Built World AI - 建設と不動産業界のAI転換戦略

• 建設と不動産がGDPに占める比率は大きい一方でデジタル転換は遅れており、言語・画像・映像が入り混じる複雑な協業を扱うマルチモーダルAIが、生産性・安全・品質を大きく変えうる段階に到達している
• 設計から見積もり、現場安全、ナレッジ管理、ロボティクスまで、Construction AIでは5つの主要カテゴリを、仲介・検索・運用・デザインまで、Real Estate AIでは4つの主要カテゴリを中核的な機会領域として提示
• 建設分野では、設計の自動生成、図面ベースのtakeoff・見積もり自動化、音声・画像ベースの現場コミュニケーション、文書統合によるナレッジ管理、人と協働する建設ロボットが特に大きな可能性を持つ領域
• 不動産分野では、仲介人やエージェント業務の自動化、自然言語ベースの物件検索・発見、レガシーシステム上で動作する運用自動化、そして生成AIを活用した空間デザイン・可視化が主要な機会
• 全体としては、CADやSaaS導入時を上回る変化が予想されるなか、データ優位・ワークフロー統合・関係性中心の産業特性を理解する起業家が、Built World AIで長期的価値を生み出せる見込み

---

Built WorldとAI転換の概要

• 建物とインフラから成るBuilt Worldは、人・資本・資材が精緻に組み合わさった巨大な協業システムであり、設計〜施工〜運用の全過程で膨大な言語・文書業務が発生する構造
  • スカイライン、街区、個々の建物に至るまで、いずれも多数の参加者と複雑な手続き、規制、資金調達を含むプロジェクトの成果物である
  • 設計には想像力、施工には規律と資源、維持管理には長期にわたるレジリエンスと持続性が求められる
• 米国経済では建設が1.3兆ドル（GDPの4.4%）、不動産・賃貸・リースが4.2兆ドルの規模を形成しているが、SaaS革新の恩恵は限定的にしか受けてこなかった
  • 両業界とも複数の現場や利害関係者間の調整が中核であり、テキスト・画像・映像が混在する高リスクな意思決定を言語で扱う性質が強い
  • 過去20年間に技術進展はあったものの、こうした複雑な調整問題を根本的に解決するには不十分だった
• 物理インフラは、コスト、品質、安全、規制遵守などにおいて莫大な責任を負う領域であり、マルチモーダルAIはそれらすべての軸を再設計するためのツールである
  • 2030年を想定すると、スケッチから即座に完全なビルディングモデルが生成され、図面から自動生成された見積もりを積算担当者が調整し、現場の安全レポートが音声・画像で入力されるようになる
  • 住宅の検索や購入、建物管理においても、より直感的な探索と自動化された運用環境が可能になる
• Built World AIはCADとSaaSに続くもう一度の構造的な変曲点を生み出し、マルチモーダルLLMと新しい人間–機械協業の方式が中心軸になるだろう
  • BessemerはProcore、ServiceTitanなど既存ポートフォリオに続き、建設・不動産のVertical AIという2つのセクターを中核領域として見ている

核心インサイト: Built World AIの機会

• 建設・不動産は米国GDPのほぼ4分の1を占めるが、技術投資比率とデジタル化水準は他業界に比べて著しく低い
  • Deloitteによれば、建設業の技術投資比率は売上の**2.7%**にすぎず、金融・製造などは5〜10%以上を投資している対比が示される
  • 精密さと調整が重要な産業ほど、デジタルインフラ不足がより大きな機会損失につながる構造である
  • マルチモーダルAI技術が、設計・施工・運用の全ライフサイクルにわたり働き方を根本から変えられる段階に到達している
• 建設分野では、設計生成、数量算出・見積もり、現場調整、ナレッジ管理、ロボティクスの5カテゴリがAI活用の第一ターゲット
  • Design generation: コード準拠・コスト最適化を反映した2D/3D設計・モデルを自動生成し、既存のCAD中心プロセスを生成的設計へ転換する
  • Takeoff & estimation: 図面から資材・工程の数量を自動抽出し、見積担当者が価格・利益率の最適化に集中できるようにする
  • On-site coordination: 現場の音声・画像・映像・テキストを統合し、コミュニケーションと安全管理をより迅速かつ先回り型にする
  • Knowledge management: 契約書、図面、RFI、変更注文などに散在するデータを、問い合わせ可能な単一の信頼できる情報源へ統合する
  • Construction robotics: 自然言語インターフェースを通じて自律・半自律装置を制御する人間–ロボット協業ベースの現場
  • 各領域は、図面、契約書、RFIs、変更注文書、安全レポートなど、言語と図面が混在する複雑なデータフローを含む
  • マルチモーダルLLMとドメイン特化モデルが、こうしたフローを自動化・増強できる位置に到達している
• 不動産では4つの機会を中心に、LLMと生成モデルの役割が拡大する
  • ブローカー・エージェント業務の自動化、顧客の物件検索と発見、レガシーシステム基盤の運用自動化、生成AIを活用したデザイン・可視化
  • 関係性中心・ローカル知識ベースの産業特性上、人間中心の構造は維持しつつ、事務・反復業務を大幅に削減する方向性が強調される
• 建設・不動産全般で、ドメイン特化データ、深い統合、インセンティブ整合、ユーザー共感を備えた製品がVertical AI企業の中核競争力となる
  • 単純な自動化ではなく、収益性（マージン）、リスク、信頼を同時に改善するワークフロー設計が重要な軸である

# [I. Construction AI: なぜ今なのか]

• 過去60年余りで米国全体の労働生産性は290%以上増加した一方、建設労働生産性は1970〜2020年の間、年平均で約1%ずつ低下する流れを示してきた
  • 建設業は700万人以上を雇用し、年間1.3兆ドルの価値を生み出しているが、生産性の停滞が成長の足かせとなっている
  • 問題は努力や専門性の不足ではなく、複雑な利害関係者と工程間の調整の難しさにある
• 建設エコシステムは住宅・商業・産業・インフラの4サブセクターに分かれ、Procore、Autodeskなどのソフトウェアがそれらをつなぐ基本インフラの役割を果たしている
  • それにもかかわらず、継続的な人手不足（需要を満たすには2026年だけで約50万人の追加が必要と推定）、金利上昇、原材料価格の変動、政策・サプライチェーンの衝撃など、構造的な逆風に直面している
  • Deloitteの資料によれば、建設会社は年間売上の2.7%しか技術に投資しておらず、これは調査対象業界の中で最低水準である
  • 金融や製造では5〜10%以上を技術に投じるケースが多いことと対照的である
• 建設プロジェクトは、契約書、図面、工事文書、プロジェクト計画、安全レポート、発注書、変更注文書、検査レポートなど、言語と図面が入り混じるマルチモーダルデータを中心に回る業務である
  • 元請・下請施工会社、エンジニア、規制当局、金融機関、保険、オーナーなど、15以上の利害関係者グループがプロジェクトに関与する複雑な構造
  • 設計〜プレコンストラクション〜施工〜クローズアウトの各段階で、責任と情報フローに摩擦が生じる
• マルチモーダルLLMベースの建設特化アプリケーションが登場し、最大のボトルネックだった調整問題と知識フローの問題を解決できる技術的基盤が整いつつある
  • パラメトリック設計、幾何処理などは依然として難しい研究テーマだが、関連するAI/ML論文や学術コミュニティ、専用機関とカンファレンスは急速に増加している
  • この流れはConstruction AIスタートアップの設立やアクセラレーターのコホート拡大へとつながっている

Construction AIの5つの主要カテゴリー

• 1. 設計生成 (Architecture & Design)

  • 現在の建築設計は AutoCAD, Revit などのデジタル設計ツールに依存しているが、真の自動化レベルは低く、高度な専門性を要する状態にある
    • 設計案の変更やコードのアップデートがあるたびに、2D図面・3Dモデル全体を手作業で修正しなければならない負担が大きい
    • これらのツールは精密さには強いが、迅速な反復と実験には弱く、設計変更のスピードが遅くなり、創造性も制限される構造になっている
  • コード準拠、コスト最適化、顧客要件の反映まで含めた設計・施工図面や文書を即座に生成するシステムが実現されれば、設計速度は最大10倍まで高速化する可能性がある
    • 建築家、構造エンジニア、MEPデザイナーが、反復的な手作業ではなく高次の設計意思決定に集中できるようになる
  • Higharc, Finch, Augmenta など複数の企業が、パラメトリック生成と推論を組み合わせた生成型設計プラットフォームを構築中
    • 建設は本質的に幾何学と制約条件の組み合わせであるだけに、幾何学的複雑性を深く理解し生成できる能力が、持続的な差別化要因になるだろう

• 2. プレコンストラクション: 数量積算と見積もり (Takeoff & Estimation)

  • 米国だけでも 20万人以上の積算担当者(Estimator) が建設の財務的基盤を支えているが、依然として手作業・反復・ミスが起こりやすいワークフローに依存している
    • 「Takeoff」という用語自体が、紙の図面から寸法を測り、資材を一つひとつ手で数えていた時代に由来する概念である
    • 既存ソフトウェアを使っても、壁・窓・床など各部位ごとのアセンブリ定義、資材数量の測定、人件費と資材費の整理を一つずつ行わなければならない
  • 設計変更や単価変動が発生するたびに再計算が必要となり、データドリブンであるべきプロセスが 合理的な推測(educated guess) に近いものへと変質してしまう
    • ニューヨークのある下請け業者のCFOは、年間365件のプロジェクトを手がけるたびに「365回のギャンブルをしている」と表現するほど、リスクの大きい構造である
  • Bild AI, Drawer AI, SketchDeck AI などは、設計変更に合わせてアセンブリと数量積算を自動化し、積算担当者が利益率と価格戦略により集中できるよう支援する方向で製品を開発中
    • 画像・動画まで解釈可能なマルチモーダルモデルが、図面、仕様、現場データをより精緻に理解することで、この領域の自動化を加速させる基盤となる

• 3. 現場コミュニケーションと調整 (On-site Communication & Coordination)

  • 現場コミュニケーションと安全管理は依然として メール、電話、テキストメッセージ、紙のログ、スプレッドシート が入り混じった 断片化されたチャネル に散在している
    • 安全プログラムも定期点検とチェックリスト中心で、危険がすでに発生した後になって初めて明らかになる場合が多いという限界がある
    • 先進的なプラットフォームでさえ手動データ入力への依存度が高く、リアルタイム翻訳や文脈理解、インサイト提供機能が不足している状態だ
  • 現場監督と作業者が 音声だけで多言語RFI、現場レポート、安全観察を記録すると、タイムスタンプ・多言語・図面・工程・位置情報と自動的に結びつく 環境が必要である
    • 口頭指示、進捗メモ、問い合わせが、構造化された検索可能なプロジェクト記録として蓄積され、言語・勤務シフト・工程に関係なく、すべての参加者が同じ情報を共有する形である
  • 音声・画像・動画・テキストを組み合わせたマルチモーダルLLM により、より迅速な調整、先回りした安全介入、高いリスク認知を備えた現場 を実現するツールが、次世代のConstructionソフトウェアの特徴 となる

• 4. ナレッジマネジメント (Knowledge Management)

  • プロジェクトマネージャーは、プロジェクト管理ツール、メール、メッセンジャーなど複数のチャネルを行き来しながら、必要な情報を探したり衝突を解消したりしなければならない状況にしばしば置かれる
    • 重要データがチームごとに分断されたり、長い会話スレッドの中に埋もれたりして、意思決定やスケジュールの遅延、ミス、納期問題につながる構造である
  • 単一のプラットフォーム 上で、プロジェクトマネージャーが 自然言語で質問して必要な文書を即座に見つけ、複雑な技術的質問への回答 を得て、コストやスケジュールに影響する前に調整上の課題を解決 できる 知識ハブ が必要である
    • RFI、変更注文、契約書、図面など異種ソース間の関係を、言語クエリベースで探索できる形
  • Trunk Tools, TwinKnowledge などは、契約書、図面、RFI、変更注文など断片化した文書をつなぎ、プロジェクト知識の流れを再構成している
    • 自然言語ベースの 質疑応答型プロジェクト管理 を可能にしようとしている

• 5. 建設ロボティクス (Construction Robotics)

  • 労働力不足、安全リスク、資材コスト上昇により、現場作業はますます高コスト化し、拡張しにくい構造になっている
    • 他産業で自動化が大きく進んだにもかかわらず、多くの建設プロセスはいまだに手作業中心のままである
    • データセンターなど主要インフラ需要が急増する状況で、従来方式だけではスケーラビリティが低い構造である
  • 自律・半自律ロボットシステム が作業者とともに働き、1人が複数台の設備を自然言語で制御する現場 になれば、人員と設備の活用度を同時に高められる大きな可能性がある
    • Terrafirma, Bedrock Robotics などは、既存設備を改造し、自律・半自律運用を可能にしている
  • 次の段階の生産性向上は 人間–機械協調 から生まれるだろう
    • 初期にはポイント&クリックベースの制御から、その後 自然言語で複数の設備を同時に扱う方向 へと発展していくはずだ

Construction AI起業家のための5つの原則

• 価値創出(Value Creation): 単なる効率改善ではなく、明確なコスト削減または売上・利益率改善など、測定可能な財務インパクト を提供する製品設計が重要である
• ペインポイント(Pain Points): 1つのチームの断片的業務ではなく、プロジェクトの納期と成果に直接影響する、複数の利害関係者が絡む中核ボトルネック領域 を攻略してこそ、意味のある変化をもたらせる
• データ優位性(Data Advantage): コストライブラリ、注釈付き図面、プロジェクト履歴など ドメイン特化型のデータ資産 を確保して長期的なデータ優位を築く戦略を取ることで、時間とともに積み上がる防御力を構築できる
• 統合の深さ(Integration Depth): 既存プロセス・ツールと深く統合して導入障壁を最小化し、現場・プロジェクト・チームへ 自然に広がるワークフロー を作ることが重要である
• ユーザー共感(User Empathy): 建築家、積算担当者(Estimator)、現場監督、プロジェクトエンジニア、作業者という 各役割の文脈、制約、動機 を細かく理解し、その現実を反映した製品体験を設計しなければならない

# [II. Real Estate AI]

なぜ今なのか: 関係中心の産業と言語モデル

• 工事が完了した後、建物は賃借人や入居者を迎え、分譲・賃貸・決済・資産管理・維持保守へと続く新たなバリューチェーンに入る
  • 資産タイプ（住宅・商業・産業・特殊目的）によって流れは異なるが、共通して信頼と関係、ローカル知識に基づくビジネスという特徴を持つ
• 現在の市場は、供給と需要の不均衡、記録的な住宅費負担、運営コスト上昇などのマクロ圧力を受ける構造的な困難に直面している
  • しかし、デベロッパー、ブローカー、資産オーナー、オペレーターなどの主要プレイヤーは、依然として手作業・分散したデータ・古いソフトウェアに依存している
  • データはスプレッドシート、PDF、レガシーな資産管理・リスティングシステムなどさまざまな場所に散在しており、非効率と機会損失が発生している
• マルチモーダルAIは、非構造化データを横断して理解・推論できるようにし、バリューチェーン全体で自動化とインサイト提供の可能性を開いている
  • 既存システムとの統合がますます容易になる中、不動産業界でも数十年ぶりにReal Estate AIによる生産性の飛躍が可能な時点となっている
• 不動産は本質的に人と人が対話するビジネスであり、ローカルな専門性と信頼が結果を左右する
  • 米国だけでもブローカー手数料は年間1,000億ドル超、MLS（不動産物件リスティング）データベースは500超に分断されており、住宅取引の完了まで30〜60日以上かかる非効率な構造が維持されている
  • LLMとエージェント技術は、反復的な言語・事務業務を減らし、より良い意思決定と関係構築を支援する方向で役割を果たせる位置にある

Real Estate AIの4つの主要カテゴリー

• 1. ブローカー・エージェント業務の自動化

  • 不動産エージェントとブローカーにとって関係構築が中核的な役割だが、実際には時間の大半をリード発掘・リード検証・内見日程調整・価格査定コメント作成・コンプライアンス管理・署名収集といった事務業務に費やしている
    • AI時代には、このような反復的で言語中心のワークフローを自動化する余地が非常に大きい
  • Serif, Fyxerはメール自動化に焦点を当て、Closera, HenryAIはマーケティングと価格査定ツールを提供する形で、それぞれ異なるワークフローを狙っている
    • TurboHomeのようなAIベースのブローカレッジは、エージェントにAIツールを提供してワークフローを自動化し、削減したコストを手数料引き下げの形で顧客に還元するモデルを構築している

• 2. 物件検索と発見 (Property Search & Discovery)

  • 商業・住宅の両領域で、従来の物件リスティングポータルは依然として基本的なフィルター・静的な属性に依存しており、
    • 地域特性、投資ポテンシャル、資産（建物）の状態といった重要な文脈を十分に捉えられていないという限界がある
  • 商業不動産では、複数ソースの非構造化データを処理して立地戦略を最適化するAIベースのサイト選定ツールが登場している
    • 企業がより迅速かつデータ主導で立地を決定できるようにすることが目標だ
  • 消費者側では、自然言語ベースのクエリとパーソナライズされた検索体験を提供する次世代プラットフォームが登場している
    • 購入者は対話型クエリを通じて希望する物件を見つけ、内見を予約し、書類作業をエージェント型ワークフローで処理し、仲介手数料を減らすことができる
  • ZillowのChatGPT統合は、不動産検索が単なる閲覧から不動産購入の全ジャーニーを支援するコパイロットへ拡張していく方向の初期事例だ

• 3. 資産管理 (Property Management)

  • 最大の機会の1つは、レガシーなproperty managementプラットフォームの上にLLMベースのワークフローを構築することだ
    • 25年以上前の既存システムが今なお業界の運用バックボーンだが、現代的な応答性やユーザー体験を提供できていない
  • スタートアップは、これらのシステムを完全に置き換えるのではなく、深く統合して機能を拡張する形で機会を見いだせる
    • 既存システムの上にLLMワークフロー・オーケストレーション層を載せる
  • EliseAI, SurfaceAIは既存の資産管理システムと深く統合し、
    • 賃貸・更新・維持保守・入居者コミュニケーションまで垂直特化したワークフローをオーケストレーションしている
    • 特に集合住宅の運営において、収益インサイトの発掘、ワークフロー自動化、運営効率改善を支援するAIエージェントプラットフォームの姿を見せている

• 4. デザインと可視化 (Design & Visualization)

  • 物理的・バーチャルステージング、インテリアレイアウト、デザイン可視化は依然として遅く高コストで、パーソナライズが難しく、想像を助けるツールが不足している領域だ
    • 住宅側のエージェントは各購入者の好みやリフォーム計画に合わせてビジュアルを調整しにくく、
    • 商業側のエージェントにも、空間が特定のビジネスのワークフローに合わせて変化したときにどのように見えるかを示すツールが不足している
  • 現在のコンテンツ制作は写真・動画・編集人員に多くのコストがかかり、パーソナライズの水準も低く、チャネルやターゲットに合わせてコンテンツをきめ細かく調整するのも容易ではない
  • Spacely AI, Kassa, Gendo, Renovate AIのような生成ツールは、可視化・パーソナライズ・ストーリーテリングの段階をほぼ即時に処理できるように作られており、コストとリードタイムを大幅に削減する方向性を示している
    • 当初から生成AIを前提にデザイン・マーケティング・体験を再構成するスタートアップが、不動産のデザイン・コンテンツ制作のあり方を変えつつある

Real Estate AI創業者のための5つの原則

• 価値創出(Value Creation): 外注・事務業務の削減、リード転換率の改善、取引期間の短縮などにより、測定可能な売上成長またはコスト削減を生み出せなければならない
• ワークフロー密度(Workflow Density): 信頼形成のためには、狭い機能1つだけを解決するよりも、販売・賃貸のような複雑で感情が関与するジャーニーを最初から最後まで管理する製品が最も価値がある
• プロプライエタリ・ローカルデータ(Proprietary, Localized Data): 市場行動、用途地域（zoning）の特性、関係ネットワークを反映したハイパーローカルなデータフライホイールを積み上げ、精度と防御力を強化する戦略が重要だ
• インセンティブの整合(Incentive Alignment): オーナー、オペレーター、入居者、エージェント全員が利益を得る構造を設計し、摩擦を減らして導入と波及のスピードを高める必要がある
• 関係性を考慮する(Account for Relationships): 不動産は関係中心の産業であるため、自動化とともにエージェント・オーナー・オペレーター・購入者・賃借人の体験そのものを改善する設計が必要だ

Bessemer Built World AIポートフォリオの例と投資意図

Bessemerは、Built WorldとAIの交差点においてすでに複数の企業を支援しており、建設管理、現場運営、不動産マーケティング、メンテナンス、税務・規制対応など幅広い領域でポートフォリオを持っている

• Construction分野の主な例
  • Procore: 文書、予算、スケジュール管理を1つのシステムに統合するクラウドベースの建設管理プラットフォームで、さまざまな利害関係者をつなぐ役割を担う
  • ServiceTitan: HVAC、配管、電気などのトレードビジネス向けエンドツーエンドの業務ソフトウェアで、スケジューリング、ディスパッチ、請求、決済をすべて含む
  • Capmo: 建設マネージャーにプロジェクト全体の状況を一目で示すスマートプロジェクトアシスタントの役割
  • Curri: 建設・産業用資材を迅速に輸送できるようにするテクノロジー主導の配送プラットフォームで、顧客がより素早く動き、供給制約なしに納品できるよう支援する役割
  • MaintainX: 複数の業界（施設・不動産を含む）でメンテナンスを効率化するCMMS（Computerized Maintenance Management System、コンピュータ化保守管理システム）
  • Miter: 契約業者（コントラクター）向けにHR・財務・業務アプリ群を提供し、ビジネス運営を簡素化
• Real Estateおよび周辺サービス分野の例
  • EliseAI: 住宅・ヘルスケア組織のコミュニケーションを自動化し、業務効率を高める自動化・対話型AIプラットフォーム
  • Hatch: ホームサービス・リモデルなどの分野で顧客体験を改善し、売上成長を支援するAIベースのカスタマーサービスチーム向けソリューション
  • LuxuryPresence: エージェントがより多くの顧客を獲得し、効率的に働けるよう支援する不動産エージェント向けAIマーケティングプラットフォーム
  • Ownwell: 税務異議申し立て、減免、更正を全工程で管理し、不動産保有コストを下げるソフトウェア
  • Rilla: 自動車サービス、ホームサービス、住宅建設などでAIベースのセールスコーチングを提供するソリューション
  • Rundoo: 独立系資材店の顧客獲得と業務効率を高めるオールインワンソフトウェア
  • SurfaceAI: 多世帯住宅オペレーター向けのAIエージェントプラットフォームで、売上機会の発掘、ワークフロー自動化、運用最適化を支援
  • VTS: 商業用不動産オーナーとオペレーター向けの統合プラットフォームで、リース、市場インテリジェンス、テナント体験のワークフローを一元管理できるようにする
  • WiredScore: WiredScore、SmartScore認証を通じて、デジタル接続性とスマートビルディング水準に関するグローバルベンチマークを設定する組織