共有知の構築と業務効率化による経営方針の実現
経験と勘が個人に蓄積
→ 退職で消失、共有されない
実績データを蓄積・分析
→ 会社の共有知として活用
「ビル空調の冷媒配管工事、延床3,000㎡、過去の類似案件の原価率は？」
→ AIが過去実績を検索し、平均原価率・注意点を回答
過去の実績データから、工事種別ごとの「実際にかかった原価率」を把握できる。
「この見積り、材料費が過去実績より20%低いけど大丈夫？」
→ 拾い漏れや単価ミスの可能性をAIが指摘
「来月、品川で冷媒配管工事。対応できる協力会社は？」
→ エリア・得意分野・空き状況から候補をリストアップ
協力会社への発注単価を蓄積することで、「相場」が見えるようになる。
「保温工事、㎡あたり○○円の見積りが来たけど、これは適正？」
→ 過去の発注実績と比較して「やや高め」「妥当」などを判定
「ダイキンの○○シリーズ、冷媒配管で注意することは？」
→ 過去の施工記録から注意点・コツを回答
ベテランの知識を記録しておくことで、新人が「聞かなくてもわかる」状態を作る。
新人「冷媒管のろう付け、うまくいかない…」
→ AIがナレッジベースから関連する技術情報・動画を提示
工事の途中で「今、原価がどこまで積み上がっているか」を把握する。
「この工事、予算オーバーしそう？」
→ 進捗と原価消化率を比較し、「このままだと5%超過見込み」とアラート
工事が終わったら、予算と実績を比較して「なぜ差が出たか」を記録。
「今期、赤字になった工事の共通点は？」
→ AIが分析し「複合設備案件で外注費超過が多い」などを報告
完了した工事から、見積り・実績原価・粗利率をNotionに入力。
まずは10件を目標に。形式は後から整えればいい。
よく使う協力会社10社の情報をデータベース化。
発注のたびに単価・評価を追記していく。
貯まったデータをClaudeに読み込ませ、
「過去の類似案件は？」「この単価は適正？」と聞いてみる。
使いながら「こういう情報も欲しい」を追加。
データが増えるほどAIの回答精度が上がる。