建設現場DXを支えるAR進捗管理アプリ導入事例

ユースケース概要と課題認識

株式会社スマートビルドの佐藤社長は、複数の建設現場をリアルタイムに把握できる「システム」を構築したいと考えていました。従来は現場作業員が手書きで進捗を報告し、本社で図面と照合するために膨大な「費用」と工数が発生していました。紙ベースの報告書は誤記や紛失が多く、定例会議の度に最新情報を集める手間が課題でした。これらを解決するため、AR（拡張現実）技術を用い、スマホやタブレットで現場の完成予想図と実際の進捗を重ねて可視化するアプリの開発を決断。アプリ上に仮設現場足場や配管位置を重ね合わせることで、現場管理者は遠隔地からでも簡単に進捗状況を把握できるようになります。これにより、従来の紙報告書作成にかかっていた1現場当たり月20時間、年間約¥600,000のコストを削減することを目標に設定しました。プロジェクトを成功させるには、現場ごとのレイアウトデータを3Dモデル化し、AR描画エンジンとモバイルアプリを連携する技術的チャレンジがありました。また、複数の建設会社とも連携し、図面データのフォーマット統一やAPI連携仕様の決定など、調整コストも無視できません。こうした背景から、発注前に要件を綿密に整理し、開発会社の選び方と予算策定を慎重に進める必要がありました。

開発会社選定と予算策定のポイント

佐藤社長はまず複数の開発会社にRFPを発行し、AR実績、3Dモデル処理能力、IoT連携経験を評価基準に設定しました。A社はUnityベースのAR開発実績が豊富でしたが、ライセンス料込みで見積もり相場が¥15,000,000と高額でした。B社はWebベースのARライブラリを活用し、初期費用を¥8,000,000で抑えられる提案を行いましたが、3D図面処理のパフォーマンスに不安が残る内容でした。C社は自社開発の軽量ARエンジンを持ち、¥10,000,000程度の「費用」で3Dモデル最適化とモバイル向け描画を両立できるとアピールしました。最終的にC社を選択したのは、要件定義の段階で「発注」後に追加コストが発生しにくい見積もり内容と、過去に建設業界向けシステム開発を手掛けた実績が評価されたためです。予算策定にあたっては、PoCフェーズ（¥2,000,000）、本開発フェーズ（¥6,000,000）、保守フェーズ年間（¥1,200,000）を別途設定し、年間TCOを¥9,200,000と試算しました。課題となった3D図面フォーマット統一や現場ネットワーク環境の整備は要件定義書に明記し、相場観を持った上で交渉を進めた点が成功の鍵でした。

プロジェクト計画と要件定義

C社との初回キックオフでは、PoC用に3現場のテスト環境を用意し、3Dモデルデータ取得～AR描画～進捗記録までの一連フローを2週間以内に確認するスケジュールを立案しました。要件定義では以下の項目を細分化しました。

• モバイルアプリの動作OS（iOS/Android）およびハード要件

• 3D図面フォーマット（IFC、Revit、OBJなど）のサポート範囲

• AR描画エンジンの開発／既存ライブラリ活用の検討

• 現場ネットワーク環境（LTE/5G/Wi-Fi）の利用可否

• バックエンドAPI（GraphQL）設計と3Dモデル配信仕様

• UI/UX要件（認証、進捗入力画面、マーカー検出）

• セキュリティ要件（データ暗号化、アクセス権限管理）

• 費用／予算レンジごとの優先度設定

これらの要件を洗い出し、ユーザーストーリーを50件作成。現場管理者と施工責任者を含むワークショップを開催し、実際の業務フローを確認しながら要件を確定しました。要件定義書には各項目の優先度と見積もりの前提条件を明記し、後続の設計フェーズでスコープ変更が発生しないようにリスクを最小化しました。

課題発覚と設計変更の教訓

PoCフェーズ終了後、現場でARマーカーの読み取り精度が気温変化や直射日光で低下し、進捗データの精度が確保できない課題が発覚しました。特に、夏場の野外現場では画面が見えづらく、マーカー検出率が60％を下回るケースもありました。この課題を受けて、設計変更として以下の対策を実施しました。

• パターン認識型ARライブラリからSLAM（Simultaneous Localization and Mapping）ベースのARCore/ARKit利用へ切替

• マーカー不要の平面検出機能を導入し、物理的なマーカー貼付コストを削減

• 3Dモデルと現場地形を紐付けるGPS連携を追加し、大まかな位置補正を実装

• 進捗記録UIを音声入力と組み合わせ、屋外での操作性を向上

• テスト現場を追加し、多様な環境下での動作検証を実施

これらの設計変更により、PoCで想定外とされた部分を改善できましたが、追加工数約100時間、¥1,000,000の費用が発生した点は大きな教訓となりました。特に、AR技術適用範囲を要件定義で厳密に落とし込むことと、マーカーレスARの選択肢を事前に評価することが重要であると痛感しました。

実装フェーズ：ARエンジン統合と3Dモデル最適化

実装フェーズでは、要件定義で合意したSLAMベースのARCore／ARKitを中心に、C社の軽量ARエンジンと連携させる作業がメインとなりました。まず3D図面データをPrismaで定義されたスキーマから抽出し、glTF形式へ変換するバッチ処理をNode.jsで構築。図面の頂点数が多いと描画負荷が高まるため、バッチ処理時にMesh Simplificationアルゴリズムでポリゴン数を30％削減しつつ、見た目の精度を90％以上維持する工夫を行いました。
次にモバイルアプリ側では、Kotlin（Android）・Swift（iOS）それぞれにARModuleをラップした共通ライブラリを作成。ARCoreとARKitのAPI差分をFacadeパターンで吸収し、ビジネスロジックは共通化することで、二重実装の工数を最小限に抑えました。API通信はGraphQLサーバーを経由し、3Dモデルのバージョン管理やキャッシュ制御を実現。Apollo iOS／Androidでのキャッシュキー設計には苦戦しましたが、クエリ単位でのTTL設定を工夫し、不必要なデータ転送を70％カットしました。
画面UIはReact Nativeを一部採用し、図面上にタッチ操作でマーカーを配置できる機能を実装。マーカー配置情報はREST APIでバックエンドに送信し、進捗記録としてDBへ保存。オフライン状態の現場でもローカルストレージに一時保持し、復帰時に自動同期する仕組みを追加しました。これにより、回線が不安定な建設現場でも操作性を担保できます。
実装全体の工数は約600時間、初期「予算」¥6,000,000のうち55％を投入しましたが、共通ライブラリ開発とMesh Simplificationロジックが効率化に寄与し、後続機能追加の「費用」拡大を予防できました。

テスト戦略と現場検証

テストフェーズではユニットテストに加え、現場検証を重視しました。ユニットテストはJestとXCTestで共通APIロジックとデータ変換バッチをカバーし、カバレッジは95％を達成。UIテストはDetox（React Native）とEspresso（Android）で主要操作フローを自動化しました。
一方、現場検証では3つの試験現場を選定し、ARマーカー検出率やSLAMトラッキング精度を実際の建築物で計測。気温30度環境や強光下、粉じん飛散下など実地に近い条件下で50以上のケースをテストし、マーカー検出率95％、平面認識精度90％をクリアしました。また、操作性評価では管理者10名からアンケートを取得し、「操作のしやすさ」「位置ずれの少なさ」「レスポンス速度」に関する定量評価を実施。平均4.2点／5点の高評価を得られたため、本番展開への確信を深めました。
さらに、セキュリティテストではOWASP Mobile Top 10をベースに静的解析ツールと動的解析ツールを組み合わせ、脆弱性をゼロ件でクリア。これにより、現場での情報漏えいリスクを事前に排除できました。

本番ローンチと切り戻し戦略

本番展開はリスク管理を最優先し、ステージング→パイロットローンチ→全社展開の3段階で実施しました。パイロットローンチでは3現場×10名体制で1週間運用し、ネットワーク負荷や同期トラブルを確認。問題がなかったため、全社250名体制へのフルローンチを2日間のメンテナンスウィンドウで行いました。デプロイはBlue/Green方式を採用し、旧バージョンと新バージョンを並行稼働。DNS切り替えとIngress設定の自動化によりダウンタイムはゼロを達成しました。
切り戻し戦略として、マイグレーションスクリプトとデータ整合性チェックを事前用意し、万が一の不整合時に旧シェルへ瞬時に戻せる仕組みを構築。これにより、実際に小規模DB不整合が発生した際も10分以内に復旧が完了し、現場混乱を最小限に抑えられました。運用担当からは「切り戻しプロセスがスムーズで安心感がある」と高い評価を得ています。

運用保守体制構築とKPI管理

リリース後はC社との年間保守契約に基づき、24×365のサポート体制を確立。SLAは初動対応1時間以内、完全復旧8時間以内を明文化し、チケットシステムとPagerDutyを連携しました。
モニタリングにはPrometheus＋Grafanaを利用し、ARトラッキング失敗率、APIエラー率、同期遅延時間をダッシュボードで可視化。毎朝8時にはレポートを自動Email配信し、KPIとして「稼働率99.5％」「同期遅延平均1分以内」「レポート提出時間20分短縮」を設定しました。これにより、運用チームはパフォーマンス劣化兆候を迅速に察知でき、未然対応が可能となりました。

効果測定とROI算出

導入から半年後の効果測定では以下の成果を確認しました。

• 報告書作成工数削減：月20時間→月2時間（90％削減）、年間約¥540,000節減

• トラブル再発コスト削減：図面誤読による手戻り工数50時間→10時間（80％削減）

• 現場作業効率向上：遠隔確認で往復移動時間月10時間削減、年間¥300,000相当

• ユーザー満足度：現場管理者アンケートで「使いやすさ」が4.2→4.8に上昇

初期開発費用¥8,000,000＋保守費用年間¥1,200,000に対し、年間効果は¥540,000＋¥400,000＋¥300,000＝¥1,240,000＋非金銭効果（品質向上）で、ROIは(1,240,000−1,200,000)÷8,000,000×100≒0.5％。運用コスト削減と品質向上により、2年目以降は黒字転換が見込める試算です。

今後の拡張計画と学び

今後はAI画像解析による自動進捗判定機能、ドローン連携による広域マッピング、IoTセンサーを組み合わせたリアルタイム安全監視を計画中です。今回学んだ最大の教訓は、「現場環境の多様性を要件定義段階で徹底的に洗い出すこと」と「AR技術の限界をPoCで早期に検証すること」です。開発会社選びでは、ARとIoTの両領域に強いパートナーを選び方の基準にすると、予算・相場を超えたリスクを回避できるでしょう。まずは