小包ソートセンターでのビジョンAIパイロットを3か月見守った私の結論：AI詰まり検知の価値は、どれだけ正確に見えるかにはなかった。どれだけ早く見えるかにある。コンベアの詰まりは、そばに立っている人には誰でも分かる。損害が発生するのは、そばに誰もいない20分の間だ。
2024年秋。カリフォルニア州フォンタナ郊外の3PLソートハブ——約180,000平方フィート、ピークシーズン準備の真っ最中。夜勤中、柔らかいポリメーラーが合流点でローラーから滑り落ち、ベルトとフレームの間に挟まった。ラインは止まらなかった。送り続けた。その合流点はたまたま支柱の裏にあり、目が届かず、制御画面はすべて緑だった。監督者がラインを歩いて回り、床に積み上がった荷物を見つけるまで20分以上が経過していた——ドミノが後ろ向きに倒れるように押しつぶされた段ボール、割れたガラス製品の箱、斜めに倒れたスキャンヘッド。ライン停止、山積みの撤去、機器のリセット：優に40分。その夜の出荷計画は台無しになった。
この施設は後にビジョンAIベンダーを呼んでパイロットを行った。私は2度訪問した。プロセス、落とし穴、そして採算のすべてをここに記す。
カメラの位置がコストより重要
パイロットで使ったカメラはちょうど6台で、すべての位置は2年分の詰まりログから選ばれた。主力ラインがソーターに送り込む合流点に2台——歴史的に最悪の詰まりスポット。上り坂の頂上に1台——荷物が頂上でひっくり返って挟まる場所。ソートシュートの上に2台——シュートに引っかかったまま落ちてこない荷物を見るため。ソーター投入口にもう1台——投入フローが正常に見えることを確認するため。
「便利な」場所には1台も付けなかった。詰まりが実際に起きた場所に付けた。2メートル余りの高さに取り付け、下方へ約45度で見下ろす。なぜ横付けにしないのか？横からでは山積みが何層あるか分からないからだ。なぜ真上からにしないのか？鉄骨の梁が邪魔になるからだ。45度は試行錯誤でたどり着いた妥協点だ。
ハードウェアは意図的に地味だった：産業用エリアスキャンカメラとエッジコンピュートボックスの組み合わせで、現場で稼働し、サーバールームは不要。モデルがやることはただ1つ——製品が動いているかどうかを見ること。一定秒数、変位がなければアラーム。それだけだ。初日からラベルを読ませたりSKUを識別させたりしたい誘惑に抵抗すること。まず詰まり検知という1つの仕事を正しくこなすこと。与える仕事が少ないほど、失敗の仕方も少ない。
もう1つ指摘しておきたいトレードオフ：アラームが鳴ったら、ラインは自動停止すべきか？パイロットは自動停止を組み込んだ状態で始まった。1度の誤報でライン全体が緊急停止し、作業員は詰まりよりもシステムを嫌いになった。アラームのみに切り替え、停止は人間の確認を経て行うことにした。私の経験則：誤報率が1日あたり1桁に落ちるまで、自動停止には触るな。AIはまず見張り役であって、指揮官ではない。倉庫AI導入の初期フェーズを生き延びるにはそれが一番だ。
照明が誤報率を台無しにした仕組み
パイロット開始1週目、システムは1日に何十件もの誤報を出した。3日目には作業員が音を消していた。営業資料には誰も書かない部分だが：誰も耳を貸さないアラームは、システムがないのと同じだ。だからパイロットの最初の1か月はモデルの調整ではなく、誤報の撲滅に費やされた。具体的には3つの落とし穴だ。
照明が最も厄介だった。建物には高い位置に側窓があり、晴れた午後は太陽がベルトを斜めに横切り、ローラー上にゆっくり動く明るい斑点を作る。モデルはそれを動く製品と読み取った——さらに悪いのは、実際に止まった荷物を影が隠すことだった。対策は拍子抜けするほどローテクだ：すべてのカメラにフードを付け、アラームのロジックを単フレーム判定から「N秒連続で変位なし」に変えた。誤報は一夜にして半分以下になった。
反射包装が2つ目の落とし穴。ラミネート加工の段ボールや緩衝封筒は照明の下でちらつき、その点滅がモデルを神経質にした。対策：露出を固定し、明るさの変化ではなく輪郭の変位を追うこと。いくら眩しくても、輪郭が動いていなければ何も動いていない。
3つ目は変な形の荷物。ベルト上で平らに潰れたポリ袋は形を変え続け、モデルは動いているのか止まっているのか判断できなかった。答えは、その製品タイプ用にゾーンを切り分け、感度を下げることだった。1日20回狼少年になるより、本物の1件を逃す方がましだ。
結末：誤報は1日何十件から1桁に減り、そのとき初めて作業員が音を戻した。順番を覚えておくこと——まず誤報を抑え、精度の話は後だ。順番を逆にするとパイロットは死ぬ。
20分の停止が本当にかかるコスト
採算の話をしよう。ピーク時、その主力ラインは1時間に数千個の荷物を流す。20分の停止は、上流に1000個を優に超える荷物の滞留を意味する。滞留そのものが致命的なのではない——連鎖が致命的なのだ。上流の手動ソートステーションは仕事がなく遊び、下流の積み込み位置は空回りし、ライン全体の生産性は崖から落ちる。小さな詰まり1つで、半シフトのリズムが崩れる。大型セール前の出荷ウィンドウで起これば、「20分」ではコストを語り始めることすらできない。
6台カメラのパイロットは、ハードウェアと導入費を合わせて中級ピックアップトラック1台分程度だった。ピークシーズンに止まれない主力ラインにとって、採算は明快だ。しかし私の結論をはっきり言う：1日に数千件も出荷しない倉庫なら、やめておくこと。ラインの詰まりは1日1〜2回、誰かが棒で突いて2分で直し、カメラシステムは見守る対象を1つ増やすだけ——さらにアラームを見る人を1人増やすだけだ。詰まり検知において、規模は絶対的な関門だ。その下ではROIはマイナスになる。
では、いつやる価値があるのか？この3つのうち2つが当てはまれば、話を聞く価値がある。1つ：1本のラインが20分止まると本当に痛い。2つ：詰まりの履歴があり、再発する区間を正確に把握している。3つ：チームの誰かがベンダーと2週間現場に張り付いて調整する気がある。この3つ目が一番見落とされやすい——そしてそれがなければ、照明と反射の落とし穴は決して片付かない。あるベンダーが正直に言った：うちのモデルは実験室では完璧だが、倉庫に入った瞬間から現場調整に全面的に依存する。「差し込むだけで調整不要」と約束するビジョンAIベンダーは、そのベンダーについて知るべきすべてを自ら語っている。
実行可能なまとめ：パイロットはライン全体ではなく、最悪の詰まり区間から始めること。合流点、上り坂の頂上、シュート——まずそこに付けて1か月回す。私が見た施設は真似すべきことをやっていた：毎朝5分、早番が前日のアラームを見直し、誤報に印を付けてベンダーに送って調整してもらう。1か月で誤報は2日に1件まで減り——システムは本物の詰まりを4件捉えた。うち1件は午前3時、シフトに1人だけの時間帯だった。これがなければ、その山は夜明けまで膨らみ続けただろう。数字が良ければ拡大。ダメなら損失を限定して撤退。倉庫AIの第一歩は常に小さなパイロットであって、建物全体への導入ではない。
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。
