演習：画像AI導入計画を策定しよう
「理論はわかった。次はNetShop社の状況に当てはめて、導入計画を立ててくれ。」
田中VPoEがあなたにホワイトボードマーカーを渡す。
「グループ会社への提案書のドラフトを作るつもりで取り組んでほしい。倫理面のリスク評価も忘れずに。」
ミッション概要
NetShop社グループの2つの業務課題に対して、画像AI導入計画を策定する演習である。
Mission 1: 業務課題の分析（10分）
以下の2つのユースケースについて、それぞれ分析せよ。
ユースケースA: 商品画像品質チェック
- 現状: 検査員3名が1日5,000枚を目視チェック
- 不良率: 約2%（傷、色ムラ、ピント不良）
- 課題: 検査員による判定のばらつき、残業常態化
ユースケースB: 作物病害診断
- 現状: 農家がスマートフォンで撮影し、専門家にメール相談
- 対応時間: 平均3日（専門家の返信待ち）
- 課題: 専門家不足、対応の遅れによる被害拡大
タスク:
- 各ユースケースの画像AI活用パターン（品質検査/分類・診断/マルチモーダル）を特定する
- AI導入による期待効果を定量的に見積もる
- 各ユースケースでの偽陽性・偽陰性のコストを比較する
解答例
ユースケースA:
- 活用パターン: 品質検査（異常検知）
- 期待効果: 検査速度3倍（1名分の人件費削減）、判定ばらつき解消
- 偽陽性コスト: 良品を不良と判定 → 再検査コスト（低）
- 偽陰性コスト: 不良品の見逃し → 顧客クレーム、返品コスト（中〜高）
ユースケースB:
- 活用パターン: 分類・診断
- 期待効果: 診断時間を3日→数秒に短縮、早期対応で被害面積50%削減
- 偽陽性コスト: 健康な作物に不要な農薬散布 → コスト増（中）
- 偽陰性コスト: 病気の見逃し → 被害拡大、収穫量減少（高）
Mission 2: 倫理リスク評価（10分）
各ユースケースについて倫理リスク評価を実施せよ。
タスク:
- 想定されるバイアスのリスクを3つ以上列挙する
- 各リスクの深刻度（高/中/低）を評価する
- 各リスクに対する緩和策を提案する
解答例
ユースケースA（商品画像品質チェック）:
| リスク | 深刻度 | 緩和策 |
|---|---|---|
| 照明条件バイアス | 高 | 撮影環境の標準化、データ拡張 |
| 製品カテゴリバイアス | 中 | カテゴリ別モデルの構築 |
| 検査員ラベルの不一致 | 中 | 複数人によるラベリング、合意形成プロセス |
ユースケースB（作物病害診断）:
| リスク | 深刻度 | 緩和策 |
|---|---|---|
| 撮影条件のばらつき（屋外） | 高 | ロバストなデータ拡張、撮影ガイド |
| 地域・品種バイアス | 高 | 多地域データの収集、転移学習 |
| 希少病害の学習データ不足 | 中 | Few-shot learning、専門家フィードバック |
Mission 3: 技術選定と実装ロードマップ（10分）
タスク:
- 各ユースケースに適した技術スタック（モデル、フレームワーク）を選定する
- 3ヶ月間の実装ロードマップを作成する
- 各フェーズでの成功指標（KPI）を設定する
解答例
ロードマップ例:
| フェーズ | 期間 | 内容 | KPI |
|---|---|---|---|
| PoC | 1ヶ月 | 転移学習でベースライン構築 | Accuracy 90%以上 |
| 改善 | 1ヶ月 | データ拡張、Grad-CAMで解釈性確保 | Sensitivity 95%以上 |
| デプロイ | 1ヶ月 | HITL設計、A/Bテスト | 目視比30%以上の工数削減 |
技術スタック:
- モデル: EfficientNet-B3（精度と速度のバランス）
- フレームワーク: PyTorch + torchvision
- 解釈性: Grad-CAM
- マルチモーダル: CLIP（画像+テキスト統合）
提出物
以下の3点をまとめたドキュメントを作成すること。
- 業務課題分析シート（Mission 1）
- 倫理リスク評価マトリクス（Mission 2）
- 技術選定と実装ロードマップ（Mission 3）
推定所要時間: 30分