建設業は日本のAI戦略『勝ち筋』とどう重なるのか？バーティカルAIとフィジカルAIの交差点

2026.10.16

建設業は日本のAI戦略『勝ち筋』とどう重なるのか？
バーティカルAIとフィジカルAIの交差点

【結論】建設業が日本のAI戦略における「勝ち筋」の一つになり得る理由は、業界固有の専門データを活かすバーティカルAIと、現実世界でAIを動かすフィジカルAIの両方と親和性が高いからです。
2026年7月に閣議決定された「人工知能基本計画」では、「日本の勝ち筋」としてバーティカルAI、フィジカルAI、AI for Scienceを明示しています。
日本は基盤モデルの開発力を確保しながら、日本が強みを持つ産業や現場のデータをAIと組み合わせることで、国際競争力を生み出そうとしているのです。

この記事で分かること

日本のAI戦略が「基盤モデル」だけでなく「現場データ」を重視する理由
政府が掲げる3つの「勝ち筋」とは何か
バーティカルAIとフィジカルAIの違い
建設業がバーティカルAIとフィジカルAIの「交差点」に位置する理由
GENIACや国産マルチモーダル基盤モデル開発など、政府が進める具体策
AI時代に建設・住宅会社が今から取り組むべきこと

1．日本のAI戦略はどう変わったのか？

AI投資競争で出遅れた日本

生成AIをめぐる世界的な競争は、ChatGPTの登場以降、急速に激化しました。
その中心にあるのが、大規模言語モデル（LLM）をはじめとするAI基盤モデルです。
米国を中心に巨大な資本と計算資源が投入され、世界規模で基盤モデルの開発競争が進んでいます。

一方、日本政府は2025年12月23日に閣議決定した「人工知能基本計画」において、日本がAIへの投資規模で出遅れているという認識を示しました。
しかし同時に、AIをめぐる競争環境そのものが変化していることにも注目しています。
AIの価値は、基盤モデルそのものの性能だけではなく、業界や業務に特化したアプリケーションなど、具体的な付加価値を生み出す領域へ広がっているからです。

政府はこうした変化を、日本にとって「反転攻勢」の機会と捉えています。
重要なのは、日本がLLMや基盤モデルの開発を諦めたわけではないということです。
基盤モデルの開発力を国内に確保しながら、日本が強みを持つ産業、現場、データ、ロボティクスなどをAIと組み合わせる。
ここに日本のAI戦略の特徴があります。

2．政府が掲げる3つの「勝ち筋」とは？

2026年7月14日に閣議決定された「人工知能基本計画」では、
「日本の勝ち筋となるバーティカルAI、フィジカルAI、AI for Scienceの推進」
という項目が設けられています。
政府が「勝ち筋」という言葉を明確に使っている点は注目すべきでしょう。

勝ち筋	概要	建設業との関係
バーティカルAI	特定の業界・業務のデータや知識を活用するAI	設計・見積・施工・原価・維持管理などの専門データ
フィジカルAI	ロボットや機械などを通じて現実世界で認識・判断・行動するAI	建設機械、ロボット、ドローン、カメラ、センサーなど
AI for Science	AIによって科学研究・研究開発を加速する取り組み	新材料、建築技術などへの応用可能性

では、なぜ政府はこの3分野を日本の「勝ち筋」と考えているのでしょうか。

3．なぜバーティカルAIとフィジカルAIが日本の「勝ち筋」なのか？

日本政府がバーティカルAIやフィジカルAIを「勝ち筋」と位置づける背景には、日本が製造業をはじめとする幅広い産業基盤と、そこから生まれる豊富な現場データを持っていることがあります。
汎用AIの性能だけで競うのではなく、日本の産業固有のデータや現場力とAIを組み合わせることで、独自の競争力を生み出そうという考え方です。
経済産業省もGENIAC第4期について、日本がAI単独で世界に独自性を示すことは容易ではないとしたうえで、インターネット上の一般的なデータだけではなく、「日本が強い分野の現場データ」をAI開発に取り込むことが重要だと説明しています。
ここに、日本のAI戦略を理解する大きなヒントがあります。

4．バーティカルAIとは？

バーティカルAIとは、特定の業界や業務に特化したAIです。
汎用AIが幅広い知識を扱うのに対して、バーティカルAIは、製造、建設、医療、金融、農業など、特定領域のデータや業務知識を活用することで、その業界に適した高度な判断や支援を行います。
人工知能基本計画では、素材産業や造船業など「暗黙知が豊富な現場」へのバーティカルAIの開発・実装を進めることが示されています。

ここで重要になるのが「データ」です。
生成AIそのものは、多くの企業が利用できます。
しかし、各業界で長年蓄積されてきた業務データ、ノウハウ、現場の知識まで、汎用AIがすべて持っているわけではありません。

例えば建設・住宅業界には、
顧客情報、商談、見積、実行予算、図面、仕様、工程、現場写真、発注、原価、検査、アフターサービスなど、日々の業務から膨大なデータが生まれています。
これらを単に保存するのではなく、構造化し、関連付け、AIが理解・利用できる状態にする。
そうすることで、汎用AIだけでは難しい、建設業特有の判断や支援が可能になっていきます。

これらのデータは、必ずしもAIモデルそのものの「学習」に利用する必要はありません。
RAG（検索拡張生成）やAIエージェントなどを通じて、必要なときにAIが参照する「コンテキスト」として活用することもできます。

シンプルに表現すれば、
「汎用AI＋バーティカルなデータ・業務コンテキスト」
という組み合わせが、これからの競争力の一つになり得るのです。

5．フィジカルAIとは？

フィジカルAIとは、AIが現実世界を認識し、判断し、ロボットや機械などを通じて行動する技術です。
これまで生成AIが得意としてきたのは、文章、画像、プログラムなど、主にデジタル空間で情報を扱うことでした。
フィジカルAIでは、AIがカメラやセンサーなどから現実世界を認識し、ロボット、自動車、建設機械などを通じて実際の行動につなげます。
製造、物流、建設、介護、農業、自動運転など、現実世界そのものがAIの対象になっていくわけです。

ここではLLMの性能だけでは競争力は決まりません。
ロボット、モーター、センサー、制御技術、素材、製造能力、現場ノウハウ、安全性、そして現場から得られるデータなどを組み合わせる必要があります。

2026年6月30日、経済産業省は「AIロボット・フィジカルAIを見据えたマルチモーダル基盤モデル開発事業」を発表しました。
この中で経済産業省は、日本の裾野の広い産業を生かした現場データを利活用し、フィジカルAIを実現することを「我が国の勝ち筋の一つ」としています。

つまり、
「AIモデルだけで勝負する」のではなく、
「日本が持っている現場とデータをAIにつなぐ」。
これがフィジカルAIにおける日本の戦略なのです。

6．建設業はバーティカルAIとフィジカルAIの「交差点」

では、この国家戦略と建設業にはどのような関係があるのでしょうか。
ここからは政府が「建設業そのものを日本のAIの勝ち筋」と指定しているわけではなく、政府方針を建設業に当てはめた場合の考察です。
建設業は、バーティカルAIとフィジカルAIの双方と非常に親和性の高い産業です。

バーティカルAI：建設業は専門データの宝庫

建設業には、図面、見積、実行予算、工程、施工記録、現場写真、発注、原価、検査、維持管理履歴など、業界固有のデータがあります。
さらに、熟練者の経験や施工ノウハウなど、デジタル化されていない「暗黙知」も大量に存在します。
こうした情報をAIが利用できる状態にすることができれば、バーティカルAIが業界固有の判断や支援を行うための重要なデータ資産となります。

フィジカルAI：AIを現実世界へ実装できる現場

一方、建設現場には、建設機械、ロボット、ドローン、カメラ、IoTセンサーなど、AIと現実世界をつなぐさまざまな機器があります。
AIが現場を認識し、判断し、その結果を機械やロボットの動作につなげることができれば、フィジカルAIの活用領域が広がります。

つまり建設業は、
「業界固有のデータを活用するバーティカルAI」
と、
「現実世界で認識・判断・行動するフィジカルAI」
が同じ現場で交わる可能性を持った産業なのです。

7．AI for Scienceとは？

人工知能基本計画がもう一つの「勝ち筋」として掲げているのが、AI for Scienceです。
これはAIによって、創薬、材料開発、生命科学などの研究開発そのものを加速する考え方です。
AIが文書作成を効率化するといったレベルではなく、研究データの解析、仮説生成、シミュレーション、実験などのプロセスそのものにAIを組み込んでいきます。
建設業との直接的な関係はバーティカルAIやフィジカルAIほど大きくありませんが、新素材や建築技術などの研究開発を通じて、将来的に建設分野にも影響してくる可能性があります。

8．3つの「勝ち筋」に共通するのはデータ

バーティカルAI、フィジカルAI、AI for Science。
一見すると異なる3つの分野ですが、共通して重要になるものがあります。
それが「データ」です。
バーティカルAIには、業界・業務データ。
フィジカルAIには、現場・センサー・動作データ。
AI for Scienceには、研究・実験データ。

AIの能力が世界的に向上していけば、同じような高性能AIを多くの企業が利用できるようになる可能性があります。
そのとき差が生まれるのは、
「AIに何を知識として与えられるか」「どのような現場データを持っているか」「それをAIが理解・利用できる形に整理できているか」
という部分です。

これまで企業にとってデータは「業務を記録するもの」という意味合いが強かったかもしれません。
しかしAI時代には、
「データはAIに自社や業界を理解させるための資産」
という意味を持つようになります。

9．日本はLLM・基盤モデル開発を諦めたわけではない

ここは、日本のAI戦略を理解するうえで重要なポイントです。
日本政府は、LLMやAI基盤モデルの開発を諦めて、バーティカルAIやフィジカルAIだけに方向転換したわけではありません。
経済産業省とNEDOは2024年2月から「GENIAC（Generative AI Accelerator Challenge）」を進めています。
GENIACは、国内の生成AI開発力を強化し、社会実装を促進するためのプロジェクトです。
2026年6月に発表された第4期では、AI基盤モデル開発に必要な計算資源の提供支援として16事業者を採択しました。

さらに第4期では、
AI基盤モデル開発：16事業者
ロボット基盤モデル開発：2社
製造業データなどのAI-Ready化：9社
を支援しています。

注目したいのが「AI-Ready化」です。
これは、現場に蓄積されたデータやノウハウ、暗黙知などを、AIが利用できる状態に整える取り組みです。
基盤モデルを開発するだけでなく、
「計算資源」「AIモデル」「産業データ」「現場」
をつなげようとしていることが分かります。

10．国産マルチモーダル基盤モデルも始動

フィジカルAIについても、具体的な取り組みが始まっています。
2026年6月30日、経済産業省はNEDOと進める「AIロボット・フィジカルAIを見据えたマルチモーダル基盤モデル開発事業」において、Noetra株式会社と産業技術総合研究所（産総研）が採択され、国産マルチモーダル基盤モデルの研究開発が始動したと発表しました。
マルチモーダルAIとは、言語だけではなく、画像、動画、音声、センサーデータなど、さまざまな情報を扱うAIです。
現実世界で活動するロボットなどには、文字情報だけではなく、カメラ映像やセンサーデータなどを理解する能力が必要になります。
経済産業省は、この国産マルチモーダル基盤モデルを幅広い分野のフィジカルAIのベースとし、日本の「現場力」と「ものづくり基盤」を生かして国際競争力の獲得を目指すとしています。

11．そして「建設」が国の成長戦略に登場

建設・住宅業界にとって、さらに注目したい動きがあります。
2026年9月17日、高市総理は第2次高市改造内閣発足時の記者会見で、経済産業大臣に対して、
「『人手不足』が課題となる中、医療・介護、運輸、建設などの分野におけるAIの活用を加速させる」
ことを求め、AX（AI・トランスフォーメーション）の社会実装を強力に進める方針を示しました。
つまり「建設」が、AI活用を加速させる具体的な分野の一つとして挙げられたのです。

そして、その約2週間後となる2026年10月1日。
第8回日本成長戦略会議で、高市総理は、
「まず、建設分野の人手不足解消に向け、尾﨑副長官の下に、国土交通省と経済産業省を中心に『政府横断の検討の場』を創設し、年末までに具体的な政策パッケージをとりまとめてください。」
と指示しました。

さらに、その直後には、
「高性能AIの社会実装は、我が国の成長戦略実現に不可欠です。」
と発言し、年末までに、
①信頼できるAIで社会全体を駆動するAXの具体像
②AXに対応した規制・制度改革を進めるための原則
③社会実装を加速するためのアクションプラン
をまとめるよう関係大臣に指示しています。

10月1日の発言では「建設分野の人手不足」と「AIの社会実装」は、それぞれ別の政策課題として述べられています。
そのため、「建設業の人手不足をAIだけで解決する」という意味ではありません。
しかし、9月17日の「建設などの分野におけるAI活用を加速」という発言と合わせて見ると、人手不足を抱える建設業が、政府のAX社会実装における重要な対象分野の一つになっていることが分かります。

12．建設・住宅業界は今、何をすべきか？

では、この大きな流れの中で、建設・住宅会社は何をすべきなのでしょうか。
重要なのは、いきなり独自のAIモデルを開発することではありません。
まず取り組むべきなのは、自社に存在するデータを「AIが利用できる状態」にしていくことです。

例えば、
顧客情報→ 商談→ 見積→ 実行予算→ 図面・仕様→ 工程・現場写真→ 発注→ 原価→ 検査→ アフターサービス
といったデータを、業務ごとにバラバラに保存するのではなく、構造化し、関連付けて蓄積していく。
こうしたデータ基盤があれば、その上に汎用AIを組み合わせることで、自社や業界固有のコンテキストを理解したAIへと発展させられる可能性があります。
AI時代だからこそ、これまで企業がSaaSや業務システムに蓄積してきたデータの価値が、むしろ高まる可能性があるのです。

よくある質問（FAQ）

Q1．日本政府が考えるAIの「勝ち筋」とは何ですか？
2026年7月14日に閣議決定された人工知能基本計画では、「日本の勝ち筋となるバーティカルAI、フィジカルAI、AI for Scienceの推進」が掲げられています。日本が持つ産業基盤、現場データ、ものづくりなどの強みとAIを組み合わせる戦略です。

Q2．バーティカルAIとは何ですか？
特定の業界や業務に特化したAIです。建設業であれば、図面、見積、工程、原価、施工記録などの専門データや業務知識をAIが活用することで、汎用AIだけでは難しい業界固有の支援が可能になります。

Q3．フィジカルAIとは何ですか？
AIがカメラやセンサーなどから現実世界を認識し、判断した結果をロボットや機械などの動作につなげる技術です。製造、物流、建設、自動運転などで活用が期待されています。

Q4．なぜ建設業がAIの「勝ち筋」になり得るのですか？
政府が建設業そのものを「勝ち筋」と指定しているわけではありません。一方、建設業には業界固有の豊富なデータがあり、同時に建設機械、ロボット、ドローン、センサーなど現実世界との接点も多くあります。そのため、政府が「勝ち筋」とするバーティカルAIとフィジカルAIの双方と親和性の高い産業だと考えられます。

Q5．日本はLLM開発で出遅れたのでしょうか？
政府は、日本がAIへの投資規模で出遅れてきたとの認識を示しています。一方で、GENIACなどを通じて国内のAI基盤モデル開発力の確保・強化も進めています。基盤モデル開発を諦めるのではなく、日本が強みを持つ産業や現場のデータとAIを組み合わせることで競争力を高める戦略です。

Q6．AI時代に建設・住宅会社がまず取り組むべきことは何ですか？
重要なのは、自社の業務データをAIが利用できる状態にしていくことです。顧客、商談、見積、図面、工程、原価、発注、現場、アフターなどのデータを構造化・関連付けして蓄積することで、将来的にAIが自社や業界のコンテキストを理解するための重要な資産になります。

まとめ：AI時代だからこそ「現場」と「データ」が強みになる

日本のAI戦略は、「巨大なLLMをつくるか、バーティカルAIをつくるか」という二者択一ではありません。
国内のAI基盤モデル開発力を確保しながら、日本が持つ産業、現場、データ、ものづくりの強みをAIと組み合わせる。
その中で政府が「日本の勝ち筋」として明示したのが、
「バーティカルAI」「フィジカルAI」「AI for Science」
です。
そして建設業は、図面、見積、工程、原価、施工記録などの専門データを持つ一方、建設機械、ロボット、ドローン、センサーなど、現実世界との接点も多い産業です。
つまり、バーティカルAIとフィジカルAIが交わる可能性を持った現場といえます。

2026年9月、高市総理は「建設などの分野におけるAIの活用を加速」する方針を示しました。
そして10月には、建設分野の人手不足解消に向けた政府横断の検討と、高性能AIの社会実装を成長戦略として進める方針が示されています。

AI時代に競争力を持つのは、必ずしも「最も大きなAIをつくった企業」だけではありません。
「自社や業界にしかないデータと知識を、AIが利用できる形にできた企業」。
日本が産業や現場を起点にAIの「勝ち筋」を描こうとしているように、建設・住宅会社にとっても、自社が持つデータや現場の強みをAI時代の競争力へ変えていくことが、これからの重要なテーマになるのではないでしょうか。