XENOM共同創業者、Andrei Kulik氏 — インタビューシリーズ

Andrei Kulik氏はXENOMの共同創業者兼CEOです。デバイス上で動作するAI、分散システム、機械学習の経験を産業現場の業務に生かしています。以前、AIMatterを共同創業し、同社はGoogleに買収されました。その後、Googleでコンシューマー向けデバイス用のAIシステムに携わりました。これまでのキャリアを通じて、現実のハードウェアや環境に伴う実用上の制約のもとで、高度なAIを安定して動作させることに取り組んできました。

XENOMは、ソフトウェアとスマート保護具を組み合わせた産業向けAIプラットフォームを開発し、現場の状況をリアルタイムで把握できるようにしています。同社のシステムは、位置情報、従業員間のコミュニケーション、環境センシング、安全に関するデータを統合します。このインタビューでは、Kulik氏がエッジAI、スマートヘルメット、人による監督、従業員のプライバシー、そして産業現場のモニタリングから予測型の意思決定支援へと進む道筋について語ります。

以前、AIMatterを共同創業し、同社はGoogleに買収されました。その後、コンシューマー向けデバイス上で直接動作するAIシステムの開発に何年も取り組まれました。XENOMを共同創業しようと思ったきっかけは何ですか。また、Googleでの経験は、産業環境にAIを導入するというビジョンにどのような影響を与えましたか？

買収後、私はある特定の課題に何年も取り組みました。ポケットに入るサイズのデバイス上で、限られたバッテリー容量や不安定な接続環境、そして実験室では完全に再現できない現実の状況に対応しながら、高度なAIを安定して動作させるにはどうすればよいか、という課題です。その成果を、スマートフォン、メガネ、イヤホンなど、数十億台のデバイスに展開しました。やがて、このアーキテクチャをほかのどこで生かせるだろうかと考えるようになりました。コンシューマー向けデバイスは便利ですが、産業現場では、誤った判断、あるいは判断がなされないことの代償が人命や数百万に上る生産性の損失となります。今なお、現場で何が起きているかをリアルタイムで把握できていない産業施設がほとんどです。この課題こそ、私たちが何年もかけて築いてきた技術で解決するのにふさわしいと感じました。

XENOMは、AI搭載ソフトウェアとスマート保護具を組み合わせ、産業現場の業務をリアルタイムで把握できるようにしています。従来の産業安全システムにはどのような大きな死角があり、一般的なモニタリング技術では解決が難しい課題に、貴社のプラットフォームはどのように対応するのでしょうか？

根本的な問題は、ほとんどのシステムが、何かが起きるのを防ぐのではなく、起きたことを記録するために設計されている点です。作業員の位置情報は数分ごとに更新されます。タイムシートは勤務終了時に記入されます。安全規則違反は、事故報告書が提出された後に記録されます。管理者がデータを確認する頃には、勤務時間が終わっているか、すでに事故が起きています。もう一つの死角は、システムの分断です。企業によっては、ガス監視システム、別個の入退室管理システム、紙ベースの個人用保護具（PPE）チェックリスト、手作業による勤怠管理が併存していますが、これらは互いに連携していません。XENOMはそれらをすべて置き換え、現場から得られるデータを一元的かつ継続的に収集してリアルタイムで処理します。これにより、管理者はばらばらの5つの情報ではなく、現場全体を一貫して把握できます。

これまでのキャリアの多くを、リソースに制約のあるデバイス向けの機械学習や大規模言語モデル（LLM）の推論処理の最適化に費やされてきました。こうした原則を産業環境にどのように応用していますか。また、クラウドインフラに頼るのではなく、エッジでAI処理を行う技術的な利点は何でしょうか？

リソースに制約のあるデバイスを扱うと、あらゆるミリ秒、ミリワット、バイトに正当な理由が必要だという姿勢が身につきます。これは産業用ヘルメットに求められる考え方そのものです。ヘルメットは勤務中ずっと着用されるため、11時間目にも1時間目と同じように安定して動作しなければなりません。私たちは処理を意図的に分けています。音声ストリームやセンサー信号の処理、転倒や衝撃の検知といった、時間的制約が厳しくデータ量の多いタスクは、ヘルメット内のNPUで実行します。その際、ハードウェアに合わせて圧縮・調整したモデルを使います。一方、現場全体の状況把握や、より高度な分析はプラットフォーム側で行います。

エッジ処理には、実用上の利点が4つあります。1つ目は速度です。サーバーとの往復通信を待たずに、デバイスがイベントに即座に反応できます。2つ目は信頼性です。軽量なデバイス上のモデルは予測どおりに動作しますが、処理経路に要素が一つ増えるたびに、障害点も一つ増えます。3つ目はネットワーク負荷です。何百台ものヘルメットが音声やセンサーの生データを絶えず送信することはできないため、それぞれのヘルメットから送るのは分析結果です。4つ目はバッテリーの持続時間です。デバイスの処理のなかでも、データ送信は特に電力を消費します。そのため、端末内で処理して送信量を減らせば、稼働時間を延ばせます。

XENOMは、位置情報、コミュニケーション、環境センシング、AI機能を統合したスマートヘルメットを開発しました。特に、接続環境やバッテリーの持続時間、動作の信頼性が予測しにくい環境で、これらの技術を一つにまとめるにあたり、最も困難だったエンジニアリング上の課題は何でしたか？

最も難しかったのは、個々の技術ではなく、一般消費者向け電子機器の大半が壊れてしまうような環境で、それらすべてを一台のデバイスに組み込み、安定して共存させることでした。産業現場は汚れが多く、身体的な負荷が大きいうえ、極端な温度にさらされます。ヘルメットは落とされたり、雨にさらされたりしながら、12時間勤務で着用されます。測位、センサー、通信、AI推論を同時に稼働させると、バッテリー駆動時間が現実的な制約になります。さらに、接続性のアーキテクチャも課題でした。屋外のRTK衛星測位から、屋内の独自UWBメッシュネットワークへシームレスに切り替えられ、作業員が両者の間を移動しても測位精度が途切れないようにする必要がありました。この切り替えを自動で、確実に、リアルタイムで実現することは、私たちが手がけた中でも技術的に特に難しい課題の一つでした。

御社のチームは、音声からアルコールの影響による兆候を検知できる音声AIモデルを開発し、従来の学術的なベンチマークを上回る性能を報告しています。これを可能にした技術的なブレークスルーは何でしょうか。また、異なる言語やアクセント、背景雑音のレベル、実際の労働環境において、システムの信頼性をどのように検証していますか？

重要な発見は、酩酊状態になると、発話の微細なパターンに検知可能な特徴が現れるということでした。言葉そのものではなく、話すタイミングや声の高さの変化、発音の正確さといった音響的な特性です。通常の音声通信中に、専用の検査を受けたり、作業員が何か操作したりする必要なく、こうしたパターンをバックグラウンドで分析するモデルを開発しました。正答率86.7％という数値は、公表済みの学術データセットを用いた厳密なベンチマークテストで得られたものです。実環境での検証では、実際の産業現場を想定した言語やアクセント、背景雑音の条件でテストしています。重機の音や風の音、複数の人が同時に話す状況などです。モデルには、管理された研究環境とはまったく異なる条件でも機能するだけの堅牢性が求められました。その実現には、多様な学習データを用意し、繰り返し改良を重ねる必要がありました。

作業員の能力低下や疲労を特定するAIシステムには、誤検知や説明責任をめぐる重大な懸念が伴います。XENOMは、リスクを早期に検知することと人による確認の必要性とのバランスをどのように取っていますか。また、AIによる誤った評価が作業員に不当に影響するのを防ぐため、どのような安全策を設けていますか？

これは、当初から非常に慎重に検討してきたことです。このシステムは、懸念事項を上司に知らせるように設計されており、自律的に措置を講じるものではありません。能力低下の可能性があるというAIの評価を受けて、人が確認を行います。上司は作業員を直接観察したり、質問したり、必要と判断すれば身体検査を求めたりできます。AIが作業員を現場から退場させることはありません。人が、そうでなければ得られなかった情報をより早く得て、判断を下せるようにするものです。また、導入後の誤検知率を追跡し、モデルを継続的に改善しています。目指しているのは、誰も気づかなかったために起きる事故を減らすことであり、アルゴリズムだけを根拠に作業員を罰するシステムを作ることではありません。

XENOMを創業する前は、OneSoilのCTOを務め、コンピュータービジョンと機械学習を農業のモニタリングや生産性分析に活用されていました。農業分野でAIを導入した経験から得た教訓のうち、建設現場、鉱山、港湾、エネルギー施設向けのインテリジェントシステムを開発する際に、特に役立っているものは何ですか？

現実世界へのAI導入は、ソフトウェアへの導入とは根本的に異なる課題です。状況にばらつきがあり、機器は毎回同じように動くとは限らず、何十年も仕事を続けてきた現場の作業員は、やり方を変えるよう指示するものに強い懐疑心を抱いています。産業現場にも同じ構図があります。人々の予想を上回るほど常に正確であることで、技術は信頼を得なければなりません。また、50人の作業員を管理する人が、研修を受けなくても実際に使えるほど簡単である必要があります。もう一つの教訓は、現場のデータ品質は、事前の想定よりも悪い場合がほとんどだということです。ノイズやデータの欠落、整ったデータセットには決して現れない例外的な状況にも耐えられるシステムを構築しなければなりません。

産業向けAIプラットフォームは、作業員の位置や活動、通信、生産性に関する詳細な情報を生成できます。こうした技術によって安全性と業務効率が確実に向上するようにしながら、データのプライバシーや従業員の同意、職場での監視につながる可能性にどう取り組んでいますか？

私たちは、目的による制限という観点からこの問題を考えています。XENOMが収集するデータは、安全確保と業務状況の把握を目的とするものであり、生産性を監視するツールではありませんし、そのように利用すべきでもありません。導入前に事業者と協力して、何を収集するのか、どれだけの期間保存するのか、誰がアクセスできるのか、人事上の判断に利用できるのはどのような場合かといった、明確なデータガバナンス方針を定めます。生産性分析では、作業員の位置データを集計し、匿名化します。個人単位の追跡データは、緊急時対応のために安全管理者が利用できる一方、直属の管理者が人事評価に使うことはできません。EU AI法の対象が産業用AIシステムに広がるにつれ、規制の枠組みの中で、こうした取り組みの多くが正式に定められると考えています。対応に追われるよりも、先んじて準備しておきたいと思っています。

制御された実験室環境から、安全性が極めて重要な産業現場のオペレーションへAIを導入するには、ソフトウェアだけを扱うAI企業がめったに直面しない課題があります。XENOMを実際の現場に導入する中で、最も意外だったことは何ですか。また、この技術が事故防止、業務効率、従業員の生産性に実質的な改善をもたらしているかどうかを、どのように測定していますか。

最も意外だったのは、人々がどこにいて、時間がどのように使われているかを正確に把握するだけで、大きな価値が生まれることです。現場の担当者との話し合いでは、安全が中心的なテーマになると予想していました。しかし実際には、生産性の可視化、つまりシフト中にどこで時間が失われているのか、特定のチームがほかのチームより高い成果を上げるのはなぜか、ボトルネックがどこにあるのかを把握することが、多くの場合、より早く投資収益率（ROI）を生み、社内でこのプラットフォームを支持する人々をはるかに早く増やします。もう一つ意外だったのは、業界ごとに、さらには同じ業界内でも現場ごとに大きな違いがあることです。ドイツの建設現場とUAEの建設現場では、業務の進め方が大きく異なります。大幅な改良を重ねずに、一つの製品を作ればどこでも使えると考えることはできません。

今後を見据え、XENOMは、モニタリングにとどまらず、リスクを予測し、業務上の判断を提案できる産業用AIコパイロットの実現を目指しています。今後5年間で、フィジカルAIはどのように進化するとお考えですか。また、人間による監督を維持しながら、産業用AIシステムがより高い自律性を持って稼働するには、どのような技術的ブレークスルーがまだ必要でしょうか。

現在の産業用AIは、主に状況の可視化、つまり何が起きているかを把握する段階にあります。次の段階は予測です。事故や生産性の低下が起こる前に、それらに先行するパターンを特定します。そのためには、構造化され、ラベル付けされたデータを長期にわたり大規模に蓄積する必要があります。まさにそれをXENOMは初日から進めています。その次の段階は提案です。システムは何が起こりそうかを伝えるだけでなく、何をすべきかも提案します。人員をどのように再配置するか、いつ作業を中断するか、特定の作業でどのチーム編成が最良の成果を生むか、といった提案です。私たちが産業用AIコパイロットで目指しているのは、この第三段階です。これに必要な技術的ブレークスルーは、主にモデル開発の進歩ではなく、データの問題です。安定して汎化するモデルを訓練するには、多様な現場から十分な量の高品質な業務データを集める必要があります。今からそのデータを収集し始める企業は、後から再現するのが非常に難しい優位性を得るでしょう。

素晴らしいインタビューをありがとうございました。エッジAI、スマート保護具、産業現場のリアルタイム安全監視について詳しく知りたい読者は、XENOMをご覧ください。