「勘」や「コツ」といった、言葉で説明しづらい技術。
これまでは「人間にしかできない仕事」の代名詞のように語られてきました。ところが今、建設現場でその常識を静かに覆す実証実験が始まっています。
清水建設が発表した、ロボットアームによる塗装作業の自動化です。単なる自動化ではありません。熟練職人の「手加減」そのものをAIが学習し、現場ごとの違いに合わせて自分で動きを調整する——そんな仕組みが、すでに動き出しています。
この記事では、その技術の中身をできるだけ平易にひもときながら、「自分の仕事は大丈夫か」と考えるビジネスパーソンに向けて、そこから読み取れるキャリア戦略のヒントをお伝えします。
1. 「数値で命令する」から「動きをそのまま渡す」へ
これまでの産業用ロボットは、人間が細かい数値を一つひとつプログラムして動かすものでした。「ここまで動け」「この角度でこの力を加えろ」という指示を、事前にすべて決めておく必要があったのです。
この方法には弱点がありました。工場のように環境が一定であれば問題ありませんが、建設現場は毎回条件が違います。部材の反り、気温、湿度——同じ指示では通用しない場面が必ず出てきます。
そこで採用されたのが「模倣学習(Imitation Learning)」という考え方です。
| 従来型の制御 | 模倣学習 |
|---|---|
| 人間が数値を計算し、コードに落とし込む | 職人の動きをセンサーで記録する |
| 環境が変わると誤作動しやすい | 現場の違いにAI自身が合わせにいく |
| 「正解」を毎回書き直す必要がある | 一度学習すれば汎用的に使える |
熟練の塗装職人がアームを動かしたり、専用のセンサーグローブをつけて作業をしたりすると、その手首の返し方やスピードの変化、力の入れ具合を、AIが直接データとして取り込みます。そこから「この角度のときは、これくらいの力で押し付けている」という、言葉にしづらい暗黙知のパターンを、AI自身が見つけ出していくのです。
2. 現場の「個体差」にその場で適応する
もう一つ興味深いのが、部材ひとつひとつの違い(個体差)への対応です。
工場出荷時にはミリ単位で管理されている資材でも、現場に運ばれる間や施工時の環境によって、わずかな歪みや反りが生じます。人間の職人は、これを無意識に感じ取って手加減を変えていますが、これこそが「代替不可能」と言われてきた部分でした。
清水建設のロボットアームは、先端のセンサーで対象物との距離や反発力を常に感知し、コンマ数秒単位で塗布の圧力や角度を微調整します。人間が無意識にやっている「ここは少し沈んでいるから、もう少し押し込もう」という感覚的な調整を、AIがセンサーデータを通じて再現しているのです。
3. これは「他人事」ではない、という視点
ここまで読んで、「建設業界の話でしょう」と感じた方もいるかもしれません。しかし、注目してほしいのは技術の中身よりも、その構造です。
- これまで「言葉で説明できない」という理由で守られてきた仕事がある
- そこにAIが「動きそのものを学習する」という手段で入り込んできている
- 対象は「塗装」だけにとどまらない
この構造は、あなたの職種にも当てはまる可能性があります。営業の「間合い」、接客の「気配り」、マネジメントの「さじ加減」——これらもまた、言葉にしづらいという理由だけで、これまで自動化の対象外だと思われてきた領域です。
だからこそ今必要なのは、「AIにはできない」と決めつけることではなく、自分の仕事のどこが「模倣学習」の対象になりうるかを、先回りして把握しておくことだと考えています。
まとめ:暗黙知は「守る」から「資産化する」時代へ
熟練技能をAIがアーカイブし、劣化しないデジタル資産として蓄積していく——この流れは、建設業界に限らず、あらゆる専門職に広がっていくはずです。
大切なのは、恐れることでも、無理に対抗することでもありません。自分の持っている暗黙知を早めに言語化・構造化し、AIと共存しながら価値を発揮できるポジションを見つけることです。
この視点をさらに深く掘り下げた考察を、Substackの有料マガジンで公開しています。清水建設がなぜ自社だけでロボットを抱え込まず、他企業を巻き込んだ「AIエコシステム」の構築を急ぐのか——その裏側にあるビジネス構造まで踏み込んで解説していますので、ぜひあわせてご覧ください。
👉 Substack本編を読む：建設フィジカルAI 2.0が描く「自律ロボット×AIエコシステム」の衝撃
関連記事