豊田自動織機、画像AIでフォークリフトの安全運転を評価、人身事故ゼロの現場も

フォークリフトが関わる事故は高止まりし、日本産業車両協会が厚生労働省の資料をもとにした調査では、2022年の特定自主検査実施台数は約85万台と10年で2割ほど増えています。一方で、運転の安全性をどう担保するかは企業ごとにまちまちで、人手不足のなか安全運転の指導に十分なリソースを割けない現場も少なくありませんでした。さらに厄介なのは、フォークリフトの事故やヒヤリハットが、自動車のように必ず強い衝撃を伴うとは限らない点です。危ない運転を見極めるには、人が記録映像を注意深く追う必要がありました。

編集部の見立てでは、困りごとの本質は「安全意識が足りない」ことではなく、危険を判定する基準が見る人の経験と時間に張り付いていたことにあります。基準が人に紐づいている限り、指導の質は担当者次第で揺れ、忙しくなれば真っ先に後回しになる。だからこそ、判定の負荷を機械側に移せるかどうかが分かれ目になったのではないでしょうか。

判断基準を持つ側とAI技術を持つ側で役割を分けた組み方が、この取り組みの土台になっています。トヨタL&Fは何が危ない運転なのかという物流現場のノウハウを持ち、富士通は画像解析技術を蓄積したAI「Fujitsu Kozuchi」を持つ。どちらか一方だけでは、精度の高い評価軸を映像解析に落とし込むのは難しかったはずで、安全運転の定義づけと解析エンジンを分担した構図が、国内初とされるサービスの成立につながったと考えられます。

「ユーザーの手間を省く」と「解析精度を高める」を同時に満たすことを設計の狙いに据えた点も見逃せません。安全確認のために現場を止めたり、働き手の生産性を落としたりしては、そもそも導入されない。精度だけを追わず、使う側の負担を要件の中心に置いた判断が、忙しい物流現場でも回る形に収れんさせたのだろうと読み解けます。現場管理者の一人が語る「人手をかけなくても、どんなタイプのフォークリフトでも、安全運転の基本に立ち戻れる」という要件は、車種を選ばない汎用性まで含めて設計に織り込まれていたことを示しています。

新規のシステムを一から立ち上げるのではなく、2021年から積み上げてきたデータ基盤「FORKLORE」の上に載せた点も、実装のハードルを下げた要素でしょう。現場のデータをクラウドで集めて分析する仕組みがすでにあるところへ、映像評価という新しい機能を追加する形になっており、AIを「教習指導員」と位置づけて運転のクセを見える化する見せ方も、取り締まりではなく指導として受け止められやすい枠組みになっています。

2024年7月のリリース以降、ユーザー数は2025年3月時点でおよそ15社前後まで広がっています。導入企業のなかには、半年に数件発生していた人身事故が、導入後の半年間ではゼロになった現場もあります。加えて、現場管理者の安全管理業務をAIが肩代わりすることで、人手不足への対応にもつながっています。ヒヤリハットの検知が個人の目視頼みだった領域で、事故件数という分かりやすい指標に変化が出た点は、評価の仕組み化がもたらした効果として意味が大きいと言えます。