AI提案書で初めて技術点Ⅲ評価を取れた話｜入札支援AI活用事例
入札支援AIを活用して総合評価落札方式の技術点でⅢ評価（加算点満点）を初めて取得した中小建設会社の事例を詳細解説。提案書のどの部分をAIに任せ、どこを人間が補完したか、実務的な工程を全公開する。
入札業務をAIで効率化 — 入札支援AI（β期間無料）。詳細を見る →
AI提案書で初めて技術点Ⅲ評価を取れた話｜入札支援AI活用事例
「10年以上入札に参加してきたが、技術点でⅢ評価（最高ランク）を取れたことは一度もなかった。」
「AIを使ったら、初めてⅢ評価をもらえた。しかも2案件連続で。」
「何が変わったのか、自分たちでも最初は理解できなかった。」
これは、従業員38名の地方中小建設会社が2025年秋に体験した実話である。 総合評価落札方式で技術点の最高評価を取得するのは、 大手ゼネコンや技術提案の専門チームを持つ中堅企業でも難しい。 ましてや人員が限られた中小事業者にとっては、半ば「あきらめていた目標」だった。
本記事では、入札支援AIを活用して技術点Ⅲ評価を初めて獲得したA社の事例をもとに、 何をAIに任せ、何を人間が担ったかという役割分担の実態と、 高評価につながった提案書の具体的な変化を解説する。
なお、本記事の数値および事例は想定データに基づくものであり、 個別の導入効果を保証するものではない。
1. 技術点Ⅲ評価とは何か
技術点Ⅲ評価とは、総合評価落札方式における技術提案の加算点評価で最上位の評点を得た状態を指し、発注者の評価基準に対して「提案内容が課題を的確に捉え、具体性・実現可能性・優位性のすべてにおいて他社を上回る水準」と認められることで付与される。
国土交通省が定める総合評価落札方式では、 技術評価点は「標準点（基礎点）」と「加算点」で構成される。 標準点は企業実績・担当技術者の資格・施工体制などによって定まる基礎的な点数であり、 加算点は技術提案の内容によって上乗せされる差別化ポイントである。
加算点の評価は、通常5段階（Ⅰ〜Ⅴ）または3段階（ⅠまたはⅢ）で行われる。 国交省直轄工事の多くでは以下の評価区分が用いられる。
| 評価区分 | 内容の水準 | 点数イメージ | |----------|-----------|------------| | Ⅴ（最高）または同等 | 提案内容が特に優れている | 加算点満点 | | Ⅲ（中位）または同等 | 提案内容が一定水準を満たす | 加算点の半分〜7割 | | Ⅰ（最低）または同等 | 提案内容が基準最低限 | 加算点なし〜最小 |
発注機関によって評価区分の呼称や段階数は異なる。 本記事では「Ⅲ評価＝加算点区分の最高または高位評価」として解説する。
中小建設業者の多くが「Ⅰ評価どまり」になりやすい理由は、 提案内容が抽象的・一般論に終始しており、 工事特有のリスクへの具体的対応策が盛り込まれていないためである。
2. A社の課題——10年間Ⅰ評価から抜け出せなかった理由
A社が長年Ⅰ評価から脱せなかった根本原因は、「書けるベテランが1名しかいない」という属人化と、「評価基準の読み込みに時間をかけられない」という工数不足の複合問題にあった。
A社（従業員38名、土木・舗装工事業、年間売上高5億円）は、 県内の中小建設業者として主に市町村発注の舗装・維持補修工事を受注している。 総合評価落札方式の案件には10年以上参加してきたが、 技術提案の加算点評価では常にⅠ評価（最低ランク）が続いていた。
技術提案書作成の実態
A社の提案書作成は、現場経験30年以上のベテラン主任（当時57歳）が ほぼ単独で担当していた。 主任の経験と勘に頼った提案書は、品質は一定水準を保っていたものの、 評価員が求める「具体的数値・根拠・比較検討」の記載が薄かった。
作成時間は1案件あたり平均3〜4日。 月に複数の総合評価案件が重複すると、 いずれかを「見送り」する判断を迫られることもあった。
なぜⅠ評価になっていたか
事後に過去の評定通知書を分析したところ、共通のコメントが見えてきた。
- 「施工上の課題認識は適切だが、対応策の具体性が不十分」
- 「提案工法の選定根拠の記載が薄い」
- 「数値による効果の定量化が見られない」
これらは、評価員から繰り返し指摘されていた構造的な問題だった。 主任は「書く内容はわかっているが、証拠となる数値や根拠をまとめる時間がない」と話していた。
3. 入札支援AIの導入経緯
A社が入札支援AIの導入を決断した直接のきっかけは、主任の定年退職が3年後に迫るなか、「誰が担当者になっても同水準の提案書が出せる体制を今から作らなければならない」という経営判断だった。
2025年7月、A社代表取締役が建設業の入札セミナーに参加し、 他社の生成AI活用事例を見て導入を決意した。 入札支援AIの始め方ガイドを参照しながら アカウント作成から初期設定を1名のスタッフが対応し、 設定完了まで約2時間で完了した。
初期設定で投入した社内データは以下の通りである。
| データ種別 | 件数 | 備考 | |-----------|------|------| | 過去の技術提案書（採用分） | 23件 | 過去7年分 | | 過去の技術提案書（不採用分） | 11件 | 評定コメント付き | | 自社施工実績データ | 約80件 | 工事名・工法・数値込み | | 使用材料・機材リスト | 1式 | 型番・スペック含む |
AIは自社の実績データを「根拠の引き出し」として参照し、 提案書に具体的な数値・事例・工法名を自動で盛り込めるようになった。
4. 最初の挑戦——AI導入後1件目の提案書
AI導入後の初案件は、市発注の2車線道路改良工事（設計金額1.2億円）で、評価項目は「施工時の交通安全確保」「掘削土の場内有効活用」「既存舗装の再生利用率」の3項目だった。
従来のA社の提案書では、交通安全確保の提案として 「交通誘導員の適正配置」「夜間施工の活用」といった 汎用的な記述が中心だった。
AIを使った新しいワークフローは以下の通りである。
ステップ1：評価基準の入力と課題抽出（所要15分）
入札説明書・特記仕様書・評価基準書をAIに入力。 AIが評価項目ごとに「発注者が最も重視しているポイント」と 「Ⅲ評価を得るために必要な要素」を抽出した。
AIが出力した分析結果（要約）：
「交通安全確保の評価では、単なる人員配置ではなく、 歩行者・自転車・近隣住民への影響を定量的に示す提案が 高評価につながる傾向がある。 特に小学校通学路に面した区間があるため、 スクールゾーン対応の具体策を盛り込むことが有効である。」
これは、仕様書を改めて読み込んで初めて気づく情報だった。 従来の作業では、仕様書の細部まで読む時間が確保できず、 こうした「文脈の読み込み」が不十分なまま書き始めていた。
ステップ2：提案書ドラフトの生成（所要20分）
AIが社内実績データを参照しながら、 3つの評価項目それぞれについて提案書の草稿を生成した。
交通安全確保の提案では以下の内容が自動生成された。
- 移動式仮設防護柵（H=800mm、夜間反射テープ付き）の設置区間と設置間隔の具体的数値
- 過去の類似施工事例（〇〇市道改良工事、2023年施工）における交通遅滞ゼロの実績引用
- 片側交互通行の時間帯設定（通勤ピーク時間外：9:00〜17:00限定施工）
- スクールゾーン区間における保護者への事前周知チラシ配布の実施計画
すべて自社実績データから引き出された具体的な記述であり、 従来の提案書と比べて「証拠のある提案」になっていた。
ステップ3：人間によるレビューと補完（所要2時間）
AIのドラフトに対し、主任と若手スタッフが以下の確認を行った。
- 数値の整合性確認（機材スペック・施工日程との矛盾がないか）
- 現場条件との照合（実際にスクールゾーン対応が可能な区間か）
- 発注者への訴求力の調整（評価員が読みやすい文章構成か）
- 図面・写真の追加（AI生成文に対応するビジュアルの補完）
AI×人間ハイブリッドの提案書作成フローで解説している通り、 AIは「草稿と根拠の生成」を担い、人間は「精度の検証と文脈の調整」を担うのが適切な分業である。
結果
1件目の提案書は初回提出で採用評価を受け、 技術点の加算点評価でⅢ評価（加算点の最高ランク）を初取得した。
主任の感想：「評定書を見たとき、最初は誤りかと思った。 10年間でⅡ評価すら取れたことがなかったので。」
5. 連続Ⅲ評価——2件目で確信に変わった
1件目のⅢ評価を「偶然」と判断していたA社が確信に変わったのは、翌月に実施した県発注の橋梁補修工事（設計金額8,500万円）でも同じくⅢ評価を取得したことだった。
2件目の案件では、評価項目が「近接民家への騒音・振動対策」「コンクリート補修品質の確保」「施工期間の短縮」の3項目で構成されていた。
AIが変えた最大のポイント：根拠の密度
従来の提案書との比較を示す。
【従来の記述例：騒音・振動対策】
「低騒音型建設機械を使用し、近隣への影響を最小限に抑える。必要に応じて防音シートを設置する。」
【AI活用後の記述例：騒音・振動対策】
「低騒音型バックホウ（クボタU-55-5、騒音レベル70dB以下）を使用し、 敷地境界線から10m地点での測定値を75dB以内に管理する。 防音パネル（遮音性能20dB以上）を作業エリア3面に設置し、 2025年8月施工の〇〇橋補修工事（類似条件）での実績（境界線測定値72dB）を根拠とする。 測定は施工開始後初日・工程変更時・月1回の頻度で実施し、記録を発注者に提出する。」
数値・機材型番・過去実績・測定頻度がすべて盛り込まれた提案になっている。 この「根拠の密度」が評価員に「具体性あり・実現可能性あり」と判断させるポイントである。
所要時間の変化
2件目の提案書作成の実績時間は以下の通りだった。
| 工程 | 従来（主任単独） | AI活用後 | |------|----------------|---------| | 評価基準の読み込み・課題抽出 | 約4時間 | 約15分（AI） | | 提案内容の検討 | 約6時間 | 約30分（AI下書き＋人間確認） | | 提案書の執筆 | 約10時間 | 約2時間（AI草稿＋人間修正） | | 図面・チェック | 約3時間 | 約2時間 | | 合計 | 約23時間（約3日） | 約5時間 |
作業時間が約1/4に短縮され、品質は向上した。
6. なぜAIで高評価が取れるようになったのか
入札支援AIが技術点評価を引き上げた最大の理由は、「自社実績データを根拠として提案書に自動挿入する」機能にあり、これにより評価員が重視する「具体性・実現可能性・数値的裏付け」が自動的に担保されるようになった。
高評価提案書の3条件とAIの役割
国土交通省のガイドラインや建設専門家の見解から、 高評価を受ける技術提案書には共通の3条件がある。
条件1：課題の的確な認識
評価員は「この工事の難しさをわかっているか」を最初に見る。 AIは仕様書・設計図・現地条件を解析し、 工事固有のリスクを自動で抽出する機能を持つ。 人間が気づきにくい細部の記載（特殊条件・近接施設の注意書きなど）も 見落とさず拾い上げる。
条件2：具体的な対応策と根拠
「適切に対応する」ではなく「〇〇工法で〇〇dB低減する（自社実績：〇〇工事）」 という記述が求められる。 AIは社内実績データベースから類似条件の工事を自動参照し、 根拠のある具体策を生成する。
条件3：数値による効果の定量化
「効果が期待できる」ではなく「〇〇%短縮・〇〇dB低減・〇〇%削減」 という形での定量化が評価を高める。 AIは数値化のフォーマットを自動適用し、 ドラフト段階から定量表現を盛り込んだ文章を生成する。
人間でなければできない部分
AI技術提案書自動作成の現状と限界でも指摘されているように、 AIには「現場の文脈を読む力」と「最終的な判断責任」は持てない。
A社のケースでは、以下は必ず人間が担当した。
- AIが生成した数値の実現可能性確認（機材・人員・日程の整合）
- 現場の微妙な条件（地元関係者との関係性、用地問題など）の反映
- 発注者担当者の傾向を踏まえた文章トーンの調整
- 提案書の最終的な提出判断
7. 技術点Ⅲ評価が落札に与えた影響
技術点Ⅲ評価の取得は、単に「良い評価をもらった」という満足にとどまらず、評価値の計算式を通じて落札確率を数値的に高める直接的な効果を持つ。
総合評価落札方式における評価値は、基本的に以下の式で計算される。
評価値 = 技術評価点（標準点 + 加算点）÷ 入札価格（億円）
加算点がⅠ評価（ゼロ）からⅢ評価（加算点10点、仮定）に上昇した場合、 入札価格が同じでも評価値が大きく変化する。
| 評価区分 | 標準点 | 加算点 | 技術評価点 | 入札価格 | 評価値 | |---------|--------|--------|-----------|---------|-------| | Ⅰ評価（従来） | 100点 | 0点 | 100点 | 1.0億円 | 100.0 | | Ⅲ評価（AI後） | 100点 | 10点 | 110点 | 1.0億円 | 110.0 |
加算点10点の向上で評価値が10%上昇する。 これは同じ入札価格でも競合他社に対して優位に立てることを意味する。
A社の場合、Ⅲ評価を取得した2件の案件はいずれも落札に成功した。 2件合計の受注金額は約2億円であり、 従来のⅠ評価のまま参加していれば落札できなかった可能性が高いと担当者は述べている。
8. 導入にあたっての注意点
入札支援AIを導入して高評価を取るためには、「社内実績データの質と量」が成否を分ける最重要因子であり、データ整備を怠ったまま使い始めても期待した効果は得られない。
A社の導入でうまくいった要因を振り返ると、以下の3点が際立っている。
注意点1：実績データは「数値込み」で蓄積する
工事名・場所・工期だけのデータでは、AIは具体的な提案を生成できない。 「使用機材の型番・仕様」「騒音・振動の測定値」「工期短縮の実績日数」 「品質管理の頻度・結果」といった数値情報を含めて登録することが重要である。
A社では過去施工の完成図書を改めてスキャン・整理し、 数値データの抽出と登録に約2週間を費やした。
注意点2：不採用事例のデータも必ず入れる
Ⅰ評価だった過去の提案書は「失敗例」として価値が高い。 AIはこれらを参照することで「避けるべき表現パターン」を学習し、 ドラフトの質が向上する。
注意点3：人間のレビュー工程を省略しない
AIが生成した数値や根拠に誤りがあれば、提案書の信頼性が損なわれる。 特に「類似事例の引用」は、実際の施工条件との齟齬がないかを 必ず現場担当者が確認する必要がある。 AI×人間ハイブリッドの運用ルールを参照し、 レビュー体制を事前に設計しておくことを推奨する。
9. 中小建設業者がAI提案書で戦える理由
AI提案書の登場によって、「書ける人間がいない」という中小建設業者の構造的なハンディが大幅に縮小した。技術提案の勝負はもはや「書ける人間の有無」ではなく「自社実績データの蓄積量と活用力」で決まりつつある。
2025〜2026年現在、建設業の生成AI活用は大手ゼネコンから中小事業者へと急速に広がっている。 日本工営・岩田地崎建設をはじめとする企業での試験導入の成果が報告されており、 技術提案書の自動化は「一部の大企業のみの話」ではなくなっている。
中小建設業者にとってのAI提案書の利点は、以下の3点に整理できる。
利点1：ベテラン依存からの脱却
ベテランの暗黙知をAIが「可視化された根拠」に変換する。 主任が退職した後でも、データが残っていれば同水準の提案書が書ける。
利点2：参加案件数の増加
提案書作成の工数が1/4〜1/10になることで、 これまで「書く時間がないから見送り」していた案件に参加できる。 入札支援AIの導入レポートでは、 参加案件数が1.5〜2倍になったケースが報告されている。
利点3：評価員が求める提案の「型」を習得できる
AIの生成物を見ることで、担当者自身が「Ⅲ評価の提案書はこういう書き方なのか」と 学習していく効果がある。 A社では、若手スタッフがAI出力を手本に提案書作成のスキルを 短期間で習得し始めていると報告されている。
まとめ
本記事のポイントを整理する。
- 技術点Ⅲ評価とは総合評価落札方式の加算点で最高ランクを得た状態であり、評価値を大きく押し上げて落札確率を高める
- A社が10年間Ⅰ評価にとどまっていた原因は「具体性・数値・根拠の不足」という構造的な問題だった
- 入札支援AIは仕様書の課題抽出・自社実績データからの根拠挿入・定量表現の自動生成によって、この問題を解決した
- 人間はAIドラフトの整合性確認・現場文脈の反映・最終判断を担う役割分担が機能した
- 提案書作成時間は約3日から約5時間へ短縮し、品質は向上した
- AI導入の成否を分けるのは「社内実績データの質と量」であり、数値込みのデータ整備が前提条件となる
まず1案件だけ試してみることが最初の一歩である。 入札支援AIの始め方ガイドを参照し、 自社データの整備から着手してほしい。
関連ツール・アプリ
| ツール | 特徴 | 用途 | |--------|------|------| | 入札支援AI | 仕様書解析・技術提案書の自動ドラフト生成・自社実績RAG対応 | 技術提案書のⅢ評価獲得を目指す中小建設業者 | | ProposalDoc | 入札書類の自動生成と提出管理の一元化 | 提案書から応札書類まで一括管理 | | BidBase | 自社入札実績データベースと評価点の履歴管理 | 過去データの蓄積・分析・AI連携 |
公開日：2026年3月18日 カテゴリ：入札支援AI・技術提案書・活用事例 対象読者：中小建設業の入札担当者・営業担当者・経営者