1.AIに仕様書を読ませれば、必要な情報が集まる?
HLR Calculation Engineを開発するうえでは、点検頻度や作業人数、作業時間など、さまざまな情報が必要です。
そこで、仕様書や積算基準などの資料をAIに読み取らせれば、必要な情報を効率的に集められるのではないかと考えました。しかし、実際の計算に使うことを考えると、別の問題が見えてきました。
それは、同じ作業について複数の資料が存在する場合、どの情報を採用すべきかという問題です。
2.同じ作業でも、資料によって条件が違う
例えば、橋梁の点検作業について、次のような資料があったとします。
| 参照資料 | 記載されている情報の例 |
|---|---|
| 国の点検要領 | 点検の基本的な方法や頻度 |
| 自治体の点検基準 | 地域の管理方針に応じた条件 |
| 業務積算基準 | 作業数量や必要な労務の算定方法 |
| 過去の点検実績 | 実際に要した人数や作業時間 |
これらは、必ずしも同じ目的で作られた資料ではありません。
また、発行年度や適用対象によっても条件が異なることがあります。
したがって、資料に数字が書いてあったからといって、そのまま計算に採用できるとは限りません。
3.大切なのは「どの資料を採用したか」
例えば、ある橋梁の点検作業について、2つの資料に異なる作業条件が記載されていたとします。
資料の採用判断(説明用の架空例)

実際には資料の適用範囲や信頼性も確認して判断します。
このような場合、4人×2日という数字だけを保存しても、後からなぜその条件を採用したのか分かりません。
そこで、採用した資料の名称、版や発行年度、参照箇所、採用理由なども記録する必要があります。
ここでは、計算結果から入力条件へ、さらにその根拠資料までたどれることの重要性を紹介します。
4.AIは資料を探せても、採用判断には別の仕組みが必要
AIは、大量の資料から関連する情報を探し、比較表を作るような仕事を支援できます。
しかし、複数の資料に異なる条件が書かれている場合、どれを正式な計算に採用するかは、対象施設や計算目的によって変わります。
そのため、AIが取り出した数字をそのまま計算エンジンに渡すのではなく、採用する条件と根拠を確認する工程が必要になります。
この考え方は、以前紹介したInput Assemblyにもつながります。
5.数字の出どころまで説明できる計算エンジンへ
最後に、今回の開発上の気づきをまとめます。
HLR Calculation Engineでは、同じ条件なら同じ答えが出ることを大切にしています。
しかし、その条件自体がどのように決められたのか分からなければ、計算結果を十分に検証することはできません。
だからこそ、計算に使った数字と、その根拠となる資料を結びつけて管理する仕組みが必要だと考えました。
計算に使う数字を集めるだけでは、十分ではありませんでした。
その数字を、なぜ採用したのか。
HLR Calculation Engineには、計算結果だけでなく、数字の出どころまで説明できる仕組みが必要なのです。
