NTTコムウェアと長崎大学、橋の維持管理に生成AI導入　診断時間57％削減で修繕コスト最適化へ

2025年5月22日、NTTコムウェアと長崎大学など4者は、橋の維持管理に生成AIを活用する実証実験を開始したと発表した。長崎県内の13橋を対象に診断業務の効率化や修繕コストの最適化に向けた取り組みで、日本国内での先進的なインフラAI活用事例となる。

生成AIが橋の診断業務に革命　作業時間を大幅短縮

NTTコムウェア、長崎大学、溝田設計事務所、長崎県建設技術研究センターは、橋の維持管理における診断業務を高度化するため、2025年4月から5月にかけて実証実験を行った。
対象は、長崎県内の13の橋梁である。

この実証では、点検結果として収集された損傷種別・損傷程度・橋の構造情報などのデータ、ならびに国土交通省や自治体の点検要領、診断ノウハウを活用する。
これらをもとに、NTTドコモの生成AIエージェントが診断案を作成し、従来の手法と比較する形で評価を実施した。

その結果、1橋あたりの診断に要する時間は約57％削減され、診断結果のばらつきも低減。加えて、生成AIによる所見の提示が、修繕の優先順位付けや適正化につながる可能性が示された。

生成AIがインフラ老朽化対策の鍵に　技術継承とコスト抑制の両立へ

今後、NTTコムウェアらは診断業務にとどまらず、修繕計画の策定支援や劣化予測AIの導入も視野に入れている。インフラの「点検・診断・措置・記録」のメンテナンスサイクル全体に生成AIを適用し、ライフサイクルコストの最適化を目指す方針だ。

特に期待できるのは、技術継承の側面である。
少子高齢化により、橋梁診断の担い手が不足する中、AIによるノウハウの可視化と蓄積は、技術者育成や業務の標準化に大きく貢献すると考えられる。

一方で、AIの判断に過度に依存することによるリスクも無視できない。
診断結果の解釈や最終判断には、依然として人間の経験と責任が求められる場面が多く残ると思われる。信頼性や説明可能性（※）の確保が、今後の実用化に向けた課題となるだろう。

今回の取り組みは、老朽化が進む全国のインフラ維持管理におけるモデルケースとなる可能性がある。地方自治体や建設業界にとって、生成AIの本格導入は避けて通れないテーマになりつつあるのではないだろうか。

※説明可能性：
AIが導き出した結果や判断について、人間がその根拠や過程を理解・説明できる状態のこと。特に公共インフラや医療など高い責任を伴う分野で重視される。