ドローン空撮画像を生成AIで一次判定、災害調査を数時間規模へ短縮する検証

検証の出発点になったのは、オルソ画像をつくる前処理をいったん外すという工程の組み替えです。地形の歪みを補正して1枚の地図のようにつなぐ作業は、人が全体像を俯瞰して被害箇所を探すために必要な準備であって、画像を1枚ずつ読むAIにとっては必ずしも前提ではありません。撮影したままの生画像を Gemini に直接渡すという割り切りは、この工程が誰のためのものだったのかという問い直しから生まれたものと見ることができます。

AIの役割を一次判定に絞り込んだ設計も、実運用への距離を縮めています。損傷箇所を囲む枠の精度にはまだ課題が残ると当事者自身が認めていますが、「この画像は怪しい」と早い段階で示せれば、確認すべき画像を人が絞り込めます。完璧な検出結果を出させるのではなく、人の目の前段に当たりをつける層を一枚差し込む。この役割分担であれば、精度の限界がそのまま使えない理由にはなりません。

自社でモデルを作り込まず、検証の設計にノウハウを持ち込んだ進め方も要因として大きいはずです。同社は以前から TensorFlow 等でAI開発に取り組んでいましたが、今回はモデルの開発と運用を自前で抱えず汎用モデルを使う道を選び、G-gen が指示文（プロンプト）の構造化や、5〜6の異なる観点にわたる検証パラメータの設定を担いました。生成AIの経験が浅い側が手探りで試行回数を重ねるのではなく、どこを変えると精度が動くかを知る側が検証の型を用意する分業になっています。