大手町タワーの警備にAI異常検知、監視カメラ44台で違和感を捉える運用

警備の現場でも人手不足は深刻な課題となっており、大手町タワーでは、人に頼りきらない形で持続的な物件管理と高度なサービス提供を両立させる必要がありました。

ただ、この困りごとの本質は、単に警備員の頭数が足りないことではなかったと考えられます。目視による監視は、見られる範囲と時間帯が、その場に投入できる人数にそのまま比例します。カメラの台数をいくら増やしても、映像を見る目が増えなければ実際に見えている範囲は広がりません。しかも異常は、いつどこで起きるかを事前に指定できない事象です。そうなると人員配置は、起きるかどうか分からないものに備えて厚く張るか、薄く張って見落としのリスクを飲むかの二択に追い込まれます。この二択の構造を崩さないかぎり、警備体制の維持は採用がうまくいくかどうかに握られ続けることになります。

AIが自動で学習する「いつもと違う」の検知と、人があらかじめ決めたルールによる検知を、同じ仕組みの中で併用したことが第一の要因でしょう。施設入口では車両の逆走が禁止されていましたが、基本機能だけではこれを捉えられませんでした。ここを現場の妥協で処理せず、代理店であるマクニカがメーカーのicetana Limitedと協議を重ね、特定のルールを設定して事象を精度高く検知する仕組みを新たに実装しています。何を異常とみなすかを機械に見つけさせる領域と、人が先に定義しておく領域を切り分けた設計が、実運用に耐える検知を成立させたのではないでしょうか。

第二に、導入をカメラとソフトの設置で終わらせず、検知が出たあとの動き方まで作り替えた進め方が効いています。ALSOK東京の警備隊長が中心となって、AIの検知結果を効果的に運用するための警備体制の変更が進められました。異常らしき映像が挙がっても、誰がそれを確認し、どの順で現場に向かうかが決まっていなければ、増えるのは通知だけです。検知の精度を上げる作業と、受け手側の手順を組み替える作業を同時に走らせた点に、この取り組みの実務的な強さがあります。

第三に挙げたいのが、過去の実証実験で効果に手応えを得ていた警備会社の経験を、体制の中にそのまま織り込んだ座組みです。何を違和感として扱うべきかの土地勘は、その現場で実際に警備をしてきた側にしか蓄積されません。技術面を担う側と現場判断を担う側を明確に分けて配置した構成が、要件のすり合わせを速く回す土台になったと見ています。

人手に頼っていた頃は、監視できる範囲も時間帯も投入できるリソースの内側に収まっていましたが、AIによる常時・広範囲の検知が働くようになり、日常業務では発見が難しい異常も捉えられるようになりました。警備員はAIが違和感を検知した映像を中心に確認して対応する形へ移り、業務負担の大幅な軽減と迅速な初動対応につながっています。過去の異常検知映像へ素早くアクセスできるようになったことで、報告資料の作成といった付随業務の効率化という副次的な成果も生まれています。