まず数字から始めましょう。これが重要かどうかを議論を終わらせるからです。OSHAの公表データによれば、米国では年間およそ85人の労働死亡者と34,900人の重傷者がフォークリフトに起因し、フォークリフトにはねられた歩行者が主要な死因の一つになっています。（最新数値はOSHAの最新の公表資料をご確認ください。）フォークリフトは倉庫内で最も危険な機械です。以上。
だからこそ、AIビジョンによる衝突警告がここ数年で急速に普及したのも納得です。カメラ＋アルゴリズム——リアルタイムの歩行者検出、距離推定、死角カバレッジ。フォークリフトに目を与えたようなものです。私の結論：方向性は正しい。ただし、システムが現場を子守りしてくれるとは期待しないでください。昨年、導入検証プロジェクトを追跡しましたが、現場の落とし穴はベンダーのスライド資料の比ではありませんでした。
実際にはどう「見て」いるのか
AIビジョン衝突システムは3つのことをします。第一に歩行者検出：アルゴリズムがカメラ映像内の人に枠を描き、パレットやラック、他のフォークリフトと人を見分けます。第二に距離推定：単眼測距や深度カメラで歩行者までの距離と接近速度を計算し、衝突が起きつつあるかを判断します。第三に死角カバレッジ：本当に危険なのは運転手が見えないゾーン——カーブの内側、上がったフォークで遮られた直前、後進時の後方です。これらの位置にカメラを付けることで運転手の視野が完成します。
リスクを検出すると、システムは通常2段階で動作します：まず運転手への音声・視覚アラーム、距離が縮まり続ければ自動減速・自動ブレーキです。紙の上ではスムーズに読めます。実務では各段階に落とし穴があります。
営業トークは無視。検証は4つの数字で決まる
1つ目：誤報率。私が追跡した検証プロジェクトの最初の1週間、誤報があまりに多くて運転手たちはブザーをミュートにしました——ラックの支柱が歩行者として検出され、フックに掛けた高視認性ベストが枠で囲まれました。毎日オオカミ少年をするシステムはシステムではありません。私の基準：誤報が通常業務を妨げるなら不合格。以上。
2つ目：検出漏れ。誤報より深刻です。2つのシナリオを徹底的にテストしてください：貨物を仕分けするためにしゃがむ作業員（体半分だけが画面内）と、並んで歩く2人（アルゴリズムが1人に統合してしまう）。1回の見逃しが事故になります。受入試験では2週連続の検出漏れゼロを要求しました。
3つ目：応答レイテンシ。「人が危険ゾーンに入る」から「運転手がアラートを受け取る」まで——0.5秒を超えたら意味がありません。5–6 mphのフォークリフトは0.5秒で1メートル以上進みます。実験室の数値を信じず、現場でストップウォッチで計測してください。
4つ目：夜勤・粉塵環境での性能。昼間のデモは見事でも、夜間の薄暗い照明や繁忙期の重い粉塵で崩壊するビジョンシステムは珍しくありません。受入試験は夜勤を必ずカバーしてください。ベンダーがごまかしたがるのはこの項目です。
青色ライトやレーダーとの比較：勝てるところ、勝てないところ
従来の手段は3つあります：ブルースポットライト、後進レーダー、凸面鏡です。青色ライトが一番安い——1台あたり数十ドル——歩行者にフォークリフトが来ることを知らせます。ただし一方向：歩行者に警告するのであって、運転手に警告するのではありません。イヤホンをしてスマホを見ている歩行者は気づきません。
レーダーは距離は測れますが、人とラックの支柱を区別できず、誤報が多いままです。1年以内にレーダーを撤去する倉庫は珍しくありません。ミラーは最も原始的な選択肢——完全に運転手の自覚頼みです。
AIビジョンの真の強みは識別です：人とモノを見分けられます。これはレーダーには原理的にできません。弱点も同じくらい現実的です：暗さに弱い、汚れたレンズに弱い、遮蔽に弱い、そしてシステム一式は青色ライトの数十倍のコストです。私の損得勘定は単純明快：歩行者交通量が多く交差点が多い現場なら投資は正当化できます。フォークリフトが1日ほとんど動かない小さな倉庫なら、青色ライト＋速度制限＋教育で十分です。
導入前に押さえておくべきこと
第一にカメラ配置。ヒヤリハットのヒートマップを描いてください：過去3年間のフォークリフト関連の事故・ニアミスをすべてプロットし、そこからカメラを設置します。ベンダーの「標準レイアウト」を受け入れないでください——標準レイアウトはベンダーの都合をカバーするもので、あなたのリスクではありません。
第二にキャリブレーションとチューニング。設置後に最低2週間のチューニングを見積もってください：誤報の閾値、アラート距離、減速カーブ、すべて実際の速度と歩行者交通量に合わせます。チューニングを飛ばして本番に直行した現場で、後悔しなかったところを見たことがありません。
第三にフリート管理との連携。アラートデータはシステムに流してください：どの車両、どのシフト、どの場所が最も多くのアラートを出すか。そのデータが、設計の悪い交差点と悪い癖の運転手を教えてくれます。ログなしのアラートは価値の半分を捨てています。
そして運転手の抵抗——人の落とし穴を侮らないでください。検証現場では運転手たちは当初カメラを監視だと思い、2人は段ボールでレンズを塞ぐほどでした。命令で解決できる問題ではありません。アラートデータは安全改善のためであって人事評価ではないことを明言し、誤報閾値のチューニングに運転手に参加させてください——現場を一番知っているのは彼らです。運転手を「監視される側」から「参加者」に変えれば、システムは定着します。技術の問題は解決できますが、未解決の人の問題は技術を無価値にします。
第四に正直なROIを計算する。歩行者事故1件のコストは、直接分——医療費、労災補償、OSHAの罰金——に加え、間接分：ダウンタイム、保険料の値上げ、崩壊した士気。合わせるとAIビジョンシステムのコストを軽く超えます。これが正しい計算で、値札ではありません。ただし逆方向にも正直に：5年間無事故で、歩行者ゾーンがフォークリフト通路と物理的に分離されている倉庫なら、このお金は後回しで構いません。
持ち帰ってほしい問い：最大のリスクは、運転手が見えないことですか、それとも見えているのに止まれないことですか。前者ならAIビジョンは真剣に検討する価値があります。後者——スピード違反の運転手、減速バンプのない交差点、誰も守らない歩行者通路——なら、先に管理と物理的な分離を直してからAIの話をしてください。技術は管理の問題を解決しません。順番を間違えないでください。
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。
