業界の課題
AEC業界では、価値ある知見が「検索しにくい形式」のまま閉じ込められてしまうことが少なくありません。設計者や施工担当者は、PDF・図面・写真・Word・手書きのメモなど、さまざまなドキュメントに注意事項や決定事項を記録しますが、これらのファイルは点在するフォルダやアーカイブに置かれがちです。
時間が経つにつれて、過去の知見を取り出せず、すでに分かっていることを再度検討したり、同じミスを繰り返したりしてしまいます。実際、企業データの80〜90%は非構造データであり、データベースに格納されない形式のままと推計する調査もあります。これでは従業員が成果につながる作業ではなく、情報検索に勤務時間の約30%を費やしている可能性があると言われても、不思議ではありません。
世界のデータの大半は非構造である。
だからこそ、それを分析し、行動につなげる能力は大きな機会になる。
Mikey Shulman, Head of Machine Learning at Kensho
プロジェクト報告書や設計図、手書きの注釈が、瞬時に検索できるようになったらどうでしょう。企業はミスの繰り返しを避け、過去の業務から学ぶことで、プロジェクトの立ち上がりも速められます。
活用可能なナレッジへ変換｜KnowledgeBuilder
KnowledgeBuilderは、社内に眠るデータをAIによって構造化することで、検索可能なナレッジデータベースへと変換するツールです。フォルダに埋もれていた知見が瞬時に検索可能になることで、よりスマートな設計と繰り返されるミスの減少につなげます。（製品ページはこちら）
KnowledgeBuilderが、既存ドキュメント（図面・写真・PDFなど）から重要な情報を自動的に抽出・データベース化するため、検索するだけで過去にどのような事例が存在するか、すぐに見つけられます。ナレッジにアクセスしやすくすることで、知見を再利用し、さらには過去事例から新たなアイデアを生み出すことにもつながります。
特徴的な機能
- 自然言語によるデータ抽出と構造化：AIを用いることで、非構造ファイルを取り込み、自然言語の指示にもとづいてデータを抽出できます。例えば、「これらのファイルから図面種別と作成日を抽出して」と入力すれば、その情報を自動的に抽出します。この自然言語処理のアプローチにより、非エンジニアでも、非構造化データからどのように知見を引き出すかを設定できます。
- 多様なファイル形式に対応：単一のファイル形式に限定されず、PDF・Word・CAD図面・画像・手書きのメモなど、幅広い形式に対応します。AIは、図表や画像内の文字も読み取り、レイアウトに依存せずに対象データを抽出できます。
- セマンティック検索：構造化されたナレッジに高速かつ直感的にアクセスできる統合検索インターフェースが搭載されています。このAI検索により、ナレッジベース全体を自然言語で検索できます。文脈や専門用語も理解するため、「20mを超えるスパンで鉄骨トラスを採用したプロジェクトを表示」や「音響問題に言及した議事録を探して」といった質問が可能です。
▶︎KnowledgeBuilderのオンラインデモはこちら。登録不要で体験できます！
非構造データを、設計の知能へ
KnowledgeBuilderが目指しているのは、単なる「検索の効率化」ではありません。
AIによって解析・構造化された設計データは、KnowledgeBuilder上に継続的に蓄積され、企業固有のナレッジ資産となっていきます。
こうして蓄積されたナレッジは、類似事例の検索や過去図面の参照にとどまらず、将来的には「どの条件で、どのような設計判断が選ばれてきたのか」といった設計傾向の把握や統計的な分析にも活用可能になります。さらに、十分なナレッジが蓄積されれば、AIが過去事例から学習し、初期検討や設計案作成を支援する ― そんな「設計インテリジェンス」への展開も現実的になってきます。
人の頭や個人フォルダに閉じ込められてきた知見を、組織として学習し続けるための基盤へ。
KnowledgeBuilderは、AEC業界が長年抱えてきた「知見はあるのに、活かせない」という課題を、次のフェーズへ進めるための一歩です。
KnowledgeBuilderの考え方や具体的な機能については、製品ページで詳しく紹介しています。
