「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。

「現場が黒字か赤字か」が月末まで分からない理由

夜21時の事務所。請求書を積み上げながら、どの現場の粗利がいくらだったか電卓を叩いている――そういう場面が月次の締め作業になっている会社は多いです。

問題の根本は、コストが現場単位で紐づいていない点にあります。材料費は仕入れ伝票でまとめて計上され、職人の出面（でづら・日々の作業人数記録）はLINEに流れ、段取り（現場準備・墨出し・養生張りなど前工程）の時間は誰も記録していません。

結果として、完工後に集計してみると、以下のような構造的なズレが生じます。

• 材料費：見積もり時の単価で計算していたが、実際は希釈率（塗料を薄める割合）や塗り直しで缶数が増えていた
• 人工（にんく・職人1人1日分の作業量単位）：見積もり3人工のはずが、下地処理の手間で4.5人工かかっていた
• 歩掛（ぶがかり・作業1単位あたりの工数）：現場の状況（外壁の劣化度・足場形状）で大きく変動する

この三つが現場ごとに可視化されていなければ、利益管理はどこまでいっても「感覚値」のままです。

見積もり段階で粗利30%を想定していた築30年マンション改修の現場が、実際には粗利12%だったというケースは珍しくありません。その差を生んだ原因を特定できなければ、次の見積もりでも同じミスを繰り返すことになります。

利益を現場単位で把握するための4ステップ

現場帰りの軽トラの中で、職人がLINEに「本日完了、材料残あり」と送信する。その情報が利益計算に繋がらない限り、見える化は進みません。

現場ごとの利益管理は、以下の4ステップで整理できます。

ステップ1：現場コードを発番し、全支出を紐づける
材料・外注・人工・交通費を現場コードで分類します。仕入れ伝票も現場単位で分けることが前提です。

ステップ2：出面管理を日次で記録する
職人が何人、何時間、どの工程（ケレン・下地処理・中塗り・上塗り）を行ったかを日次で入力します。週次集計では誤差が大きくなります。

ステップ3：材料の実消費量を記録する
見積もり時の標準塗布量（メーカー仕様の塗料使用量）と実際の消費缶数を比較します。希釈率の違いや塗り直しによる消費増は、ここで初めて数値として現れます。

ステップ4：完工時に見積もりと実績を対比する
粗利額・粗利率・人工単価の三つを見積もりと実績で並べます。差異が出たら工程ごとに原因を特定します。

この4ステップを毎現場で回すことで、「どの工程で赤字になりやすいか」「どの職人の歩掛が見積もりと乖離しているか」が蓄積データとして見えてきます。感覚ではなく、数字で次の見積もりに活かせるようになります。

なぜAngaは塗装業でしか使えない設計なのか

色番（いろばん・塗料の色コード）の確認電話が職人から午後3時にかかってくる。「日塗工のN-80で合ってましたっけ」――事務所でその答えを探すのに5分かかる現場が、週に何件あるでしょうか。

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。自身が塗装会社を経営してきた経験から、汎用の発注・管理ツールでは塗装業の実務に合わないという課題を痛感して開発に至っています。

汎用ツールとの最大の違いは、塗装業固有の入力単位と語彙をそのまま扱える点にあります。

• 色番（日塗工・ND・SRコード）を品番として登録でき、誤発注を防ぐ
• 職人ごとの略称表記（「クリマイ」→クリーンマイルドシリコン、「弱溶」→弱溶剤形など）を学習し、発注書に正式名称で出力する
• 人工・歩掛を工程単位で入力でき、見積もりの歩掛と実績を自動対比する
• 出面日報をLINEから受け取り、現場コードに自動で紐づける

これらは「塗装会社が実際に困っていた操作」を起点に設計されています。機能の出発点が「色番N-80を間違えて発注した経験」や「現場の利益が完工後にしか分からない」という実務課題にあるため、入力の粒度が現場の実態と一致しています。

汎用ツールに塗装業を合わせるのではなく、塗装業の動きにツールが合わせてくる――その違いが、現場への定着率に直結します。

利益の見える化が見積もり精度を上げるサイクル

LINEに溜まる日報を手入力でExcelに転記している。その作業だけで月に15〜20時間が消えている事務所は、塗装会社の規模を問わずよく見られます。

現場ごとの利益データが蓄積されると、見積もりの精度が構造的に上がります。具体的には以下のサイクルが回り始めます。

• 過去の類似現場（同規模・同工法・同塗料）の実績人工数が参照できるようになる
• 「築30年の鉄骨造外壁・ケレン＋エポキシ下地＋ウレタン2回塗り」の歩掛が自社データとして蓄積される
• 見積もり時の標準塗布量と実際の消費量の乖離傾向が分かり、材料費の計上精度が上がる
• 粗利率が低かった現場の工程を特定し、次の見積もりで吹付（スプレー塗装）か刷毛塗りかの工法選択に反映できる

このサイクルが回れば、見積もりは「経験と勘」から「自社データの再利用」へと変わります。

現場10件分のデータがあれば、工程別の平均歩掛と材料消費量の傾向はある程度見えてきます。20件を超えると、職人ごとの歩掛の違いや、季節・気温による乾燥時間のズレまで数値で把握できるようになります。

見積もり精度が上がれば、値引き交渉への耐性も上がります。「この金額の根拠は何か」という問いに、自社の実績データで答えられる状態が、受注力の底上げに直結します。利益の見える化は、管理コストの削減だけでなく、営業力の強化にも繋がります。

Q. なぜ現場ごとの利益が「感覚」になるのか？

夜21時の事務所で、請求書と出面（でづら：職人の出勤記録）を見比べながら電卓を叩く。この作業を毎月末に繰り返している会社は少なくありません。

原因は、原価の構成要素が現場をまたいで混在しているからです。塗装工事の原価は大きく3層に分かれます。

• 材料費：塗料・シーラー・マスカー・コーキング材など
• 労務費：職人1人工（にんく：1日1人分の作業単位）×人数×稼働日数
• 経費：足場・産廃・養生（ようじょう：汚染防止のための養生シート等）・段取り移動

この3層を現場コードで紐づけて記録している会社は、体感でも3割に満たないと思います。多くは「材料はまとめて発注」「出面は親方任せ」「足場は別台帳」と、データがバラバラに存在します。

結果として、築30年マンション改修の現場で足場代が予算オーバーしていても、月末まで誰も気づかない状態になります。

見える化の第一歩は、この3層を「現場単位で記録する仕組み」を作ることです。日報に現場コードを入力する習慣をつけるだけで、データの粒度は大きく変わります。

Q. 歩掛・人工の管理はどこから始めればよいか？

現場帰りの軽トラで、親方が「今日は3人で外壁ケレン（けれん：旧塗膜や錆の除去作業）が終わった」とLINEを送ってくる。しかし事務所側は、その情報を見積もりの歩掛（ぶがかり：作業1単位あたりの工数）と照合できていません。

歩掛管理を始めるには、次の順序が現実的です。

• Step1：見積書に「工種別の予定人工数」を明記する（例：下地処理2人工・中塗り1.5人工）
• Step2：日報に「工種名＋実績人工数」を記録させる
• Step3：月次で予定と実績を突き合わせる

最初から完璧を目指す必要はありません。まず外壁塗装の現場1件だけで試してみてください。「見積もりでは下地処理に2人工を想定したが、実際は3.5人工かかっていた」という事実が見えるだけで、次回の見積もり精度は上がります。

人工単価は会社ごとに異なりますが、1人工あたりの労務費と材料消費量を紐づけておくと、現場完了時に「想定利益率と実績利益率の差」を自動で計算できるようになります。この差分の積み重ねが、会社の体力を削っている原因です。

Q. AngaはなぜAIなのに「塗装専用」なのか？

色番（いろばん）の確認電話が1日に何度も入る。「N80で合ってますか？」「日塗工の25-70Bってどれですか？」。事務所の電話口でカタログをめくる時間が、1件あたり平均15分は飛びます。

Angaは、株式会社イーテクノス代表・井上恭介氏が自ら塗装会社を経営した経験をもとに開発したAIアシスタントです。汎用のAIツールと根本的に異なるのは、「塗装業の現場で何が起きているか」を起点に設計されている点です。

具体的には、以下のような塗装業固有の文脈を扱えます。

• 職人の略称学習：「クリマイ」→「クリーンマイルドシリコン」と自動補完
• 色番管理：日塗工・ND・SRコードを会話で検索・照合
• 希釈率（きしゃくりつ）・標準塗布量を塗料品番から即時参照
• 現場コード別に材料発注・出面・工程を一元管理

「N80を間違えて発注してしまった」「吹付（ふきつけ）仕上げの見積もりを刷毛塗り単価で出していた」。こうした現場特有のミスを防ぐために、塗装の文脈に特化した学習がなされています。汎用AIでは、こうした業界固有の誤りを検知すること自体が難しいです。

Q. 利益の見える化で、現場管理は実際に変わるか？

LINEに溜まる日報を毎晩スクロールしながら、どの現場がどこまで進んでいるか確認する。この作業が現場監督の「夜の仕事」になっている会社は多いと思います。

利益の見える化が定着すると、管理の重心が「後追い」から「先読み」に変わります。

現場が10件動いていれば、発注書と出面の照合だけで月20時間は消えます。それが現場コード単位で自動集計されれば、月次の原価確認が30分で終わります。その時間を、見積もりの精度改善や新規顧客対応に使えます。

見切り（みきり：塗り分けラインの処理）の手間が多い現場、養生の段取りに時間がかかる現場、吹付後の手直しが多い現場。こうした「利益を削る要因」は、現場ごとのデータが蓄積されて初めて見えてきます。

感覚で「あの現場は大変だった」と思っていたものが、数字として「ケレン工程で予定の1.8倍の人工がかかっていた」と可視化されると、次の同種案件の見積もりに直接反映できます。

利益の見える化は、単なる管理コストの削減ではありません。現場の経験を、会社の資産に変える仕組みです。