工場や倉庫では、管理者や社員が1日に何度も現場を見回り、安全と効率を守っています。しかし人手不足が進むなか、「見回りの時間が取れない」「見つけた問題が記録に残らない」といった悩みを抱える現場も少なくありません。ここでは、工場の見回り（巡回）が抱える課題と、すでに設置されている防犯カメラと生成AIを組み合わせて見回りを効率化・データ化する方法を解説します。
目次
- 工場の見回り（巡回）には「安全」と「効率」2つの目的がある
- 工場の見回りが抱える3つの課題
- 防犯カメラが「事故後の証拠探し」にしか使われない理由
- 生成AI（VLM）で画像解析はどう変わったのか
- 防犯カメラ×生成AIで見回りを効率化する3つのポイント
- 見回りの「気づき」が記録に残ると何ができるのか
- 導入で失敗しないためのチェックポイント
- 防犯カメラを自律巡回AIに変える「Smart Rounds」
工場の見回り（巡回）には「安全」と「効率」2つの目的がある
工場や物流倉庫で行われる見回り（巡回）は、大きく「安全を守る見回り」と「効率を守る見回り」の2つに分けられます。
| 安全を守る見回り | 効率を守る見回り |
|---|---|
| ・人が倒れていないか ・保護具を着けているか ・危険な場所に人が入っていないか ・火花・煙・液漏れはないか |
・整理整頓ができているか ・ラインで遅れ（渋滞）が起きていないか ・放置された台車が溜まっていないか ・ベルトコンベアの荷物が止まっていないか |
台車の放置や工程間の滞留、作業台の散らかりといった小さな乱れは、生産の遅れにつながるだけでなく、つまずきや接触などの事故の原因にもなります。安全と効率は、別々の問題ではなくつながっているのです。
工場の見回りが抱える3つの課題
見回りは多くの現場で欠かせない業務ですが、次のような課題を抱えています。
課題1：見回りに割ける人手が足りない
帝国データバンクの調査（2026年4月）によると、正社員が不足している企業は50.6%と半数を超えています。見回りを担う管理者や社員は、ほかの業務も抱えながら現場を回っており、見回りの回数や範囲を十分に確保できない現場が増えています。
課題2：異常の発見が遅れる
労働災害で最も多いのは「転倒」で、休業4日以上の死傷者は年間37,195人にのぼります（厚生労働省「令和7年の労働災害発生状況」）。また、職場の熱中症による死亡災害100件を分析した厚生労働省の資料では、78件で初期症状の放置や対応の遅れがあったとされています。
特に、夜間や広いフロアでの一人作業では、倒れていても誰も気づかない時間が長くなりがちです。重症化を分けるのは「誰かが気づくまでの時間」だといえます。
課題3：見つけた問題が記録に残らない
見回る社員は、台車が放置されていればその場で片づけ、散らかっていればその場で指導します。まじめに対応しているからこそ、問題はその場で解決して終わり。件数も内容も残らず、記録は「0件」になってしまいます。
※イメージ図（架空の工場）
報告書で記録を残す方法もありますが、現場従事者の約7人に1人はヒヤリハットを報告しておらず、その理由の6割超は「報告書作成の手間」や「報告しても意味がないと感じる」ことだという調査もあります（tebiki株式会社「現場におけるヒヤリハットの実態調査」2025年3月実施、n=225）。
何回起きているのか、何時ごろ多いのか、どこで多いのかが分からないため、同じ乱れが繰り返され、根本的な対策も効果の測定もできないのが実情です。
防犯カメラが「事故後の証拠探し」にしか使われない理由
多くの工場には、すでに防犯カメラが設置されています。しかし、その映像を見るのは「何かが起きた後」がほとんどではないでしょうか。常にモニターを見続ける人手はなく、録画を見返すのは事故やトラブルの原因を調べるときだけ、という現場が大半です。
これまでも、カメラ映像をAIで解析する取り組みはありました。ただ、従来の画像解析AIは「学習した形のモノを見つけて数える」技術が中心で、次のような相談には対応が難しいという限界がありました。
| 見つけたいこと | 従来のAIで難しかった理由 |
|---|---|
| 敷地内で喫煙している人 | タバコは小さく、吸っている姿勢もさまざま |
| 作業台が散らかっている状態 | 「散らかっている」の基準が現場ごとに違う |
| 倒れている人（体の一部しか映っていない場合も） | 学習した「人の形」に当てはまらない |
検知したいモノごと、現場ごとに学習が必要になるため、費用と時間がかかり、見回りのように「何が起きるか分からない」業務には向いていなかったのです。
生成AI（VLM）で画像解析はどう変わったのか
この1〜2年で、画像を理解して言葉で説明できる生成AI「VLM（Vision Language Model：視覚言語モデル）」が実用レベルになりました。
| 従来の画像解析AI | 生成AI（VLM） |
|---|---|
| 学習した形のモノ（人・車など）を見つけて、数える | 状況を理解して、言葉で説明する |
| 現場ごと・モノごとに事前の学習が必要 | 事前の学習なしで、人と同じ常識で判断できる |
たとえば、次の倉庫の画像を生成AIに見せて「気になるところは？」と聞いてみます。
※画像はイメージです（生成画像）
AIの回答（1項目目を原文のまま掲載）は次のとおりです。
通路中央に多数の黒い部品が散乱しており、転倒や滑りの危険性があります。また、作業中の足元妨害にもなり、作業効率が低下する可能性があります。
床に散らばった部品に気づき、安全（転倒・滑り）と効率（足元の妨害）の両面から指摘しています。数年前までの画像AIでは「人が2人います」と答えるのが精いっぱいでした。喫煙や散らかり、体の一部しか映っていない転倒者といった、従来のAIで難しかった事象も、生成AIなら事前の学習なしで判断できるようになっています。
防犯カメラ×生成AIで見回りを効率化する3つのポイント
生成AIを見回りに活かすには、技術をそのまま使うのではなく、現場で無理なく続けられる仕組みにすることが大切です。
ポイント1：動画を見続けず、静止画で定期的に“見回る”
生成AIで動画を常時解析し続けるのは、今の技術では費用面でも性能面でもまだ難しいのが現実です。一方で、「倒れている」「散らかっている」「溜まっている」といった見回りで確認したい事象の大部分は、静止画で判断できます。
人が数時間おきに見回るのと同じように、AIが1分〜1時間の間隔で静止画を確認すれば、計算量と費用を抑えながら24時間の見回りが可能になります。気になる検知があれば、その時刻の録画映像を人が確認すればよいのです。
ポイント2：「見張る」と「評価する」を使い分ける
すべての異常をアラートで知らせると、通知が鳴りっぱなしになり、現場が疲れてしまいます。緊急度に応じて、2つの使い方を分けるのがポイントです。
| 見張る（アラート） | 評価する（モニタリング） | |
|---|---|---|
| 目的 | 今すぐ対応が必要な異常を知らせる | 通知せず、現場の状態を記録に残す |
| 向いている事象 | 転倒、立入禁止エリアへの侵入、煙など | 散らかり、台車の放置、工程の滞留、ヒヤリハットなど |
| 活かし方 | メールやパトランプで即時に対応 | ダッシュボードで傾向を見て改善につなげる |
見回りの価値を大きく変えるのは、実は「評価する」側です。小さな乱れは通知せずに記録だけを残すことで、現場の負担を増やさずにデータを蓄積できます。
ポイント3：AIには「具体的に」聞く
同じ画像でも、AIへの聞き方で答えは大きく変わります。「安全面・作業効率の面で気になる点は？」と漠然と聞くと、AIは7項目もの指摘を返し、そのうち5項目は「可能性がある」「判別困難」といった推測でした。
一方、「棚の間の通路の床に、部品・小物・ゴミなどが散らばっていないか」と具体的に聞くと、AIは次のように答えます。
異常あり：通路の床に黒い部品のようなものが多数散乱しており、通路の中央寄りに位置しているため、作業妨害や転倒の危険があり異常です。
現場のリーダーが新人に仕事を頼むときと同じで、「どこの」「何を」見てほしいのかを具体的に伝えることで、AIは「あり」「なし」をはっきり判断できるようになります。
見回りの「気づき」が記録に残ると何ができるのか
AIが見回りを担うと、これまで「記録0件」だった気づきが、人が報告書を書かなくても、回数・時間帯・場所・写真とともに積み上がっていきます。
※イメージ図（架空の工場・実データではありません）
たとえば「毎日15時台に、通路に物が溜まる」と分かれば、それは人の注意力の問題ではなく、工程の問題だと考えられます。現場で問題を直すのはこれまでどおり人ですが、記録が残ることで次のような活用ができるようになります。
- 5S活動や改善活動のテーマ選び
- 安全指導や教育の根拠づくり
- 対策を打った後の効果測定
- ヒヤリハットの傾向把握と未然防止
導入で失敗しないためのチェックポイント
AIへの期待が高まる一方で、Gartnerは「エージェント型AIプロジェクトの40%超が、2027年末までに中止される」と予測しています。理由として挙げられているのは、コストの増大、ビジネス価値の不明確さ、リスク管理の不備です（Gartner プレスリリース 2025年6月25日）。
見回りへのAI活用で失敗しないためには、「今ある仕事」と「今ある設備」に乗せることが近道です。導入を検討する際は、次の点を確認しましょう。
既設のカメラが使えるか
カメラを一から入れ替えると、費用も工事の手間も大きくなります。IPカメラであれば、メーカーを問わず既設のカメラをそのまま活用できるサービスもあります。
画像をどこで解析するか
クラウドで解析する方式は導入が早い一方、工場によっては画像を社外に出せない場合もあります。構内のサーバで解析するローカル構成を選べるかも確認しておきましょう。
「AI予算」を新たに確保する必要があるか
AI専用の予算を確保するのは、多くの企業にとってハードルになります。防犯カメラの更新予算の範囲で始められるかどうかは、導入を進めるうえで重要なポイントです。
「何を見守るか」を一緒に考えてくれるか
ポイント3のとおり、AIの精度は「何をどう聞くか」で大きく変わります。見守りたい内容の整理から、AIへの指示の設計、運用開始後の調整まで伴走してくれるかどうかも確認しましょう。
防犯カメラを自律巡回AIに変える「Smart Rounds」
フューチャースタンダードの「Smart Rounds（スマートラウンズ）」は、既存の防犯カメラを、生成AIが定期的に見回って報告する“自律巡回AIエージェント”に変えるサービスです。
- 「人が倒れていないか」「通路に物が散らばっていないか」など、確認したいことを言葉で設定するだけ
- IPカメラであれば、既設・新設、メーカーを問わず接続を検討可能（型番による技術確認があります）
- 緊急時はメール・パトランプで通知する「アラート」と、記録だけを残す「モニタリング」を使い分け
- クラウドとローカルサーバ、どちらの構成にも対応
- ご契約から最短2か月で運用開始（機器の在庫状況・設置工事の日程により変動します）
実際に導入いただいた通販物流センター様では、管理者の人手不足を背景に、安全管理だけでなく台車の渋滞やベルトコンベアの荷物の停滞も検出したいというご要望がありました。他社の提案が大がかりで高額、または「技術的に難しい」という回答だったなか、シンプルで誰でも操作できること、カメラへの投資が無駄にならないことを評価いただき、導入に至っています。
フューチャースタンダードは2014年から、交通量観測、河川の水位検知、工場内の動線分析、踏切監視など、画像AIを現場に実装してきました。その経験をもとに、「何を見守りたいか」を一緒に決めるところから、運用開始後の調整・保守まで伴走します。
見回りの人手不足や、ヒヤリハットが記録に残らないといった課題をお持ちの方は、ぜひお気軽にご相談ください。
あわせて読みたい。