地下鉄保守の人手不足を、ロボットだけで解けるだろうか

地下鉄の保守をする人が足りないなら、ロボットやAI点検を使えないだろうか。そんな入口で東京都交通局の発表を読もうとすると、先に契約の話が出てくる。

2026年9月7日の発表は、技術者不足や入札不調を背景にした軌道保守工事の発注見直しだ。発注の前倒し、複数年度契約化、積算方法の見直しが示されている。AIロボット導入を発表した資料ではない。

でも、ここから自動化を考えるのは面白い。機械を作れるかだけではなく、その機械を使い続ける仕事が見えるか、という問いになる。

点検の一工程が速くなったら、全体は何分縮む？

まず作業を分ける。現場への移動、観測、変化の検出、判断、補修、復旧確認。AIが担当できそうな箇所はあるが、全部同じ仕事ではない。

独自の説明用モデルとして、従来の総作業時間を $T$ 人時、自動化対象の割合を $f$ 、その工程の高速化倍率を $s$ 、新たな準備・確認・保守を $H$ 人時とする。

T'=T\left((1-f)+\frac{f}{s}\right)+H

これは直列的な作業量の近似であり、実際の夜間作業のクリティカルパスまでは表していない。 $s\to\infty$ としても $T'\to T(1-f)+H$ 。対象工程が小さければ、そこだけ無限に速くしても効果は頭打ちになる。

ソフトウェアの高速化に似ている。ただ、人時が減ることと、営業再開までの経過時間が縮むことは別だ。並列作業や待避の制約は、この式の外にある。

検査箇所を $N$ 、異常の割合を $\pi$ 、感度を $r$ 、偽陽性率を $f_p$ とすると、期待される確認候補は、

N_{\mathrm{alert}}=N\left(\pi r+(1-\pi)f_p\right)

になる。各率は無次元で、 $N_{\mathrm{alert}}$ は件数。候補一件の確認に $t_c$ 人時かかれば、確認負担は $t_cN_{\mathrm{alert}}$ だ。

仮想例として $N=10{,}000,\pi=0.001,r=0.9,f_p=0.01$ なら、真の異常を拾う期待件数は9件、誤警報は99.9件。候補のうち真の異常は約8.3％になる。実機の精度ではなく、発生率の低い異常を広く探すときの計算例だ。

見逃しの期待件数は $N\pi(1-r)$ 。候補を減らすために閾値を上げた結果、こちらが増えるなら、単に人時が減ったから成功とは評価できない。

年間の純便益を $B$ 円、初期費用を $K$ 円、割引率を $i$ 、使える年数を $Y$ とすれば、単純な投資モデルは、

\mathrm{NPV}=-K+\sum_{t=1}^{Y}\frac{B}{(1+i)^t}

となる。 $B$ には確認負担や保守費を差し引き、実際に回収できる便益だけを入れる。減った人時がそのまま現金削減になるとは限らない。

一定の $B>0$ なら、使用年数が伸びるほどNPVは増える。複数年度契約が機械を高性能にするわけではない。それでも、稼働と収入の見通しを変えるなら、同じ機械の導入判断は変わり得る。

現場で測りたいのは、一工程のモデル精度だけではない。工程別の人時、搬入・回収、候補の再確認、作業終了時刻への影響を並べる。AIの観測が速くなったのに全体が変わらないなら、 $f$ が小さいのか、 $H$ が増えたのか、別工程が待ちを作ったのかを分ける。

現場調査も性能実証もまだない。営業線で検査を代替できるかは鉄道保守の専門家に確認が必要だ。その手前でも、「ロボットを作ろう」という問いから、「どの工程を、どの契約条件で改善すると回るのか」までは進める。

人手不足への答えが機械だとしても、その機械の周囲にある運用までが製品になるのだと思う。