2024年11月、ブラックフライデーの2週間前。オンタリオの倉庫では、受入ドックに14台のトレーラーが並び、荷下ろし待ちだった。午前1時頃、夜勤の監督者リーが駆けてきて、かすれた声で言った。「フォン、またドライバーと揉めてる。パレット3本、外箱が全部つぶれてる。ドライバーは『工場を出たときはこうだった』と言い張り、サプライヤーは『輸送中に潰れた』と言う。手元にあるのはピンボケのスマホ写真2枚だけ。誰も責任を取ろうとしない」
倉庫を回している人なら、この光景は見覚えがあるはずだ。受入ドックは、建物の中で一番揉め事が多い場所だ。外箱の破損検査は昔はすべて人の目で行われていたし、閑散期ならそれで十分回る。でもピークに入ってコンベアが全速力で回り出すと、誰も一箱ずつひっくり返して角をチェックなんてしてくれない。見落としは日常茶飯事になる。そして本当のキラーは後からやってくる。クレームになったとき、破損が最初からそうだったことを証明できない。運送会社は責任を取らず、サプライヤーも責任を取らず、10回中9回は倉庫が損失を被る。
正直に言うと、「倉庫向けAIビジョンによる受入時破損検知」と初めて聞いたとき、私は鼻で笑った。現場の人間にとって「AI」とは、たいていソフトウェア営業の口上だからだ。ところが2025年の初め、ホームグッズのクライアントからフロアランプのコンテナが届いた。7〜8個の外箱が陥没し、ランプシェードがバラバラに壊れていた。クレームは3週間も長引いた。運送会社は「積んだ時点で壊れていた」と言い、フォワーダーは道路のせいにし、クライアントは毎日「金を払え」と迫ってきた。ほとんどを自腹で被った。そのとき頭に浮かんだのはただ一つ。あの箱がうちのドアを通過した瞬間に、タイムスタンプ付きの写真を誰かが撮っていれば、3週間の言い争いは最初から存在しなかった、ということだ。
受入ドックにおけるAIビジョン破損検知の実際の仕組み
今うちが使っているのはシンプルで、魔法は何もない。受入コンベアの上に2台の産業カメラを設置している。1台は真上から、もう1台は横から撮る。箱は通過するたびに撮影され、モデルが破損を3段階に格付けする。軽微（かすり傷、そのまま在庫へ）、要検査（怪しい、横の保留ケージに分岐して人が開けて確認）、不合格（明らかに破壊、証拠として撮影して返送）。
この「分岐」が、思っている以上に大事だ。昔のやり方：検査員が怪しい箱を見つけて大声を上げ、ライン全体が止まる。今は怪しい箱だけを横のケージに押し出し、メインラインは回り続ける。ピーク時、この「止まらないライン」は本当の金を生む。
でも初日からうまくいくとは期待しないでほしい。うちの最初の1週間、モデルはテープの反射をすべて「破損」と判定した。保留ケージは山のように埋まり、検査員たちは「自分の目より使えない」と言った。それは普通のことだ。ビジョンシステムはみなこの段階を通過する。大事なのは、その後にしきい値をどう調整するかだ。
誤検知 vs. 見逃し：しきい値の調整こそがすべて
これはこのシステム全体で最も実践的な教訓だ。誤検知と見逃し——どちらかの毒を選ぶしかない。両方は取れない。
誤検知とは、良い箱を悪いと判定することだ。コストは再検査の人件費だ。保留ケージは山積みになり、検査員は残業して箱を一つずつ開けて「これは大丈夫」と確認し、士気は一気に下がる。見逃しとは、悪い箱を通してしまうことだ。コストは昔からの悪夢だ。破損品が在庫に入り、顧客が潰れた箱を受け取り、証拠なしの3週間の犯人探しに逆戻りする。
うちの調整方法はこうだ。季節で変える。ピーク時はしきい値を厳しくする——過剰検査のほうがマシだ。何万ものピークオーダーの中に埋まった1件の見逃しがカスタマーサービスを爆発させる被害は、余分な再検査の人件費よりずっと大きい。閑散期は緩めて、検査員に一息ついてもらう。しきい値は技術パラメータじゃない——経営判断だ。悪い箱を1つも通さないために、どれだけ再検査の人件費を払うか、ということだ。
そしてAIベンダーが教えてくれない、直感に反する真実がある。このシステムの本当の価値は、検査員の代替では決してなかった——揉めたときの証拠をくれることだ。2人の検査員は今もここにいる——「要検査」の箱には、最終判断を下す人がいつも必要だ。AIがやっているのは2つだけ。建物に入った正確な秒にすべての箱を撮影すること、24/7、瞬きなしに。そして明らかに問題のない箱を高速で通すことで、検査員が本当に怪しい少数だけを見るようにすることだ。人は同じなのに、言い争いになったときには写真がある。
今年の6月にライブ案件があった。金物サプライヤーが、角がすべて潰れたパレットを3本送ってきた。ドライバーが受入書類にサインする前に、システムが撮影した写真3枚を秒単位のタイムスタンプ付きで送った。サプライヤーは5分見て、こう返してきた。「うちで責任を取る、クレームを上げてくれ」。発見から認諾まで30分弱。昔のやり方なら、このチケットは最低2週間かかる。
損益計算、正直にやる
じゃあ金の話をしよう。みんな聞いてくる。これって実際いくらかかるの？数字は言わない。ベンダーの見積もりは幅が広すぎる——カメラのブランド、専用照明を足すかどうか、ソフトはサブスクか買い切りか。変数が多すぎて、どんな数字を出しても誤解を招く。でも、うちがどう計算したかは教えられる。
受入QC検査員2名をフルタイムで、早番と遅番を年中カバーする。その年間人件費で、このカメラセットアップが何セットも余裕で買える——カメラは一度の設置と控えめな年間保守だけだが、人は毎年給料をもらい、病欠し、辞め、夜勤では目が疲れる。カメラは疲れない。
でも人件費は損益の半分にすぎない。もう半分は「揉め事のコスト」だ。システム導入前は、到着時の状態を証明できずに被っていた破損クレームが毎年、本物の金になっていた。導入後、「誰も証明できない」案件は基本的にゼロになった。両方を合わせると、設備費は1年強でペイした。
ただし正直に言うと、この計算は大きなオペレーションには抜群に効くが、小さなところは厳しく見たほうがいい。1日に数十箱しか受けず、検査員が全部目で見られるなら、これは要らない。私のざっくりの基準：受入で1日500箱超え、または「証明できずに被った」破損クレームで、思い出すだけで痛いものを食らったことがあるなら、検討すべきだ。それ以下なら、スマホ写真の保存と受入伝票への一筆で十分だ。
稼働までの3ステップ——うちがやった通りに
ステップ1：記録する、判断しない。カメラを上げて、最初の1か月はモデルの判定を保存するだけで、振り分けは一切しない。検査員はこれまで通り働き、システムの判定と人の判定を突き合わせてサンプルセットを作る。初日から機械に人を仕切らせてはいけない。現場が反乱を起こす。
ステップ2：判断する、でも人が支える。モデルが3段階の格付けを始め、怪しい箱はすべて保留ケージに振り分け、検査員が1つずつ手で再確認する。ピークと閑散期に合う設定が見つかるまで、3週間近くしきい値を調整した。覚えておいてほしい。標準のしきい値なんてない。あるのはあなたの倉庫のしきい値だけだ。
ステップ3：判定がワークフローに入る。「不合格」の格付けは自動で写真を受入記録に添付し、出荷はWMSで例外としてフラグされ、サプライヤーと運送会社へのメールは自動で飛ぶ。ここまで来て初めてシステムは本当に稼働だ。証拠チェーンが自分で回り、誰も「写真を撮るのを忘れずに」と思い出す必要がなくなる。
現場の仲間への3つの注意点
1つ目：照明はカメラより大事だ。最初は専用照明をケチった。夜勤の照明が落ちると、誤検知が一晩で倍増した。1本のバーライトでほとんど解決した。ベンダーが画素数の話をしてきたら、先に照明プランを聞くこと。
2つ目：人を一気に置き換えようとしない。2人の検査員は今もいる、人数は変わっていない。AIは彼らの目を「すべての箱を見る」から「怪しいものだけ見る」に動かした——効率は上がったが、最終判断は今も人だ。「これを入れれば検査員をクビにできる」と言う奴がいたら、ドアを示してやれ。
3つ目：データは自分のものだ。写真も格付け記録も、初日から自社サーバーにある——ベンダーを変えても、データは一緒についてくる。長く回すほど精度が上がる。モデルがあなたの箱、あなたの照明、あなたの破損を学ぶからだ。それは棚から買えない資産だ。
受入ドックは戦場であり続けた。そして勝ったのは、声が一番大きかった者では決してない。勝つのは証拠を持っている者だ。1台のカメラは箱を撮るだけじゃない——これから来るあらゆる言い争いのための、あなたの切り札を撮るんだ。
陳馮（倉庫オペレーションマネージャー）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。
