2026-04-29 · biz, code

AI画像認識はプラントのVTを変えるか？現場検査員の正直な感想

AI画像認識が注目される背景

プラント業界でもDXの波が押し寄せている。特に注目されているのが、AI画像認識を使ったVT（視覚試験）の効率化だ。ドローン撮影した画像をAIで解析し、腐食や減肉箇所を自動検出する——そんな技術が実用化されつつある。

私はVTを含むNDT検査を約20年やってきた。現場で実際に目視し、触診し、記録する作業を繰り返してきた立場から見ると、AI画像認識には「確実に使える領域」と「まだ人が必要な領域」がはっきり分かれている。この記事では、その境界線を正直に書く。

AI画像認識が最も力を発揮するのは、定量化できる劣化パターンの検出だ。

これらは「画像から数値を抽出する」タスクに落とし込める。学習データさえ揃えば、AI は人間より速く正確に処理できる。特に高所や広範囲のスクリーニングでは、ドローン撮影 + AI解析の組み合わせが圧倒的に効率的だ。

実際、major Japanese refineries の一部では、定修前の全景撮影とAI解析を試験導入している現場もある。全体俯瞰→優先箇所の絞り込み→人が現地確認、というフローが回り始めている。

一方、AI が現状では対応しきれないのが、文脈依存の判断だ。

たとえば配管の減肉を発見したとき、検査員は次の情報を統合して原因を推定する。

AI は画像から「ここが薄い」という事実は検出できる。しかし「なぜ薄くなったか」「次にどこが薄くなるか」という因果推論は、プラント全体の運転履歴とプロセス知識を統合しないと成立しない。

VTの本質は「どこを見るか」の判断だ。配管系統図を見て、応力集中点・腐食リスク箇所・前回指摘箇所を優先的にチェックする。この「見るべき場所の絞り込み」は、設備診断の経験と勘が必要になる。

画像認識AIは「与えられた画像を解析する」ことはできるが、「次にどこを撮影すべきか」を自律的に判断するのは現状では難しい。

結論として、AI画像認識がVTを「完全に代替する」ことは当面ない。しかし「効率化のツール」としては確実に使える。現実的な役割分担は以下のようになると考えている。

つまり、AIが「データ収集と一次解析」を担い、人が「判断と意思決定」を担う——という分業が、当面の実務的な着地点だ。

AI画像認識の普及は、VT検査員の仕事を「奪う」のではなく「変える」。

単純な目視・記録作業はAIに置き換わる。しかし、プロセス知識・設備診断・リスク評価といった「文脈を読む能力」はむしろ価値が上がる。私自身、圧力設備診断技術者（HPIJ Level 1）を取得したのは、この「判断できる人材」にシフトするためだ。

また、AI解析結果を正しく読み取り、現場に落とし込むスキルも必要になる。「AIがこう言っているが、この現場ではこう判断すべき」と翻訳できる人材が、今後10年で重宝される。