AIカメラによるパレット計数は、お金に余裕のある大企業向けのおもちゃのように聞こえる。私の倉庫は3,000平方メートル、チームは小さく、棚卸しの日は全員が遅くまで残る。天井のカメラが数秒でパレット一基まるごと数えられると業者が言ったとき、最初に浮かんだのはワクワクではなかった。「証明してみせてくれ。しかも、私が実際に抱えているような乱れたパレットで証明してくれ」という思いだった。
先に正直に断っておきたい。この記事に出てくる業者由来の精度の数字はすべて、目視在庫に関する公開の業者資料に基づく「業者の主張」として明示してある。どれも私自身の倉庫での実測値ではない。以下の二つの事例では、パレット数、労働時間、コストに仮の例示的な数字を使っている。私の実際の帳簿ではない。
自分をだまさずにAIカメラのパレット計数を検証する方法
公正な検証は、カメラが決して目にしない答えから始まる。まずパレットを手で一箱ずつ数え、写真を撮り、その数字を書き留める。それが正解(グラウンドトゥルース)だ。次にカメラに同じパレットを単独で数えさせる。両者が食い違ったら、現場に行って確かめる。カメラが箱を見落としたのか、人が数え間違えたのか。速さだけを比べても、精度については何も分からない。
業者が公表するベンチマークには三つの参照点があり、どの一つの数字よりも、その間の開きが重要だ。整然とした均一なパレットでは、業者は約99%以上の計数精度を主張する。パレットではなく箱を数えなければならない多層パレットでは、業者は約97%を主張する。遮蔽のある棚の場面では、業者は約94%を主張する。同じシステム、違う場面で、五ポイントの開きがある。だから業者に最初に聞くべきは精度がいくつかではなく、その数字がどの場面で測定されたものかだ。
業者は天井への設置高さとして約12〜16フィートを推奨する。低すぎればカメラはパレットの半分しか見えず、高すぎれば箱と箱の隙間がぼやける。NVIDIA Jetsonのようなエッジ推論ハードウェアならモデルをローカルで実行できるので、映像をすべてクラウドに送る必要はない。
仮の整然パレット検証:良い数字、間違った結論
2026年10月のある火曜日の午後、小規模倉庫のゾーンAを想像してほしい。貨物は一種類のカートンで、きれいに積まれ、一パレット48箱、20パレット、合計960箱。二人で手作業で数えると約50分かかる。天井カメラが同じ列をスキャンし、この種の整然とした場面に対する業者の主張は約99%以上で、960箱のうち誤りは10箱未満ということになる。
整然とした均一な貨物は、もともと手作業でも速く数えられる。箱がどれも同じ見た目で、層がすべて揃っているからだ。カメラが節約するのは一時間未満で、その代わりにハードウェア、設置、セットアップの費用がかかる。小規模な現場にとって、建物の中でいちばん簡単な計数を速くするためにお金をかけるのは奇妙な優先順位だ。整然とした場面は上限、つまり最良のケースとして役立つ。普通の火曜日の姿ではない。
AIカメラのパレット計数が破綻する場面
二つ目の仮の事例は、私の倉庫により近い。2026年11月初旬の月末棚卸し、ゾーンBの混合棚での話だ。三種類のカートンが遠目にはほとんど同じに見える。すべてのパレットはストレッチフィルムで巻かれ、天井の照明がプラスチックに反射してまぶしい。業者が公表する資料では、手作業の計数誤差は一般に約1〜4%とされ、遮蔽のある棚の場面に対する業者の主張は約94%で、100箱あたりおよそ6箱の誤りということになる。
反射によって二つの箱の境目がにじんでしまい、システムは一つのカートンがどこで終わり次がどこから始まるのか判別できない。似た包装はさらに厄介だ。異なる二つのSKUが、天井カメラでは読めない小さなラベル一枚だけで区別されるため、箱の数は合っていても品目の識別が間違うことがある。さらに奥行きの問題もある。カートンが前後に積まれると、後ろの列が前の列に隠れ、システムは見えないものを推測しなければならない。
だから正直なまとめはこうだ。目視計数は量を恐れない。恐れるのは乱雑さだ。整然とした貨物は人にも機械にも簡単だ。乱雑な貨物は人には遅いが、人は箱を持ち上げて見ることができる。一方カメラは表面しか見られない。建物内のすべての計数を一組のカメラで解決しようとするのは、その道具に本来の姿以上のものを求めることだ。
お金の計算:手作業か、カメラか、組み合わせか
お金を抜きにした精度は趣味であって意思決定ではない。以下の表は仮の例示的な数字を使って選択肢を比較したものだ。これは考え方の枠組みであって価格表ではなく、表中の時間やコストはどれも見積もりとして扱ってはならない。
| 手法 | 最も適している場面 | 精度の枠組み | 小規模倉庫での実感 | | 手作業の計数 | 混合貨物、多品種SKU、取り扱いが必要なカートン | 業者が公表する資料では、手作業の一般的な誤差は約1〜4% | 遅いが、間違いはその場で見える | | AIカメラのパレット計数 | 整然とした均一な大量貨物 | 業者は整然とした場面で約99%以上、遮蔽のある場面で約94%を主張 | 速いが、どこで間違えたか分かるのは後になってから | | 混合アプローチ | 整然とした貨物はカメラで、乱雑な貨物は手作業で | 各場面を別々に評価し、決して一つの平均に混ぜない | お金は役立つところに行き、リスクは分離されたまま |
ROIを計算するときは、節約できる労働時間だけを数えてはいけない。カメラシステムには設置、キャリブレーション、包装が変わったときの再調整、照明が変わったときの調整もかかる。これらは一度きりの請求ではなく、継続的なコストだ。ここでは回収期間を月数で示さない。設備や導入のコストについて検証済みの数字を持っていないからだ。小規模倉庫流の計算はもっとシンプルだ。月に何回棚卸しをするか、一回に何人かかるか、何時間かかるかを数え、業者に整然とした貨物と遮蔽のある貨物を別々に見積もらせればいい。一つのブレンドされた精度の数字はあなたを誤らせる。別々の数字なら誤らせない。
直観に反する点:最も正確な場面が最も買う価値がない
ほとんどの人は精度が高ければ高いほど買い得だと思う。私は逆の見方にたどり着いた。整然とした場面は業者の主張が最も高く約99%以上だが、カメラが付加する価値が最も小さい場面でもある。人はその貨物をすでに速く正確に数えられるからだ。小規模倉庫で本当に痛みを生むのは遮蔽のある場面だ。混合カートン、似た包装、フィルムの反射、誤りのある遅い手作業の計数。しかし、まさにそこでは業者の主張が約94%まで下がり、計数を任せて立ち去るには十分ではない。
それが中心的なトレードオフだ。カメラを必要としない貨物こそカメラが輝く場所であり、カメラを必要とする貨物こそカメラが最も弱い場所だ。解決策は完璧なモデルを待つことではない。貨物を分けることだ。整然とした大量のパレットはカメラにまず一回通させ、人が結果を抜き取り検査する。乱雑で高価値、SKU混合の貨物は手作業の計数を続け、カメラは記録としてだけ使う。機械と人がそれぞれ得意な仕事を分担する方が、どちらかを選ばせるより優れている。
私のような倉庫を運営しているなら、三つのルールがトラブルを避けてくれる。第一に、一つの精度の数字を決して受け入れないこと。整然、多層、遮蔽の各場面について別々の数字を文書で出させること。第二に、まず最も整然とした貨物でパイロットを行い、パイロットの結果はその貨物だけを表し、建物全体ではないと覚えておくこと。第三に、除外事項を契約に入れること。反射や遮蔽で見落としが起きたときに何が起きるか、再計数の費用を誰が負担するか。その部分があいまいなら、まだ署名してはいけない。
小規模倉庫にはそれぞれの生き残り方がある。計数も例外ではない。カメラは手間を省けるが、どのパレットをうまく数えられるか、一年で全体にいくらかかるかを知っている場合に限る。99%という主張は良い見出しだ。お金を使う理由としては貧弱だ。
Xiao Ma(小規模倉庫の経営者)著 英語版からの翻訳。内容に相違がある場合は英語版を優先します。







