AIBR プレミアム
拓海先生、最近社内で「建築基準のデジタル化」が話題になっているのですが、正直ピンと来ません。いったい何ができるようになるのですか。
素晴らしい着眼点ですね！大丈夫、一緒にやれば必ずできますよ。端的に言えば、建築基準のような規約をコンピュータが理解できる形に変えることで、設計ミスを減らし、審査や設計の自動化を促進できるんですよ。
それは興味深いですが、現場の書類って言葉の揺れやあいまいさが多いです。どこまで自動化できるのか、投資に見合うかが気になります。
素晴らしい着眼点ですね！要点は三つです。第一に規則のどの部分が機械に解釈可能かを評価すること、第二に機械が解釈可能な条項を自動で抽出すること、第三に抽出結果を下流の自動化に繋げて業務効率化を図ることです。いずれも段階的な投資で賄えますよ。
それはつまり、まずは読みやすい条項だけを優先して機械化するということでしょうか。これって要するに機械に読みやすい条項を自動で選別してくれるということ？
その通りです！素晴らしい着眼点ですね。論文ではテキスト分類という技術を使って、条項ごとに「機械に解釈可能かどうか」を自動判定しています。身近に例えると、書類の中から“すぐにルール化できる行”だけに付箋を付ける作業を機械に任せる感じですよ。
なるほど。しかし実務で使う場合、間違いが出たら困ります。精度はどの程度なのですか。投資対効果を判断するには必要な数値が欲しいのです。
素晴らしい着眼点ですね！学術的な結果では、従来のCNNやRNNベースの手法から大幅にF1スコアが改善しており、論文内の事例では72%台から約93.6%に向上しています。さらに、分類結果を下流の自動化処理に組み込むとその工程の成否率が4%改善したとの報告もあります。
数字として示されると判断しやすいです。では現場導入はどう進めればよいですか。既存の紙文書やPDFが山ほどあるのですが。
大丈夫、一緒にやれば必ずできますよ。現場導入は段階的に進めます。まずは代表的な規約や頻出の条項でモデルを学習させ、次に実運用で出た誤分類を人が修正してモデルにフィードバックする。それを繰り返して精度を高めるのが現実的な道筋です。
それなら段階的投資で試せそうです。最後に一つ、我々のような非専門家でもこの手法を導入できるのでしょうか。
素晴らしい着眼点ですね！要点を三つにまとめます。第一に初期導入はIT部門か外部の支援を使って短期で結果を出すこと、第二に業務担当者が誤分類を修正する運用を組むこと、第三に効果指標（精度や下流工程改善率）をKPI化して評価することです。これなら非専門家でも運用可能です。
わかりました。これまでの話を自分の言葉で確認しますと、まず機械に解釈しやすい条項を自動で判別し、その結果を少しずつ人の業務に組み込むことで、設計や審査の効率が上がるということですね。これなら段階投資で試せそうです。
