AI外観検査の提案を集めても、各社が語る「精度」や「PoCの条件」が揃っておらず、横並び比較ができない——。この記事は、情報システム・生産技術・調達部門がRFPで見るべき評価軸を整理し、選定が長期化しないための出発点を考えます。
検査工程の人手不足、熟練者の退職、多品種少量化による目視負荷の増大——製造・物流の現場では、外観検査の自動化を検討せざるを得ない状況が広がっていると考えられます。経営としてAI外観検査のRFPを出し、複数社から提案が集まる。ところが各社の資料を並べると、ある社は「認識率99%超」を掲げ、別の社は「まずPoCから」と言い、さらに別の社は月額サブスクの体系を示す。前提も粒度も違い、そのままでは優劣を判断できない——このつまずきは珍しくないと考えます。
選定が長期化する原因は、多くの場合ベンダーの能力差そのものではなく、比較の土俵（前提条件）が揃っていないことにあると考えられます。同じ「精度」という言葉でも、母集団も、良品/不良品の定義も、撮像条件も違えば、数字は比較不能です。評価軸を先に自社で定義しないままRFPを出すと、各社が各社の得意な前提で語り、意思決定者は「どれも良さそうだが決め手がない」状態に陥りがちです。
本来RFPは、発注側が評価軸を提示し、各社を同じ物差しで測るための道具です。しかしAI外観検査は成果が現物・現場条件に強く依存するため、汎用ITシステムの調達テンプレートがそのままでは機能しにくい領域だと考えられます。だからこそ、精度・PoC・運用・拡張という各軸で「何をどう問うか」を先に整理しておくことが、選定を短くする鍵になりうると考えます。検査ベンダー選定基準の実務も併せて参照すると、評価の勘所が具体化しやすいと考えます。
提案書に並ぶ「精度◯%」「認識率◯%」は、そのままでは比較の根拠になりにくいと考えられます。まず確認したいのは、その数字が何を分母・分子にしているかです。全検査点数に対する正解率なのか、不良のみを対象にした検出率なのか、それとも良品を良品と判定できた率なのか。外観検査では、見逃し（不良を良品と誤る）と過検出（良品を不良と誤る）でビジネス上の意味がまったく異なります。
多くの現場で、流出させてはならない不良の見逃しを抑えることが最優先になりますが、過検出が多いと良品まで排除して歩留まりや再検査工数が悪化します。この二つはトレードオフの関係になりやすく、一つの「精度%」に丸めた瞬間に意思決定に必要な情報が失われると考えます。RFPでは「見逃し率（再現率）」「過検出率」「良品正解率」を分けて提示するよう求めるのが誠実な比較につながると考えられます。
精度以前に、何を不良とみなすかの合意がなければ数字は評価できません。同じ傷でも、出荷可否の基準は製品・顧客・用途で変わります。限度見本（合格・不合格の境界サンプル）が曖昧なまま測った精度は、ベンダーが独自に引いた線での自己採点になりがちです。判定基準の言語化と限度見本の整備は、実は発注側の宿題であり、ここが定まると各社の数字が初めて同じ土俵に乗ると考えます。なお具体的な数値は、あくまで自社の現物・現場条件での検証を前提としたモデル上の一例として扱うべきだと考えられます。
各社が自前の条件で実施したPoC結果を並べても、比較にはなりにくいと考えられます。片方が理想的な撮像環境と潤沢なサンプルで、もう片方が現場に近い厳しい条件で検証していれば、数字だけを見て優劣を決めるのは危ういからです。比較可能性を担保するには、発注側が共通のPoC条件を定義し、各社に同じ土俵で検証してもらう設計が有効だと考えます。
具体的には、(1)同一の評価用サンプル群（良品・不良品・境界品を含む）、(2)撮像条件（カメラ・レンズ・ライティング・ワーク搬送）、(3)学習に使ってよいデータと評価に使うデータの分離、(4)合否判定基準（限度見本）、(5)評価指標の定義、を統一するのが望ましいと考えられます。特にライティングは外観検査の成否を左右しやすい要素で、元キーエンス画像処理事業部の現場知見でも、照明設計が決まらないうちのアルゴリズム比較は前提が崩れやすいと整理できます。
ここで重要なのは、PoCの目的を「どのベンダーが勝つか」ではなく「自社の要件が技術的に成立するか、成立の条件は何か」を確かめる場と位置づけることだと考えます。ベンダー中立の立場で要件を整理し検証を設計するPoC・導入支援の考え方を使うと、各社比較の前段で土俵づくりそのものを客観化できると考えられます。OCR領域でのOCRベンダー比較の視点も、条件を揃えて比べる発想の参考になると考えます。
AI外観検査は、導入時点の精度がゴールではなく運用開始が起点だと考えられます。生産品目の切り替え、材料ロットの変動、季節による外光の変化、新しい不良モードの出現——現場は変化し続け、モデルはそのままでは徐々に実態と乖離していきうるからです。したがってRFPでは、初期精度と同じ比重で運用フェーズの体制を問うべきだと考えます。
新しい不良や誤判定が出たとき、再学習やしきい値調整を誰が担うのか。ベンダー依頼が必須なのか、自社で回せる仕組みが提供されるのか。1回あたりの費用と期間はどの程度か。この運用モデルは総保有コスト（TCO）と現場の自走可能性を大きく左右すると考えられます。内製と協業の判断にも直結する論点で、体制設計を後回しにすると、稼働後に「調整のたびに止まる／費用が読めない」状態になりうると考えます。
AIが判断に迷うグレーゾーンをどう扱うかも設計事項です。自動で不良側に倒すのか、人の目視に回すのか、保留キューに送るのか。ラインを止めない運用と、流出させない品質保証の両立には、人とAIの役割分担の明文化が要ると考えます。あわせて、判定ログの保存・トレーサビリティ、監査対応、責任分界点（どこまでがベンダー保証か）も、後の社内説明やガバナンス上で問われる項目になると考えられます。
最初の1品種・1ラインで成功しても、他品種・他拠点へ展開できなければ投資対効果は限定的になりがちです。RFPでは、横展開のしやすさを評価軸に含めたいと考えます。新品種の追加にどれだけの追加データ・工数がかかるか、複数拠点で同じ仕組みを再現できるか、エッジ（Jetson等の現場端末）とサーバ・クラウドのどちらで動くか、ネットワークやセキュリティ要件と整合するか、といった点です。
導入の議論では見落とされがちですが、やめる時・乗り換える時のコストを選定段階で確認しておくことは、意思決定者にとって誠実なリスク管理だと考えます。学習データや設定は自社に残るのか、判定ロジックはブラックボックスか、特定ハードや特定クラウドに強く縛られないか。撤退可能性が担保されているほど、初期選定の心理的ハードルは下がり、かえって前に進めやすくなりうると考えます。
また、投資判断で補助金・税制の活用を検討する場合、対象や要件は年度や制度で変わりうるため、適用可否や金額は所管省庁の最新の公表資料でご確認いただくのが確実だと考えます。ここで示す考え方は一般的な整理であり、具体的な適用は個別確認が前提になると考えられます。
評価軸を整えても、運用と現場条件の視点が抜けると選定は迷走しやすいと考えられます。特に起こりがちなものを挙げます。
以上を踏まえると、RFPをいきなり出す前に発注側で要件と評価軸を固める順序が、結果的に選定を短くする近道になりうると考えます。おおまかな流れは次のように整理できます。
(1)現物・不良サンプルを集め、良品/不良品の判定基準と限度見本を言語化する。(2)撮像・ライティングを含むPoC共通条件を定義する。(3)評価指標（見逃し率・過検出率・良品正解率）を分けて定める。(4)運用・再学習・撤退可能性を評価軸に加えたRFPを作る。(5)同一条件で各社PoCを実施し、同じ物差しで比較する。このうち(1)〜(3)は発注側の宿題であり、ここが曖昧だとどんなに良いベンダーでも評価が収束しないと考えられます。
とはいえ、判定基準の言語化やPoC設計は、初めての導入では自社だけで進めにくい領域でもあります。ベンダー中立で要件を整理し現物で検証を設計する第三者を早い段階で入れることは、特定社に寄らない客観的な選定につながりうると考えます。客観的な把握と現物検証を出発点にする——この一歩が、長期化しがちな選定を前に進める確度を高めると考えます。判断に迷う点があれば、まずは相談するところから整理を始めるのも一つの方法だと考えられます。
まず「良品/不良品の定義と限度見本」を発注側で言語化することが出発点になると考えられます。ここが定まらないと、各社の示す精度が同じ土俵で比較できないためです。その上で、見逃し率・過検出率を分けた精度指標、統一したPoC条件、運用・再学習体制、拡張性と撤退可能性を軸に据えると比較しやすくなると考えます。
数字だけで判断するのは避けたほうがよいと考えられます。分母（全数か不良のみか）、良品/不良品の定義、撮像条件、評価データの分離によって意味が大きく変わるためです。同一サンプル・同一条件で自社の現物を用いて検証し、見逃し率と過検出率を分けて確認することが前提になると考えます。数値はあくまで検証前のモデル上の一例として扱うのが誠実だと考えます。
発注側が共通条件を定義することが要になると考えられます。同一の評価サンプル群、撮像・ライティング条件、学習/評価データの分離、合否の限度見本、指標の定義を揃え、各社に同じ土俵で検証してもらう設計が有効です。PoCの目的を勝ち負けでなく「自社要件が成立する条件の把握」に置くと、比較の精度が上がると考えます。
初期費用だけでなく、再学習や調整を誰がいつどのコストで担うかを含めた総保有コスト（TCO）で見ることが重要だと考えられます。品目変更や新しい不良の出現に対し、自社で回せるのかベンダー依頼が必須なのか、1回あたりの費用と期間はどの程度かを確認すると、稼働後の負担が読みやすくなると考えます。
設備投資やDX関連の支援制度が活用できる場合はありますが、対象・要件・金額は年度や制度で変わりうるため、適用可否は所管省庁の最新の公表資料でご確認いただくのが確実だと考えます。ここで示すのは一般的な考え方であり、具体的な適用は個別の要件確認が前提になると考えられます。
精度%やPoC条件を横並びで比べる前に、良品/不良品の定義と検証条件を揃えることが選定を短くする近道になりうると考えます。ベンダー中立の立場で、まずは現物・現場条件からの客観的な把握と検証を始めるところからご一緒します。
RFP評価軸の整理について相談する