トンネル点検 AI覆工画像解析導入費用対効果 2026｜AI覆工画像解析導入の費用対効果と回収の目安を検証

2026年5月17日

中西直美

この記事のポイント

✓トンネル点検 AI覆工画像解析の導入費用対効果を2026年の最新データで検証
✓ひび割れ自動検出の精度
✓走行型計測による交通規制削減

「AI覆工画像解析を入れたら、本当に元が取れるのか」。このご相談、最近とても増えています。トンネル点検 AI覆工画像解析の導入を検討している方が、費用対効果の一点でずっと迷っている。パンフレットの数字は立派だけれど、自分の現場に当てはめたときの回収イメージが描けない。大丈夫です。ここで一緒に整理していきましょう。

先に結論をお伝えします。AI覆工画像解析は、点検作業そのものを丸ごと自動化する魔法ではありません。けれど、ひび割れのスケッチやCAD化といった「人が延々と手を動かしていた工程」を大きく圧縮し、交通規制の日数を減らせる技術です。だから費用対効果は「点検1回あたり」ではなく「複数回・複数トンネルの積み上げ」で見えてきます。この記事では、その積み上げ方を、数字と現場の実感の両面からお話しします。

私はふだん、建設や土木の現場で働く方々のメンタルケアを仕事にしています。技術者ではありません。でも、だからこそ「導入の意思決定で眠れなくなっている」方の気持ちに寄り添いながら、客観的な市場データを噛み砕いてお伝えできればと思っています。

トンネル点検を取り巻く現状｜なぜいまAI覆工画像解析なのか

まず、背景から整理させてください。日本のトンネルは、高度経済成長期に一斉に造られたものが多く、いま次々と「建設から50年」の節目を迎えています。国土交通省の道路メンテナンス制度では、トンネルを含む道路構造物は5年に1度、近接目視による定期点検が義務づけられています。この「近接目視」という言葉が、現場に重い負担を強いてきました。

近接目視とは、点検員が実際にトンネルの覆工（内壁のコンクリート面）に手が届く距離まで近づいて、ひび割れや漏水、はく離を目で確認し、記録することです。高所作業車を出し、交通規制をかけ、夜間に何時間もかけて壁面をスケッチする。この作業を全国の膨大なトンネルで5年ごとに回し続けるには、点検員の数も予算もまったく足りていません。

そこに、担い手不足という問題が重なります。土木・建設分野の技術者は高齢化が進み、若手の入職は伸び悩んでいます。ベテランが引退すれば、これまで「経験と勘」で支えられていた点検品質を、どう維持するのかという課題が浮かび上がります。人が減り、構造物は老いていく。この2つの曲線が交差する場所に、AI覆工画像解析への期待が生まれました。

AI覆工画像解析は、ざっくり言えば「トンネルの内壁を高精細に撮影し、その画像からAIがひび割れや変状を自動で見つけ出す」技術です。人が壁に張り付いてスケッチする代わりに、車両で走りながら撮影し、あとはコンピュータが解析する。作業の中心が「現場での手作業」から「撮影とデータ処理」へと移ることで、規制日数と人手を減らせるのではないか。この発想が、いま各社の技術開発を後押ししています。

市場の広がりと技術の成熟度

インフラ点検にAIや3次元計測を使う動きは、実証段階を越えて実用段階に入りつつあります。国土交通省は新技術の導入を積極的に促しており、点検要領のなかで「新技術活用による効率化」を正面から認める方向へ舵を切りました。かつては「近接目視が絶対」だった世界が、「同等以上の精度が担保できるなら、画像やセンサーで代替してよい」という考え方へと変わってきているのです。

ただし、注意したい点もあります。AIによるひび割れの自動抽出率は、現時点で万能ではありません。後ほど具体的な数字を挙げますが、70%前後という報告もあり、残りは人の目による確認が必要です。また、「うき」や「はく離」といった、コンクリート内部の異常は、画像だけでは判断が難しく、打音検査という別の手法が欠かせません。技術は進化していますが、完全な無人化にはまだ距離があります。この現実を知っておくことが、費用対効果を冷静に見積もる第一歩になります。

こうした市場・技術の全体像を頭に置いたうえで、次の章から「導入で何がどれだけ楽になるのか」「費用はいくらで、いつ回収できるのか」を具体的に見ていきましょう。

AI覆工画像解析でできること｜従来点検との違いを工程で理解する

費用対効果を語る前に、「この技術が、従来の点検のどの工程を置き換えるのか」を工程単位で押さえておく必要があります。ここが曖昧なままだと、期待値がずれて「思ったより楽にならなかった」という失望につながるからです。

従来のトンネル覆工点検は、大きく次の流れで進みます。1つ目、点検員が壁面を見てひび割れを見つける。2つ目、見つけたひび割れをチョーキング（白墨などでなぞる）してスケッチする。3つ目、スケッチした結果を事務所に持ち帰ってCAD図面化する。この3工程はいずれも人手と時間を大量に消費します。特にスケッチとCAD化は、1本のトンネルで数日〜数週間かかることも珍しくありません。

AI覆工画像解析は、この流れを「撮影 → AI検出 → CAD化」へと組み替えます。ここで、実際に運用されているシステムの説明を引用してみましょう。

★社会インフラ画像診断「ひびみっけ」／富士フイルム株式会社★ コンクリート構造物の写真を自動的に合成し、ひびわれを自動検出するソフトウェアサービス。トンネル検査において従来は「1.ひびわれを見つける」「2.ひびわれをチョーキングしスケッチする」「3.スケッチした結果をCAD化する」という作業を行っていたが、写真から自動的にAIがひびわれを検出しCAD化する事で効率化を目的としている。また、本技術は打音点検車の後から損傷をスケッチする人員を写真撮影に変える事で導入できるため、従来点検から大幅にワークフローを変える必要がない。

この引用のポイントは2つあります。1つは「スケッチとCAD化の自動化」で作業効率を上げていること。もう1つは「損傷をスケッチする人員を、写真撮影する人員に置き換えるだけ」なので、現場のワークフローを大きく変えずに導入できること。ここが実は費用対効果を考えるうえで非常に重要です。既存の作業体系をひっくり返す必要がないほど、教育コストも抵抗も小さく、回収が早まるからです。

走行型計測がもたらす「交通規制ゼロ」の価値

AI覆工画像解析のもう1つの柱が、走行型の画像計測です。車両にカメラやレーザースキャナを搭載し、通常の走行速度に近いスピードで走りながらトンネル内壁を撮影する。これができると、点検のために車線を止める必要がなくなる、あるいは大幅に減らせます。

交通規制の削減は、金額に直結しにくいため見落とされがちですが、社会的コストで見ると極めて大きい価値です。高速道路のトンネルを1車線規制すると、渋滞による経済損失、規制標識や誘導員の人件費、夜間作業の割増賃金などが積み上がります。走行型計測で規制が不要になれば、これらのコストが丸ごと消えます。費用対効果の計算では、この「規制しないことで発生しなかったコスト」を必ず算入してください。ここを忘れると、AI導入のメリットを大幅に過小評価してしまいます。

3次元点群データという副産物

近年のシステムは、ひび割れの2次元画像だけでなく、レーザースキャナによる3次元点群データも同時に取得できるものが増えています。3次元点群があると、覆工表面の形状変化（内空変位）や、うき・はく離の兆候を立体的に捉えられます。さらに、一度取得したデータを別の検査や巡視、他分野の管理にも使い回せる可能性があります。

つまり、AI覆工画像解析への投資は「ひび割れ検出」という単機能への投資ではなく、「トンネルのデジタルツイン（現実の構造物をデジタル上に再現したもの）を手に入れる投資」でもあるのです。この視点を持つと、費用対効果の分母（投資額）は同じでも、分子（得られる価値）が何倍にも広がります。

費用対効果を左右する「精度」と「限界」の正しい理解

導入を決める前に、どうしても正直にお伝えしておきたいことがあります。それは「AI覆工画像解析は、まだ人の目を完全には置き換えられない」という現実です。ここを曖昧にしたまま導入すると、期待とのギャップで現場が疲弊し、せっかくの投資が「使われないシステム」になってしまいます。

実際に導入した現場の効果と課題を、率直に述べた報告があります。

＜導入効果＞・トンネル内の変状（ひび割れ、漏水、遊離石灰）などの位置や大きさの把握が容易になると同時に、精度も向上し、時間短縮にもつながる。・走行型の画像計測が可能となり、交通規制が不要となる。＜今後の課題＞・ひび割れ等の変状はAIによる自動抽出を行っているが、抽出率は70％程度であり、さらなる抽出率の向上が望まれる。・うき，はく離については、打音検査が必須となるため、画像計測だけでは判断が難しい。

この報告は、導入を検討する方にとって本当に誠実な情報です。効果として「変状の把握が容易・精度向上・時間短縮」「交通規制が不要」を挙げつつ、課題として「AI抽出率は70%程度」「うき・はく離は打音検査が必須」と正直に認めています。

抽出率70%をどう受け止めるか

「70%しか見つけられないなら、残りの30%を見逃すのでは」と不安になる方がいます。その気持ち、よく分かります。ただ、この数字の意味を正しく理解してほしいのです。

抽出率70%というのは「AIが自動で拾える割合」であって、「点検全体の精度が70%」という意味ではありません。実際の運用では、AIが一次抽出した結果を、人の技術者が確認・補正します。AIが下地を作り、人が仕上げる。この協働によって、最終的な検出精度は人が単独でやるのと同等か、それ以上に保たれます。むしろ、疲労や見落としが起きやすい深夜作業を、AIが漏れなく画像で記録してくれる分、見落としリスクはむしろ下がるという見方もできます。

費用対効果の観点でいえば、「AIが70%を自動処理し、人は残り30%の確認と、判断が必要な変状に集中できる」という分業が生まれます。人の時間を、単純作業から高度な判断へ振り向けられる。これが、目に見えにくいけれど本質的な効果です。

打音検査は当面なくならない

もう1つ大事なのが、うき・はく離の扱いです。コンクリート内部で剥がれかけている部分は、表面の画像には現れません。ハンマーで叩いて音の違いを聞き分ける打音検査でしか捉えられない変状があります。したがって、AI覆工画像解析を入れても、打音検査を完全にゼロにはできません。

ただし近年は、打音検査そのものをAIで支援する技術も出てきています。打音の波形をAIが解析して、はく離の可能性を判定するシステムです。画像解析と打音AIを組み合わせれば、カバーできる変状の範囲が広がります。導入を検討するときは「画像解析だけで完結させる」と考えず、「打音を含めた点検全体のなかで、どの工程をどれだけ効率化できるか」という全体設計で費用対効果を見積もることをおすすめします。

導入費用の内訳｜初期費用・運用費用・見えないコスト

いよいよ、多くの方が最も知りたい「お金の話」です。ただ、正直にお伝えすると、AI覆工画像解析の費用は「一律いくら」とは言えません。導入形態によって桁が変わるからです。ここでは、費用を構造で理解できるように分解してお話しします。金額はあくまで市場でよく見られる相場感であり、実際の見積もりは案件条件で変動する前提でお読みください。

導入の形は、大きく3つに分かれます。

1つ目は「サービス利用型」。撮影から解析までを専門業者に委託する形です。自社で機材を持たず、点検が必要なときだけ発注します。初期投資が小さく、トンネルの延長（長さ）や本数に応じた従量的な費用になります。年間の点検本数が少ない自治体や中小の管理者に向いています。

2つ目は「ソフトウェア導入型」。撮影は自社または委託で行い、ひび割れ検出のAIソフトだけをライセンス契約する形です。「ひびみっけ」のようなクラウドサービスがこの類型に近く、月額または年額のサブスクリプション、あるいは処理面積に応じた課金が一般的です。撮影のノウハウが社内にある場合に効率的です。

3つ目は「システム一式導入型」。走行型計測車両やレーザースキャナ、解析ソフトまでを自社で保有する形です。初期投資は最も大きくなりますが、点検本数が多ければ1本あたりのコストは最も下がります。高速道路会社や大規模な管理者向けです。

初期費用として見込むべき項目

どの形を選ぶにせよ、初期に発生しがちな費用を洗い出しておきましょう。機材費（カメラ・スキャナ・車両改造）、ソフトウェアのライセンス費、初期設定やキャリブレーション費用、そして意外と見落とされるのが「教育・研修費」です。新しいワークフローに現場が慣れるまでの時間もコストです。

前述の「ひびみっけ」の説明にあったように、既存のワークフローを大きく変えずに導入できる技術を選べば、この教育コストは小さく抑えられます。逆に、現場の作業体系を根本から変えるシステムは、機材が安くても定着に時間がかかり、隠れたコストが膨らみます。費用対効果を比較するときは、カタログ価格だけでなく「自社の現場になじむか」という定着コストまで含めて評価してください。

運用費用と「見えないコスト削減」

運用フェーズでは、ソフトのライセンス更新費、データ保管費（3次元点群は容量が大きい）、解析結果を確認する技術者の人件費などがかかります。一方で、削減される費用としては、点検員の人件費（特に夜間割増）、高所作業車のレンタル費、交通規制にかかる費用（誘導員、標識、渋滞対策）、そしてスケッチ・CAD化にかけていた事務所作業の時間があります。

費用対効果を試算するときは、この「削減される見えないコスト」を必ず金額換算してください。表面的な機材費だけを見ると高く感じますが、規制削減や作業時間短縮の効果を積み上げると、印象は大きく変わります。特に交通量の多い路線や、規制のたびに大きな社会的損失が出る区間ほど、AI導入の費用対効果は跳ね上がります。

費用対効果の試算モデル｜回収の目安をどう描くか

ここからは、実際に「元が取れるかどうか」を判断するための考え方をお伝えします。難しい計算式は使いません。呼吸を整えて、順番に見ていきましょう。

費用対効果を測る指標として、ここではROI（投資利益率）と回収年数という2つの考え方を使います。ROIは「投資した金額に対して、どれだけの効果（削減額）が得られたか」を割合で示すもの。回収年数は「削減額の積み上げで、初期投資を何年で取り戻せるか」を示すものです。

まず、年間の削減額を積み上げます。たとえば、1本のトンネル点検で従来かかっていた費用と、AI導入後の費用を比べ、その差額を出します。ここに、年間の点検本数を掛けます。さらに、交通規制の削減による社会的コストや、事務所でのCAD化作業の短縮分を加えます。この合計が「年間削減額」です。

次に、この年間削減額で初期投資を割れば、おおまかな回収年数が見えます。仮に初期投資に対して年間削減額の割合が高ければ、回収は数年内に収まります。点検頻度が高く、本数が多い管理者ほど、この回収は早くなります。

「検査頻度20年」という長期視点の落とし穴

ここで、費用対効果を考えるうえで見逃せない、現場からの本音の声を紹介します。

＜今後の課題＞トンネル特別全般検査での導入を行っているが、検査頻度が20年と長く、費用対効果を向上させるため取得した3次元点群・カメラ画像データを有効活用し、他検査や巡視等、他分野へも展開したいと考えている。

この声は、費用対効果の本質を突いています。ある種の特別な全般検査は、頻度が20年に1度と非常に長い。20年に1度しか使わない機材やデータのために大きな投資をすると、当然、費用対効果は悪くなります。だからこの現場は「取得した3次元点群やカメラ画像を、他の検査や日常の巡視、さらに他分野にも展開して、データを使い倒したい」と考えているのです。

ここに、費用対効果を高める最大のヒントがあります。それは「一度取得したデータを、可能な限り多くの用途に使い回す」という発想です。1回の撮影で得たデータを、定期点検にも、日常巡視にも、補修計画にも、資産管理にも使う。用途が増えれば増えるほど、投資1回あたりの価値が上がり、ROIが改善します。単発の点検コスト削減だけで元を取ろうとすると、頻度の低い検査では回収が遠くなります。データの多目的活用こそが、費用対効果を左右する鍵なのです。

中小規模の管理者は「持たずに使う」が正解になりやすい

年間の点検本数が少ない自治体や中小の管理者の場合、システム一式を自前で持つと、稼働率が低くて費用対効果が悪化します。この場合は、サービス利用型で「必要なときだけ外部の専門業者に発注する」ほうが、トータルの費用対効果は良くなることが多いです。

機材の減価償却や維持管理、オペレーターの育成を自社で抱え込まず、変動費として点検のたびに支払う。この身軽さが、稼働率の低い管理者には合っています。逆に、点検本数が多く、機材をフル稼働できる大規模管理者は、自前保有で1本あたりコストを下げるほうが有利です。自分たちの点検規模を冷静に見て、どの導入形態が最も費用対効果が高いかを選ぶ。ここを間違えなければ、投資が無駄になることはありません。

導入を成功させる進め方｜小さく始めて実データで判断する

費用対効果の計算は、あくまで机上の見積もりです。実際に元が取れるかどうかは、自分の現場でやってみないと分かりません。だからこそ、いきなり全面導入するのではなく、段階的に進めることを強くおすすめします。

最初のステップは「1本、あるいは数本のトンネルでの試験導入」です。従来手法と並行して、同じトンネルをAI覆工画像解析でも点検してみる。そして、実際にかかった費用、削減できた作業時間、検出精度の一致率を、自分の目で確かめます。カタログの数字ではなく、自社の現場での実データを取ること。これが、失敗しない導入の絶対条件です。

試験導入で得たデータをもとに、年間削減額と回収年数を再計算します。ここで想定どおりの効果が出れば、対象を広げていく。効果が出なければ、導入形態を見直すか、別のシステムを検討する。小さく試し、実データで判断し、良ければ広げる。この慎重さが、大きな投資を守ります。

現場の心理的な抵抗にも目を向けて

技術的な話が続いたので、少しだけ、人の話をさせてください。新しい技術を入れるとき、現場には必ず「これまでのやり方を否定された」という感情が生まれます。長年、壁に張り付いてスケッチしてきたベテランほど、その傾向は強いものです。

こういうご相談、本当によくあります。「新システムを入れたら、若手はすぐ使いこなすのに、ベテランが萎縮してしまった」と。でも、これは技術の問題ではなく、伝え方の問題です。AIは、ベテランの経験を奪うものではありません。ベテランが培った「どこに変状が出やすいか」という勘は、AIが拾った候補を確認・判断するときにこそ活きます。AIが下働きをして、人が最終判断をする。この役割分担を丁寧に伝えれば、抵抗は和らぎます。

導入の費用対効果を最大化するのは、実は「現場が新しいワークフローを前向きに受け入れられるかどうか」だったりします。どんなに優れたシステムも、現場が使いこなせなければ宝の持ち腐れです。技術の導入は、同時に人の気持ちの導入でもある。この視点を、意思決定者の方にはぜひ持っていてほしいと思います。

発注者・受注者の双方でリスクを分け合う

もう1つ、進め方の工夫として、発注者と受注者のあいだで「精度の責任範囲」を最初に明確にしておくことをおすすめします。AI抽出率が70%である以上、残りは人の確認に委ねられます。その確認をどちらがどこまで担うのか。契約前に取り決めておかないと、あとで「見落としは誰の責任か」というトラブルになりかねません。

秘密保持契約であるNDAを交わしてデータの取り扱いを定め、点検品質の合意水準を示すSLAのような形で「どこまでの精度を保証するか」を文書化する。こうした事前の合意形成が、導入後のトラブルを防ぎ、結果として費用対効果を守ることにつながります。技術の導入とは、契約と運用ルールの設計まで含めた総合的な取り組みなのだと、心に留めておいてください。