建設現場で40年以上続くKY活動（危険予知活動）。しかし、労働災害は依然として減らず、「形骸化している」「マンネリ化している」との声も聞かれます。
今回は、従来のKY活動の限界を突破し、AI技術を活用した次世代の危険予知活動をご紹介します。予測と分析の二刀流で、真の事故防止を実現する革新的なアプローチです。
🚨 従来のKY活動が抱える根本的な限界
📊 現状の数字が示す課題
🎯 5つの根本的問題
経験と勘への依存
ベテラン作業員の「感覚」に頼った危険予知では、未経験のリスクを見落とす可能性が高い
- 個人の経験の範囲内でしか危険を想定できない
- 新しい工法や材料に対する危険予知が不十分
- 作業員によって予知精度にばらつきが大きい
表面的な危険の指摘
「転倒注意」「挟まれ注意」など、当たり前の危険しか議論されず、本質的なリスクが見えない
- 毎回同じような危険要因の指摘
- 具体的な発生シナリオの検討不足
- 複合的な要因による事故リスクの見落とし
過去事例の活用不足
他現場や類似作業での事故事例が共有・活用されず、同じ失敗を繰り返すリスクが残る
- 社内外の事故事例データベースの未整備
- 類似事例の検索・抽出の困難さ
- 事例から学ぶべき教訓の抽出不足
対策の効果測定困難
KY活動で決めた対策が実際に効果があったかを検証する仕組みがない
- 対策実施後の効果測定方法が不明確
- ヒヤリハット発生との関連性が見えない
- 改善のPDCAサイクルが回らない
参加者のモチベーション低下
形式的な活動になりがちで、作業員の主体的な参加や真剣な検討が得られない
- 毎日同じような内容で飽きられる
- 実際の事故防止につながっている実感がない
- 時間が長く作業開始が遅れる
🚀 次世代KY活動：予測と分析の二刀流アプローチ
従来のKY活動
🔄 事後対応型
- 経験と勘に基づく危険予知
- 一般的な注意事項の確認
- 形式的な対策の決定
- 効果検証なし
⚔️ 二刀流システムの構成
予測的アプローチ（AnzenAI）
事故が起きる前に危険を察知📊 主要機能
- 類似事例検索：14,817件のデータベースから類似リスクを瞬時に検出
- リスクレベル算出：発生確率と重大度による定量的評価
- 対策テンプレート：効果が実証された対策を自動提案
- KYシート自動生成：検出リスクに基づくシートを即座に作成
🎯 期待効果
- 見落としがちなリスクの発見
- 危険予知の精度向上（データに基づく改善）
- KY活動時間の大幅な短縮
分析的アプローチ（WhyTrace Connect）
事故・ヒヤリハットの真因を解明📊 主要機能
- 構造化分析：AI支援による体系的なぜなぜ分析
- 視覚的マッピング：因果関係を図式化で理解
- 根本原因特定：表面的原因から真因まで追求
- 対策効果予測：対策の効果を事前にシミュレーション
🎯 期待効果
- 根本原因に基づく効果的対策
- 再発防止率の大幅な向上
- 分析品質の標準化
🔄 次世代KY活動の実際の運用フロー
事前準備フェーズ（作業前日）
所要時間：5分作業内容をAnzenAIに入力
翌日の作業内容（作業種別、場所、人数、使用機械等）を入力
AI予測結果を確認
類似事例から抽出されたリスクと対策案を事前チェック
KYシートを自動生成
予測結果に基づくKY活動シートを自動作成
📤 出力物
- AI予測に基づくKY活動シート
- 類似事例の詳細情報
- 推奨対策のリスト
朝礼KY活動フェーズ（作業当日朝）
所要時間：8分AI予測結果の共有（2分）
事前準備で得られたリスク予測を全員で確認
現場固有リスクの追加検討（3分）
AI予測に加えて、当日の天候・現場状況等を考慮したリスクを検討
対策の具体化と役割分担（3分）
提案された対策を現場の実情に合わせてカスタマイズし、実行者を決定
💡 革新ポイント
- 具体性：「転倒注意」ではなく「スラブ端部から1.2m以内での作業時の墜落リスク」
- 根拠：「過去6件の類似事例で3件が重傷事故」等の客観的データ
- 効率性：事前準備により朝礼時間を大幅短縮
作業実行・監視フェーズ（作業中）
所要時間：継続的重点チェックポイントの実行
KY活動で決定した対策を計画通りに実行
ヒヤリハット・気づきの記録
作業中に発見した新たなリスクや対策の効果をリアルタイムで記録
予測と実際の差異確認
AI予測と実際の現場状況との差異を継続的にチェック
振り返り・分析フェーズ（作業終了後）
所要時間：10分対策効果の評価（3分）
実施した対策が実際に効果があったかを評価
ヒヤリハット分析（5分）
発生した事案をWhyTrace Connectで即座に分析
改善点の知識ベース登録（2分）
得られた知見をAnzenAIのデータベースに蓄積
📈 継続改善効果
- AI予測精度の継続的向上
- 現場固有リスクの蓄積
- 対策効果の定量化
📈 活用例：鉄骨建方作業での改善イメージ
🏗️ 活用場面の例
❌ 従来のKY活動（改善前）
朝礼での危険予知（12分）
🚨 問題点
- 毎回同じような内容
- 具体的なシナリオなし
- 過去事例の活用なし
- 対策の効果検証なし
✅ 次世代KY活動（改善後）
AI予測＋朝礼確認（8分）
🔮 AI予測結果（事前準備）
風速7m/s時の鉄骨振れによる挟まれ事故
類似事例：過去3件発生、1件重傷
推奨対策：風速5m/s以上時の作業中断、鉄骨仮固定の徹底
クレーン旋回時の作業員との接触
類似事例：過去5件発生、軽傷2件
推奨対策：旋回範囲の明示、合図者の配置
🌅 朝礼での確認（8分）
📊 期待できる改善効果
💬 現場の声
"AI予測があることで、自分の経験だけでは気づかなかったリスクも見えるようになりました。作業員も「なるほど」と納得して参加してくれるようになり、KY活動が形骸化から脱却できました。"
"過去の事故事例を具体的に教えてくれるので、「なぜ危険なのか」がよく分かります。若い作業員にも説得力を持って指導できるようになりました。"
"以前は「またか」と思っていたKY活動が、今では勉強になると感じています。具体的な事例があるので、なぜ気をつけるべきかが理解できます。"
🔗 予測×分析の統合による相乗効果
🔄 学習サイクルの確立
予測
過去事例から
リスクを予測
実行
予測に基づく
対策を実施
観察
実際の結果と
差異を記録
分析
Why分析で
真因を解明
学習
知見をDBに
蓄積・活用
🎯 具体的な相乗効果
予測精度の継続的向上
仕組み：WhyTrace Connectの分析結果がAnzenAIの学習データとして蓄積
効果：現場固有のリスクパターンを学習し、予測精度が月次で向上
分析効率の劇的改善
仕組み：AnzenAIの予測データがWhyTrace Connectの分析開始点として活用
効果：分析すべき要因の絞り込みにより、分析時間を大幅短縮
組織学習の加速
仕組み：個人の経験が組織の知識として体系的に蓄積
効果：ベテランのノウハウが若手にも共有され、組織全体のスキルアップ
標準化の推進
仕組み：効果的な対策がテンプレート化され、他現場でも活用
効果：現場間での安全レベルの均一化と底上げを実現
🚀 次世代KY活動の導入ガイド
Phase 1：基盤構築（1週間）
🎯 目標
両システムの基本機能を理解し、従来のKY活動と並行してトライアル実施
📋 実施項目
✅ 期待成果
- システムの基本操作をマスター
- 従来方式との違いを体感
- チーム全員の理解と賛同を獲得
Phase 2：本格運用開始（2週間）
🎯 目標
プレミアム機能を活用し、日常のKY活動を完全に次世代方式に移行
📋 実施項目
✅ 期待成果
- KY活動時間の大幅な短縮を実現
- 具体的で実践的な危険予知が可能に
- 作業員の参加意欲が向上
Phase 3：効果測定・最適化（1ヶ月）
🎯 目標
定量的な効果測定により改善効果を確認し、更なる最適化を実施
📋 実施項目
✅ 期待成果
- 労災発生率の大幅な削減を確認
- 費用対効果を定量的に把握・実証
- 組織全体への展開準備完了
🎯 成功のポイント
トップダウンの推進
現場監督・安全管理者が率先してシステムを活用し、作業員に効果を実感してもらう
効果の見える化
ヒヤリハット減少等の具体的な数値で効果を示し、継続的な改善意欲を維持
段階的な導入
いきなり全面移行せず、トライアル→部分導入→全面展開の段階的アプローチ
継続的な学習
新機能の活用やベストプラクティスの共有により、常に改善を続ける
🎯 まとめ：KY活動の新時代へ
建設業界で長年続いてきたKY活動を、AI技術の力で次のレベルに引き上げる時が来ました。
🚀 変革のポイント
予測的アプローチ
過去事例のビッグデータから、見落としがちなリスクを事前に察知
分析的アプローチ
発生事案の根本原因を科学的に解明し、効果的な対策を立案
学習サイクル
予測と分析の結果を相互に活用し、継続的にレベルアップ
参加促進
具体的で実践的な内容により、作業員の主体的参加を実現
🔮 KY活動の未来
この革新的なアプローチにより、KY活動は以下のように進化します：
- 科学的根拠に基づく活動：経験と勘から、データと分析へ
- 効率的で実践的：時間短縮と効果向上の両立
- 継続的な改善：現場の知識が蓄積され、組織全体で共有
- 作業員の主体性向上：納得感のある活動で参加意欲アップ
🚀 今すぐ始めませんか？
月額わずか1,960円で、40年間変わらなかったKY活動を革新できます。
リスクゼロで始められます：無料プランで効果を確認してから本格導入できます。