生成AIで空き家の老朽危険度を写真判定、森ビルと自治体の実証プロジェクト

実証の舞台となった自治体では、空き家調査を職員の現地での目視確認に頼っており、工数がかさむうえに評価へ主観が入り、結果がばらつきやすい状態が続いていました。ではAIに任せればよいかというと、従来型の機械学習では数千から数万枚規模のラベル付き教師データが必要で、小さく試すことすら費用と時間の面で難しかったわけです。

編集部の見立てでは、この困りごとの本質は調査件数の多さそのものではなく、「どこを見て危ないと判断するのか」という基準が個々の職員の経験の中にしまわれたままで、外に取り出せていなかった点にあります。しかも教師データを集めるという従来の解決策は、その取り出せていない基準を大量の写真へ翻訳し直す作業にほかならず、入り口の負担が課題の重さを上回ってしまう構図でした。

判断の根拠を、教師データではなく自然言語の指示に置き換えた設計が起点になっています。事前に学習済みの知識を持つマルチモーダルLLMを使い、「草木が建物を覆っている」「窓ガラスが割れている」といった状態を言葉で指定すれば判定できる形にしたことで、基準づくりの作業が写真の収集から文章の記述へ移りました。開発の過程では、一般的な言い回しよりも建築用語を明示的に指定したほうが正確な結果を得られることが分かっており、現場で使われている語彙こそが判定基準として機能するという発見も含んでいます。

問いの粒度を落として答えを安定させる進め方も、精度を支える柱です。一度に複数の判定を求めるのではなく1問1答の形に分けて実行し、窓が開いている状態を外壁の破損と取り違えないよう条件を足したり、写真の遠近感によって建物が傾いて見えるケースへ個別に対応したりと、誤りのパターンを一つずつ条件として積み上げています。AIの賢さに委ねるのではなく、設問の設計側で答えの揺れを抑えにいく判断です。

さらに、判定結果だけでなくその根拠を文章で返させる設計が、改善を回す仕組みとして効いています。誤判定が起きたときに理由を読めば、どの指示が曖昧だったのかを特定してプロンプトを直せるため、勘に頼らず修正できる。リクエスト制限に備えて並列処理とリトライ制御を組み込み、大量の判定をまとめて自動取得できるようにした点も、検証の回転数を上げるための土台と読めます。

従来の目視中心の調査と比べ、効率化の可能性を強く示す成果が得られています。写真のアップロードだけで老朽危険度を判定できる仕組みにより、評価の主観性を排して迅速かつ客観的に判定できる可能性が示されました。大量の教師データを準備せずに短期間でPoC（小規模な試験導入）まで到達できたこと自体も、この手法の裏づけになっています。自然言語で判定条件を足せることから、自治体ごとに異なる基準への対応も視野に入り、今後の自治体DXや社会課題解決に向けた活用可能性を検討していく段階にあります。