【モデルケース】設備点検の報告書作成をAIで。月1,200件の写真を任せられるか

本記事はモデルケースです。 特定企業の実際の導入事例ではありません。設備点検の報告書作成に AI を入れる場合の費用・効果・体制を、一般的な条件をもとに構成したものです。実際の数値は要件によって変動します。

点検そのものは、現場に行かなければ終わらない。AI で削れるのは帰ってきてからの時間である。

写真を撮り、所見をメモし、事務所で報告書に書き起こす。この最後の工程が、点検 1 件あたり 20 分を超えている現場は多い。ここに AI を入れる案件は、見積もりが割れやすい。写真を判定させる話と、文章を書かせる話が混ざるからである。

点検報告書と現場写真、画面の左右をつなぐ線

想定する状況

ビル設備の保守管理業、従業員 210 名。点検員 48 名
対象は空調・受変電・給排水・消防設備。契約物件 340 件
月間の点検報告書 1,200 件（定期点検 950 件・随時対応 250 件）
報告書 1 件あたり、現場写真 8〜20 枚、所見の手書きメモ A5 で 1〜2 枚
報告書の作成は点検員が事務所で行う。1 件あたり平均 22 分
作成後、管理者 6 名が全件を確認。1 件あたり平均 4 分
顧客へ提出後の差し戻しは月 約 70 件（6%）。理由は「写真と所見の対応が分からない」「前回との比較が書かれていない」が中心

現状の数値化

項目	数値
月間報告書件数	1,200 件
点検員の作成時間（1 件 22 分）	約 440 時間
管理者の確認時間（1 件 4 分）	約 80 時間
時間単価（点検員 3,800 円・管理者 5,200 円）	—
月間コスト	点検員 167 万円 + 管理者 42 万円 = 約 209 万円
年間コスト	約 2,500 万円

この数字には、差し戻し 70 件の再作業が入っていない。 1 件 30 分として月 35 時間、約 13 万円が上に乗る。

さらに現場側には見えにくい損失がある。報告書の作成が事務所でしかできないため、点検員の稼働が 1 日 1〜2 件分削られている。48 名の点検員で月 440 時間は、約 2.6 人分の人員に相当する。

何を任せ、何を残すか

工程を 3 つに分けると見通しがよくなる。

区分	内容	任せ方
機械的に決まる	物件名・設備番号・点検日・担当者・前回値の転記、様式への流し込み	ルールで処理する。AI は不要
文章に起こす	手書きメモと写真から所見の文を作る、前回との差分を文にする	AI の一次生成 → 点検員が確認
人が決める	異常の有無の判定、交換・修繕の要否、緊急度の格付け	AI に出させない

3 行目を自動化しようとするのが、この種の案件で最も多い失敗である。 設備の異常判定は、外れたときに事故と責任に直結する。写真から「異常あり」を出す機能は技術的には作れるが、その出力を根拠に報告した記録が残る形は避けるべきである。

逆に 1 行目を言語モデルに通すのも無駄が多い。設備番号の転記は既存の点検システムから引ける。AIに任せる業務の選び方。候補を4つの軸でふるいにかけ、外す3条件を決めるの基準で言えば、正解が 1 つに決まる処理は AI の外に出すのが安い。

フェーズ 0：買わずに済む範囲を先に確かめる（2 週間・社内作業）

発注の前に自社でやると、見積額が下がる作業がある。

直近 3 か月の報告書から 100 件を抜き、「転記で埋まる欄」と「文章を書く欄」の比率を出す
差し戻し 70 件 × 3 か月を理由ごとに分類する
既存の点検システムに、様式への自動流し込みと前回値の自動転記の機能があるかを確認する

3 番目で解決することが珍しくない。点検管理のパッケージ製品は、様式出力と履歴参照を標準機能として持っているものが多い。ここを飛ばして相見積もりに出すと、各社が「設定で済む部分」まで開発として積む。

フェーズ 1：PoC（1.5 か月・100 万〜180 万円）

検証範囲

設備 4 種のうち、様式が最も定型な空調に絞る（月 420 件相当）
過去の報告書 300 件を使い、手書きメモ + 写真から生成した所見文と、実際に提出した文を突き合わせる
手書きメモの読み取り精度を測る（ここが成否を分ける）
既存の点検システムから点検データを取得できるかを確認する

測る指標

指標	意味	目標の置き方
メモの読み取り精度	手書きの所見が文字になる割合	ここが 85% を下回ると案件が成立しない。最初に測る
修正なしで通る割合	生成文をそのまま提出できた割合	40〜60% で十分。全部を狙わない
修正時間	直しが必要な場合にかかる時間	1 件 8 分以内。これを超えると効果が出ない
写真と所見の対応	写真の順番と所見の記述が合っているか	100 件を人が読んで判断する

1 行目を最初に測るのが重要である。 手書きメモの読み取りが弱いと、点検員が現場で入力方法を変えなければならず、それは AI の話ではなく運用変更の話になる。費用も抵抗も大きい。

読み取りの仕組み自体はマルチモーダルAIとは。画像・音声・文書を同時に扱うで扱う画像と文字を同時に扱う方式に近く、手書きの崩れ方に左右される。現場のメモを 100 枚集めて試すのが最短である。

フェーズ 2：本番開発（3 か月・380 万〜620 万円）

内訳の目安

項目	金額
要件定義・様式の整理（4 設備種）	60 万〜100 万円
既存点検システムとの連携（データ取得・結果書き戻し）	100 万〜180 万円
写真と所見の対応付け・生成処理	90 万〜150 万円
点検員が現場で入力・確認する画面（スマートフォン）	80 万〜130 万円
権限設計・監査ログ・テスト	50 万〜60 万円

連携の 100 万〜180 万円が、金額のいちばん割れる箇所である。 既存の点検システムに API があるかどうかで倍近く変わる。相見積もりを取るときは、既存システムの名称とバージョン、API の有無を案件票に書くことで各社の前提を揃えられる。AI開発の見積書の読み方。人月・工数・保守費の内訳を理解するの区分に沿って出してもらうと比較しやすい。

運用費（月 14 万〜26 万円）

項目	金額
API 利用料（写真を含む処理 1,200 件）	4 万〜9 万円
インフラ（クラウド・保管）	3 万〜5 万円
保守（様式変更・不具合対応）	7 万〜12 万円

写真を扱うため、API 費用は文章だけの案件より高く出る。1 件あたり写真 8〜20 枚の幅がそのまま費用の幅になる。全枚数を送らず、所見に対応する枚数だけ送る設計で 3 割前後は下がる。AI運用費を下げる10の方法。設計で決まる部分が大きいの考え方がそのまま効く。

効果の測定

項目	導入前	導入後（想定）
点検員の作成時間（1 件）	22 分	9〜13 分
点検員の月間作成時間	440 時間	180〜260 時間
点検員の月間コスト	167 万円	68 万〜99 万円
管理者の確認時間（1 件）	4 分	3 分
管理者の月間コスト	42 万円	31 万円
差し戻し件数	70 件	35〜45 件

削減は月 79 万〜109 万円。差し戻しの再作業の減少を加えると月 85 万〜116 万円である。

運用費を引くと月 59 万〜102 万円。初期費用 620 万円（フェーズ 0〜2 の上限）に対して、回収は 6〜11 か月になる。

この案件が比較的回収しやすいのは、削る対象が「文章を書く時間」で、件数が月 1,200 件あるからである。 報告書が月 200 件を下回る規模では、初期費用の回収が 3 年を超える。その場合は様式の簡素化と定型文の整備で止めるほうが合理的である。

運用体制とよくある失敗

異常判定まで任せてしまう。 事故時に「AI が異常なしと出した」という記録が残る形になる。判定は点検員が行い、AI は文章化と前回比較の提示にとどめる
点検員が生成文を読まずに提出する運用が定着する。 生成文に「要確認」の印を付け、確認者を記録する仕組みを最初から入れる
様式の改定が止まる。 顧客ごとに様式が違う業態では改定が頻発する。発注側で様式を直せる範囲を契約で決めておく
現場の入力方法を先に変えてしまう。 手書きを禁止して端末入力に変えると、点検員の抵抗で導入が止まる。読み取りの精度を測ってから判断する
写真の保管容量を見積もっていない。 月 1,200 件 × 平均 14 枚で年間 20 万枚。保管期間と容量を初期に決めておく

費用を抑えた場合の代替案

案 1：既存システムの様式出力と定型文の整備だけで済ませる（初期 0〜80 万円）

転記と様式流し込みを既存機能で行い、所見は定型文の選択式にする。作成時間は 22 分から 16 分前後に下がる。まず試すべき選択肢である。

案 2：空調 1 種類に絞って本番化する（初期 220 万〜340 万円）

月 420 件に限定する。効果は月 28 万〜38 万円に下がるが、初期費用も連携範囲も小さくなり、回収期間はほぼ変わらない。4 設備種に広げるかは、1 年運用してから判断できる。

案 3：文章化せず、前回との差分提示だけにする（初期 150 万〜250 万円）

所見を書かせず、前回の報告書と今回の点検値の差分を一覧で出すだけにする。差し戻し理由の「前回との比較がない」が消え、点検員の作成時間も数分減る。生成文の確認責任を負わずに済む点が大きい。

まとめ

設備点検の報告書作成は、件数が月 1,000 件を超えていれば回収しやすい案件である。削る対象が文章を書く時間に限定されており、効果が計算しやすい。

一方で成否を分けるのは AI の性能ではなく、手書きメモの読み取り精度と既存点検システムとの連携のしやすさという 2 つの前提である。この 2 つは PoC の前半 2 週間で測れる。

そして、異常判定は任せないほうがよい。AI に書かせるのは所見の文であって、異常の有無ではない。 ここを分けて発注できるかどうかで、運用に乗るかが決まる。

複数社に出すときは、「既存点検システムの名称と API の有無」「手書きメモを前提にするか」「異常判定を含めないこと」「様式改定を発注側で直せるか」の 4 点を条件として書いておくと数字が比べられる。無料で相見積もり・相談の案件票ではこれらの前提を選択式で揃えているため、同じ条件で各社の見積もりを横並びにできる。要件が固まっていない段階なら、相談として概算レンジと進め方だけを聞く形でも使える。