レンダリングは美しかった。だが、その建物は建てられなかった。

この問題を本当に理解した最初のとき、私は波のようにカーブしたガラスファサードのレンダリングを眺めていて、その下には施工業者からの一行のメモがあった。予算の3倍。

建築家はその午前中のうちにコンセプトを生成していた。それは本当に美しく、コンペを勝ち取るような種類の画像だった。そしてそれは、考えうる限り最も高くつくかたちで、嘘だった。それが要求する二重曲面ガラスは1平方フィートあたりおよそ100ドルから500ドルする。同じ役割を果たす平面強化ガラスなら18ドルから25ドルだ。その部屋にいた誰も、その絵に恋に落ちたときにはそれを知らなかった。彼らがそれを知ったのは60日後、ゼネコンがその夢に値付けをし、デベロッパーがパニックに陥り始めたときだった。

そのギャップ——レンダリングと荷重経路のあいだ、生成AIが描けるものと構造エンジニアが実際に承認印を押せるもののあいだのギャップ——は、建築業界においてほとんど誰もソフトウェアを作っていない、最も高くつく問題だ。建築における生成AIは、ピクセルを生み出すことにおいては並外れて上達した。重力については何も学んでいない。こうした形状を生成するツールには、内部に物理エンジンがない。それらは構造ではなく画像を生み出しており、その違いこそがプロジェクトが頓挫する場所だ。

Trimbleは、拙い設計に起因する建設手戻りの年間コストを1,770億ドルと見積もっている。私をより悩ませる数字は、その内訳だ。プロジェクトのコスト乖離のうち、およそ80%は設計変更にさかのぼり、実際に建設現場で起きることに起因するのはわずか17%ほどだ。私たちはこの10年間、その17%——現場ロジスティクス、機材テレマティクス、ドローンによる進捗スキャン——にソフトウェアを注ぎ込み、80%のほうは、モデルを共有しない二つのチームのあいだの手作業の引き継ぎに委ねてきた。

こうした建物を生成するツールは、荷重経路ではなくピクセルを生み出す。その一つのギャップこそ、10件中8件のコスト超過が生まれる場所だ。

私たちがそれを直そうとして何を間違えたのかを話したい。なぜなら、その失敗こそが、私たちに何かを教えてくれた部分だからだ。

誰もモデル化しなかったデス・レイ

失敗の前に、まずは戒めの話を——なぜなら、物理を誰かが確認する何週間も前に形状が決まってしまうと何を代償に払うことになるのか、私が知る限り最もわかりやすい例だからだ。

ラファエル・ヴィニオリによるラスベガスのヴダラ・ホテルには、三日月形で南向きのガラスファサードがある。その凹面のジオメトリは、凹面鏡がまさに行うことをした——下のプールデッキに太陽光を集光したのだ。気温はプラスチック製のラウンジチェアを溶かし、宿泊客の髪を焦がすほどにまで上がった。スタッフはその焦点ゾーンを「デス・レイ（死の光線）」と呼び始めた。対処法はフィルム、フィン、そして大型のパラソルだった——完成した建物にあとから取ってつけた、醜い謝罪の産物だ。

すべての建築家をぞっとさせるべき詳細がこれだ。同じ建築家が、また同じことをやったのだ。ロンドンの20 Fenchurch Street——通称「ウォーキー・トーキー」——では、凹面ファサードが太陽光を集光し、下の路上に駐車していたジャガーの車体を傷めるほどの熱を発生させた。二つの建物、同じ物理、同じ建築家、設計プロセスにおける同じ盲点。

その物理は微妙なものではなかった。凹面鏡は光を集める。1年生のレイトレーシング解析ならミリ秒でそれを捉える。問題は決して、数学が難しかったことではない。問題は、その数学が別の建物の、別のチームのコンピューターの中に、形状が選ばれた瞬間から何週間も下流に存在していたことだった。そして今や生成ツールは、誰もが複雑な曲面ジオメトリを数秒で作れるようにしている。うっかりソーラーコンセントレーター、風洞、あるいは音響焦点を作ってしまう方法の数は増えた。形状がまだ柔らかいうちに行われる物理チェックの数は、増えていない。

私たちが最初に作った、うまくいかなかったもの

私のチームがこれに取り組み始めたとき、私たちは当然のことをやった。そして、それを推し進めたのが私自身だったことを正直に言っておきたい。夢は即座の物理フィードバックだった——建築家にファサードをドラッグさせ、構造応力がライブで更新されるのを見てもらう、待ち時間なしで。そのための教科書的なツールが、物理情報付きニューラルネットワーク（PINN）だ。構造を支配する方程式をモデルに直接焼き込めば、理論上は物理をタダで手に入れられる。

私たちはそれにひと月近くを費やした。紙の上では魅力的だったが、実践においては危険なものだった。物理情報付きニューラルネットワークに関する誠実な文献は、宣伝文句の先を読めば手厳しい。それらは埋め込むのだ、理想化された方程式を——境界効果やマルチスケール効果をこっそり省いた方程式を——そして誤差は乗算的に伝播する。つまりモデルは、もっともらしく、自信たっぷりで、間違った答えをあなたに手渡すということだ。梁のたわみは4階の微分方程式であり、それらはこの手法全体が依存している勾配安定性を台無しにする。何より悪いことに、構造構成を変えれば再学習しなければならない。「自由に探索する」ことこそがすべての売りだったツールにとって、柱を一つ動かすたびに完全な再解析を必要とするモデルは、ツールではない。それは見栄えのいいデモを備えた罠だ。

私にとってそれが息絶えた瞬間は、私がすでに設計不足だと知っていたフレームに対して、それがきれいで美しい変位図を返すのを見たときだった。それは不確実性を示さなかった。ためらいもしなかった。それは完全な自信をもって間違っていた——それこそ、構造ツールがなりうる中で最も危険な状態だ。自信たっぷりに間違っている構造解析は、正直に遅い構造解析よりも危険だ。私は物理情報付きのルートこそが上品な答えだとあまりに確信していて、上品であることが安全であることと同じかどうかを問うことを飛ばしていた。同じではなかった。

その失敗こそが、私たちに実際のアプローチを買い与えてくれた。

実際にうまくいったもの——設計事務所自身の建物で訓練したグラフニューラルネットワーク

転機が訪れたのは、私たちがAIに物理を方程式から再導出させようとするのをやめ、設計事務所自身の解析履歴から物理を学習させ始めたときだった。構造とはグラフだ——節点と部材、接合部と荷重。グラフニューラルネットワークはまさにその形状のために作られており、研究は本当に良くなってきている。StructGNNと呼ばれるフレームワークは、変位、モーメント、せん断力を99%を超える精度で予測し、見たことのない高層構造に対してさえ96%の精度を保つ。GNNを構造サロゲートとして最適化ループの内側で使う別の研究の流れは、最適化時間を81%削減し、エンボディドカーボンを6%近く削減した。

解き放つ鍵は精度の数字ではない。それは、どこにそれほど高速なモデルを置けるか、だ。ETABSでの完全な有限要素解析には数時間かかる。バリューエンジニアリングの土壇場では、部材のサイズを変える10回の反復はシニアエンジニアの2週間分の時間だ。数秒で答えるサロゲートなら、概念設計ループの内側に存在できる——曲面ファサードの太陽光集光を、長スパンのたわみを、どのサービスセンターにも存在しない断面を要するトランスファービームを、形状がまだ安価に変更できるうちにスクリーニングする。承認印の押されたFEA実行を置き換えるためではない。FEA実行があとで却下することになるものに建築家が3週間かけて恋に落ちるのを止めるためだ。

これこそ、私たちがVeriprajnaでAEC企業のために作っているものの核心だ。概念設計中の物理情報付き事前スクリーニング、実際に買える鋼材に対する構造最適化、そして手作業の変換にエンジニアの工数を流出させ続けるのを止めるBIM対解析パイプライン。Revitに取ってつけたチャットボットではない。設計事務所自身の類型で訓練されたモデルであり、だからこそ、その事務所の建物がどう振る舞いがちかを知っている。

なぜ最も安い鋼材部材がしばしば最も高くつくのか？

私は調達の場で構造チームと同席するまで、これを理解していなかった。紙の上で最も安い部材は、現実にはしばしば最も高くつく部材であり、私が見たどの最適化ツールも、その違いを知らなかった。

ソルバーは、構造的に効率が良いからと、喜んでW14x730を指定するだろう。だがそれはミル発注専用の断面だ——サービスセンターから引き出すことはできず、ミルは四半期ごとの周期でそれを圧延し、あなたはたった今クリティカルパスに16週間の納期を載せてしまった。一方、あらゆる地域のサービスセンターが在庫している、わずかに重いだけのW形鋼なら数日で出荷される。重量的に「最適」な設計は、スケジュールを吹き飛ばした。「準最適」なほうは、期日どおり、予算内で建った。

そして、これを製品化しづらくしているのがこの部分だ。この業界のどこにも、リアルタイムの鋼材在庫APIは存在しない。AISCは形状の入手可能性データベースを維持しているが、実際の在庫は今なお、ファブリケーターとサービスセンターのあいだを電話で、スプレッドシートで、EDIで動いている。ミルの最低発注量、定尺のロス、今週誰が何を持っているか——そうした知識は、エンドポイントではなく人間関係の中に存在する。構造を調達の現実に対して最適化するAIはすべて、その雑然とした、人間的で、事務所固有のデータを取り込めるように作られなければならない。なぜなら、あなたを救ってくれるきれいなフィードなど来ないからだ。それこそ、既製のソフトウェアが手を出すのを拒み、カスタムの仕事が存在する理由となる、まさにその種の問題だ。

これは四半期ごとにますます重要になっている。2025年、鋼材はENRの20都市平均で11.9%上昇し、鋼とアルミニウムへの関税は年央に25%から50%へ跳ね上がった。そして前四半期の価格に基づいて作られた初期段階のコスト見積もりはフィクションだ。入手可能性とボラティリティを無視して重量を最適化するのは、間違った変数を最適化することだ。

RevitとETABSのあいだの変換税

私が過小評価していた、より静かなコストがある——そしてそれは純粋な無駄だ。あなたの建築家はRevitで作業する。あなたの構造チームはETABSで解析する。モデルを一方から他方へ移すのは、ボタン一つであるべきだ。だが実際にはそれは、あなたの事務所が年に何百回も払う税なのだ。

RevitからのIFCエクスポートは、日常的に解析モデルを取りこぼす。接合タイプが消え、解析オフセットがリセットされ、荷重の割り当てが消失する。フォーマットそのものが断片化している——IFC2x3対IFC4のアライメント問題は現実であり、ベンダー公認の交換アドインでさえ、業界自身が認めるところによれば、そのままでは出来が悪い。だからエンジニアは、変換の後始末に2〜4時間を費やす——解析が始まってすらいないうちに。それをプロジェクトあたり15回以上の反復、年に30件以上のプロジェクトにわたって掛け合わせれば、あなたはシニアエンジニアの数千時間を、データの雑用に燃やしていることになる。エンジニアリングではない。設計でもない。変換だ。

あなたの最も高価なエンジニアたちは、建物を解析するのではなく、それを記述するはずだったファイルを修復することに、年間数千時間を費やしている。

これは華々しくないが、莫大なものであり、しかも最も早く元が取れる構築の部分だ。Revit APIと解析ツールのAPIを介して配線されたカスタムパイプライン——汎用的なIFCの往復ではなく——は、IFCが取りこぼすものを保持する。それはどんな売り込みでも最も面白味のないスライドであり、そして経営責任者が真っ先に丸をつける項目だ。

承認印は動かない

人々はいつも、こういう類の質問を私にする。AIは結局、事務所がエンジニアを飛ばせるようにするだけじゃないのか？と。そして、法的にいえば、その答えは彼らが予想するのとは正反対だ。

構造エンジニアが図面一式に署名し承認印を押すとき、彼らはそれに対する個人的で職業的な責任を引き受ける。AIはそれについて何も変えない。AIが生成した部材と、若手エンジニアが作図したものとを区別する規制など、どこにも存在しない——記録上のエンジニアが、その両方を完全に所有する。AIが生成した設計もなお、建築基準法のあらゆる条項を満たさなければならず、しかもASCE 7-22が今やIBC 2024に組み込まれた今（新しい応答スペクトル、新しい積雪マップ、作り直された定着方程式）、満たすべき基準は少なくではなく、多くなっている。

私はこれを、障害ではなく特長だと考えるようになった。そしてそれが、私たちの作るものすべてを形づくっている。エンジニアは、AIの出力を問いただすことができなければならない——荷重経路を見て、それを基準法に照らして確認し、インターンの仕事を検証するのと同じやり方で検証する——なぜなら、免許が懸かっているのは彼らだからだ。自信に満ちたブラックボックスの答えを生み出すツールは、それを法的に弁護することを求められている専門家にとっては役に立たない。それこそ、あのひと月の物理情報付きネットワークがこれほど明快だった最後の理由だ。それは私に、間違ったもの——不透明な自信——を、その正反対を必要とする買い手のために作ることを教えていたのだ。

では、なぜAutodeskはこれをやっていないのか？

それはもっともな問いだ。なぜなら、大手は明らかに動いているからだ。Autodesk Formaは「Neural CAD for Buildings」を展開しつつあり、これは初のAEC特化型基盤モデルと銘打たれている。Nemetschekはエージェント型AIをグループ全体の優先事項に据えた。Gartnerは、2026年末までに企業アプリケーションの40%がAIエージェントを組み込むと予想している。この分野は紛れもなく動いている。

私はどのツールが実際にどこで止まるのかを知るのに十分なほど、技術評価会議に立ち会ってきた。Formaはマッシングとサイトプランニングに秀でているが、構造部材のサイズ決定のはるか手前で止まる——あなたの鋼材がいくらかかるかは見当もつかない。AltairのSimSolidとPhysicsAIはメッシュレスシミュレーションを高速に行うが、エンタープライズ向けの価格設定で、機械と自動車を狙っており、BIMネイティブでも調達を考慮したものでもない。TestFitとHyparはサイトとスペースのプランニングツールであり、構造検証はまったく行わない。最も近いStru.aiは、既存のFEAを囲むオートメーションのラッパーだ——ETABSを動かすのを速めはするが、時間のかかる実行を即座のフィードバックで置き換えはせず、生成的でもない。

生成的設計と構造検証のあいだのループを、実際に買える鋼材に対して、あなたの建物で訓練したうえで閉じる商用ツールは存在しない。そのループこそが、勝負のすべてだ。

これは彼らのいずれかへの当てこすりではない——彼らは自分たちの得意なことにおいて優れている。そうではなく、生成的設計と構造的現実のあいだの継ぎ目こそ、水平型プラットフォームが行こうとしない、まさにその場所なのだ。なぜなら、それを閉じるには設計事務所自身の解析履歴、自身の類型、そして自身の雑然とした調達の人間関係が必要だからだ。それは本質的にカスタムだ。そして採用の数字は、その窓が大きく開いていることを物語る。AEC専門家のうち業務でAIを使っていると報告するのはわずか27%、AIソリューションを実装した建築事務所はわずか8%であり、それでいて建築家の採用率は1年で41%から59%へ跳ね上がった。今動いている事務所は遅れてはいない。彼らは、まだほとんど始まってすらいない業界において、早いのだ。

バリューエンジニアリングは本当に避けられないのか？

70年間、建設プロジェクトのおよそ85%が平均28%の予算超過をしてきた。そして、期日どおり予算内で完了する巨大プロジェクトは10件に1件にも満たない。業界はバリューエンジニアリングを、避けられないものとして分類してきた——施工業者が夢に値付けをし、デベロッパーがパニックに陥り、そしてエンジニアがモデルを10回再実行するあいだ、全員がひと月を失う、60日から90日にわたる儀式として。

それは避けられないものではない。それは、形状がまだ柔らかいうちにではなく、形状がロックされたあとで構造的成立性、材料の入手可能性、そして製作の複雑さを確認する設計プロセスの症状だ。それらのチェックを上流へ——概念ループの中へ、グラフニューラルネットワークの速度で、設計事務所自身の仕事で訓練し、実際に手に入る鋼材と配線して——移せば、バリューエンジニアリングの危機は管理されるようにはならない。それは生まれること自体をやめる。もしあなたがAEC企業を経営していて、そのパイプラインがどのように組み立てられているかを見たければ、私たちはここに完全なアプローチをまとめている。

これを始めたそのレンダリング——下に予算の3倍と走り書きされた、あの美しいガラスの波——は、60日遅れで施工業者のスプレッドシートの中で死ぬ必要などなかった。それを殺した物理は、初日に知りうるものだった。今問う価値のある唯一の問いは、なぜ私たちは最後になって知り続けるのか、ということだ。