ヤマサの建設関連DX事例｜AI判別と内製化で業務を軽くする

結論

建設関連事業でAI活用を考えるなら、営業、受発注、在庫、原材料判断をデータとして残すこと が出発点になります。

経済産業省のDXセレクション2024選定企業レポートとヤマサの公開情報では、長野県松本市の株式会社ヤマサが、IT人材の採用、デジタル推進課の新設、内製化体制の構築を進めたことが紹介されています。同社は建設関連事業、燃料、食糧、ドライアイス、デジタル事業などを展開し、建設資材営業活動ツール、セメント受発注・在庫管理システム、原石AI判別システムなどに取り組んでいます。

この事例は、建設会社そのものだけでなく、建設資材や原材料を扱う会社にもAI活用の余地があることを示しています。

公開事例の要点

ヤマサの事例では、ITベンダー頼りによる価格交渉力やスピードの課題を背景に、IT人材を採用し、デジタル推進課を設けて内製化体制を整えたことが紹介されています。

DX推進方針は、共通業務、固有業務、研究開発、知財化の4領域に整理されています。建設関連事業では、営業活動ツールやセメント受発注・在庫管理システムが取り上げられています。

さらに、原石AI判別システムの開発や特許取得も紹介されています。AIを単なる便利ツールではなく、現場判断や研究開発、知財化につなげている点が特徴です。

中小企業がまねしやすい順番

最初に見るべきは、営業と受発注の情報です。建設資材では、見込み案件、顧客ごとの問い合わせ、見積条件、納期、在庫、配送条件が分散しやすくなります。ここを整理すると、営業判断や受発注確認の効率化につながります。

次に、在庫や原材料の判断を記録します。AI判別をいきなり作るのではなく、熟練者が何を見て判断しているか、判断結果がどうだったか、どの条件でミスが起きやすいかを残します。

最後に、内製と外注の役割を分けます。現場の小さな改善や画面修正は内製が向きます。一方で、基幹システム連携、セキュリティ、AIモデル開発、特許や契約に関わる領域は外部専門家の支援を使う方が安全です。

導入時の注意点

AI判別や営業支援を入れるとき、過去データが不十分なまま始めると、期待した精度が出ない可能性があります。まず、入力条件、判断結果、例外対応をそろえる必要があります。

また、建設資材や原材料の判断は、品質、安全、契約に関わることがあります。AIの出力をそのまま採用するのではなく、担当者が確認し、判断履歴を残す運用にします。

ヤマサの事例から学ぶべき点は、AI単体ではなく、データ、内製化、研究開発、現場業務をつなげていることです。中小企業でも、まずは営業活動や受発注のような身近な業務から同じ考え方を取り入れられます。

参考にした公開事例

この記事は、経済産業省のDXセレクション2024選定企業レポートと、ヤマサの公開情報を参考にしています。

• 経済産業省: DXセレクション2024選定企業レポート
• 株式会社ヤマサ: DXセレクション2024優良事例選定のお知らせ

次に読む記事

製造・建設周辺のAI活用を続けて見るなら、町工場でも使える製造業のAI活用例 と 建設・物流業のAI活用例 が参考になります。