AI 数量拾い vs 手動数量拾い：本当に変わるもの
「数量拾いが 10 倍速い」。建設業向け AI ツールのデモは必ずこの約束から始まります。実際の見積りチームを 18 か月観察すると、この数字は真実であると同時に誤解を招くものでもあります。確かに AI は計数パスを 10 分の 1 にしますが、このパスは数量拾い全体の時間のごく一部にすぎません。本当の節約はほかの場所にあり、誤った数値を過信するリスクも現実のものです。本記事では、従来の手動数量拾いと AI 支援数量拾いを 6 つの測定可能な軸（生の時間、精度、エラー率、学習曲線、直接コスト、隠れたコスト）で比較します。フランスとスイスの住宅・業務系 200 件の物件パネルから 18 か月間にわたって監査したデータに基づきます。
生の時間：10× ではなく 4×〜6×
75 m² の 3LDK アパート図面 1 件の手動数量拾いは、シニア見積担当者で平均 95 分かかります：紙図面のキャリブレーション 15 分、ドア・窓・ラジエータの計数 35 分、床面積と間仕切り線長の計算 20 分、Excel への入力と相互照合 25 分。同じ図面を AI ツールで処理して検証する場合、平均 18〜22 分：自動解析 30 秒、検出の検証 12〜15 分（2〜3 件の誤りを修正、1〜2 件の漏れを追加）、エクスポートと内訳書への統合 5 分。
この 4×〜6× の比率は営業資料の「10×」を下回ります。なぜなら、ベンダーは AI の生のパス（30 秒対 5 時間の再描画）だけを数え、上流（PDF 準備）と下流（検証、内訳書への統合）の工程を無視するからです。月 50 件のポートフォリオでは、この 4×〜6× でも月 60〜80 時間の節約に相当します—より高付加価値の業務に振り向けられる半人月の解放です。
精度：mAP はゼロエラーではない
ベンダーは 95% の mAP@0.5（IoU 閾値 0.5 における mean Average Precision）を謳います。学術的には正直な指標ですが、実務に翻訳すると：検出された 100 個の開口部のうち 95 個は正しく、5 個は検出漏れ、誤分類、または位置ずれです。ドアと窓が 60 個の図面では、平均 2〜3 件の誤りを想定すべきです。良いニュース：これらの誤りは体系的で、検証時に発見しやすい（人間なら 1 件 5 秒で気付きます）。悪いニュース：検証を飛ばす急いだオペレーターは、2〜5% ずれた数量を納品する可能性があり、これはしばしば工種の利益率を超えます。
手動数量拾いも同等のエラー率を持ちます—社内調査では一日の終わりの手動計数で 3〜7% のエラーが計測されます—ただしこれらのエラーはランダムで、視覚的なクラスタがないため検出が困難です。勝利の組み合わせ：AI + チェックリストによる体系的検証。これでエラー率が 1% 未満になります。
学習曲線：2 日ではなく 2 週間
SaaS ツールのマーケティングは、2 時間のオンボーディングで生産的になれると示唆します。現場では二段階の学習曲線が観察されます：最初の 5 件（約 1 日）では、オペレーターは過剰に修正し、すべての検出を検証することで時間を浪費します。10〜30 件目では、AI が体系的に失敗する箇所（典型例：30° 斜めのドア、テラスドアの下の窓、スライド式出窓）を学びます。50 件目以降は、「信頼ゾーン」の直感が育ち、図面ごとに 3〜4 か所の重要エリアだけをズームするようになり、さらに 30% の時間を節約します。
この曲線は営業の謳い文句（「初日から生産的」）より長いものの、従来の CAD ツール（Revit で 3〜6 か月）よりはるかに短いものです。研修予算としては、ビデオチュートリアル 2 時間に加えて指導付きの実践 2 週間—約 1 人週分。CAD スイートの切替よりはるかに少ない投資です。
隠れたコスト：販促資料には書かれていないもの
実際の導入では 3 つの隠れたコストが浮上します。第一：受領 PDF の品質のばらつき。2002 年にアーカイブされ 100 dpi でスキャンされた図面は、最近のネイティブ PDF より検出の信頼性が低くなります。場合によっては前処理層（傾き補正、コントラスト調整、第三者ツールでの 2 倍アップスケール）の追加が必要で、図面あたり 5 分加算されます。
第二：社内内訳書への統合。見積ソフトウェアが独自フォーマット（楽王、見積大臣、コスモスアール）を要求する場合、AI ツールの Excel エクスポートだけでは不十分で、VBA マクロまたは API 統合による変換が必要です。一度きりのセットアップに 1〜3 日、以降は無料。
第三：レピュテーションリスク。検証なしで納品された AI 数量拾いが、特定防火対象物の防火扉に誤りを含んでいた場合、検査落ちのコストにつながり得ます。対策：社内監査プロトコル—すべての AI 分析は署名前に 8 項目のチェックリストを通過させます。実質的な節約と未測定のリスクを分けるのは、ツールそのものよりこのプロトコルです。
手動が依然として優れる場面
3 つの状況では、依然として 100% 手動の数量拾いが優勢になります。第一に、ごく少量：月 3 件未満では年額 8 万〜35 万円のサブスクリプションを正当化できません。第二に、極めて非典型的な図面：フリーハンドのスケッチ、独自のグラフィック規約を持つ歴史的建造物の図面、非標準記号を用いた海外（アジア圏）の図面—これらでは AI の mAP は 60〜70% に落ち、検証コストが再描画コストを上回ります。第三に、各エンティティのトレーサビリティを法的理由から手動で行う必要がある監査要件の高い案件（司法鑑定、係争中の都市計画案件）。
それ以外のすべて—すなわち平均的な設計事務所の日常フローの 80〜90%—では、AI + 検証の組み合わせが純粋な手動に明確に勝ります。条件は 2 つ：人間の検証なしに納品しないこと、そして使用ツールのエラーパターンを認識できる訓練されたオペレーターを常駐させること。
AI 数量拾いの実数はマーケティングほど派手ではありませんが、確実にプラスです：4×〜6× の時間節約、適切な検証プロトコルで最終エラー率 1% 未満、月 10 件以上を処理する事務所で投資回収期間 3〜8 か月。鍵はツール単体ではなく、ツール + 検証プロセスというペアです。2026 年に AI 数量拾いを本当に産業化した企業は、最も精度の高い AI を持つ企業ではありません—平均的な AI 精度を納品ファイルの技術保証に変える監査チェックリストを文書化し、教育し、施行した企業です。