Adaptive Design Governance for Resilient and AI-Enabled Architecture: Digital Evidence, Socio-Spatial Accountability and Lifecycle Learning in MENA AEC Practice

技術要約：レジリエントかつAIを活用した建築のための適応型デザイン・ガバナンス

問題提起
本論文は、建築環境研究における極めて重要な理論的および実践的な空白（ギャップ）に対処している。すなわち、レジリエンス、責任ある人工知能（AI）、デジタル証拠（BIM／情報管理）、および社会空間的公平性に関する個別の文献は存在するものの、これらの概念が、オプションの承認、凍結、または却下が行われる「決定の瞬間」において、いかにして説明責任を伴う建築的決定へと変換されるのかについては、ほとんど説明されていない。現在の実務は、多くの場合、以下の4つの具体的な弱点に苦しんでいる：

1. レジリエンスは、主要な空間決定が固定された後に主張されることが多く、初期段階のデザイン・インテリジェンスではなく、事後的な緩和策へと格下げされてしまう。
2. AIの出力は、そのソース、仮定、および限界が検証される前に、精密で客観的なものとして提示される可能性がある。
3. デジタル情報は、モデルやダッシュボード上で可視化されていても、クライアントや当局によるサインオフ（承認）に求められる信頼性を欠いている場合がある。
4. 公平性は、アクセス、日陰、安全性、およびサービスの到達範囲に関する具体的な空間的チェックへと翻訳されない限り、単なる政策声明にとどまってしまう。

中心となる問題は、環境リスク、AIに支えられた証拠、および社会空間的な価値を、レビュー可能なデザイン基準と説明責任のある決定へと変換するための「変換ロジック」の欠如である。

研究手法
本研究は、専門家によるキャリブレーション（較正）に裏付けられた構造化された統合的レビューを採用している。

• 文献レビュー： 5つのストリーム（レジリエンス／適応、AIの説明責任、デジタル証拠ガバナンス、社会空間的公平性、デザイン・ガバナンス）にわたる、精選された73のソース（査読付き論文、書籍、規格、および方法論的ソース）を合成した。レビューには、データベース（Scopus、Web of Science、IEEE Xploreなど）を用いた系統的な検索戦略と、引用チェイニングを用いた。
• コーディング・プロセス： ソースは3つのサイクルでコーディングされた：概念の抽出、指標ファミリーへのグループ化、および候補となるガバナンス原則に対する関係性のテスト。
• 専門家によるキャリブレーション： 文献から導き出されたフレームワークは、MENA（中東・北アフリカ）の建築・エンジニアリング・建設（AEC）の実務における24件の匿名化された半構造化エキスパート・レコードを用いて校正された。これらのレコードは、コンテキスト（エジプト、サウジアラビア、およびクロスコンテキスト）および専門的役割（例：デザインマネジメント、BIM、AI／デジタル・トランスフォーメーション）ごとにグループ化された。
• 分析： このキャリブレーションは統計的な調査ではなく、提案された原則が、証拠、責任、およびレビュー・プロセスに関する実務上の意思決定の失敗を説明できるかどうかを判断するための分析的テストであった。

主要な貢献とフレームワーク
本論文は、適応型デザイン・ガバナンス（Adaptive Design Governance: ADG）を、概念的かつ方法論的なフレームワークとして提案している。ADGは、環境の不確実性、AIの証拠、および社会空間的な主張を、承認可能で、レビュー可能で、学習可能な決定へと変換するデザイン・プロセスの能力と定義される。これは、プロジェクト管理（スケジュールの焦点）やBIM管理（ファイル交換の焦点）とは異なり、証拠のステータスと専門的な責任に焦点を当てている。

フレームワークは、6つの原則と一連の指標によって構築されている：

1. 環境への予見（ADG01）： 気候リスク、快適性、および適応基準を、デザインのロックイン（固定）前に移動させる。
   • 指標： 気候リスクのフレーミング、パッシブ性能、熱的快適性、水効率、材料の耐久性、適応性。
2. デジタル証拠ガバナンス（ADG02）： デジタル出力のステータス（ソース、仮定、改訂、チェッカー、受理される用途）を定義する。
   • 指標： 出自（プロベナンス）の開示、仮定の透明性、改訂の追跡可能性、証拠受理のルール。
3. 人間とAIの説明責任（ADG03）： AIの支援下においても、専門的な判断とサインオフが明示的であることを保証する。
   • 指標： 人間による検証、ローカル・コンテキストのチェック、バイアス／エラーのリスクレビュー、専門的なサインオフ。
4. 社会空間的分配のチェック（ADG04）： 公平性を、「誰が恩恵を受け、誰が負担を負い、誰が不可視であるか」に関する空間的チェックへと翻訳する。
   • 指標： アクセス可能な経路、日陰／待機時の快適性、安全性／視認性、サービスの到達範囲、脆弱なユーザーの包含。
5. クロススケールの調整（ADG05）： スケール間（部屋、建物、ランドスケープ、インフラ、地区）の決定を連結する。
   • 指標： インターフェースの所有権、仮定のレジスター、証拠の受理。
6. ライフサイクル学習（ADG06）： 竣工後、メンテナンス、および運用に関する証拠を、将来のブリーフへとフィードバックする。
   • 指標： フィードバックの文書化、インターフェースの所有権。

結果
合成とキャリブレーションにより、現在の実務における6つの再帰的な「変換の失敗」が特定され、フレームワークはこれに対処している：

1. 環境に関する証拠が、デザインの選択肢を形成するには遅すぎるタイミングで到着する。
2. デジタル出力が、受理されるべき証拠としてのステータスを欠いている（可視ではあるが、決定には至らない）。
3. AIに支えられた出力が、人間の検証やソース管理なしに使用されている。
4. 公平性が、空間的にレビュー可能なものではなく、修辞的なレベルにとどまっている。
5. 多角的な調整において、スケールをまたぐ明確な所有権が欠如している。
6. 運用からの教訓が、将来の基準へと戻っていない。

キャリブレーションの結果、6つの原則は普遍的に関連している一方で、その実装にはローカルな境界条件への適応が必要であることが明らかになった。例えば、リソースが制約されたコンテキスト（例：エジプト）では、暗黙的な専門知識と最小限の証拠基準の制度化に焦点が置かれる。一方、加速化・形式化が進むコンテキスト（例：サウジアラビア）では、問題の時期尚早な終結を防ぎ、マルチコンサルタントによる複雑さの中でのインターフェースの所有権を明確にすることに焦点が置かれる。

意義と主張
本論文は、適応型デザイン・ガバナンスが、新しいツールや普遍的なチェックリストではなく、一つの変換フレームワークであることを主張している。その主要な理論的貢献は、レジリエンス、AI、および公平性が、いかにしてデザインの実務において実行可能なものになるのかを説明することにある。

• レジリエンスに対して： 一般的な適応能力から、具体的なデザイン決定のタイミングへと焦点を移し、不可逆的な決定がなされる前にリスクに対処することを保証する。
• AIに対して： AIの出力を、自律的なデザインの回答としてではなく、出自の開示、仮定の透明性、および専門的なサインオフを必要とする「暫定的な証拠」として扱うことで、責任あるAIを具現化する。
• デジタル建設に対して： 情報管理（ファイル交換）と証拠ガバナンス（決定の準備状態）を区別し、モデルはその限界と仮定が明確である場合にのみ有用であることを強調する。
• 公平性に対して： 公平性を政策の文章から、監査可能な操作的空間基準（例：日陰、安全性、アクセス）へと移行させる。

本研究は、MENAセクターにおける統計的な代表性や、プロジェクト・パフォーマンスの向上に関する因果関係の証明を主張するものではない。むしろ、デジタルおよび気候のアジェンダが、自明な改善として扱われるのではなく、厳格で説明責任のある意思決定プロセスに服することを保証するために、研究、プロジェクト監査、デザイン管理、および教育を導くための、理論に根ざしたフレームワークを提供することを目的としている。