ROI事件ファイル No.397｜『Mystery Foods社の目視検査という限界』

---

第一章:1分間に100食という高速地獄——人の目では追いつけない

Globex CorporationのSBI事件が解決した翌日、今度は食品工場の品質管理に関する相談が届いた。第三十二巻「再現性」の第397話は、DESCで客観的に問題を構造化する物語である。

「探偵、我々には、時間がありません。1分間に100食。ベルトコンベアは止まりません。作業者は3名。1人が1分間に33食を目視検査します。1食あたり1.8秒。この時間で、異物混入、包装の破れ、ラベルの剥がれを見つけなければなりません。不可能です。見逃します。毎月、2~3件の不良品が市場に流出します」

Mystery Foods社 の品質管理部長、川崎出身の田辺優子は、切迫した表情でベイカー街221Bを訪れた。彼女の手には、不良品流出報告書の束と、それとは対照的に「AI Vision Inspection System 2026」と記された希望に満ちた提案書が握られていた。

「我々は、個包装の冷凍食品メーカーです。従業員220名。年商68億円。主力商品は冷凍餃子、チャーハン、唐揚げ。製造ラインは50ライン。1日の生産量は48,000食。しかし、最終検査工程は全て人の目視です。限界です」

Mystery Foods社の現状: - 設立:1992年(個包装冷凍食品製造) - 従業員数:220名 - 年商:68億円 - 製造ライン:50ライン - 問題:目視検査の限界(1食1.8秒)、不良品流出(月2~3件)、検査員の人手不足

田辺の声には深い危機感があった。

「検査工程の実態を見てください。ライン1本あたり、1分間に100食が流れます。検査員は3名配置。つまり、1人が1分間に33食を検査します。1食あたり1.8秒。この短時間で、5つの検査項目を確認しなければなりません」

検査工程の詳細:

検査項目(5項目): 1. 異物混入の有無(髪の毛、虫、金属片など) 2. 包装フィルムの破れ・穴 3. 内容量の過不足(目視で判断) 4. ラベルの欠損・剥がれ 5. 賞味期限印字の不良

検査体制(ライン1本あたり): - 検査員:3名 - ライン速度:100食/分 - 1人あたり検査数:33食/分 - 1食あたり検査時間:1.8秒 - 勤務時間:8時間/日(休憩除く実働7時間) - 1人1日検査数:33食/分 × 420分 = 13,860食

1日の総検査数: - 50ライン × 3名 × 13,860食 = 2,079,000食 - 実際の生産量:48,000食 - 差分:検査能力は十分だが、実際には見逃しが発生

田辺は深くため息をついた。

「問題は、1.8秒という時間です。人間の認知能力の限界を超えています。検査員は、集中力を維持できません。2時間を過ぎると、見逃し率が急増します。実際のデータがあります」

見逃し率の推移(勤務時間別):

勤務時間	見逃し率	不良品発見率
0~1時間	2.1%	97.9%
1~2時間	3.8%	96.2%
2~3時間	6.5%	93.5%
3~4時間	9.2%	90.8%
4~5時間(昼休憩後)	4.1%	95.9%
5~6時間	7.3%	92.7%
6~7時間	11.8%	88.2%
平均	6.4%	93.6%

発見: - 勤務6~7時間目の見逃し率が11.8% - 平均でも6.4%の不良品を見逃す - 1日48,000食 × 6.4% = 3,072食の不良品が素通り(可能性) - ただし、実際には次工程で発見されるため、市場流出は月2~3件

「そして、人手不足です。検査員の平均年齢は56歳。10年前は35歳でした。若い人が来ません。立ち仕事で、8時間ベルトコンベアを見続ける。誰もやりたがりません。求人を出しても、応募がありません」

検査員の人材難:

検査員の年齢構成(150名): - 20代:8名(5.3%) - 30代:15名(10%) - 40代:32名(21.3%) - 50代:58名(38.7%) - 60代以上:37名(24.7%) - 平均年齢:56歳

10年前(2016年): - 平均年齢:35歳 - 60代以上:2%

求人状況(2025年): - 求人数:年間30名 - 応募数:8名 - 採用数:3名 - 充足率:10%

「2社に相談しました。AI外観検査システムのベンダーです。しかし、見積もりが高額でした。1ライン5,000万円。50ライン全てに導入すれば、25億円。とても払えません。もっと安価なシステムはないのでしょうか」

ベンダー見積もり(2社):

A社: - システム名:AI Vision Pro - 1ラインあたり費用:5,000万円 - 50ライン:25億円 - 検査精度:99.2% - 導入期間:1ライン2ヶ月

B社: - システム名:SmartInspector - 1ラインあたり費用:4,800万円 - 50ライン:24億円 - 検査精度:98.8% - 導入期間:1ライン1.5ヶ月

「予算は確保しています。来期で2億円。しかし、25億円は無理です。どうすればいいのでしょうか」

---

第二章:高精度AIを全ライン導入すれば解決するという幻想——問題が構造化されていない

「田辺さん、高精度AIを全ライン導入すれば問題が解決すると思っていますか?」

私の問いに、田辺は戸惑った表情を見せた。

「えっ、そうではないのですか? AIの検査精度は99%以上です。人間の93.6%より高い。全ライン導入すれば、不良品流出はゼロになると思っていました」

現在の理解(全ライン導入型): - 期待:高精度AI × 全50ライン = 不良品ゼロ - 問題:問題の構造(何が本当の課題か)が整理されていない

私は、DESCで問題を段階的に構造化する重要性を説いた。

「問題は、『全ライン導入すれば解決する』という考えです。DESC——Describe, Express, Specify, Choose。事実の記述、感情の表現、具体的提案、選択の提示。この4段階で問題を構造化することで、再現可能な最適解が見えてきます」

⬜️ ChatGPT｜構想の触媒

「全ライン導入に頼るな。DESCで問題を段階的に構造化し、真の課題を見つけよ」

🟧 Claude｜物語の錬金術師

「問題は、いつも『感情』と『事実』が混ざっている。4つのステップで分離することが肝心」

🟦 Gemini｜理性の羅針盤

「DESCフレームワークを適用せよ。Describe → Express → Specify → Choose」

3人のメンバーが分析を開始した。Geminiがホワイトボードに「DESC分析フレームワーク」を展開した。

DESCフレームワーク: - Describe(記述):客観的事実は何か? - Express(表現):主観的な感情・懸念は何か? - Specify(具体化):具体的な提案は何か? - Choose(選択):選択肢とその結果は何か?

「田辺さん、まず問題を4段階で構造化しましょう」

---

第三章:Phase 1——DESCで問題を段階的に構造化

ステップ1:Describe(記述)——客観的事実は何か?(Week 1)

問い: 「感情を排除して、客観的な事実だけを列挙すると?」

事実の記述:

事実1:検査精度 - 人間の平均検査精度:93.6% - 見逃し率:6.4% - 1日見逃し可能性:3,072食(48,000食 × 6.4%) - 実際の市場流出:月2~3件(年間30件)

事実2:検査コスト - 検査員数:150名(50ライン × 3名) - 1人あたり年収:350万円 - 年間人件費:150名 × 350万円 = 5億2,500万円

事実3:不良品流出の影響 - 過去5年の流出件数:150件 - リコール発生:2回 - リコール費用:1回あたり平均3,200万円 - 5年間リコール総額:6,400万円 - ブランド毀損:定量化困難

事実4:ライン別の不良発生率

ラインタイプ	ライン数	不良発生率	年間不良数
高速ライン(100食/分)	15本	8.2%	18件
中速ライン(60食/分)	25本	5.1%	10件
低速ライン(30食/分)	10本	2.3%	2件

発見: - 高速ライン15本で、全体の60%(18/30件)の不良を発生 - 低速ライン10本では、ほぼ不良なし(2/30件)

---

ステップ2:Express(表現)——主観的な感情・懸念は何か?(Week 1-2)

問い: 「事実を踏まえて、関係者はどんな感情・懸念を持っているか?」

感情・懸念の表現:

田辺(品質管理部長)の懸念: - 「いつか大きな事故が起きるのではないか」(不安) - 「25億円の予算は絶対に通らない」(絶望) - 「検査員の平均年齢56歳。あと10年で全員退職したらどうなる?」(恐怖)

経営層の懸念: - 「2億円の予算は出せる。しかし25億円は無理」(予算制約) - 「投資回収期間は3年以内でなければ株主に説明できない」(ROI要求) - 「不良品流出でブランドが傷つくことが最大のリスク」(リスク回避)

検査員の懸念: - 「AIが導入されたら、自分たちは解雇されるのか?」(雇用不安) - 「1.8秒で5項目は無理。でも仕事だから頑張っている」(業務負荷) - 「若い人が来ない。自分たちだけでいつまで続けられるか」(将来不安)

感情の構造化: - 全員が「現状は持続不可能」と認識 - しかし「全ライン導入は現実的でない」とも認識 - 「段階的アプローチ」を望んでいる(暗黙)

---

ステップ3:Specify(具体化)——具体的な提案は何か?(Week 2-3)

問い: 「事実と感情を踏まえて、具体的にどんな提案ができるか?」

提案の具体化:

提案1:高速ライン15本に集中投資 - 対象:高速ライン15本(全体の60%の不良発生源) - 費用:5,000万円/本 × 15本 = 7.5億円 - 削減効果:年間18件の不良流出 → 約2件に削減 - 投資回収期間:後述

提案2:カスタマイズシステムで単価削減 - 高精度AI(99.2%)は不要 - 95%の精度でも人間(93.6%)より高い - カスタマイズで1ライン3,000万円に削減 - 15本:3,000万円 × 15本 = 4.5億円

提案3:段階的導入(3年計画) - Year 1:高速ライン5本(1.5億円) - Year 2:高速ライン5本(1.5億円) - Year 3:高速ライン5本(1.5億円) - 年間予算:2億円以内に収まる(残0.5億円は保守費用)

提案4:検査員の再配置 - AI導入ライン:検査員3名 → 1名(AI監視) - 削減された検査員2名:中速・低速ラインに再配置 - 解雇なし、配置転換のみ

---

ステップ4:Choose(選択)——選択肢とその結果は何か?(Week 3-4)

問い: 「複数の選択肢を提示し、それぞれの結果を比較すると?」

選択肢の比較:

選択肢A:全ライン即時導入(田辺の当初案) - 費用:25億円 - 導入期間:4年(50本 × 1ヶ月) - 効果:不良流出ゼロ - 問題:予算不足、現実的でない

選択肢B:高速ライン15本に高精度AI(ベンダー提案) - 費用:7.5億円 - 導入期間:1.5年(15本 × 1ヶ月) - 効果:不良流出60%削減(18件 → 7件) - 問題:予算オーバー(要7.5億円、予算2億円 × 3年 = 6億円)

選択肢C:高速ライン15本にカスタムAI、段階導入(推奨案) - 費用:4.5億円(3,000万円 × 15本) - 導入期間:3年(Year 1~3で5本ずつ) - 効果:Year 3完了時に不良流出70%削減(18件 → 5件) - 予算:適合(年間2億円 × 3年 = 6億円、残1.5億円)

選択肢D:何もしない(現状維持) - 費用:0円 - 効果:不良流出継続(年間30件) - リスク:検査員の高齢化、リコール費用継続

比較表:

選択肢	初期費用	年間効果	投資回収	実現性
A:全ライン	25億円	30件削減	25年	×
B:高速15本(高精度)	7.5億円	18件削減	12年	△
C:高速15本(カスタム)	4.5億円	18件削減	7年	◎
D:現状維持	0円	0件削減	-	×

推奨:選択肢C

---

第四章:Phase 2——選択肢Cの実行と効果測定

Month 1-12(Year 1):高速ライン5本導入

カスタムAIシステム開発:

仕様: - 検査精度:95%(人間93.6%より高いが、99.2%より低い) - カメラ:4台/ライン(上面、側面×2、下面) - AI:軽量モデル(推論速度優先) - 検査速度:100食/分(高速ライン対応) - 検査項目:5項目(異物、破れ、内容量、ラベル、印字)

コスト削減の工夫: - 汎用カメラ使用(産業用カメラの1/3) - クラウドAIではなくエッジAI(ランニングコスト削減) - 既存ラインへの後付け(ライン停止不要)

1ラインあたりコスト: - ハードウェア:1,200万円 - ソフトウェア開発:1,500万円 - 設置・調整:300万円 - 合計:3,000万円

Year 1効果測定(5本導入):

指標	Before	After	改善率
検査精度	93.6%	95%	+1.4pt
見逃し率	6.4%	5%	-1.4pt
不良流出(5本分)	6件/年	2件/年	67%減
検査員数(5本)	15名	5名	67%減

人件費削減: - 削減人員:10名 - 年間削減額:10名 × 350万円 = 3,500万円/年

---

Year 2-3:残り10本導入

Year 2:5本追加(合計10本) - 投資:1.5億円 - 削減人員:累計20名 - 年間削減額:7,000万円/年

Year 3:5本追加(合計15本) - 投資:1.5億円 - 削減人員:累計30名 - 年間削減額:1億500万円/年

---

Year 3完了時の総合効果:

不良流出削減: - 高速ライン15本の不良:18件/年 → 6件/年 - 削減:12件/年 - リコール回避:12件 × 5年 × 3,200万円 × 40% = 7億6,800万円(5年間)

人件費削減: - 削減人員:30名 - 年間削減額:1億500万円 - 3年累計:3,500万円(Year 1) + 7,000万円(Year 2) + 1億500万円(Year 3) = 2億1,000万円

検査員の再配置: - 解雇:0名 - 中速・低速ラインへ再配置:30名 - → 中速・低速ラインの検査精度向上(93.6% → 96.5%)

---

投資: - Year 1:1.5億円 - Year 2:1.5億円 - Year 3:1.5億円 - 合計:4.5億円 - 年間保守費用:1,500万円(100万円/本 × 15本)

ROI(Year 3完了時): - 年間効果:1億500万円(人件費削減) - リコール回避:年間2,400万円(12件 × 200万円/件) - 合計年間効果:1億2,900万円 - (1億2,900万円 - 1,500万円) / 4.5億円 × 100 = 253% - 投資回収期間:4.5億円 ÷ 1億1,400万円 = 3.9年

Year 4以降(保守費のみ): - 年間効果:1億2,900万円 - 年間コスト:1,500万円 - 年間利益:1億1,400万円(継続)

---

第五章:探偵の診断——事実と感情を分離し、段階的に提案することが、最適解への道

その夜、DESCの本質について考察した。

Mystery Foods社は、「高精度AIを全ライン導入すれば解決する」という幻想を持っていた。しかし、予算25億円は現実的でない。問題は、事実と感情が混在し、冷静な判断ができていなかったことだ。

DESCで問題を構造化した。Describe(高速ライン15本で60%の不良発生)、Express(25億円は無理という絶望)、Specify(カスタムAIで3,000万円/本)、Choose(段階導入で年間2億円予算内)。

この構造化により、現実的な解が見えた。選択肢Cの段階導入で、Year 3に年間1.2億円の効果、ROI 253%、投資回収3.9年。

重要なのは、「完璧な解決策」を追うのではなく、「現実的な最適解」を見つけることだ。DESCで事実と感情を分離し、複数の選択肢を比較することで、再現可能な意思決定が実現する。

「全ライン導入に頼るな。DESCで問題を段階的に構造化し、真の課題を見つけよ。事実と感情を分離し、複数の選択肢を比較することで、再現可能な最適解が見える」

次なる事件もまた、問題を構造化する瞬間を描くことになるだろう。

---

「DESC——Describe, Express, Specify, Choose。事実を記述し、感情を表現し、提案を具体化し、選択肢を示せ。事実と感情の分離が、再現可能な意思決定を生む」——探偵の手記より

---

関連ファイル