ローソン店舗の作業を映像AI×LLMで自動計測、30％削減目指す実証実験

注目したいのは、映像認識AIとLLMに別々の役割を割り当てた処理の組み立て方です。映像から「何の作業をしているか」を作業項目に分類する部分は映像認識AIが担い、分類された工程とその所要時間を文章に起こして定量レポートの形に整える部分はLLMが担当します。映像を見て人が判断していた分類と、その結果を人が集計・記述していた作業を、それぞれ得意な技術に振り分けた構造といえます。NECは2023年12月に、映像認識AIとLLMにより動画から説明文章を自動生成する技術を開発したと公表しており、その系譜にある組み合わせ方です。

もう一つは、評価の物差しをあらかじめ決めている点です。AIが出したレポートの時間と、従来の手作業で計測した時間を比較し、施策検証に使える精度かどうかを判断する。この突き合わせを検証の中心に据えた設計は、「AIで可視化できた」で終わらせず、既存のやり方の代替になり得るかという実務的な問いに答えを出そうとするものです。1店舗・1週間という限定した範囲で実施しているのも、まず物差しの妥当性を確かめることに焦点を絞った進め方と読み取れます。

従業員を撮影するという性質上、映像の扱い方を明示している点も見過ごせません。分析対象の従業員も偶然写り込んだ来店客も個人を特定する利用は一切行わず、個人情報保護法や関連法令を遵守したうえで実証実験にのみ利用し、終了後は速やかに削除する。こうした条件を事前に定めておくことは、現場で働く人の理解を得ながら映像を扱う取り組みを進めるうえで、技術の精度と同じくらい実行可能性を左右する要素だと考えられます。