生成AIがカメラ映像から冠水を判定、監視労力8割減を確認した照明メーカーの実証

判定を一種類のAIに任せず、難易度によって処理先を分けたところに、この仕組みの設計思想が表れています。大部分の画像は安価で高速なClaude 3 Haikuが引き受け、判断に迷うケースだけを高性能なClaude 3 Sonnetへ回す二段構えです。1分間隔で画像が届き続ける監視業務では、1枚あたりの処理費がそのまま運用費として積み上がります。全件を高性能モデルに通す発想を捨て、精度を厚く見るべき場面を絞り込んだ切り分けが、日常的に回し続けられる構成を成り立たせたと考えられます。

学習用のデータを集めてモデルを育てるのではなく、プロンプト（AIへの指示文）を書き直しながら精度とコストの落としどころを探る進め方も効いています。ユースケース検証用のアプリケーションGenUを土台に据えたことで、試したい判定条件をすぐ書き換えて結果を確かめるサイクルが短く保たれました。企画からプロトタイプ完成まで2か月という速さは、作り込む前に確かめるという順序を崩さなかった帰結でしょう。

入力される画像そのものの質をハード側で担保した点も見逃せません。照明とカメラを一体にしたデバイスは照明機器メーカーならではの持ち物で、暗がりの現場でも判定に耐える映像を送り出せます。AI側の指示をどれだけ練っても、何が写っているか判別できない画像からは答えは出ません。なお、サーバーレス構成の設計と追加機能の開発はAWSパートナーの株式会社ベンジャミンが担い、自社は現場条件とデバイスの強みを持ち寄るという役割分担が敷かれています。