
100点の自動化より、80点+人間の指1本が良いときもあるかも
こんにちは、かずゆきです
最近、近所の桜がもう完全に葉桜になっていて、
「あれ、今年って花見いつしたっけ?」と振り返ったら、
結局していなかったことに気づきました。
毎年「来年こそゆっくり見る」と思っているのに、なぜか毎年同じことをしている気がします。
さて、今日は画像処理がらみで、ちょっと面白い回り道をしたので、その話を書いてみます。
きっかけは「賢いつもりの自動処理」
あるアプリ用に、紙の書類をカメラで撮って、まっすぐに補正するという機能を作っていました。
いわゆる、傾き補正(deskew)ですね。
最初は当然のように、
・OpenCVで紙の輪郭を検出して
・四隅を見つけて
・自動でまっすぐに変換する
という方針で組みました。
ライブラリも揃っているし、サンプルもネット上にいっぱいあるので、ある程度まではすぐ動くんですよね。
ところが。
照明が変わると検出が外れる。
机の柄が紙と似ていると、机の方を紙だと判定する。
エッジ検出のしきい値を上げると、今度は薄い紙の縁が見えなくなる。
「賢く動こうとしているはずなのに、人間より自信のない動きをする」
そんな状態になりました。
エッジ検出から二値化へ。さらにその先へ
最初に試したのは、定番のエッジ抽出のアプローチです。
それで上手くいかなかったので、二値化(Otsu)寄りの検出に切り替えました。
このあたりで「ちょっとマシになった」感は出ます。
ただ、根本的にはまだ「機械が紙の四隅を当てに行く」構造のままなんですよね。
当たれば気持ちいいけど、外れたとき、ユーザーから見ると
「なんで斜めのまま保存されたの?」
「なんで余白がガタガタなの?」
という不満になる。
ここで、いったん立ち止まりました。
思い切って「自動化をやめる」判断
最終的にどうしたか。
自動の四隅検出をやめて、
ユーザーが画面の上で四隅を指でつまんで動かすUIに切り替えました。
最初の状態としてだいたいの位置を出しておいて、あとはユーザーが微調整する、というシンプルな仕組みです。
これがかなり快適でした。
・100点の自動検出を狙って外す
よりも、
・80点の初期表示+ユーザーの直感
の方が、結果的に体験として勝つ場面があるんですよね。
AIエージェントに指示を出す側の感覚で言うと、
「全部AIに丸投げするより、人間が最後の一手だけ残しておく」
設計に近いと思います。
抽象化すると、こういう判断軸かもしれない
今日のことを今後の教訓っぽくすると、こんな感じです。
・自動化は「失敗したときのコスト」とセットで考える
・失敗時にリカバリ手段がないなら、最初から半自動で設計する
・ユーザーの一手間は、必ずしも悪ではない
特に画像処理や、入力データのバラつきが大きい領域だと、
「100%自動で当てに行く」設計は、保守フェーズに入った瞬間に重くなりがちです。
照明、カメラ、紙質、撮る人の癖。
全部に対応しようとすると、検出ロジックがどんどん肥大化していきます。
将来的に「触りたくないコード」を増やすか、
「触らなくていいコード+シンプルなUI」を選ぶか。
長く育てていく前提だと、後者を選びたくなる場面は意外と多いです。
他の現場でも刺さりそうなところ
これは画像処理だけの話ではなくて、
・自動分類
・自動タグ付け
・自動マッチング
など、「機械がそれっぽく当てに行く処理」全般に共通する考え方だと思います。
99%の精度に届かないなら、
最初から「人が最後に確認する前提」で設計してしまった方が、
仕様もコードも軽くなる。
そして、後から精度が上がってきたタイミングで、人の手数を減らしていく方が、運用としても自然です。
まとめ
「自動でやる」と決める前に、
「もし外したとき、誰がどう直せるのか」
を一度考えてみると、設計の解像度が一段上がる気がします。
賢く作ろうとして詰まっている人の、肩の力が抜けるきっかけになれば嬉しいです。
※このような仕組みづくりを中小企業向けにも行っています。
- #生成AI
- #ChatGPT
- #Gemini
- #Claude
- #DX
- #AI副業
- #AIエージェント
- #ClaudeCode
- #自動化
- #OpenAI
- #LLM
- #Anthropic
- #プロンプトエンジニアリング
- #AI開発
- #バイブコーディング
- #ローカルLLM
- #業務自動化
- #Cursor
- #AI倫理
- #mcp
- #大規模言語モデル
- #AI駆動開発
- #AIガバナンス
- #AI学習
- #AIアシスタント
- #RAG
- #プロンプト設計
- #Flutter
- #エンジニアリング
- #AIセキュリティ
- #Ollama
- #マルチエージェント
- #GitHubCopilot
- #AI日記
- #AI活用事例
- #画像処理
- #LangChain
- #AIブログ
- #AI運用
- #開発ログ
- #ファインチューニング
- #AI考察
- #AIワークフロー
- #AI設計
- #エンジニアブログ
- #LangGraph
- #UX設計
- #コーディングエージェント
- #AIレビュー
- #コンテキストウィンドウ
- #AIオーケストレーション
- #モデル評価
- #embedding
- #ベクトル検索
- #推論モデル
- #AIアーキテクチャ
- #AIとデザイン
- #LLMOps
- #責任あるAI
- #ノーコードAI
- #AIOps
- #LlamaIndex
- #エージェント開発
- #FunctionCalling
- #aidx
- #ペアプログラミング
- #中小企業AI活用
- #finetuning
- #AIと人間の協働
- #推論最適化
- #モデル選定
- #AIテスト
- #トークン削減
- #業務AI
- #AIネイティブ開発
- #現場AI
- #AI雑記
- #tooluse
- #プロンプトインジェクション対策
- #チェーンオブソート
- #個人開発AI
- #モデルコンテキストプロトコル
- #AIプロトタイピング
- #AIペアプロ
- #自動コード生成
- #ローコードAI
- #AI品質保証
- #AIとUX
- #AIキャッチアップ
- #PoC開発
- #AI現場メモ
- #ReActパターン
- #Hallucination対策
- #自動化と手動のバランス
- #AIとプロダクト開発
- #AIとリファクタリング
- #AIと設計判断
- #AIと保守性
- #AIと継続的改善