系統のデータを引き当てる仕組みが両立したと考えられます。スマートフォンを起点に据えた点も、坑内という移動の多い環境では効いているはずです。

直感的に情報へアクセスできる環境が整ったことで、日々の点検作業時間は40%削減されました。異常発生時も現場のデータと復旧手順を素早く呼び出せるようになり、初期対応のスピードが大きく向上しています。暗く狭いトンネル内で大型施工機械が稼働する危険な現場を、遠隔からリアルタイムに把握できるようになった点は、作業員の安全確保にもつながっています。今後は研究開発拠点「N-フィールド」でのテストを経て、ダムや道路、ビルなど多様な建設現場への横展開が目指されています。