測量・地質調査における生成AI活用：報告書・記録を安全に扱う実務ガイド

測量・地質調査における生成AIの位置づけ（概要）

測量・地質調査の価値は一次観測データ（座標、N値、試験成績表、コア写真、点群など）にあります。生成AIはこれら一次データの代替にはなりませんが、一次データを扱う「文書化」「整理」「検索」「説明文の下書き」などの周辺業務で効率化に寄与します。国土地理院や国土交通省の公開資料といった公的ガイドラインを参照しつつ（例: 国土地理院の作業規程や電子納品案内、国土交通省の国土情報関連ページ）、生成AIの利用範囲と人による最終確認の責任を明示して運用設計を行うことが重要です（参考: https://www.gsi.go.jp/gazochosa/tengun.html、https://www.gsi.go.jp/chirikukan/chirikukan61037.html、https://www.mlit.go.jp/kokudoseisaku/kokudojoho.html）。生成AI活用の実践面では、内閣府・経産省などのAI実装指針や総務省・デジタル庁のガイドラインも参考になります（例: https://www.meti.go.jp/shingikai/mono_info_service/ai_shakai_jisso/20260331_report.html、https://www.digital.go.jp/resources/generalitve-ai-guidebook）。

重要な原則

• AIが作る文章は「草案」に限定し、最終的な技術判断・品質保証は必ず人が行う。最終責任は管理技術者や主任技術者など明確な担当者に帰属することを運用ルールに含める。
• 観測値・座標・試験値等の生成・補完は禁止し、AIに与えるデータは原本に基づくこと。
• 個人情報や未公開インフラ情報の取り扱い方針を事前に確定する。

生成AIが実務で使える領域と使い方の例

生成AIの適用が現実的な領域は文章・検索・整理業務に集中します。具体的には次のような作業です。

• 既往報告書や調査記録の要点抽出・要約（ファイル名／ページ番号のトレーサビリティを残す）
• 報告書本文の章立て・説明文の下書き（出典明示と最終レビュー前提）
• ボーリング柱状図や室内試験結果からの深度帯ごとの説明草案（一次記録の引用に限定）
• 電子納品用のファイル説明、目次や提出用チェックリストの自動生成
• 社内ナレッジ検索（RAGなどを使い、検索ヒット元を必ず表示する仕組み）

禁止・要注意事項（運用ポリシーに明記）

• AIに観測値や座標、N値などを「推定」させない。
• 未確認の技術判断（支持層判定、地質断面の最終解釈、液状化判定等）をAIに委ねない。
• AI出力の根拠（どのファイル・ページを参照したか）を必ず添える仕組みを作る。

実務でのデータ取扱い・検証手順（業務フロー例）

1. データ登録
   • 既往報告書、観測手簿、柱状図、試験成績表等をスキャンまたはPDF化し、メタデータ（作成者、日付、案件ID、ページ番号）を付与する。
2. インデックス化（RAG用）
   • 文書を分割してインデックス化し、原典の参照情報を保存する。検索結果には必ず「出典ファイル名／ページ」を表示する。
3. AIによる下書き生成
   • プロンプトには「参照するファイル名／ページ」「補完禁止事項」「最終判断は人」といった制約を明記する。
4. 一次レビュー（担当技術者）
   • AIが生成した草案に対して、原資料との突合、数値照合、図表の正当性確認を行う。差分・修正履歴を記録する。
5. 最終レビュー（管理技術者または主任技術者）
   • 技術的判断、法令・仕様への適合、最終署名・責任者表記を実施する。最終版の承認ログを保存する。

これらの手順は、国土交通省や国土地理院が要求する電子納品や成果管理の考え方と親和性があります（参照: https://www.gsi.go.jp/chirikukan/chirikukan61037.html、https://www.mlit.go.jp/kokudoseisaku/kokudojoho.html）。詳細な法的判断や適用可否は社内の法務・品質担当と確認してください。なお、データ登録の工程では、帳票類からの情報抽出にOCR技術を組み合わせることで効率化が見込めます。ArcHackでも帳票OCRとルール・機械学習を組み合わせた対象物の自動抽出システムを開発した実績があり（導入事例はこちら）、RAG構築や帳票処理OCRを含むAI開発でこうした業務フローの構築を支援しています。

実務用チェックリスト（導入前・運用時）

以下は導入設計と日常運用で使える実務チェックリストです。各項目を「未着手／進行中／完了」で管理し、責任者と日付を残してください。

• データ準備
  • 既往資料の電子化・メタデータ付与（責任者: ______、完了日: ____）
  • 個人情報・秘匿情報の洗い出しと匿名化ルール設定（責任者: ______）
• システム設計
  • RAG検索の索引設計と出典表示の実装（責任者: ______）
  • API／サービスの学習利用可否・ログ保管方針を決定（責任者: ______）
• プロンプト・運用ルール
  • プロンプトテンプレートに禁止事項を明記（例: 観測値の補完不可）
  • AI出力は草案と明示し、最終責任者を定める
• レビュー体制
  • 一次レビュー者、最終承認者を役割分担（氏名・職位を登録）
  • 差分・修正履歴の保存ルールを確定
• セキュリティ・法務
  • データ保持期間、アクセス権限、ログ監査のポリシー設定
  • 外部公開資料と内部資料の扱い分けを文書化

また、以下の簡易表は「作業／AIの役割／人の確認点」をまとめた実務参照用です。

プロンプト設計と禁止ルール（運用面）

• 例示的な禁止ルール：観測値や座標の「推定」「補完」「生成」を要求しない。AIには「原典ファイルの該当ページを参照した上で、該当範囲のみを要約する」と指示する。
• 出力には必ず参照元を付記させる（ファイル名とページ番号）。
• 「不明」「未確認」の場合はAIにその旨を明示させ、安易な確定表現を避けるようテンプレート化する。
• データの機密性に応じて、閉域環境やオンプレミス、ログ保管付きのサービスを選定する。デジタル庁のジェネレーティブAIガイドブック等の考え方も参照する（参考: https://www.digital.go.jp/resources/generalitve-ai-guidebook）。

参考資料

• 国土地理院「点群データ」
• 国土地理院「ジオAI研究会 中間整理」を公表します
• 国土交通省「地理空間情報」
• 経済産業省「AI事業者ガイドライン」
• デジタル庁「テキスト生成AI利活用におけるリスクへの対策ガイドブック（α版）」

よくある質問（FAQ）

Q1. Q1. 生成AIは現地観測や試験の代わりになりますか？

回答\nいいえ。生成AIは観測や試験の代替にはなりません。座標、N値、試験成績など一次データは現地計測や試験に基づくものであり、これらの収集・確認・判定は技術者の責任です。AIはあくまで文書化・整理・検索の補助ツールとして位置づけ、最終的な技術判断と署名は人が行う運用を必須にしてください。

Q2. Q2. 効果（時間削減や品質向上）はどうやって評価すれば良いですか？

回答\n社内で指標を決めて定量・定性に分けて評価します。例: 報告書初稿作成に掛かった実作業時間（AI導入前後で比較）、レビュー回数、発注者からの差し戻し理由の件数、若手技術者のレビュー教育に使えた時間、検索時の所要時間などを測定してください。測定方法は導入前にベースラインを取り、一定期間ごとに同一種別案件で比較するのが実務的です。

Q3. Q3. 座標や地権者情報などの機微データはAIに出しても良いですか？

回答\n原則として、座標や地権者情報などの機微データを外部のAIサービスへ入力しません。利用するAIサービスの学習利用ポリシー、ログ保管、アクセス制御を事前に確認し、必要に応じて匿名化や閉域環境での運用を行ってください。法的判断や制度の適用可否は、社内の法務担当と最新の公式情報に基づいて確認します。