Buildotsの資金調達、1億3,000万ドルを追加——巨大プロジェクトで建設AIを試す

建設AI企業Buildotsは、データセンター、半導体工場、病院などの巨大プロジェクトにおける制御レイヤーとなることを目指し、1億3,000万ドルを調達した。

9月14日に公表された資金調達の詳細によると、Buildotsの資金調達ラウンドはO.G. Venture Partnersが主導した。Intel Capital、Lightspeed Venture Partners、Qumra Capital、Viola Growthも参加した。このラウンドにより、Buildotsの報告ベースでの累計調達額は2億9,700万ドルに達した。

この投資は、通常の事業拡大ラウンドを上回る意味を持つ。自動化された進捗データが、建設ポートフォリオ全体における主観的な報告に取って代われるかを試すものだ。OpenSpace、Doxel、既存の建設ソフトウェア事業者も重なる機会を追っているが、Buildotsは写真記録だけでなく、業務上の意思決定を重視している。

同社によると、売上高は数年にわたって毎年3倍に成長している。また、100社を超える大手組織が同社プラットフォームを利用しているという。これらの数字は需要を示唆するものの、建設AIが異なる請負業者、設計、市場において一貫して遅延を防げることを裏付けるものではない。

したがって中心となる競争は、Buildotsと一社のスタートアップとの対決ではない。機械生成によるプロジェクト可視化と、現場巡回、スプレッドシート、工程表の更新、そして個人の判断という従来の仕組みとの競争である。

Buildotsの資金調達ラウンド、ポートフォリオ規模の建設を狙う

新たな資金により、Buildotsは個別現場の監視から、多国籍の建設ポートフォリオ全体にわたるリスク管理へと移行する体制を整える。

1億3,000万ドルの資金調達はO.G. Venture Partnersが主導した。参加者にはIntel Capital、Lightspeed Venture Partners、Mohari Ventures、Human Capital、Qumra Capital、Avigdor Willenz、Viola Growth、Poalim Equityが含まれる。

Human CapitalとMohari Venturesは、同社にとって新規投資家である。Buildotsの既存投資家にはTLV Partners、Future Energy Ventures、Maor Investments、建設会社Tidharも含まれる。

このラウンドにより、報告ベースの累計調達額は2億9,700万ドルに増加した。これに先立ち、2025年に発表された4,500万ドルのシリーズDでは、累計額が1億6,600万ドルに達していた。前回ラウンドはQumra Capitalが主導した。

Buildotsは、入手可能な資金調達発表において今回のラウンドの評価額を公表していない。また、監査済みの売上高も提示していない。したがって、報告された成長率や顧客数は、同社の開示情報として扱う必要がある。

それでも、資金規模の変化は重要だ。Buildotsは、より優れた進捗ダッシュボードだけに資金を投じているわけではない。入札から引き渡しまでプロジェクトを追跡するデータシステムの構築を目指している。

同社はこの資金を使い、北米、欧州、中東、アフリカで事業を拡大する計画だ。また、洞察を現場チームごとに閉じ込めるのではなく、複数プロジェクトにまたがる事業レベルの分析を支援したいとしている。

この目標は、すでに契約面でも見え始めている変化に続くものだ。Buildotsによれば、大口顧客の間では、ポートフォリオ全体を対象とする7桁ドル規模の複数年契約が一般的になっている。

同社は前回ラウンド後にも同様の主張をしていた。最高経営責任者のRoy Danon氏は、顧客がプロジェクト単位の購入から長期的なエンタープライズ契約へ移行していると述べた。同社のSeries D detailsによると、2025年中にこうした契約の複数件がすでに7桁ドル規模に達していた。

新たな資金調達に関する報告では、Buildotsの顧客として所有者であるDigital RealtyとIntelが挙げられている。また、請負業者としてSTO Building Group、JE Dunn、Mortenson、Bouygues、HOCHTIEFも特定されている。

この顧客構成は重要だ。所有者は設備投資プログラム全体で一貫した監督を求める一方、請負業者は基礎データを生み出す日々の作業を管理しなければならない。プラットフォームがポートフォリオ管理システムとなるには、両者の協力が必要となる。

Buildotsの資金調達ラウンドは、この調整上の課題が解決可能だという確信を反映している。今後同社には、大規模導入が単に現場画像の収集量を増やすだけでなく、より良い意思決定を生み出すことを示す必要がある。

AIインフラ需要が建設における可視性不足の代償を高める

データセンターと半導体プロジェクトでは、ひとつの遅れた依存項目が試運転スケジュール全体に影響し得るため、進捗の可視化の価値が高まる。

人工知能は、異例のフィードバックループを生み出している。AIコンピューティングへの需要がデータセンターや半導体工場の建設を促し、そのAIソフトウェアが今度は、それらの施設をより早く完成させる手段として販売される。

これらのプロジェクトは、相互接続された作業が密なネットワークを形成するため、建設技術にとって魅力的な対象となる。電気系統、冷却設備、構造部材、専門機械は、正しい順序で特定のマイルストーンに到達しなければならない。

ある部屋、ユーティリティ接続、設備設置の遅れは、別の場所での試験を止める可能性がある。管理チームには、あるフロアがほぼ完成して見えるという大まかな見積もり以上の情報が必要だ。

従来の進捗報告は、定期検査、請負業者からの更新、スプレッドシート、手作業で改訂された工程表に依存することが多い。どの方法も有用な情報を提供するが、結果として得られる全体像は遅れて届いたり、測定ルールに一貫性がなかったりする。

Buildotsは、ソフトウェアが画像内の物体を識別・分類できるコンピュータビジョンによって、この隔たりを縮めようとしている。作業員は、多くの場合ヘルメットに取り付けた360度カメラを用い、通常の巡回中に現場を撮影する。

同プラットフォームは、これらの画像をプロジェクト工程表と3次元の建築モデルに対応付ける。そのうえで施工済みの作業を分類し、実際の進捗を計画された順序と比較する。

このアプローチは、物理的なプロジェクトとその変化する状態を構造化して表現するデジタルツインを生み出す。Buildotsによれば、同社のモデルは8年分の実際の建設データを基にしている。

出力は、業務上の問いに答えることを意図している。管理者は、どのタスクが完了したか、どこで生産が遅れているか、どの計画作業に遅延の兆候が出ているかを確認できる。

これは、単にパノラマ画像を保存することとは異なる。視覚的な記録は、ある場所が特定の日にどのように見えたかを示す。自動化された進捗分析は、その証拠を数量、工程状況、警告へと変換しようとする。

Buildotsによると、同プラットフォームは数百の作業カテゴリーを認識する。ただし、認識精度は視認性、設計の詳細、現場条件、プロジェクトモデルの品質によって変動し得る。

IntelとBuildotsの関係は、機会と求められる立証水準の両方を示している。Intel Capitalは、今回の資金調達に参加する以前に、Buildotsへの1,500万ドルの投資を主導した。

Buildotsによると、Intelは半導体工場プロジェクトでも同プラットフォームを利用している。同社のIntel case studyによれば、早期警告により工場当たり平均4週間の遅延回避につながった。

この結果は、独立した統制研究ではなく、Buildotsとその顧客によるものだ。導入事例としては有用だが、普遍的な性能の前提とすべきではない。

AI需要を軸に構築される施設では、特に圧力が大きい。Digital Realtyは2026年中に大規模な開発残高を報告しており、半導体メーカーも生産能力と先端製造プロセスへの投資を続けていた。

開業の遅れはすべて、高価なインフラが収益創出や半導体製造を開始できる時点を先送りする。ソフトウェアが防げるのが潜在的な遅延の一部にとどまる場合でも、より早いプロジェクト情報には商業上の重要性がある。

したがって、この資金調達は特定の市場ニーズに応えるものだ。巨大プロジェクトの所有者は、施設が生産性を持つはるか前に資本を投じるため、より迅速なフィードバックを求めている。

Buildotsはいかに現場画像を工程上の意思決定へ変えるのか

Buildotsの真の製品はカメラ撮影ではない。物理的な作業を、管理者が説明責任を持って下せる意思決定へ翻訳することだ。

建設現場には、プロジェクトチームが毎日すべてを手作業で分類できる以上の視覚情報が存在する。資材は移動し、壁は閉じ、システムは隠れ、数百もの下請け業者の活動が重なり合う。

Buildotsは、現場を繰り返し撮影することから始める。作業員が経路に沿って歩き、360度カメラが周囲の環境を記録する。

同プラットフォームは、画像をBIM（Building Information Model）と結び付ける。BIMは、設計された建築要素に関する情報を含む構造化されたデジタルモデルである。

また、建設工程表も解釈する。この工程表は、活動、依存関係、計画日、そしてプロジェクト完成に必要な順序を定義する。

コンピュータビジョンモデルは、視認可能な部材を特定し、その設置状態を推定する。ソフトウェアは続いて、それらの観測結果を場所、計画作業、報告期間に対応付ける。

その結果、計画された作業と観測された作業の比較が継続的に更新される。管理者は、スプレッドシートに入力された進捗率だけに頼るのではなく、評価の根拠となる証拠を確認できる。

この証拠は複数のワークフローに影響し得る。現場監督者は、別の職種が覆い隠す前に未完了作業を特定できる。工程管理者は、計画作業がなぜ遅れているのかを調査できる。

商務チームは、下請け業者の出来高請求と観測された進捗を比較できる。経営幹部は、現場チームごとに別個の手作業レポートを作成させることなく、プロジェクト横断の傾向を確認できる。

同プラットフォームの以前のバージョンは、すでにOracle Primavera P6、Asta Powerproject、Microsoft Projectと連携していた。Buildotsは、これらの連携がconstruction data platformを通じた工程更新と商務報告を支援したと述べている。

新戦略はこの論理を拡大する。Buildotsは、過去のプロジェクト情報を入札、ベンチマーク、リソース計画、ポートフォリオ上の意思決定に活用したいとしている。

ここで建設AIへの投資は、より重要な意味を持つ。プロジェクト単位のツールは、孤立した遅延を明らかにできる。ポートフォリオプラットフォームは、同じ職種、設計詳細、工程上の前提が繰り返し問題を引き起こしているかどうかを示せる。

このより広い視野は、より強力なデータ優位性も生み出す。完了した各プロジェクトは、作業順序、生産速度、ボトルネック、回復パターンの事例を提供できる。

データが増えても、予測が自動的に改善するわけではない。建設プロジェクトは、設計、規制、労働構造、契約慣行、文書化の品質によって異なる。

Buildotsは、性能を比較する前にこれらの違いを標準化しなければならない。そうしなければ、一見有用に見えるベンチマークに、同じ前提で評価すべきではないプロジェクトが混在する可能性がある。

同社は、ユーザーによる情報へのアクセス方法も拡大している。Dotアシスタントでは、管理者が自然言語を用いて構造化されたプロジェクトデータについて質問できる。

Buildotsによると、Dotは対話のためにOpenAIモデルの保護されたバージョンを使用している。同社のコンピュータビジョンシステムは別個に稼働し、基礎となる進捗情報を提供する。

この区別は重要だ。言語モデルは複雑なプロジェクト記録を検索しやすくできるが、それ自体で正確な観測を生み出すわけではない。回答の信頼性は、その基礎となる撮影画像、対応付け、工程表、分類の信頼性に依存する。

したがって、この仕組みは連鎖で成り立っている。作業員が適切なエリアを記録し、プロジェクトの記録が最新に保たれ、モデルが作業を正確に分類し、チームが警告に対応しなければならない。

どこか一つでも欠ければ、見栄えのよいダッシュボードが誤った安心感を与えかねない。連鎖が機能すれば、管理者は何がいつ変わったのかについて、説明可能な記録を得られる。

OpenSpaceとDoxelが示す競争圧力

Buildotsは、より深い進捗分析が、より容易な文書化や競合するスケジュール分析よりも大きな価値を生むことを証明しなければならない。

建設AIは単一で均質な製品カテゴリーではない。複数の企業が現場の物理的な状況を記録しているが、得られた情報をどのように製品化するかは、それぞれ異なる購買優先度に基づいている。

OpenSpaceは、リアリティキャプチャを軸に地位を築いた。同社のソフトウェアは360度の現場画像を平面図に対応付け、文書化や調整に利用できる、ナビゲート可能な視覚的記録を作成する。

このワークフローは比較的理解しやすい。チームは現場を歩いて状況を記録し、その後、再訪することなく対象箇所を確認できる。

OpenSpaceはBIM比較と自動進捗追跡にも事業を広げている。これらの機能により、同社はBuildotsが主張する運用領域に近づいている。

Doxelもまた、重なり合う別のアプローチを取る。コンピュータービジョンとプロジェクト情報を用いて、施工済み作業を測定し、スケジュールの結果を予測し、生産性を分析する。

顧客にとって実務上の違いは、ベンダーがAIを使っているかどうかではない。各システムが観測結果をどれほど確実に意思決定へ変換できるかにある。

検索可能な写真記録を求める施工会社は、迅速な導入と幅広い参加を優先するかもしれない。反復的なデータセンタープロジェクトを管理するオーナーは、施工会社をまたいだ標準化された生産測定を優先する可能性がある。

Buildotsは、後者の要件がより持続的なエンタープライズ関係を生むと見込んでいる。同社が報告するポートフォリオ契約への移行はその主張を支えるが、契約額だけで運用上の影響を測ることはできない。

市場には大手建設ソフトウェア企業も含まれる。AutodeskとProcoreはすでに多くのプロジェクトワークフローに組み込まれ、重要な文書、スケジュール、モデル、コミュニケーション記録を管理している。

これらの既存企業はAI機能を直接追加することも、専門システムを統合することもできる。Buildotsの成長を抑えるために、同社のあらゆる機能を置き換える必要はない。

専門企業には別の強みがある。巨大な汎用製品群を支えることなく、進捗インテリジェンスに特化してモデル、導入支援、ワークフローを磨ける。

Buildotsの1億3,000万ドルの資金調達は、その競争に向けたリソースを提供する。営業、顧客支援、モデル開発、統合、マネージド・キャプチャ・サービスを拡充できる。

資本によって導入負担がなくなるわけではない。現場チームは一貫したデータを取得し、利用可能なスケジュールを維持し、観測結果をモデルの正しい部分に結び付ける必要がある。

建設業界は契約によっても分断されている。プロジェクトオーナー、ゼネコン、下請け業者、設計者、融資者は、それぞれ異なるデータとインセンティブを持つ場合がある。

客観的な進捗報告は議論を減らし得る一方、新たな対立も生み得る。関係者は、分類ルール、完全性の基準、カメラのカバレッジ、古い記録に対する責任を争う可能性がある。

このため主な競争相手は、OpenSpaceやDoxelだけではなく、手作業で主観的な管理そのものにある。あらゆる専門企業はまず、定着した報告行動を変えるようチームを説得しなければならない。

競争の勝者はおそらく、摩擦の少ない記録取得と信頼できる運用分析を組み合わせるだろう。チームが維持できない高度な分析は影響力を失う。決定的な洞察のない容易な記録取得は、単なるアーカイブになるリスクがある。

Buildotsはその中間を狙っている。日常的な現場活動から構造化された証拠を生み出し、そのモデルによって証拠を将来を見据えた管理シグナルへ変換しようとしている。

同社の投資家リストも戦略的な文脈を示す。Intelは資本提供者であると同時に、非常に複雑な建設要件を持つユーザーでもある。

この関係は、半導体プロジェクトにおける製品学習を加速させる可能性がある。一方で、一般的な商業建設とは異なる高価値のユースケースに注目が集中する可能性もある。

高度なメガプロジェクト向けに最適化されたプラットフォームは、それでもデジタル成熟度が異なる環境でプロセスが機能することを示さなければならない。多くの現場には、完璧に維持されたモデル、スケジュール、データ運用が存在しない。

最新の建設AI投資は、Buildotsにその隔たりを埋める時間を与える。専門的なインテリジェンスと、より広範なソフトウェアプラットフォームのどちらが最終的なインターフェースを握るかについて、結論を出すものではない。

難しいのは、予測が成果を変えることを証明すること

Buildotsにとって最大のリスクは、モデルが進捗を検知できるかどうかではなく、組織がプロジェクト成果を変えるのに十分早く行動するかどうかにある。

同社は、パフォーマンス主導のアプローチにより遅延を最大50％削減できるとしている。Buildotsはまた、顧客が週次タスク完了率を改善した、あるいは数週間の遅延を回避したプロジェクトを挙げている。

これらの主張は選定された導入事例を示すものである。すべての建物、施工会社、プロジェクト段階で結果が保証されると解釈すべきではない。

遅延予測は技術的に正確であっても、運用上は効果を発揮しない場合がある。管理者には対応に必要な人員、資材、承認、またはスケジュール上の柔軟性がないかもしれない。

警告自体がノイズになることもある。システムが価値の低い逸脱を過剰に通知すれば、プロジェクトチームはアラートを緊急のものとして扱わなくなる可能性がある。

最も価値のある評価は、アラートを行動と測定可能な成果に結び付けるものだろう。購入者は、リスクがいつ検知され、誰が対応し、何が変わり、結果がどのように算出されたのかを確認すべきである。

偽陽性と見逃されたリスクも検討する必要がある。目に見える施工を特定できるモデルでも、設計上の不確実性、調達の失敗、許認可の遅れ、契約上の紛争を捉えられない可能性がある。

物理的な可視性にも制約がある。仕上げ面の裏に隠れた作業は、適切な時点で以前の記録が残されていなければ、カメラで分類できない。

BIMとスケジュール情報の品質も重要だ。更新されていないモデルや不十分に管理された活動計画は、計画された作業と実際の作業の比較を弱める。

Buildotsは、プラットフォームが一部の非モデリング領域を追跡し、複数のデータソースを取り込めるとしている。それでも、この製品が顧客の記録や業務慣行から完全に独立することはできない。

ポートフォリオの拡大はガバナンス上の問題も生む。オーナーはパフォーマンスを比較する前に、施工会社、地域、建物タイプをまたぐ一貫した定義を必要とする。

完了率はプロジェクト間で同じ意味を持たなければならない。そうでなければ、経営層向けのベンチマークは、より良い実行ではなく異なる報告慣行を評価してしまう可能性がある。

作業員のプライバシーと監視についても正当な懸念がある。定期的な映像記録は、物理的な進捗とともに人々、作業パターン、現場での行動を記録し得る。

組織には、アクセス、保持、セキュリティ、許容される利用を定める明確な方針が必要だ。また、生産分析と従業員監視を区別する必要もある。

今回の資金調達発表は、こうした問題を解決するものではない。主に、投資家がそれらを抱えながらもBuildotsの拡大を期待していることを示している。

同社が報告する売上成長は、導入を示す一つのシグナルである。100社を超える大企業顧客も別のシグナルとなる。いずれも、更新の質、導入の深さ、あるいは検証済みのスケジュール改善を生むプロジェクトの割合を明らかにしてはいない。

投資家は同社が測定可能なリターンを提供していると述べている。Qumra Capitalは、前回の資金調達ラウンドを主導した際、成長と低い顧客解約率に言及した。

その発言は投資家による評価を表す。建設AIベンダー間で継続率やプロジェクト成果を一貫して比較するには、公開されている証拠は依然として不十分である。

新ラウンドは、Buildotsが満たすべき基準を引き上げる。スタートアップはパイロットプロジェクトを通じてイノベーションを売り込める。ポートフォリオプラットフォームは、調達審査、セキュリティ要件、統合作業、日々の現場利用に耐えなければならない。

経営層の関心が別の場所へ移った後も機能し続けなければならない。持続的な導入は、現場チームが通常の計画会議や支払い審査でシステムに依存するようになったときに見られる。

これが、自動化された建設進捗追跡に伴う本当のトレードオフである。より詳細なデータは管理を改善し得るが、それは収集と解釈が過度な運用上の摩擦を加えない場合に限られる。

Buildotsは、その記録取得プロセスが通常の現場巡回に適合するとしている。次の証明点は、組織が数百件の進行中プロジェクトにわたり、そのプロセスを維持できるかどうかだ。

建設AIが拡大しているかを示す3つのシグナル

次の段階は、導入の深さ、検証済みのプロジェクト成果、そして進捗監視を超えた拡張によって評価されるべきだ。

第1のシグナルはポートフォリオ導入である。Buildotsは大規模かつ複数年の契約が標準になりつつあるとしているが、より重要な指標は各顧客が実際に稼働させるプロジェクト数である。

ポートフォリオを対象とする契約でも、利用が浅い場合はある。地域、施工会社、プロジェクトタイプを横断した広範な導入は、同社のシステムが共通の運用標準を支えるという主張を強めるだろう。

顧客がBuildotsを必須のプロジェクト管理の一部として説明するかに注目すべきだ。資本プログラム全体での利用義務化は、また一つの孤立したパイロット発表よりも重要である。

第2のシグナルは、独立して検証可能なパフォーマンスだ。Buildotsには、基準値、プロジェクト条件、アラートのタイミング、警告後に取られた行動を説明する成果報告が必要である。

顧客事例は運用上の詳細を提供できる。独立した調査や複数オーナーにわたる一貫した報告があれば、証拠の説得力は高まる。

重要な指標は一般的な精度スコアではない。購入者には、スケジュール差異、報告に要する時間、手戻り、紛争頻度、予測のリードタイム、行動を促したアラートの割合が必要だ。

データセンター、病院、半導体工場、従来型の建築物にわたる好結果は、ポートフォリオ論を強めるだろう。結果にばらつきがあれば、この技術がプロジェクトタイプやデータ成熟度に大きく依存していることを示唆する。

第3のシグナルは、建設ライフサイクル全体における拡張の成功である。Buildotsは、現場監視から入札、引き渡し、ベンチマーク、事業レベルのインテリジェンスへと移行したいと考えている。

この拡張は、蓄積したデータが再利用可能な資産になるかどうかを示す。過去の生産パターンは、建設開始前に将来のスケジュールやリスク余裕を知らせる可能性がある。

また、経営層がプロジェクト間の運用慣行を比較する助けにもなり得る。ただし、こうした比較には一貫した定義と、地域ごとの条件を慎重に扱うことが求められる。

信頼できる中核データなしに拡張すれば、戦略は弱まる。新しいインターフェースや予測では、現場記録やプロジェクト記録の欠落を補えない。

競合各社の対応も、これらのシグナルを理解する追加的な文脈となる。OpenSpace、Doxel、Autodesk、Procoreは、既存のワークフローに自動化を追加し続けるだろう。

Buildotsは、すべての競合機能を機能単位で打ち負かす必要はない。記録取得、進捗分類、予測の組み合わせが、高コストな意思決定を変えることを示す必要がある。

1億3,000万ドルのBuildots資金調達ラウンドは、同社にその検証のための大きなリソースを与える。そのタイミングは、AIインフラ経済による旺盛な建設需要と重なる。

それでも、この皮肉は有用だ。AI企業はモデルを動かす前に物理的な施設を必要とする一方、その施設を予測可能な形で完成させることは依然として難しい。

建設AIは、現場の状況をより早期で客観的な警告に変換することで、その隔たりを埋めると約束している。Buildotsは現在、その考えをより大規模なプログラムへ展開するための資本を手にしている。

テクノロジーリーダーやエンタープライズ購買担当者にとって、この教訓は建設業界にとどまりません。AIが価値を生むのは、単に情報を増やすときではなく、信頼できる観測結果を説明責任のあるワークフローにつなげるときです。

Buildotsのようなシステムを評価するチームは、重要指標の背景にある裏付け証拠、意思決定、フォローアップ施策をすべて保持すべきです。構造化された情報収集プロセスは、こうした記録をプロジェクト全体で検索可能な状態に保つのに役立ちます。

次の問いは明快です。Buildotsの顧客は、ポートフォリオ全体で再現可能なスケジュール改善を報告するのでしょうか。それとも、選定された現場での印象的な成果にとどまるのでしょうか。

その答えによって、この最新の建設AI投資が持続可能な運用レイヤーへの資金投入だったのか、それとも野心的なプロジェクトツール群への投資だったのかが決まります。