3か月にわたる実証プロジェクトを追いかけた。
倉庫はカリフォルニア州チノにある。Eコマースのフルフィルメントを手がける3PLで、延べ床面積は90,000平方フィート強、フォークリフト12台、2交代制で、夜勤は午前2時まで回る。昨秋、ドックドア付近でフォークリフトが夜勤のパッカーをひきかけた。怪我人は出なかったが、パッカーはクレームのメールを書き、それが大口の荷主（クライアント）に転送された。荷主は大手セラーだった。12ページの安全アンケートが返ってきて、オーナーはついに決断した。AI映像分析を試してみよう、フォークリフトと歩行者のニアミスに特化したものを。
実証は2026年5月から8月まで実施された。結論の半分を先に言う。効果はある——ただし予想とは違う形で。
カメラを向けるべき場所
最初の失敗は建物全体をカバーすることだ。ソフトウェアはカメラ位置ごとに課金されるので、フルカバーはあっという間に高くつく——しかも不要だ。ニアミスは偏在する。偏在を見つけろ。
12か所の設置位置はこうだ。エントランスと回転式ゲート（人とトラックが必ず交差する）、バッテリー充電エリア（フォークリフトが常時切り返している）、ステージングから本通路への交差点、ドックドア（ドアが開くと視界がゼロになる）、ラック通路の見通しのきかない端。これら5種類のスポットで、3か月に検出されたニアミスの80％以上を占めた。
高さも学びがあった。最初の設置は28フィート、真上から、セキュリティ業者の発想どおりだった。アルゴリズムは人をまったく見えなかった——歩行者は数十ピクセルにしか映らない。18フィートから20フィートまで下げ、通路に沿って15度から25度で下向きに傾けた。するとAIに処理に足るピクセル数が確保でき、誤報もそれに伴って減った。
もうひとつ、接近してくるフォークリフトにカメラを真正面から向けないこと。ドックドアでは最初のバージョンがドアに正面から向いていて、昼間の逆光で画面全体が白く飛んだ。横に30度振るだけで解決した。こうしたシステムは7割が画質、3割がアルゴリズム——画質がゴミなら結果もゴミだ。
もうひとつ節約ネタ。12か所のうち9か所は倉庫の既存ドームカメラを再利用し、新設は3か所だけだった。ただし防犯用の画質とAI用の画質は別物だ。再利用の前に、夜間の録画を一晩分丸ごと抜き出して、逆光・振動・視界の遮蔽を確認すること。どれか一つでもダメなら、そのカメラにはケチるな。
誤報の直し方
初週、システムは1日に40件以上のアラートを送ってきた。2日目には安全管理者が全部切ってしまいたくなった。これがこの手のプロジェクトの死因ナンバーワンだ。誤報である。
3つの修正、どれも痛い目を見て得た。
第一に、イベント定義を石に刻む。人と車両の距離が3メートル未満、フォークリフトの速度がおおむね時速8キロ以上、そして両者が接近または交差している——3条件が同時にそろわなければニアミスとはしない。距離だけではダメだ。梱包ステーションの脇では、人とフォークリフトが一日中近くで働いている。それはニアミスではなく仕事だ。
第二に、除外ゾーンを描く。梱包ステーション、充電エリア、近接が正当な場所はすべて——画面から枠で除外し、カウントしない。6つの除外ゾーンを描いたら、誤報は一晩で半減した。
第三に、アラートに階層をつける。高速での接近だけが安全管理者の携帯に届く。低速のすれ違いは統計用に週報へまとめる。狼少年になるな——3回ウソをつけば、本物の4回目には誰も振り返らない。
もう一つの誤報は、高速で走る空荷のフォークリフトから来た。小さくて速く、遠くの歩行者との距離をモデルが見誤りやすい。修正は速度の上限だった。時速15キロを超えるものは速度超過としてログに記録する——別の問題だ——ニアミスの統計には入れない。両者を混ぜるな。
3か月後の結果。1日あたり本物のニアミスが5〜8件送信され、誤報は約20％まで下がった。ここで正直に言っておく。ベンダーの資料にある精度95％は実験室の数字だ。現場では80％がよく調整されたシステムだ。以上はすべて我々の実証で測った数字であって、デモルームの数字ではない。
夜勤が独自の罠を持ってきた。節電のため、倉庫は夜間に通路の照明の半分を落としていたが、暗視モードでは誤報が倍増した。通路照明を4灯追加したら解決した——より良いアルゴリズムより安くて速い。
採算の計算
まずコストを率直に。12か所分のソフトウェアサブスクリプション、サーバールームのエッジコンピュートボックス1台、新設ドーム3台と設置工事費。初年度の支出は30,000ドルから50,000ドルの範囲に収まった——実証で測った概算であって、見積もりではない。自社の数字はベンダーから取ってほしい。
回収は3つの部分から来た。
第一に、事故1件回避の価値。OSHAの推計では、米国でフォークリフト関連の死亡が年間約85人、重傷が34,900人。あなたの計算に必要な数字はこれだ。歩行者との衝突では、直接の医療費や法的費用は小さな部分にすぎない。ダウンタイム、調査、OSHAの罰金、荷主の監査、保険料の値上げ——間接コストは直接コストの数倍に上る。3年間で中程度の怪我を1件防げば、システムは元を取る。
第二に、保険。更新時にニアミスのトレンドラインを保険会社に渡したら、保険料は約8％下がった——実証で測った数字で、保険会社によって違うだろうが、データは握手より強い。
第三に、教育。安全トレーニングは以前はスライドだった。今は自社のニアミス映像だ。新人は、毎日歩くことになるまさにその通路の実際の映像を見る。正確なROIは出せないが、安全管理者は「注意の向け方が目に見えて違う」と言う。
3か月で230件超のニアミスを検出——前年1年間に手で報告された件数の10倍以上だ。倉庫が危険になったわけではない。もともとずっとこれくらい危険だったのだ。誰も報告していなかっただけだ。
だから測るべきは「回避した事故」ではない。「修正してクローズした危険」だ。3か月で17件クローズした。凸面鏡2枚、単方向に変えた通路1本、移設したステージングゾーン3か所、あとは速度標識や反射ベストなどの小さなもの。小さなものが大事だ——ニアミス分析の価値はすべて、クローズドループに宿る。
やる価値はあったか？あった。AIが優秀だからではない。初めて、ニアミスが数えられ、再生でき、修正できるデータになったからだ。このシステムの前は、ニアミスはベテランの語りの中にしかなく、実際に何かが起きた後で思い出されるだけだった。
始め方を一文で言う。まだソフトウェアを買うな——2週間かけて1年分の事故・クレーム記録を掘り起こし、ワースト3のホットスポットに印をつけ、そこに1か月カメラを3台置け。映像が物語を語ったら、そこで拡大せよ。
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。
