昨冬、私は Inland Empire にある 800,000 平方フィートの e コマース・フルフィルメントセンターを歩いた。1 日あたり約 20,000 ユニットを処理する現場だ。梱包ラインの終端にある画像検査装置を指さし、オペレーションマネージャーはこう言った。「Mi、数字を弾いたんだ。ベンダーは 99.2% の精度を約束した。こいつのせいで、月に 2 人分もの人件費が余計にかかっている」
誇張ではなかった。3 か月分のログが物語っていた。システムは 1 日に 300 件を超える「怪しい」荷物をフラグし、レビュー班はそのすべてを開梱した――その 10 件中 9 件以上は誤アラームだった。その一方で、システムが素通りさせ、後で顧客からクレームが来た本物の見逃しは、週に数件から 2 桁へと増えていた。それでも精度は 99% のまま。請求書は膨らみ続けた。
「99% の精度」は実際何を測っているのか？
率直に言おう。単体の指標としての「精度」は、画像検査業界で最も水増しされた数字だ。断言する。
計算は呆れるほど単純だ。健全な梱包ラインでは、そもそも 99.5% の荷物に問題がない。「すべて承認」という一芸だけを覚えたシステムでも精度 99.5% を叩き出し、あなたが買った 6 桁の AI を上回る。精度という数字が隠しているのは、ベンダーが決して自ら開示しない 2 つの数字だ。正常な荷物を誤ってフラグした件数（偽陽性）と、不良品をすり抜けさせた件数（偽陰性）である。
思考実験を一緒にやってみよう。1 日 10,000 個の荷物を出荷し、そのうち 50 個が本物の不良品だとする。「99% の精度」のシステムは 100 個の荷物を誤判定しても目標値を達成できる。もしその 100 個の誤りの中に 50 個の不良品がすべて含まれていたら、高額な AI は文字通り何も検出していない――それでもベンダーの資料の精度スライドには 99% と書いてある。これは机上の空論の揚げ足取りではない。ベースレートの罠であり、欠陥が稀なところで最も強く牙をむく。つまり、まさに倉庫という現場だ。
偽陽性は人件費を燃やす。Inland Empire の現場では、1 日 300 件超のアラート。1 件ごとに開梱―確認―再封の 3〜4 分かかる作業だ。2 人のレビュー担当者はシフトの全時間をそれだけに費やした。1 日 16 人時だ。カリフォルニアの倉庫賃金を当てはめれば、静かに月に 20,000 ドルを大きく超える金額が燃えている――「99.2% の精度」というバッジを付けたシステムの上で。
見積書が決して内訳に載せないコストがもう一つある。1 ユニットあたりの推論コストだ。クラウド GPU なら呼び出し課金、エッジ装置なら設備投資に加えて数年ごとの更新サイクル。物量があれば薄まるが、物量がなければ「人件費削減」は計算コストに食われる。契約する前に、ではなく契約した後にではなく、総所有コストに織り込むこと。
誤アラームは人件費を食い、見逃しは顧客を食う。
偽陽性と偽陰性はシーソーの関係だ。これは契約前に買い手が受け入れなければならない。しきい値を緩めれば誤アラームは減るが、見逃しが増える。締めればレビューステーションは溺れる。ベンダーが見せたデモは、最も見栄えの良いしきい値に調整されていた。現実では、光が変わり、印刷の違う新しい段ボールが届き、また最初から調整し直しになる。
すり抜けた見逃しは、誤アラームの 1 桁以上高いコストになる。誤出荷は再発送費だけでは済まない。返品物流の往復、カスタマーサービスのチケット、マーケットプレイスのペナルティ、悪いレビューによる転換率の低下。1 件あたり軽く数十ドルだ。FBA で販売している者なら誰でも知っている――1 件の誤ピッキングでアカウントヘルスは落ち、異議申立てに費やした時間はどの請求書にも載らない。
最も厄介な殺し屋は 3 つ目、アラート疲れだ。レビュー担当者は 1 日 300 箱を開ける。50 箱目あたりで、すべてが問題なしだと人間の本能が働き、「承認」ボタンがオートパイロットで押され始める。その倉庫では、結局 2 人のレビュー担当者が何も開けずにアラートをゴム印で承認していたことがわかった。AI は事実上の飾りだった。これが最も高くつく失敗モードだ。金を使い、人を雇い、システムは初日から死んでいる。
画像 AI を最初から使わないべき場合
画像検査 AI は悪い技術ではない――ただ、実用化のハードルが世間で想像されるよりはるかに高いだけだ。いくつかの状況では、私のアドバイスはシンプルだ。まだ手を出すな。
第 1 に、SKU の幅が広く、包装が頻繁に変わる倉庫。モデルは見たものを認識する。包装がリニューアルされた瞬間、偽陽性率は急上昇する。それ以降、誰かが新しいサンプルを供給し続け、再学習させなければならない――その人の給料は見積書には載っていない。
第 2 に、照明が不安定、あるいは入荷品質が安定しないライン。コンベア脇のシャッターが開閉するだけで、午後の陽射しと曇りの朝は別世界になる。選定の際はベンダーに 1 つだけ質問しよう。「照明条件が変わったとき、偽陽性率はどれくらいドリフトしますか？」答えられなければ、席を立つこと。
第 3 に、機械を回すだけの物量がない現場。1 日数千ユニットの規模では、偽陽性率が 1% でも 1 日数十件のレビューが発生する――専任者を置くほどの量ではなく、シフトリーダーが目視で十分対応できる。AI の経済学は物量の経済学だ。物量がなければ、削減できる人件費は存在しない。
うまくやっている例も見た。Dallas の 3PL は、包装が 3 年間変わっていない固定 SKU たった 12 種類にだけ画像検査を使っている。1 か月のシャドーモード運転で偽陽性が 0.3% を下回ることを確認してから本番化した。秘訣は一言、退屈さだ。現場が退屈なほど、AI は信頼できる。
だから「精度は何%か」と聞くのはやめよう。代わりに 4 つの数字を求めよう。偽陽性率、偽陰性率、1 ユニットあたりの推論コスト、照明変化に対する堅牢性。この 4 つを文書でもらい、受け入れ基準に入れること。
明日からできることを 1 つ。すでに画像検査を運用している、あるいは検討中なら、2 週間「シャドーモード」で回してみよう。AI はフラグするが、何も止めない。人はこれまで通り働く。2 週間後、3 つの掛け算をする。偽陽性×レビュー時間を人件費に換算、見逃し×クレーム 1 件あたりのコスト、そこからシステムの償却費を引く。プラスでもマイナスでも、答えは出る。ベンダーのスライド 100 枚より価値がある。
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。
