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。

「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。