【穴1〜2位】「人工計算の甘さ」と「段取りコストの未計上」

夜21時の事務所。見積書の合計を電卓で叩き直しても、数字が合わない夜が続きます。

元請け転換直後に最も多い失敗が、人工（にんく）計算の甘さです。下請け時代は元請けから工程と人数を指定されていたため、自社で歩掛（作業1単位あたりの工数）を積み上げた経験が少ない会社がほとんどです。

• 穴①：人工計算が「ベテラン職人基準」になっている

  外壁塗装の現場で、中塗り・上塗りを1日で仕上げる想定を立てても、実際は下地処理（ケレン・シーリング打ち替え）に時間を取られて工期が延びます。築30年マンション改修では、ケレン（旧塗膜除去）だけで想定の1.5倍かかることも珍しくありません。

• 穴②：段取りコストをゼロで見積もっている

  足場の養生・吹付前のマスキング・色番（日塗工N80など）確認の現地往復——こうした段取りに、現場1件あたり職人0.5〜1人工は軽く消えます。見積書に「段取り費」の行がない会社は、この分がそのまま粗利を削ります。

下請け時代は元請けが吸収していたコストが、転換後は丸ごと自社負担になります。「工事原価＝材料費＋人件費」という単純な足し算のままでは、現場10件こなすうちに確実に3〜4件は赤字に転落します。

まず自社の歩掛データを工種別に整理することが、原価管理の最初の一歩です。

【穴3〜4位】「塗料ロスの無視」と「追加工事の取りこぼし」

現場帰りの軽トラの助手席に、使い残しの塗料缶が積まれたまま翌朝の現場に向かう——この光景が原価悪化のサインです。

• 穴③：希釈率・標準塗布量から逆算した発注をしていない

  塗料メーカーの標準塗布量（例：0.12〜0.15kg/㎡）をもとに缶数を計算しても、現場では希釈率の調整や塗り残し補修で実際の消費量は増えます。外壁の凹凸が多い物件や、3分艶（半艶仕上げ）など粘度調整が難しい仕様では、ロスが見積もり比で15〜20%膨らむことがあります。このロス分を原価に含めず、材料費を「カタログ値×面積」で出している会社は要注意です。

• 穴④：現場で発生した追加工事を口頭処理で終わらせている

  築古物件の外壁塗装で下地処理中にモルタル浮きが出た、見切り（塗り分けの境界線）の範囲が当初より広かった——こうした追加は現場判断で職人が対応しがちです。元請けとして追加費用を請求しないまま工事を終えると、その分だけ粗利が下がります。

中東情勢の影響で塗料原料の価格が高騰している現状（2026年にかけて継続見込み）では、ロス管理の精度が直接利益に響きます。追加工事は口頭でなく、当日中に写真付きで記録し、変更契約に落とし込む運用が必須です。

【穴5位】「現場ごとの粗利が見えていない」という根本問題

月次の試算表を見ると黒字なのに、資金が手元に残らない——元請け転換後3ヶ月の経営者から最も多く聞く悩みです。

• 穴⑤：工事単位で原価集計をしていない

  月次で売上と仕入を合算して「粗利率20%」と出しても、それは全現場の平均値です。実際には粗利35%の現場と粗利5%の現場が混在しており、どの案件が利益を食っているかが見えません。

下請けから元請けに転換した株式会社大橋美装は、新規営業と現場ごとの診断書作成（現状報告書）を組み合わせて、粗利益率を3倍に向上させた事例として知られています。単に受注を増やすのではなく、「どの現場でいくら残るか」を案件単位で把握したことが改善の起点でした。

工事台帳を現場ごとに作り、完工後に実原価（人工・材料・外注費）を入力して粗利を確認する——この作業を3ヶ月続けるだけで、自社の「赤字が出やすい工種」と「利益が出やすい工種」が見えてきます。

紙やExcelで管理している会社は、入力漏れと集計ミスが避けられません。現場ごとの粗利を正確に追うには、工事管理ツールへの移行が現実的な解決策です。

なぜAngaは塗装業の原価管理に特化できるのか

塗装業の現場では「クリマイ」（クリーンマイルドシリコン）「ND色」「SR色」など、業界外には通じない略語や色番が飛び交います。汎用の工事管理ツールに職人がこうした言葉で入力しても、システムが読み取れず結局LINEと紙に戻る——そのループを断ち切るために開発されたのがAngaです。

開発者は株式会社イーテクノスの井上恭介氏。塗装会社を自ら経営した経験から、「色番N80を間違えて発注した」「現場ごとの利益が月末まで見えない」「職人の略語をシステムが理解しない」という三重苦を肌で知っています。

Angaが塗装業に特化している主な理由は以下のとおりです。

• 歩掛・人工・塗布量を工種別に設定でき、見積書と原価を連動して管理できます
• 職人が使う略語・通称を学習し、現場入力の手間を減らします
• 現場ごとの粗利を完工後すぐに確認でき、「紙の上の粗利率」と「現場の実粗利」のギャップを可視化します
• 追加工事の記録を写真付きで残し、変更契約への連携をスムーズにします

株式会社結建装がDX推進により営業利益率を5.5%改善した事例が示すように、デジタルツール導入による業務効率化は利益向上に直結します。ただし「塗装業の言語」を理解していないツールでは、現場への定着が難しいのも事実です。

Angaは塗装業の匂いを知っている人間が設計した、塗装会社のための原価管理ツールです。

進捗管理：「どの面が何工程か」を写真で把握する

外壁塗装の現場では、同じ日に複数の面でケレン（下地の錆・旧塗膜を除去する作業）・下地処理・中塗り・上塗りが並行して進みます。

職人が4人いれば、1日で撮れる写真は軽く50枚を超えます。それを夜21時の事務所で社長が一枚ずつ確認して、工程表と照合する——これが今の「進捗管理」の実態です。

AIに現場写真を読み込ませると、この作業が変わります。

具体的には次のことが可能になります。

• 写真のメタデータ＋撮影位置から「北面・2階・中塗り完了」と自動でタグ付け
• 前日写真との差分を検出し、進捗の遅れをアラート
• 工程ごとの写真を自動分類し、日報の下書きを生成

10件現場を掛け持ちしていれば、日報確認だけで月20時間以上が飛びます。この「確認の時間」を半分以下に圧縮できる点が、進捗管理における最大の価値です。

ただし、AIが「職人の手抜き」や「養生（塗料が飛散しないよう保護する作業）の甘さ」を写真だけで検出するのは、現時点ではまだ精度が安定しません。補助ツールとして使い、最終判断は現場監督が担う——この役割分担が現実的です。

劣化診断：チョーキング・ひび割れをAIは読めるか

築30年マンションの改修見積もりに行くと、南面と北面で劣化の進み方が全く違います。チョーキング（塗膜が粉化する現象）の程度、クラックの幅、シーリングの切れ——ベテランの目なら5分で全体像をつかめます。

現場帰りの軽トラで写真を見返しながら、「ここは3分艶（半光沢）じゃなく艶消しにしたほうがいい」と判断する。その感覚値を、AIはどこまで代替できるのでしょうか。

現時点でAIが得意な劣化診断は次の通りです。

• 広範囲のチョーキング面積の定量化
• クラックの本数カウントと幅の推定
• 複数回撮影した写真の経年変化の可視化

逆に苦手な場面もあります。

• 塗膜の密着不良（浮き・ふくれ）の触診的判断
• 下地素材（モルタル・ALC・RC）ごとの劣化進行速度の文脈判断
• 光の当たり方による色番（日塗工・NDなどの標準色番号）の目視確認

色番N-80を「N-75に見えた」と誤判定するケースも起きています。色番の最終確認は、現場で職人が実物と照合する工程を省けません。

AIによる劣化診断は「見落としゼロ」に近づけるためのツールです。職人の目を置き換えるものではなく、職人の見落としを拾うものとして位置づけるのが正確です。

報告書作成：写真の選定と文章化に一番効く

塗装工事の竣工報告書は、元請・施主・管理会社に提出する書類です。工程ごとの写真・施工箇所・使用塗料（品番・希釈率・標準塗布量）・作業員の出面（出勤人数）——これを1件まとめるのに、早くても2〜3時間かかります。

10件が重なれば、月末の報告書作業だけで丸2日が消えます。

ここでAIは最も力を発揮します。

• 撮影した写真から「ビフォー・工程中・アフター」を自動分類
• 使用塗料の品番・塗布量を入力するだけで施工記録の文章を生成
• 元請のフォーマットに合わせてレイアウトを整形

特に「写真を探す・選ぶ・並べる」という作業はAIが最も得意とするパターン認識です。50枚の写真から報告書用の10枚を選ぶ時間が、数分に縮まります。

ただし、生成された文章は必ず人が確認してください。「下地処理完了」と書くべき箇所に「下塗り完了」と誤記されるケースがあります。塗装の工程順を正確に理解した上で最終チェックを行う——この手間は省けません。

現在、中小企業向けのIT導入補助金（補助額5万〜450万円）の枠組みで、こうしたAIツールの導入費用を補助対象にできるケースがあります。導入コストの試算と合わせて確認する価値があります。

AngaがAIを塗装業向けに特化させた理由

汎用のAIツールで「クリマイ 希釈率」と入力しても、まず正確な答えは返ってきません。「クリマイ」が「クリーンマイルドシリコン」を指す業界略語だと理解していないからです。

Angaを開発したのは、株式会社イーテクノス代表・井上恭介です。自身が塗装会社の経営者として、色番N80の発注ミス・職人ごとに異なる略語の使い方・現場ごとの利益が最後まで見えない問題——これを経験した当事者です。

「汎用AIに塗装の現場を教え込む時間があるなら、最初から塗装に特化したツールを作ったほうが早い」という判断が、Angaの出発点です。

Angaが塗装業に特化している点は次の通りです。

• 職人の略語（クリマイ・水性リフォーム・エスコなど）を学習済み
• 日塗工・ND・SRなどの色番体系を理解した上で返答を生成
• 歩掛（作業1単位あたりの工数）・人工（職人1人1日の作業量単位）を前提とした原価計算補助
• 現場写真の工程タグ付けを塗装工程の順序に沿って設計

Angaは万能ではありません。使える場面と使えない場面を、塗装業の文脈で正直に伝えた上で使ってもらうことを前提に設計されています。

後継者不足・原価高騰・規制対応——塗装業を取り巻く課題が重なる今、現場の時間を削らずに管理精度を上げる手段として、まず7日間試してみてください。

現場の段取りは『前日の電話1本』で崩れる

築30年マンションの改修工事を想像してください。

下地処理（ケレン・旧塗膜除去）が終わり、いよいよ中塗り工程に入る前日の夜。現場監督の携帯に職人から電話が入ります。「明日使う材料、色番どっちでしたっけ？N-80でしたよね？」

この確認電話1本で、当日朝の段取りが狂い始めます。

問題は職人の記憶力ではありません。色番（日塗工・ND・SRなど規格化された塗料色の番号）や希釈率（塗料に加える水・シンナーの割合）、標準塗布量（1㎡あたりの塗料使用量）が、現場ごとにバラバラな形で伝わっていることです。

発注書はメール、指示内容はLINE、変更連絡は口頭。これが塗装業の現場では「普通」になっています。

現場が10件同時進行していれば、こうした確認のやり取りだけで月20時間以上は消えます。監督一人が抱えられる現場数にも、自ずと上限が生まれます。

情報の渡し方が整っていない現場では、職人は「正しく動けない」のではなく「何が正しいかわからない」まま作業を始めています。工期の遅れはそこから静かに積み上がっていきます。

発注書・指示書の『属人化』が現場を止める

夜21時の事務所。デスクに積まれた現場ごとの見積書と、モニターに並ぶスプレッドシートを見ながら、監督は翌日分の人工（にんく＝作業員の1日単位の労働量）を割り振っています。

塗装業における発注ミスの多くは、悪意や不注意ではなく「情報が散在している」ことから起きます。

典型的なパターンをあげると、

• 見積書と発注書で塗料のグレードが微妙に違う
• 「クリマイ」（クリーンマイルドシリコンの現場略称）を別銘柄と混同して発注する
• 養生（塗装しない部分を保護する作業）の範囲指示が図面と口頭で食い違う
• 3分艶（光沢を抑えた仕上げ）と5分艶を取り違えて塗り直しが発生する

これらは「ベテランがいれば防げる」ミスとして片づけられがちです。しかし本質は、情報の一元管理ができていないことにあります。

出面（でずら＝職人の出勤日数・稼働記録）の管理も同様です。誰がどの現場で何をしたか、紙や個人LINEで管理している会社では、月末の人件費集計だけで半日かかることもあります。

発注・指示・実績の情報が一本化されていない限り、監督の頭の中だけが「現場の真実」になります。担当者が変わった瞬間、現場は止まります。

なぜAngaは塗装業にしか使えないのか

現場帰りの軽トラの中で、監督がスマホに向かって材料の追加発注を音声入力する。そのテキストがそのまま発注書に変換され、色番と希釈率が自動で紐づく。これがAngaの目指す世界です。

Angaを開発したのは、塗装会社を経営する株式会社イーテクノスの井上恭介氏です。汎用のAI発注ツールではなく、塗装業の現場からしか生まれない仕様になっている理由がここにあります。

具体的には、

• 「クリマイ」「水性シリ」など職人・監督が使う現場略称をAngaが学習し、正式品番に変換します
• 色番（N-80・ND-350など）の入力時に、前回同現場で使用した色番と自動照合します
• 現場ごとの歩掛（かぶり＝作業1単位あたりの工数）と人工実績を紐づけて蓄積します

「なぜ塗装に特化したか」——答えは単純です。一般業種向けのAIツールは、塗料の規格体系も略称文化も知りません。色番N-80を「N80」と入れたとき、それが同じものだと判断できません。

塗装業の情報ロスは、塗装業の言語を理解したツールでしか解消できません。Angaはその前提から設計されています。

情報の渡し方を変えると、現場の利益が見えてくる

LINEに溜まる日報の通知を、監督が翌朝まとめて読み返している。どの現場の話か、文脈を確認しながら転記する時間が毎朝30分発生しています。

情報の渡し方を整備することで変わるのは、工期の精度だけではありません。現場ごとの原価と利益が、リアルタイムで見えるようになります。

塗装会社が「どの現場が儲かっているか」を把握できていないケースは、想像以上に多いです。出面・材料費・外注費がバラバラに記録されているため、月次で合算してみて初めて赤字に気づくことがあります。

情報が一元化されると、以下のことが変わります。

• 現場ごとの材料消費量と発注量の差異が可視化されます
• 職人別の歩掛実績から、次の見積精度が上がります
• 監督一人が管理できる現場数が増えます
• 下地処理や吹付・見切りなど工程単位のコストが積み上がります

工期遅延の真因は「情報の渡し方」にあります。そしてその改善は、現場の生産性だけでなく、会社全体の収益管理にも直結します。

Angaは塗装業の言語で動く情報基盤です。まず1現場だけ試してみることをお勧めします。現場の見え方が変わります。

「現場が終わって初めて赤字に気づく」構造を理解する

夜21時の事務所で、竣工した築28年マンション外壁改修の原価を手元のメモと領収書で拾い直す。そういう作業が毎月繰り返されます。

塗装業の原価は大きく3層に分かれます。

• 材料費：塗料・シーラー・マスキングテープ・養生シート・シンナー（希釈率の管理ミスで廃棄が出ると即赤字）
• 労務費：職人の人工（にんく）数×単価。出面（でづら）管理が曖昧だと実態がつかめません
• 経費：足場・廃材処理・遠方現場の交通費・段取り（準備作業）の時間コスト

この3層が「見積段階の想定」と「実際の着地」でずれるのが利益消失の本質です。

特に労務費は要注意です。4人工で終わる予定の下地処理（ケレン含む）が、劣化の進んだ旧塗膜のせいで6人工になっても、日報がLINEの流れに埋まって誰も拾わない。現場が終わった後で「あの現場は薄利だった」と気づいても手遅れです。

まず「見積時の歩掛（作業1単位あたりの工数）と実績工数の差異」を現場ごとに記録する仕組みを作ることが出発点になります。

見積原価と実績原価を現場単位で対比させる

軽トラで現場から戻った職人が「今日は養生で半日食った」と言っても、それが数字として残る仕組みがなければ原価管理は機能しません。

実績原価を見える化するには、3つのデータを現場コードに紐づけて集積します。

• 実績人工数：誰が・何時間・どの工程（下地処理/中塗り/上塗り）に入ったか
• 実材料費：発注した塗料のロット・標準塗布量に対する実使用量・残量の扱い
• 追加発生費用：補修追加・色番変更による塗り直し・天候による工程ズレの人件費

これを見積書と並べて比較すると、どの工程で乖離が出たかが一目でわかります。

例えば「3分艶（さんぶつや）仕上げの外壁で、日塗工N80指定の色番を1回塗りで終わらせる予定が隠蔽力不足で2回塗りになった」ケースは、材料費と人工がダブルで膨らみます。見積段階でその色番の隠蔽性リスクを原価に織り込めていたかどうかが問われます。

現場10件分のデータが溜まると、「吹付仕上げの現場は養生費が平均で見積比118%になる」「外壁より屋上防水の工程が利益率を下げている」といった構造が見え始めます。感覚ではなく、数字で意思決定できるようになります。

Angaが塗装業に特化している理由

色番の確認電話が一日に何本も飛んでくる現場監督の昼休み。そういう場面から開発は始まりました。

Angaは、株式会社イーテクノス代表・井上恭介が塗装会社を経営する中で「汎用のAIや管理ツールは塗装業の言語を理解しない」という実感から開発したツールです。

汎用ツールとの違いは、塗装業固有の文脈を処理できる点にあります。

• 職人の略語を学習する：「クリマイ」と書いてあれば「クリーンマイルドシリコン」と解釈し、発注書に正式品番で展開します
• 色番ミスを構造的に防ぐ：日塗工・ND・SR各体系の色番フォーマットを認識し、指定と発注の不一致をアラートします
• 歩掛ベースの原価計算：工程別の標準歩掛を持ち、入力した人工数と見積歩掛を自動比較します

「N80を頼んだつもりがN85で届いた」「クリーンマイルドウレタンとシリコンを混同して発注した」。そういう凡ミスが原価を食う現実を、開発者自身が経験しているからこそ、機能の優先順位が塗装業の現場と一致しています。

汎用AIに「塗装業の原価管理を手伝って」と入力しても、出面管理や希釈率ロスの概念は出てきません。Angaが塗装業の匂いを持っているのは、その違いです。

現場利益の見える化を運用に定着させる3ステップ

「仕組みを作ったのに誰も入力しない」。これが原価管理が続かない最大の理由です。職人は現場で動くことが仕事であり、帰社後に数字を入力する習慣は根付きにくいです。

定着させるには、入力コストを限りなく下げることが先決になります。

ステップ1：日報を構造化する
自由記述の日報をやめ、「現場名・工程・人数・使用材料」の4項目だけを入力するフォームに切り替えます。LINEから送れる形にすると、職人側の負担が大幅に下がります。

ステップ2：見積書と原価を同じコードで管理する
見積書の工程コードと実績入力のコードを統一します。これがずれると集計時に突合できず、結局手作業が発生します。

ステップ3：月次ではなく週次で差異を確認する
現場が進行中に乖離を把握することに意味があります。竣工後の集計は「反省会」にしかなりません。週次で人工差異を見ると、追加発生を見積変更交渉に使えます。

この3ステップを回し始めた塗装会社では、半年後に「利益率の高い現場の共通点」が言語化できるようになります。感覚の経営から、データの経営への移行です。それが受注判断・値付け・職人配置の精度を底上げします。

「まだいける」が招く手戻り──ベテランの経験則が裏切る瞬間

夜21時の事務所。現場帰りの監督が軽トラのシートに積まれた写真プリントを一枚ずつ見ながら、翌日の段取りを組んでいます。

外壁塗装における下地処理の判断は、長年の経験が頼りです。チョーキング（塗膜表面の粉化）の進行度、旧塗膜の付着力、クラックの深さ。これらをベテランが「感覚」で読み取り、ケレン（下地調整）の等級や工程数を決めてきました。

問題は、その「感覚」が揺れることです。

• 朝一番の光と午後の逆光では、クラックの見え方が変わります
• 職人によってケレン1種・2種の判断基準が異なります
• 疲労や天候で集中力が落ちた夕方は見落としが増えます

ある中堅塗装会社では、築32年のRC造マンション改修工事で、下地処理の判断ミスによる塗膜剥離が発生しました。手戻り工事だけで3人工（にんく：作業者1人×1日分の工数単位）を余分に使い、材料費と合わせて数十万円のロスになりました。

「あの時の写真を今のAIに読ませたら、どう判断するんやろと思って。それが試してみたきっかけです」──同社現場監督の言葉です。

AIが現場写真を読む──何が「見えて」いるのか

LINEに溜まる職人からの日報写真。以前は「受け取って確認して終わり」でしたが、Angaに連携してからは、その写真が診断データに変わります。

Angaが現場写真から読み取る情報は、主に以下です。

• チョーキングの進行段階（軽微・中程度・要ケレン1種相当）
• 旧塗膜のふくれ・割れ・剥がれの分布範囲
• 目地シーリングの劣化パターン（ひび・痩せ・剥離）
• クラック幅の推定と補修優先度のランク付け

実証に参加した塗装会社では、同一現場の写真をベテラン職人2名とAngaに同時に評価させました。

対象は築28年の外断熱仕様ALCパネル外壁。旧塗膜の色はND-105相当の淡彩色で、チョーキングが目視では「軽微」と判断されやすい状態でした。

ベテラン2名の判断は「ケレン3種で十分、下地処理は標準工程」で一致しました。Angaは「南面と西面の一部にケレン2種相当の処理が必要な範囲あり」と判定し、その根拠として画像内の微細な膨れ分布を座標ベースで提示しました。

後日、実際に施工した職人が「確かにあの辺、めくったら浮いてた」と証言しています。肉眼では見逃していた範囲を、AIが静止画から特定していました。

なぜ塗装業専用なのか──Angaが「現場の言葉」を知っている理由

色番確認の電話が鳴るのは、いつも塗料発注の直前です。「N-80って日塗工の番号やんな、ND-80と違う？」──こういう確認が現場では日常的に発生します。

汎用AIツールにこの質問を投げると、概念的な説明は返ってきます。しかし「今この現場の色に合うSR系かND系か、希釈率は何%か、3分艶か5分艶か」という実務判断には応えられません。

Angaが塗装業に特化している理由は、開発背景にあります。開発者は株式会社イーテクノス代表の井上恭介氏。自身が塗装会社を経営してきた経験を持ち、「職人が現場でつかう省略語をAIが理解できなければ意味がない」という発想からAngaを設計しました。

具体的には、以下のような塗装業固有の文脈をAngaは学習しています。

• 「クリマイ」→クリーンマイルドシリコン（関西ペイント）として認識
• 「ND-75で3分」→ND-75番・3分艶仕上げの発注として処理
• 歩掛（ほがかり：作業1単位あたりの工数）をもとにした工程見積もり
• 現場ごとの出面（でづら：実際の稼働人数）管理と原価の紐付け

「現場ごとの利益が見えていなかった。Angaを使うようになって、どの現場が薄利なのかが初めてわかりました」──導入した塗装会社社長の言葉です。

写真1枚が現場管理を変える──導入後の現場フロー

現場帰りの軽トラ助手席に置かれたスマートフォン。職人がLINEで送った写真が、そのままAngaの解析フローに流れていきます。

従来のフローと比較すると、変化は明確です。

【従来】

• 職人が写真撮影 → LINEで監督に送信 → 監督が目視確認 → 翌朝の段取りを口頭指示 → 発注書を手書きまたはExcelで作成

【Anga導入後】

• 職人が写真撮影 → Angaが自動解析・劣化箇所を抽出 → 監督がAngaの判定を確認・修正 → 工程・発注内容をAngaが草案作成 → 確認・送信のみ

このフロー変更で体感として変わったのは、「見落としの減少」と「段取りの前倒し」です。10件現場が同時進行する繁忙期では、発注書と日報処理だけで月20時間以上かかることは珍しくありません。その時間が半減したという声が複数の導入社から出ています。

精度の面でも、下地処理の判断にAIの二重チェックが入ることで、手戻り工事の発生リスクが下がります。塗膜剥離による補修は、材料費以上に職人の工数を消費します。1現場でも防げれば、ツールの導入コストは十分に回収できます。

ベテランの経験を否定するのではありません。AIの解析と熟練の判断を重ねることで、現場の精度が上がります。Angaはその「重ね方」を塗装業の言葉で設計したツールです。

「勘」の正体は、蓄積された変数の組み合わせです

職人歴20年のベテランが「この下地はもう一回ケレン（さびや旧塗膜を除去する工程）をかける」と言うとき、その判断には複数の変数が絡んでいます。

• 築年数と外壁材の種類
• 前回塗装からの経過年数
• 現在の気温・湿度・日射角度
• 前回使用した塗料の種類と希釈率
• 職人自身が過去に同条件で施工した経験値

夜21時の事務所、現場監督が手書きの日報をめくりながら「あの現場、確かチョーキング（塗膜表面が粉化する劣化現象）がひどかったよな」と記憶を掘り起こしている光景は、どの塗装会社にも存在します。

問題は、この記憶が「その人の頭の中」にしかないことです。

現場が年間50件あれば、50件分の気象条件・下地状態・使用材料・仕上がり評価が蓄積されているはずです。しかし多くの会社では、それらは日報のメモ欄か、職人の経験値として属人化されたまま消えていきます。

「勘」の正体は、入力変数に対する最適解のパターン認識です。データとして記録されれば、再現性のある判断基準に変換できます。

属人化が引き起こす、見えにくいコストの話

築30年のマンション大規模改修を例に考えます。外壁の塗り替えで標準塗布量（1㎡あたりの塗料使用量）を0.05kg外すと、100㎡の壁面で5kg分のロスが出ます。材料費換算で数千円ですが、これが年間30現場で繰り返せば、年間で相当な金額になります。

しかし現場ごとの材料歩留まり（使用量に対する有効活用率）を記録していない会社では、このロスは「なんとなく多くなった」で終わります。

現場帰りの軽トラ、助手席に積んだ余りのクリマイ（クリーンマイルドシリコン）の缶を見ながら「また余ったな」で終わる日常です。

属人化によるコストは主に3層構造になっています。

• 第1層：材料ロス（希釈率の個人差・余剰在庫）
• 第2層：工数ロス（ベテランとの段取り差・やり直し発生）
• 第3層：情報ロス（現場ごとの利益が見えない・見積精度が上がらない）

第3層が最も深刻です。現場が終わっても「あの現場、実際いくら残ったか」が把握できない会社は、次の見積もりの根拠も感覚値になります。感覚値の見積もりは、利益率のブレを固定化します。

Angaが塗装業に特化した理由——開発者自身が現場を知っている

汎用のAIツールや工務店向け管理システムは、塗装業の細かい変数に対応していません。色番の入力欄に「N-80」と書いても、日塗工（日本塗料工業会）の色見本との紐付けはできず、NDやSRの体系とも連動しません。

Angaを開発したのは、株式会社イーテクノス代表の井上恭介氏です。塗装会社の経営者として、色番N80の誤発注・現場ごとの利益の見えにくさ・「職人の癖」が引き継がれない問題を当事者として経験してきました。

LINEに溜まる職人からの日報。「クリマイ2缶追加で」という略語。吹付の際の希釈率変更の口頭連絡。これらを拾えないシステムは、現場では使われなくなります。

Angaが解決しようとしているのはこの点です。

• 職人の略語・呼称を学習し、正式品番に変換する
• 現場ごとの材料使用量・人工（にんく：職人1人1日の作業量単位）・工期を記録する
• 色番・希釈率・下地処理の記録を現場単位で蓄積する
• 蓄積データをもとに、次の見積もり精度を上げる

「塗装業にしか通じない言語を理解するシステム」という設計思想が、汎用ツールとの本質的な違いです。

「勘」をデータ化するための3つのステップ

職人の判断をデータとして蓄積するには、入力の負荷を限りなく小さくする必要があります。日報を書かせるだけで精一杯の現場に、新しいフォームを追加しても定着しません。

Angaが想定する蓄積のステップは以下の3段階です。

ステップ1：記録の入口を統一する

LINE・音声メモ・写真——職人が現場で使っている手段をそのまま入力チャネルにします。「吹付前の気温18度、希釈率8%に変更」という一言メモが、データベースの一行になります。

ステップ2：現場単位で紐付ける

材料・人工・歩掛（作業1単位あたりの工数）を現場IDに紐付けて蓄積します。養生・下地処理・中塗り・上塗りの工程ごとに分解することで、どの工程で原価が膨らんでいるかが見えるようになります。

ステップ3：次の現場に返す

「この築年数・外壁材の組み合わせで過去5件の平均材料費はいくらか」を見積時に参照できます。感覚値ではなく、自社データが根拠になります。

現場10件分のデータが蓄積されれば、見積もりの精度は体感で変わります。ベテランの「勘」は、データ化されて初めて会社の資産になります。職人が辞めても、その判断基準は残ります。