私たちの倉庫は 3,000 平方メートル、ラックの保管位置は 400 を少し超えるほど。月に1回の全数実棚：2人で2日かけて、それでも見落としは起きる。固定カメラ＋リアルタイム照合のエンタープライズ向けビジョン棚卸しシステム？ 見積もりを見てそっと閉じた。私たち小さな倉庫にそんな金はかけられない。
でも視覚言語モデル（VLM）が登場して、自前の工夫で実現できる「手作り版」があることに気づいた。同じ発想、コストはほんのわずかだ。
VLM を簡単に言うと、写真を見ながら人間の言葉も理解できる AI のことだ。ラックの写真を撮って、「このスロットにはブルーベリーのおやつが入っているはずだけど、写真に写っているのはそれ？」と聞く。答えてくれるし、間違った段ボールに丸を付けてくれる。昔ながらの画像認識 AI との大きな違いは、昔のは学習が必要だったことだ。SKU ごとに外見を教えてやらねばならず、パッケージが変われば再学習だった。VLM は学習不要だ。スロットマスタ（ここにあるべきもの）を「答え」として渡せば、あとは自分で照合する。小さな倉庫に学習の面倒を見る人なんていなかった。今はその必要もない。
私たちの手作り版は、週1回の流れだ。動きの速いスロットのリストを印刷し、巡回ルートを決め、1人が1台のスマホを持って1スロット1枚撮影する。事務所に戻ったら写真をまとめて VLM にかけ、毎回同じ質問をする。「このスロットには A が入っているはず。写真に A はある？ 置き違いや欠品はない？」問題を拾い出して、翌日に手で検証する。コード不要、連携不要——スマホとブラウザだけだ。
効果はあるのか？ 実話を2つ。
今年の3月、あるスロットにはドライブルーベリー12カートンが入っているはずだった。ところがほぼ同じパッケージのドライクランベリー3カートンが紛れ込んでいた。3か月間、手作業の循環棚卸では誰も気づかなかった。数量が合っているのを見て、カウンターは次へ進んでしまった。VLM の写真巡回は、初週でその3カートンに丸を付けた。3PL をやる者なら誰でも知っている。誤ピッキングは最も高くつくミスだ。誤出荷1件は、半年分の棚卸し人件費より高くつく。
2つ目は幽霊スロット。システム上は在庫があるのに、ラックは空っぽ——またはその逆だ。週1回の撮影を続け、VLM が「このスロットは空です」と報告してくれるので、システムと照合すれば差異が浮かび上がる。昔はピッカーが手ぶらで戻ってきたときに初めて発覚した。その頃には出荷はすでに遅れ、顧客はもう電話をかけてきていた。
では数字だ。以前：月に1回、2人で2日、それでも見落としあり。手作り版：1人が週に半日かけて撮影する。動きの速いゾーンは毎週、遅いゾーンは毎月チェックする。AI が「問題あり」と指摘したスロットのうち、手での検証で問題が本当だと確認できるのはだいたい70～80パーセント——残りは照明や角度の悪さに AI がだまされたものだ。逆方向もある。AI が「問題なし」としたのに実際は問題があるスロット——10～20パーセントはすり抜けるだろう。だからはっきり言う。AI はあくまで一次フィルターだ。人間の検証は代替できない。完全代替できると言う者は、何かを売りつけている。
手作り版のコストは？ スマホはもとから持っていた。VLM 側は画像ごとの課金で、週のバッチは数百枚——月額は1週間分のストレッチフィルム代より安い。高くついたのは AI じゃない。スロットマスタをきれいにすることだった。2日間の午後とポットいっぱいのコーヒーがかかった。
高価なエンタープライズ版から盗んだのは何か？ ハードではなく考え方だ。向こうは固定カメラでリアルタイム撮影。こちらはスケジュールに従うスマホ——「撮って照合する」という同じ発想。向こうは SKU ごとに学習する。こちらはスロットマスタを答えにする——「学習不要」という同じ発想。発想はタダだ。ハードは違う。
直感に反する発見が2つ。1つ目：写真が「プロ」っぽいほど結果が悪い。最初はスタッフにスマホを水平に構えさせ、完璧な構図のきれいな写真を撮らせた——そしたら AI の精度は気軽なスナップより落ちた。そこで気づいた。VLM は気軽な写真を山ほど見てきた。あなたの演出写真はその「守備範囲」から外れているのだ。自然に撮ればいい。ポーズは取るな。
2つ目：初日から全倉に広げるな。まず動きの速い20%のスロットから始める。私たちの経験では、問題の80%はその20%に住んでいる。ルーティンが回り出したら広げる。小さな倉庫は人手が足りない。鋼（はがね）は刃の当たる場所に置け。
たくさん手戻りを救ってくれたもう1つの細かい話：スロットのラベルは読める状態に保つこと。VLM は同じ目でラベルのスロット番号も読む。ラベルが剥がれたり段ボールが隠したりすると、AI はその写真がどのスロットか分からなくなる。私たちは1日がかりで倉庫中のラベルを貼り直した。曲がったのをまっすぐにし、無いのを交換した。今期いちばんの投資だった——「AI 時代のインフラ」とでも呼ぼうか、はは。
小さな倉庫の仲間へのアドバイスは3つ。まずスロットマスタをきれいにすること——答えが間違っていたら AI は役に立たない。撮影ルートと角度を一定に——今日は左側、明日は右側なんて撮り方はダメ。AI の指摘は24時間以内に必ず手で検証する。待てばドックは変わってしまう。
ルート計画は思ったより重要だ。蛇行の順序でスロットを回り、戻らずに進む。印刷したリストと同じ順番で撮れば、後の写真照合は1時間ではなく数分で済む。そう、背の高いラック用に自撮り棒を2本買った——笑いたければ笑え。カメラが高く上がれば AI はもっとよく見える。
大企業には大企業のやり方がある。小さな倉庫には小さな倉庫のやり方がある。スマホ1台と写真を読める AI があれば、私たちのような小さな倉庫でもラックを正直に保てる。
Xiao Ma（小規模倉庫のオーナー）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。
