事業コンセプト
「現場」をR&Dセンターに変え、労働集約型から知識集約型ビジネスへ
「眼匠（がんしょう）AI」は、物流倉庫内の熟練作業員が持つ「無意識の最適化スキル」をデータ化し、他社へ外販するビジネスモデルです。伝票を見た瞬間に最短ルートを弾き出し、商品の形状から瞬時に最適な梱包順序を判断するベテランの「眼」と「勘」をDeep Learningで解析し、ピッキングの最適アルゴリズムとしてパッケージ化します。
背景と課題
中小規模の物流倉庫では、以下の「3つの壁」が生産性向上のボトルネックとなっています。
新人教育の長期化と熟練者の負担
従来の口頭や背中を見て覚える指導では、新人が戦力化するまでに3ヶ月以上を要します。その間、熟練者は指導に時間を取られ、本来の作業時間が月40時間近く圧迫されるケースもあります。
「ロボット導入」の資金的ハードル
多くの自動化ソリューションは高額なロボット導入が前提であり、資金力のない中小倉庫では導入が現実的ではありません。
属人化による効率のムラ
最適な動線や手順は熟練者の頭の中にしかなく（暗黙知）、担当者によって作業効率や疲労度に大きな差が生まれています。
ソリューションの特徴
既存のWMS（在庫管理システム）にアドオン可能な「熟練者AIエンジン」を提供し、人間とデジタルの協働を実現します。
熟練ノウハウのデジタル資産化（暗黙知の形式知化）
ウェアラブルカメラやセンサーで熟練者の動きを記録・解析。「どの順番で、どの角度で商品を手に取るべきか」という作業論理をアルゴリズム化します。
ARグラスによる直感的なナビゲーション
ITリテラシーが高くない作業員でも扱えるARグラスを採用。視界に直接「次に行く場所」と「取るべき商品」を表示することで、迷いのない作業を実現します。
心理的安全性の確保
リアルタイムのエラー検知機能により、「ミスをするかもしれない」という現場の不安を解消。確認作業の精神的・時間的コストを削減します。
ターゲットユーザー（ペルソナ）
• 主要ターゲット： 中小規模倉庫の熟練ピッキング作業員（リーダー層）
・長年の経験と勘を持つが、後輩への継承に課題を感じている。
・ロボット化には抵抗があるが、自分たちの「知恵」を活かした効率化には意欲的。
• エンドユーザー： 新人〜中堅作業員
・ミスへの不安があり、効率的な動き方がわからず疲労が蓄積しやすい層。
期待される導入効果（KPI）
実証実験およびシミュレーションに基づく目標数値は以下の通りです。
| 項目 | 導入前の課題 | 導入後の成果目標 |
|---|---|---|
| 新人育成期間 | 3ヶ月以上 | 1ヶ月以内（70%短縮） |
| 作業ミス件数 | 月平均3件 | 0件（ゼロ） |
| 作業効率 | ムラ・余剰時間あり | 作業時間30%削減 |
| 疲労感 | 身体的負担大 | 20%低減 |
ビジネスモデル
自社の現場で培ったノウハウを「アセット（資産）」としてライセンス化し、サブスクリプション形式で提供します。
• 収益モデル： 月額サブスクリプション（SaaS型）
・ベーシックプラン：ノウハウデジタル化・最適動線表示
・プレミアムプラン：ARグラス連携・リアルタイム指示・エラー検知
• 拡張性
「作業論理」そのものを知財化しているため、類似した課題を持つ他業界のピッキング現場へも展開が可能です。
開発・導入ロードマップ
現場の抵抗感を最小限に抑えるため、段階的な導入支援を行います。
Phase 1：可視化（MVP検証）
熟練者の動きをデータ化し、最適ルートを算出するエンジンの検証。
Phase 2：支援（AR導入）
ARグラスを用いた実作業支援と、ミスゼロ化の実現。
Phase 3：定着・文化醸成
誰でも熟練者の動きができる状態を定着させ、現場全体の知識集約型への転換を完了する。