西濃運輸、ドライブレコーダー映像のAI解析で危険運転を自動検知し約1万台へ展開

注目したいのは、すでに走っている車両の記録環境に手を入れない設計です。ドライブレコーダーを入れ替えず、システムのインストールも前提とせず、記録済みの映像を解析する側で受け止める構成がとられています。多数の車両を抱える事業者にとって、機器の交換は費用も工数も現場の混乱も一度に発生させる重い作業であり、そこを避けられるかどうかは導入の可否そのものを左右します。映像という既存の資産を起点に組み立てたこの切り分けが、全国規模の横展開を現実的な選択肢にしたと考えられます。

解析の土台には、独自に構築したVLM（大規模視覚言語モデル。映像の内容を言葉の意味と結び付けて理解するAI）と、2000時間分の商業車両の運転映像が据えられています。一般的な走行シーンではなく商用車の運転を集めた映像で学習させている点は、業務の文脈によって判断の当たり外れが変わる領域では効き方が違ってきます。検知の対象も、シートベルトの着用状況、わき見、居眠り、姿勢制御といった、映像に映る具体的な行動に置かれました。運転の巧拙という曖昧な評価には踏み込まず、観察できる事実の検出に役割を限定したことが、現場が結果を受け入れやすい構図をつくったのではないでしょうか。

進め方も、いきなり全社に広げるのではなく2店所での試行から入り、解析の質と担当者の評価を確かめる順序を踏んでいます。さらに、発進時の5点確認や後退時の6点確認といった自社の安全指導の型を学習させ、機能を強化していく方針が示されています。汎用の危険検知で止めず、その会社が積み上げてきた指導基準の側にAIを寄せていく発想は、現場の言葉と検知結果のずれを埋める手立てとして筋が通っています。