WRITING
類推見積AIが「使えない」と言われる前に——精度の限界と前提条件の整理
類推見積とは、過去の類似案件の実績データを元に、新規案件のコストを推定する手法です。「これに似た工事を以前やったはず。あの金額を参考にしよう」という熟練の判断を、AIがデータに基づいて行う——これが類推見積AIの基本的なアイデアです。しかし「過去の実績さえあればすぐできる」という期待と、「実際に機能するまでに必要な条件」の間には大きなギャップがあります。
類推見積AIが「使えない」と言われる3つの理由——期待と現実のギャップ
導入後に「期待より精度が低い」と感じる場合、多くはデータの問題か使い方の問題です。AIの能力不足より、前提条件の整備が問題になっているケースが多いのです。
類推見積AIの精度はAIのアルゴリズムではなく、学習データの「量・質・一貫性」で決まる。データ整備なしのAI導入は精度を保証できない。
実態 過去案件データが100件以上あっても、「工種分類が案件ごとに違う」「同じ工種でも記録項目が担当者によって異なる」という品質問題があると、AIが学習できるデータに絞ると20〜30件になることも珍しくありません。
類推見積AIが機能する4つの前提条件——まず確認すること
「AIを入れれば精度が出るか」の判断前に、以下の4条件を確認してください。4条件がすべて揃っていない状態でのAI導入は精度を期待できません。
機能しない(データ不足)
同じ工種・条件の過去案件が20件未満。件数が少なすぎてAIの学習が成立しない。「珍しい案件」ばかりの場合も同様
機能する(データ十分)
同じ工種の過去実績が50〜100件以上。かつ条件(規模・地域・工法)がある程度類似している。件数よりも「類似案件の件数」が重要
機能しない(品質低)
工種分類・記録項目が担当者や時期によってバラバラ。同じ工事が異なる分類で記録されている。欠損値が多い
機能する(品質高)
工種分類が統一されている。主要項目(規模・工期・単価・条件)が一貫して記録されている。欠損値が10%以下
機能しない(類似性不明)
「類似案件」の定義が曖昧。橋梁工事を全部類似とみなすと、規模・条件の差が大きすぎてAIが誤学習する
機能する(類似性明確)
「PC橋・スパン50m以内・都市部・地盤良好」のように類似条件の定義が具体的。条件が具体的なほどAIの精度が上がる
見分け方 データ件数は多くても、AI学習に使える件数は「条件を絞ったときの件数」で見ましょう。「橋梁工事100件」でも「条件を揃えると15件」になることがあります。絞ったときの件数で判断することをお勧めします。
類推見積AIの精度の限界——「外れる」ことが多いケースを知る
類推見積AIが最も苦手とする状況を先に把握しておくことで、「使うべき場面」と「使うべきでない場面」を設計できます。
注意 「類推見積AIが出した金額で入札する」設計は、特殊条件がある案件では過大なリスクになります。AI出力は「参考値」として扱い、最終的な見積金額はベテランの判断と確認を経ることをフローに組み込んでください。
過去データと工種が大きく異なる案件
学習データにない工種・地域・規模の案件では、AIが「最も近い過去案件」を参照するが、その類似度が低い。出力された金額が実態から30%以上ズレるケースが出る。学習データの工種カバー率を事前に確認する。
特殊地盤・急傾斜・海上工事など難工種
難工種は過去案件でもコスト振れ幅が大きく、平均値からの乖離が大きい。AIが平均的な過去案件を参照すると、難工種特有のリスク加算が抜け落ちる。ベテランの目視確認を必須工程に入れる。
資材価格が急騰した直後
学習データが価格急騰前の案件で構成されている場合、単価が古い水準を参照し続ける。インフレ局面では学習データの時点を確認し、最新の単価表と照合する補正を加える。
データ整備から精度確認まで——類推見積AI導入の90日
- 過去案件データの件数・品質・分類の現状調査
- 「AI学習に使える条件を揃えた案件数」の算出
- 工種分類・記録項目の統一状況の確認
- 「まず試す工種・条件」の絞り込み(最も案件数が多い1工種)
- 絞った工種の過去案件データを整備(記録項目の統一)
- 整備後のデータ(50件以上を目標)でAIを試作
- 「既知の案件」でAIの精度を検証(答え合わせ)
- 精度が出ない場合の原因特定(データ量・品質・類似性定義)
- 「精度が出る条件・出ない条件」の明文化
- AIと人間の役割分担(どの案件にAIを使い、どこで人間が判断するか)の設計
- 見積フローへの組み込みと担当者研修
- 最初の3か月の精度追跡と改善サイクルの開始
目安 「AI推定値と実績値の差が±15%以内」が最初の精度目標の目安です。それより差が大きい場合は、データ品質またはデータ件数に問題がある可能性が高いです。差の大きい案件のパターンを分析することが、精度改善の出発点になります。