建築・構造設計のためのAI
生成AIは数秒で見事な建築コンセプトを生み出します。そして御社の構造チームは、それが施工不可能であることを証明するために数週間を費やすのです。建設コスト乖離の80%は、施工ミスではなく設計変更に起因しています。
Veriprajnaは、このギャップを埋めるカスタムAIシステムを構築します。コンセプト設計段階での物理情報に基づく事前スクリーニング、実際の鋼材調達を踏まえた構造最適化、そして手戻りを引き起こす手作業の変換エラーを排除する自動化されたBIM-to-解析パイプラインです。
$177B
設計エラーによる年間建設手戻り額
Trimble、2025年
80%
設計変更に起因するコスト乖離の割合
FMI / 業界分析
11.9%
2025年の鋼材価格上昇率
ENR 20都市平均
建築から設計への引き継ぎこそ、プロジェクトが停滞し、予算が超過し、スケジュールが崩壊する場所です。それが実際にはどのようなものかをご紹介します。
ラスベガスにあるラファエル・ヴィニオリ設計のVdaraホテルは、三日月形で南向きのガラスファサードを特徴としています。その凹面の形状はパラボラ反射鏡のように働き、太陽放射をプールデッキに集中させました。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上昇したのです。物理は単純でした。凹面鏡は光を集中させる、というものです。コンセプト設計段階でのレイトレーシング解析であれば、これをミリ秒で検出できたはずです。
同じ建築家はロンドンの20フェンチャーチ・ストリート(「ウォーキー・トーキー」)でも同じ過ちを繰り返しました。そこでは凹面ファサードが、路上のジャガーの車体を溶かすほど高温に太陽光を集中させました。2つの建物、同じ物理的失敗、同じ建築家、同じ設計プロセスのギャップです。
両建物での是正措置は高額で、かつ美観を損なうものでした。無反射フィルム、外付けフィン、大型の日除け傘です。これらは例外的なケースではありません。生成AIによって複雑な曲面形状を容易に生成できるようになるにつれ、意図しない環境ハザード(集中する太陽光、風のトンネリング、音響の集束)のリスクは比例して高まります。こうした形状を生成するツールには物理エンジンが存在しません。それらが生み出すのはピクセルであり、荷重経路ではないのです。
基本設計の承認から60〜90日後、ゼネコンが建築家のビジョンに価格をつけます。その電話は予測可能な台本どおりに進みます。ファサードは予算の3倍だ、なぜならAIが生成したコンセプトが、平方フィートあたり18〜25ドルの平板強化ガラスではなく、平方フィートあたり100〜500ドルの二重曲面ガラスを使っているからだ、と。構造用鋼材には、納期16週間のミルオーダー専用断面(W14x730、なんていかが?)が含まれています。接合部のディテールは、人件費を3倍にする完全溶け込みの現場溶接を必要とします。
デベロッパーはパニックに陥ります。バリューエンジニアリングが始まります。建築家はあらゆる変更に抵抗します。構造エンジニアは提案された代替案ごとにETABSを再実行します。各反復には4〜8時間の解析時間がかかります。10回の反復は、部材の再寸法決定だけでシニアエンジニアの2週間分の時間を意味します。
このサイクルは、5,000万ドル超のほぼすべてのプロジェクトで繰り返されます。業界はそれを避けられないものとして受け入れてきました。しかし、そうではありません。コンセプト反復の段階で構造的成立性、材料の入手可能性、製作の複雑さをチェックする設計プロセスは、VEの危機が始まる前にそれを排除します。
御社の建築家はRevitで作業します。御社の構造チームはETABSで解析します。モデルを一方からもう一方へ移すことは、御社が年に何百回も繰り返す、手作業でエラーの起こりやすいプロセスです。
RevitからのIFCエクスポートは、解析モデルのデータを日常的に欠落させます。接合部のタイプが失われます。解析オフセットがリセットされます。荷重の割り当てが消えます。サードパーティの交換ツールを使っても、BIMオーサリングツールと解析ソフトウェアの間の構造モデル転送の標準状態での品質は信頼できません。御社のエンジニアは、解析を始めることすらできる前に、変換の後処理にモデルあたり2〜4時間を費やします。
それにプロジェクトあたり15〜20回の反復、年間30〜50件のプロジェクトを掛け合わせると、御社はデータ変換に数千時間ものシニアエンジニアの時間を浪費していることになります。エンジニアリングではありません。設計でもありません。変換です。
既存ツールがどこで止まり、カスタム開発がどこから始まるかを評価するためのリファレンスです。次回の技術評価会議でこれを開いてください。
| プラットフォーム | 何をするか | 強み | ギャップ |
|---|---|---|---|
| Autodesk Forma | AIを活用した敷地計画、ボリューム検討、環境解析(日照、風、エネルギー)。建物向けのNeural CADは2026年にローンチ予定。 | 支配的なBIMエコシステム。リアルタイムの日照/カーボン解析。Revit連携。 | ボリュームレベルのみ。構造部材の寸法決定なし。実際の調達データに対するコスト最適化なし。 |
| Altair SimSolid / PhysicsAI | 完全なCADアセンブリ上でのメッシュレスFEA。AIモデルが過去データからシミュレーション結果を予測。 | 複雑なアセンブリで数時間ではなく数分。Siemensの後ろ盾($10.6Bの買収)。ファサードと接合部に強い。 | エンタープライズ向け価格。機械/自動車に焦点、AECネイティブではない。BIM連携なし。調達への認識なし。 |
| TestFit | 集合住宅/商業施設向けのAI敷地計画。10秒未満で3,000件の有効なプラン。 | 高速な反復。住戸ミックスと駐車場の最適化。週あたり650件超の案件を評価。 | 敷地計画のみ。構造設計なし。物理シミュレーションなし。 |
| Hypar | AIが生成するボリューム、グリッド、レイアウトによるパラメトリックな空間計画。 | 開発者にやさしい。Revitへのエクスポート。高速なコンセプトレイアウト。 | 空間計画に焦点。構造検証なし。コスト見積もりなし。 |
| Stru.ai | ETABS/SAP2000/RISAのワークフローを自動化するAIエージェント。計算書を生成し、コードをチェック。 | ネイティブなFEAツール連携。コード参照付きの出力(ACI/AISC)。40%の時間削減を主張。 | 既存のFEAを取り囲む自動化ラッパー。解析時間そのものを削減しない。生成設計ではない。 |
| Tekla(Trimble) | ディテーリング向けのAIモデル&図面アシスタント。AIが生成する製作図の提案。 | 強力な製作とディテーリングのワークフロー。自然言語によるモデリングコマンド。 | ディテーリングに焦点。構造設計や最適化ではない。 |
| Nemetschek(Allplan/Vectorworks) | BIMワークフロー向けのAIアシスタント。設計タスクの自動化。2026年:エージェント型AI戦略。 | マルチブランドのエコシステム。設計から施工までのデータフローを接続。 | AI機能は補助的(チャットボット、ディテーリング)。物理ベースの検証や最適化はなし。 |
| ビッグ4 / 大手SIer | テクノロジーコンサルティング、デジタルトランスフォーメーションプログラム、BIM導入。 | ブランド認知。大規模チーム。確立されたエンタープライズとの関係。 | 彼らはプラットフォームを導入するのであって、物理エンジンを構築するのではありません。契約は$500K〜$5M+、期間は6〜18か月に及びます。構造設計の分野的な深みはありません。 |
| カスタム開発(Veriprajna) | 御社固有のAI:御社のプロジェクトで訓練されたサロゲートモデル、直接APIパイプライン、調達を意識した最適化。 | 御社のタイポロジー、御社のツール、御社の基準に合わせて構築。オンプレミス展開。構造分野の専門知識。 | 棚から買う製品ではありません。サロゲート訓練には200件超の過去モデルが必要。12〜20週間の契約。 |
各機能は、御社のツール、タイポロジー、エンジニアリング基準に合わせて特別に構築されます。プラットフォームではありません。プラグインでもありません。御社がすでに運用しているワークフローに統合されたカスタムAIです。
私たちは、御社が完了したETABS/SAP2000解析でグラフニューラルネットワーク(GNN)のサロゲートを訓練します。モデルは、御社の建物タイポロジーに固有の構造挙動パターンを学習します。鉄骨モーメントフレーム、コンクリート耐震壁、合成床システムなどです。
コンセプト設計の段階で、サロゲートは利用率(ユーティライゼーション比)、層間変形角の推定値、部材の妥当性チェックを、数時間ではなく数秒で返します。私たちがGNNベースのアーキテクチャを採用するのは、構造モデルが本質的にグラフ(部材をノード、接合部をエッジとする)であり、グラフ上のメッセージパッシングが、力が実際にフレームを伝播する様子を反映するからです。
サロゲートは探索フェーズを担います。御社のPE(専門技術者)が最終検証を担います。StructGNN研究の学術ベンチマークでは、フレームの変位と力に対して99%超の精度が示されています。より変動の大きい実際のプロジェクトデータで訓練された私たちの本番サロゲートは、利用率について通常R二乗0.97〜0.99を達成します。
私たちは、構造用鋼材の部材を3つの制約に対して同時に寸法決定する多目的最適化エンジンを構築します。構造的妥当性(AISC 360チェック)、材料コスト(重量最小化)、そして調達の現実(サービスセンターの入手可能性と在庫長さ)です。
オプティマイザは、強化学習ではなくNSGA-II進化的アルゴリズムを使用します。遺伝的アルゴリズムは実証済みで、よく理解されており、建物規模の問題における深層強化学習のような収束の不確実性なしに、多様なパレート最適解を生成します。私たちは公表された圧延スケジュールとサービスセンターのデータに基づいてAISCのW形鋼を入手可能性のティアに分類し、構造的要求が真に必要としない限り、ティア3(ミルオーダー)の選択にペナルティを課します。
出力は、重量削減の見積もり、調達リードタイムへの影響、推定コスト差を備えた、施工可能な部材表です。社内ベンチマークでは、この手法は、スケジュールに影響するミルオーダーを排除しながら、従来の寸法決定と比較して9〜15%の鋼材トン数削減を示しています。
私たちはIFCを完全に回避し、御社のBIMオーサリングツールと解析ソフトウェアの間に直接のAPI連携を構築します。最も一般的なパイプライン(Revit-to-ETABS)では、Revit APIを使ってRevitデータベースから解析モデルを直接抽出し、CSi OAPIを使ってそれを完全な忠実度でETABSに送り込みます。フレーミングの接続性、断面の割り当て、材料特性、荷重定義です。
ラウンドトリップは双方向に機能します。解析結果は同じAPIを通じて戻り、色分けされた利用率オーバーレイでRevitモデルを更新します。IFCエクスポートなし、手作業の後処理なし、接合部タイプの喪失や解析オフセットのリセットもありません。
私たちはRevit-to-SAP2000、Revit-to-Robot、Tekla-to-STAAD、そしてその他のツールペアについても同じものを構築します。各パイプラインは、御社が使用する特定のソフトウェアバージョンとエンジニアリング基準に合わせてカスタム構築されます。目標は汎用的な連携ではなく、御社のチームが手作業のチェックをやめられるほど信頼できる、堅牢なデータ経路です。
私たちは、基本設計の段階で実行される、リアルタイムのコストと施工性のフラグ付けシステムを構築します。このシステムは、各設計の反復を、調達データベース、製作の複雑さに関するヒューリスティクス、建築基準の要件(ASCE 7-22、IBC 2024)に照らして評価します。
具体的なフラグには次が含まれます。曲面ガラスのペナルティ(平板は$18〜25/sqftに対し曲げ加工は$100〜500/sqft)、現場溶接を要する非標準の鋼材接合部、ミルオーダーのリードタイムを伴う断面、断熱材を貫通する鋼部材による熱橋(サーマルブリッジ)、そして凹面ファサードへの太陽光集束のような環境ハザードです。
これがVEの危機を防ぐシステムです。建築家のコンセプトが、90日後のゼネコンによる価格付けの時点ではなく、反復3回目で施工性のフラグを引き起こすとき、プロジェクトは数週間の再設計と数十万ドルのエンジニアリング手戻りを節約します。このシステムは建築家の判断を置き換えるものではありません。ゼネコンが持つのと同じコストと実現可能性への認識を、建築家に与えるものです。
3つのフェーズ、12〜20週間。数年がかりのトランスフォーメーションプログラムはありません。プラットフォームの移行もありません。
私たちは御社の設計から解析までのワークフローを端から端まで地図化します。建築家はどこで構造チームに引き継ぐのか?各ETABSの反復にはどれくらいの時間がかかるのか?どの建物タイポロジーが御社のプロジェクト量の80%を占めるのか?最も摩擦の大きい引き継ぎ地点はどこか?
成果物:各ボトルネックの時間とコストを定量化した、優先順位付けされたギャップ分析。これにより、フェーズ2で何を構築するかが決まります。
私たちは、御社のワークフローが必要とするカスタムAIコンポーネントを構築します。サロゲートモデルの訓練には、御社が完了した構造解析200〜500件が必要です。BIM-to-解析パイプラインは、御社の特定のRevit/ETABSバージョンと事務所基準に合わせて構築されます。調達オプティマイザには、現在のAISC入手可能性データと御社の優先サービスセンターとの関係が投入されます。
私たちはML工学とソフトウェア開発を担当します。御社の構造チームは分野の検証を提供します。サロゲートの予測をエンジニアリングの直感に照らして検討し、最適化の制約が御社の基準と一致することを確認するのです。
御社の環境(オンプレミス、または御社のクラウドテナント。私たちのものでは決してありません)への展開。5〜10件の進行中プロジェクトでの並行検証:AIが御社の標準ワークフローと並行して稼働し、御社のエンジニアが結果を比較します。私たちはこれらの実プロジェクト比較に基づいて精度のしきい値を調整します。
成果物は、御社のチームがすでに使用しているツールに統合された、動作するソフトウェアです。スタンドアロンのプラットフォームではありません。新しいログインでもありません。Revitプラグイン、ETABS連携、御社の既存プロジェクト管理スタックのダッシュボードです。
御社の設計から解析までのワークフローのどこで、AIの介入が最も高いROIをもたらすかを評価します。御社の現在の実務について6つの質問にお答えください。
私たちは、御社自身が完了したプロジェクトで訓練されたカスタムサロゲートモデルを構築します。訓練データは、御社の既存のETABSまたはSAP2000の解析結果から得られます。御社のチームがすでに実行した何百、何千もの構造モデルです。サロゲートは、御社の特定の建物タイポロジーについて、構造構成(部材寸法、スパン、荷重)と解析結果(利用率、層間変形角、たわみ)の関係を学習します。
コンセプト設計の段階で、サロゲートは即座のフィードバックを提供します。「このベイ間隔でW24x68の梁を使うと、重力下で利用率0.87になります。風による層間変形角はH/420です。」建築家や設計者は、完全なFEA実行を待つことなく、これを数秒で得られます。
設計が安定すると、御社のエンジニアは依然として許認可申請のために完全なETABSまたはSAP2000解析を実行します。PEはいつものとおり最終計算書一式に押印します。サロゲートは、現在は建築チームとエンジニアリングチームの間で何日も往復を要する最初の15〜20回の反復を担います。統合は御社の既存ツールを通じて行われます。Revitプラグインが解析モデルを抽出し、APIを介してサロゲートに送り、結果をBIMモデル上の色分けオーバーレイとして返します。新しく学ぶソフトウェアはありません。御社の最終成果物のワークフローに変更はありません。
はい。ただしデータの鮮度については正直な注意点があります。鋼材サービスセンターはリアルタイムの在庫APIを提供していません。入手可能性データは、公表された圧延スケジュール、サービスセンターの在庫リスト(週次から月次で更新)、そしてファブリケーターからの過去の調達パターンに由来します。
私たちは、AISC標準のW形鋼を3つのティアに分類して最適化エンジンを構築します。主要なサービスセンターで常に入手可能なティア1の断面(W10x12からW12x26、W14x22からW14x48、W16x26からW16x40、W18x35からW18x50、W21x44からW21x62、W24x55からW24x84)、一般的に在庫されているが数日のリードタイムを要する場合があるティア2の断面、そして8〜16週間のリードタイムを伴うミルオーダー専用のティア3の断面です。
オプティマイザはデフォルトでティア1の選択を行い、構造的要求が真にそれを必要とする場合にのみティア2またはティア3に移行します。また、切断の無駄を最小化するために在庫長さ(40フィートおよび60フィートの標準)も織り込みます。最近の社内ベンチマークである12階建ての鉄骨モーメントフレームでは、この手法は従来のエンジニアリング判断と比較して総鋼材トン数を9%削減し、同時にすべてのミルオーダー断面を排除して、推定6週間の調達リードタイムを節約しました。注意点として、入手可能性は週ごとに変化します。私たちはファブリケーターとの提携とAISCの公表データからティアデータベースを構築しますが、御社の調達チームは最終発注の前に、重要な断面を自社のサービスセンターの担当者に確認すべきです。
そのとおりです。そして私たちは自社のツールを、PE押印された計算書の代替として位置づけてはいません。どの建築当局も、許認可承認の根拠として「AIが安全だと言った」を受け入れることはありません。免許を持つ専門技術者(PE)は、許認可のために提出されるすべての構造計算について引き続き責任を負います。
私たちのツールはPEの最終解析の上流に位置します。それらは探索フェーズを担います。チームが適切な構造システム、部材寸法、横抵抗システムを探している、基本設計と設計展開の段階での15〜20回の設計反復です。現在、各反復には手作業によるETABSモデリングと解析に何時間もかかります。私たちのサロゲートモデルはこれを数秒に圧縮し、PEがより多くの選択肢を探索し、最終解析のためのより良い出発点に到達できるようにします。
最終計算書一式は、常に御社の免許を持つエンジニアが御社の標準FEAソフトウェアを使って作成します。私たちのAIは設計空間を絞り込み、御社のPEが最終的な答えを検証します。これは、業界がすでにボリュームスタディにFormaのようなツールを使っている方法を反映しています。誰もFormaモデルを許認可のために提出はしませんが、それは初期設計段階での手作業の反復を数週間節約します。私たちは同じ原則を構造設計に適用します。
私たちは構造モデルの交換にIFCを完全に回避します。RevitからのIFCエクスポートは、解析モデルのデータを日常的に欠落させます。ArchiCADのIFCとTeklaのIFCは異なる関係スキーマを使用します。GraphisoftのArchicad-Revit交換アドインを使っても、構造モデル転送の標準状態での品質は低いものです。接合部のタイプが失われ、解析オフセットがリセットされ、荷重の割り当てが消えます。
代わりに、私たちは御社のBIMオーサリングツールと解析ツールの間に直接のAPI連携を構築します。Revit-to-ETABS(最も一般的なパイプライン)では、Revit APIを使ってRevitデータベースから解析モデルを直接抽出します。これにはフレーミングの接続性、断面の割り当て、材料特性、荷重定義が含まれます。このデータはCSi OAPI(オープン・アプリケーション・プログラミング・インターフェース)を通じてETABSに入ります。CSiはこれをETABS v9以来維持しています。ラウンドトリップは機能します。解析結果は同じAPIを通じて戻り、Revitモデルを更新します。
これは汎用的なIFCワークフローよりも構築に手間がかかりますが、信頼できます。私たちはこのパイプラインをRevit 2024と2025にわたってテストしており、鉄骨およびコンクリートのフレーミングについて解析モデルは100%の忠実度で転送されます。同じ手法はRevit-to-SAP2000、Revit-to-Robot、Tekla-to-STAADでも機能します。各パイプラインは、御社が使用する特定のツールペアに合わせてカスタム構築されます。
典型的な契約は3つのフェーズにわたって12〜20週間進みます。フェーズ1(第1〜4週):パイプライン監査。私たちは御社の現在の設計から解析までのワークフローを端から端まで地図化します。建築家はどこで構造チームに引き継ぐのか?各反復にはどれくらいの時間がかかるのか?どの建物タイポロジーが御社のプロジェクト量の80%を占めるのか?どのFEAツールとBIMプラットフォームを使っているのか?私たちは最も摩擦の大きい地点を特定し、それぞれの時間コストを定量化します。
フェーズ2(第5〜14週):構築と訓練。私たちは御社のワークフローが必要とするカスタムAIコンポーネントを構築します。ボトルネックが遅い構造反復であれば、御社の過去の解析ファイルで訓練されたサロゲートモデルを構築します。ボトルネックがBIM-to-解析の変換であれば、APIパイプラインを構築します。ボトルネックがバリューエンジニアリングであれば、調達を意識したオプティマイザを構築します。訓練データは御社自身の完了したプロジェクトから得られ、信頼できるサロゲートには通常200〜500の構造モデルが必要です。私たちはML工学を担当し、御社の構造チームは分野の検証を提供します。
フェーズ3(第15〜20週):統合と検証。私たちは御社の本番環境(オンプレミス、または御社のクラウドテナント。私たちのものでは決してありません)に展開し、5〜10件の進行中プロジェクトで御社の標準ワークフローに対して並行検証を実行し、御社のチームを訓練します。成果物は、御社のチームがすでに使用しているツールに統合された、動作するソフトウェアであり、彼らが学ぶ必要のあるスタンドアロンのプラットフォームではありません。コストはスコープによります。単一のツールペア向けのBIM-to-解析パイプラインは約$80Kから始まります。最適化と統合を備えた完全なサロゲートモデルは$200〜400Kです。私たちはフェーズ1の後に正確にスコープを定めます。
鉄骨モーメントフレーム(私たちが最も検証してきたタイポロジー)では、300件超の事務所固有のETABS実行で訓練されたカスタムサロゲートモデルは、部材利用率についてR二乗値0.97〜0.99、層間変形角の予測について0.95〜0.98を達成します。これは、サロゲートの予測がETABSが計算する値の2〜5%以内にあることを意味します。規則的なグリッド上の重力のみの荷重では、精度はより高くなります。不規則な形状や複雑な横抵抗システム(アウトリガートラス、ベルトウォール)では精度が低下し、サロゲートはこれらのケースを完全なFEAレビューのためにフラグを立てます。
私たちはホールドアウトセットを使って検証します。御社の過去モデルの20%はテスト用に確保され、訓練中には一度も見られません。サロゲートは展開前に、ホールドアウトセットで最低限の精度しきい値を上回らなければなりません。私たちは継続的な検証も実行します。御社のチームが、サロゲートを通したプロジェクトで完全なFEAを実行するたびに、私たちは結果を比較し、ずれが5%を超えた場合は再訓練します。
StructGNN研究の学術ベンチマークでは、GNNベースの構造サロゲートが、フレーム構造の変位と力について99%超の精度を達成し、より高く未見の構造への一般化で96%の精度を示しています。私たちの本番の数値はわずかに低くなります。実際のプロジェクトは学術ベンチマークよりも変動が大きいためですが、サロゲートとFEAの間のギャップは、経験豊富なエンジニアの初期推測と最終解析の間のギャップよりも一貫して小さいのです。
このソリューションページの背後にある研究の基盤です。各ホワイトペーパーは、私たちがAEC企業のためにどのように構築するかを支える技術的な深みを掘り下げています。
報酬関数に物理、在庫、コストの制約をハードコードした、構造設計のための深層強化学習。
構造検証のためのグラフニューラルネットワークと物理情報ニューラルネットワーク。ピクセルベースの確率論的AIを決定論的計算に置き換える。
設計の手戻りは、平均的なプロジェクトで総予算の5〜12%のコストをかけます。1億ドルの建物では、それは回避可能なエンジニアリングと再設計コストの$5〜12Mに相当します。
30分の会話で、御社の設計から解析までのワークフローに、追求する価値のある自動化の機会があるかどうかを見極めるのに十分です。