AI監視カメラは、自由な人間の夢を見るか？
「あなたを見ている」から「あなたを評価する」社会へ
――AI時代の監視インフラと、余裕を失う日本の行方
WebマガジンGreenPost編集部
カメラの向こう側で、何が起きているのか
街を歩けば、防犯カメラがある。駅にも、コンビニにも、銀行にも、マンションにも、道路にもある。私たちはもう、それを特別なものとは感じなくなった。
犯罪を防ぐため。事故を調べるため。盗難車を探すため。迷子や行方不明者を見つけるため。
確かにカメラは、社会の安全に役立ってきた。
しかしAIの登場によって、カメラの意味そのものが変わり始めている。問題は、街に設置されるカメラの数だけではない。その映像が、別のカメラ、車両情報、位置情報、警察記録、センサー、商用データベースなどと結びつく。
軍事の世界では、さらに衛星、ドローン、レーダーなど異なる種類の情報まで統合される。
そしてAIが、その巨大なデータの中から「意味」を探す。
誰が、いつ、どこにいたのか。どこから来て、どこへ向かったのか。どの車と一緒に移動していたのか。誰と関係している可能性があるのか。
その行動は何を意味しているのか。
AI時代の監視インフラは、
「何が起きたかを記録するシステム」から、「人間の行動や関係について仮説を作るシステム」へ
その領域を広げ始めている。その変化を考えるために、まず一つの企業から話を始めたい。
Palantir Technologiesである。
Palantirは、すでに日本にいる
Palantirという名前から、米国の軍事・情報機関と深く関わる特殊なテクノロジー企業を思い浮かべる人もいるだろう。その理解は間違いではない。同社のGothamなどのプラットフォームは、それまで別々に存在していた大量のデータを統合し、人物、組織、場所、出来事などの関係を分析できる環境を作る。さらに米国防分野では、Maven Smart Systemが、大量の情報をAIによって整理・分析し、軍事上の意思決定を高速化する重要なシステムとなっている。
しかし、Palantirは遠い米国だけの企業ではない。
2019年11月、SOMPOホールディングスとPalantirは50％ずつ出資し、日本に「Palantir Technologies Japan」を設立した。その後SOMPOはPalantirのFoundryを基盤として、保険、災害対応、介護などの分野で「リアルデータ」の活用を進めてきた。2023年には両社の協力を5年間、5000万ドル規模で拡大。SOMPO Japanの1万人を超える営業担当者への利用拡大なども発表された。
ここは明確にしておきたい。
Palantirが日本で巨大な市民監視システムを構築している、という事実が確認されているわけではない。
むしろ、日本で公開されている代表的な用途には、保険、介護、災害対応など社会的利益を期待できるものがある。
それでもPalantirは、私たちにとって完全な「対岸の火事」ではなくなった。そして注目すべきは、この企業が現在日本で何に使われているかだけではない。
何ができるのか。
その能力である。
Palantirが売っているのは「カメラ」ではない
Palantirは監視カメラメーカーではない。むしろ、そこが重要だ。同社が得意としているのは、それまで別々の場所に閉じ込められていたデータを接続し、
現実世界を、データの上に再構成することである。
人物。車両。場所。組織。時間。出来事。
センサー。
それらの間にある関係をつなぎ、現実世界で何が起きているのかを分析可能にする。
物流に使えば、サプライチェーンを改善できる。介護なら、健康状態の変化を早期に発見することに利用できる。災害なら、ばらばらに入ってくる被害情報を統合できる。軍事なら、敵の動きや重要な対象の分析に使える。
治安分野なら、人物、車両、場所、事件の関連性を調べることができる。
同じ基本技術であっても、使う目的によって社会的な意味はまったく違ってくる。
ここに、AI時代のデータ社会の難しさがある。
米国に広がった「街の目」
もう一つ象徴的な企業がある。Flock Safetyだ。
Flockが米国各地に展開してきた代表的な装置が、ALPR――自動ナンバープレート読取カメラである。道路を通過する車両を撮影し、ナンバープレート、車種、場所、日時などを検索可能なデータにする。2026年8月時点では、その規模は全米12万台を超えると報じられている。
盗難車を探す。犯罪現場から逃走した車を追う。行方不明者の車を探す。
こうした用途には、明確な社会的利益がある。しかし、AIが加わることで意味が変わり始める。
2026年8月、WIREDが報じたFlockの「OS Investigate」は、Flockの車両データに警察記録、911通報、商用データベース、本人確認情報などを組み合わせ、名前やナンバープレートが分からなくても、場所、行動、移動パターンなどから対象候補を探す方向へ発展している。人や車両の「関連性」を分析する機能も報じられている。すると、捜査の順番そのものが変わり得る。
従来なら、
容疑者がいる
↓
その人物を調べる
だった。しかし、大量の移動データとAIが組み合わされれば、
大量のデータがある
↓
AIが特徴的な行動パターンを探す
↓
調査対象候補が浮かぶ
という逆方向の流れも可能になる。これは単に「監視カメラの性能が上がった」という話ではない。
点から線へ、線から面へ、そして「関係網」へ
監視技術の変化を整理してみよう。最初は「記録」だった。一台のカメラが、一つの場所を記録する。
点の監視である。
次にAIが人物、車、ナンバープレート、侵入などを自動的に認識するようになった。さらに複数のカメラがつながる。駅の入口にいた人物がコンコースを通り、別の出口から出ていく。
点と点が結ばれ、
線になる。
さらにカメラ、ALPR、時間、位置、警察記録、その他のデータベースなどが統合されれば、
線が大量につながり、
面になる。
そして、その先に現れ始めているのが、
関係網である。
人物A。車両B。場所C。人物D。
出来事E。
AIはそれらを巨大な関係グラフとして扱い、人間だけでは簡単に発見できない関連性を探すことができる。すると監視の対象は、「人」だけではなくなる。
人と人、人と場所、人と車、人と出来事の「関係」そのものが分析対象になる。
日本でも「行動を見るAI」は始まっている
これは米国だけの話ではない。日本でも、「映像を保存する」だけではないAIカメラはすでに社会に入り始めている。
NTT東日本とアースアイズが2018年から提供した「AIガードマン」は、小売店舗で来店者の「うろうろ」「きょろきょろ」といった行動をAIが検知し、店員のスマートフォンへ通知する。従来、人間が防犯カメラを見て判断していた仕事の一部を、AIが担う仕組みである。
また、ゆうちょ銀行ではATM前で携帯電話などを使って通話している動作を防犯カメラ画像からAIが検知し、特殊詐欺への注意喚起を行っている。2026年からは、状況によってATM取引を中止する仕組みにまで強化された。
これらは、市民を統制するための技術ではない。むしろ、人を守るための技術である。しかし技術史的には、重要な変化を示している。
カメラが、
「何が映っているか」
だけではなく、
「この行動にはどんな意味がある可能性があるのか」
を評価し始めているからだ。
「事実」と「AIが作った仮説」の間
ここに、これから極めて重要になる境界線がある。「23時15分、車両Aが地点Xを通過した」これは観測された事実である。
「車両Aと車両Bが複数回、同じ場所を通過した」これもデータから確認できる。
しかし、「AとBには何らかの関係がある可能性がある」となれば推論だ。
さらに、
「このグループには犯罪との関連がある可能性がある」となれば仮説になる。
つまり、
観測
→ 相関
→ 推論
→ 仮説
→ 疑い
という階段が存在する。AIは、この階段を人間より圧倒的に速く上ることができる。
しかし、
速く推論できることと、正しく推論できることは同じではない。
しかも、間違えるのはAIだけではない。AIがナンバープレートを正確に読み取っていても、接続されている盗難車データベースが古ければ、システム全体として間違った警告を出すことがある。
LAPDの監察部門が2025年8〜9月のALPR運用を調査したところ、約2か月間で2億1000万件を超えるナンバープレートが読み取られ、337件の警告が盗難車の回収につながった。
一方、161件では、盗難車として警告された車両が実際には盗難車ではなかった。原因には、すでに手配が解除されていたにもかかわらず、その情報がデータベースへ十分に反映されていないケースなども含まれていた。この事例は示唆的である。
カメラは正しく読んでいる。
AIも決められた処理をしている。
しかし、
接続されたデータのどこかが間違えば、統合システム全体は間違う。
そしてAIが出した警告を人間が、「機械が言っているのだから正しい」と受け取れば、データ上の誤差は職務質問、停止、拘束といった現実社会の判断へ変わる。
つまり危険には、少なくとも三つある。
AIそのものが間違える危険。
人間がAIを過信する危険。
そして、もう一つ。
正しく動く監視システムを、人間が間違って使う
AIが完全に正確でも、問題は残る。それを使う人間が、正しく使うとは限らないからだ。
Washington Postが2026年8月19日に公表した調査では、Flockを含むALPRシステムを不適切な目的で利用した問題をめぐり、少なくとも69人の警察関係者が告発、起訴、有罪判決などの対象になったと報じられた。
恋人、配偶者、元交際相手などの車両を追跡した事例も含まれている。
しかも少なくとも15件では、警察組織内部の監査ではなく、被害者、活動家、ジャーナリストなど外部の人々が先に問題を発見していた。
Flock自身も対応を進めている。2026年8月には、データ保存期間の短縮、事件コードの入力、異常な検索活動を検出する仕組み、アクセス制限、多要素認証などの対策強化を発表した。
ここから分かるのは、
「AIが私たちを監視する危険」だけではない。
強力な監視システムへアクセスできる人間に
、
これまでとは比較にならないほど大きな「見る力」が与えられる
という問題でもある。
「安全のため」から始まるミッション・クリープ
ここでもう一つ、覚えておきたい言葉がある。
ミッション・クリープ（Mission Creep）。
もともと限定されていた目的や任務が、時間とともに拡張・変質していく現象である。監視技術では、この問題は特に重要だ。
最初は、「盗難車を探すため」「行方不明者を見つけるため」という、多くの人が賛成できる目的で導入される。
しかし、一度巨大な移動データベースが完成すれば、
「別の目的にも使えないか」
という誘惑が生まれる。
米国では、テキサス州の法執行機関が自己管理中絶に関連する捜査でFlockの広域ネットワークを検索した問題や、連邦機関によるFlockネットワークへの広範なアクセスをめぐる問題が、市民団体から指摘されている。
ここで本当に問うべきなのは、
「この技術は役に立つのか」
だけではない。
「5年後、10年後にも、導入時に説明された目的の範囲だけで使われているのか」
という問いである。AI時代には、この問題はさらに大きくなる。新しいカメラを設置しなくても、
すでに存在しているデータ同士を後から接続できる からだ。
日本という社会は、どこへ向かうのだろう
この問題を気にしている最大の理由は、Palantirという会社が怖いからでも、Flockという企業が嫌いだからでもない。もっと大きな理由がある。
これから日本社会が、どのような社会になっていくのか。
その未来を無条件には楽観できない。
エネルギー問題がある。気候変動がある。AIによる産業構造と雇用の変化がある。人口減少と高齢化が進む。
社会保障への負担も増える。
そして世界では、戦争や紛争が極めて現実的な問題として続いている。
さらに、日本にはもっと身近な問題がある。
人が足りない。
介護職員が足りない。運転手が足りない。警備員が足りない。自治体職員が足りない。
インフラを点検する人が足りない。
さまざまな分野で、慢性的な人手不足が社会の姿を変え始めている。
そうなれば、
「人間が24時間監視することはできない」
「AIで自動化するしかない」という判断は、ますます合理的に見えてくる。
そして多くの場合、それは本当に合理的なのだろう。だからこそ難しい。
AI監視社会への入口は、独裁者の命令ではなく、
「人が足りないから仕方がない」
という、ごく普通の日常の判断から開く可能性がある。
社会から「余裕」が失われたとき
エネルギー。気候。人口。人手不足。AI。社会保障。国際紛争。
これらは、それぞれ違う問題に見える。
しかし、
社会から「余裕」を奪う
という意味ではつながっている。
エネルギーが不安定になる。物価が上がる。災害が増える。財政に余裕がなくなる。人が足りなくなる。
国際情勢が緊張する。
そのとき、政府や企業が求める言葉は似てくる。
効率。
安全。
予測。
秩序。
どれも必要なものである。そこが、この問題の難しいところだ。監視や管理は、必ずしも悪意から始まるわけではない。むしろ、
善意と合理性から始まるからこそ、社会へ自然に入り込む。
監視社会は、ある朝突然やって来ない
政府がある朝、「今日から監視社会にします」と宣言するわけではない。
一つ一つは合理的な理由で始まる。
犯罪を減らすため。高齢者を守るため。特殊詐欺を防ぐため。災害に備えるため。交通を効率化するため。テロを防ぐため。重要施設を守るため。
人手不足を補うため。
そして戦争や重大な安全保障危機が起これば、「国民を守るため」
という、さらに強い理由が加わる。
問題は、それぞれ別の目的で作られたシステムを、
後から接続できる時代になったこと である。
カメラ。車両情報。顔。位置情報。行政情報。商用データ。行動履歴。
各種センサー。
一つ一つを集めた理由は違っても、AI時代には一つの分析環境へ統合できる。日本政府も「カメラ画像利活用ガイドブック」を通じて、人物属性や動線、同一人物の識別など、映像データ利用に伴うプライバシー上の課題を整理してきた。
だから私たちは、
「このカメラを設置してよいか」 だけを考えていてはいけない。
そのデータが将来、
何と結びつけられるのか。
そこまで考える必要がある。
軍事が見せる「少し先の未来」
その意味でも、PalantirとMaven Smart Systemは興味深い。軍事では緊急性が高い。だから、データ統合とAIによる意思決定支援の導入も速い。
センサーが観測する。データを統合する。AIが分析する。重要な対象を抽出する。選択肢を提示する。
そして人間が決定する。
つまり、
観測
→ データ統合
→ 推論
→ 意思決定
という一連の流れの中へ、AIが入り込み始めている。もちろん、軍事システムと日本の防犯カメラを同じものとして扱うべきではない。しかし軍事の最先端を見ることは、多数のセンサーとAIが十分に接続されたとき、
技術的にはどこまで行くことができるのか を見ることでもある。
「あなたを見ている」から「あなたを評価する」へ
20世紀の監視社会を象徴する言葉は、ジョージ・オーウェルの『1984年』だった。「ビッグ・ブラザーがあなたを見ている」。
しかしAI時代の監視社会は、それとは少し違う。
AIは私たちを見るだけではない。情報を結びつける。関係を探す。パターンを見つける。
異常を検出する。
そして、
「この人物について、こう考えることができる」 という仮説を作る。
20世紀の監視社会が、
「あなたを見ている社会」
だったとすれば、AI時代の監視社会は、
「あなたについて仮説を作り、評価する社会」
へ近づいている。この違いは大きい。
いま決めなければならない境界線
だから、技術が完全に普及してからルールを考えるのでは遅い。議論すべきなのは、カメラを全部なくすことではない。
誰がデータを持つのか。何日、何年保存するのか。誰がアクセスできるのか。検索履歴を誰が監査するのか。どのデータ同士の結合を認めるのか。
AIによる「関係性」の推定をどこまで許すのか。
AIが作った「疑い」を、警察、行政、企業がどこまで利用してよいのか。
機械による判断に対して、市民は異議を申し立てられるのか。
そして間違ったとき、
誰が責任を取るのか。
ここに社会として境界線を引く必要がある。
明日、駅やコンビニでカメラを見かけたら、少しだけ想像してみてほしい。そのカメラが怖い、という話ではない。考えてほしいのは、その向こう側だ。
その映像は保存されるのだろうか。AIは何を認識しているのだろうか。ほかのカメラとつながっているのだろうか。車両情報や位置情報と結びつくことはあるのだろうか。
誰が検索できるのだろうか。
そして、
このカメラは、裏側でどんなデータと「会話」しているのだろうか。
監視から推論へ
日本の未来がどんな社会になるのかは、まだ決まっていない。だから悲観だけする必要はない。しかし、楽観だけしてよい状況でもない。
エネルギー、気候変動、人口減少、人手不足、AI、国際紛争。
社会にかかる圧力が強くなる可能性を考えれば、
「安全と効率のために、ほんの少しだけ管理を強めよう」
という選択を、私たちはこれから何度も迫られるかもしれない。
一つ一つは合理的な判断だろう。だが、その「少しだけ」が10回、20回と積み重なった先で、
私たちはどんな社会に暮らしているのだろう。
カメラは、もともと世界を記録する装置だった。
AIによって、それは世界を検索する装置になった。
そして異なるデータがつながることで、
世界の中にある関係を読み、そこから意味を推論する装置
へ変わり始めている。
だからAI時代の監視社会について、本当に問うべきなのは、
街に何台のカメラがあるのかではない。
カメラの向こう側で、
何種類のデータが結びついているのか。
誰がそのデータを見ることができるのか。
AIがそこから何を推論することを許されているのか。
そして何より、
その強力なシステムを、どんな社会が使うのか。
ということである。結局のところ、最後の問いはAIについてではない。
私たちは、どんな日本社会で暮らしたいのか。
という問いなのだ。監視社会の本当の転換点は、カメラが増えた瞬間ではない。
カメラが、ほかのデータと「会話」を始めた瞬間である。
そして、その会話を聞き、そこに意味を与え、「疑い」を作る力を誰に託すのか。その境界線を決めるのはAIではない。
私たち自身である。
参考資料
1．SOMPO Holdings / Palantir「Palantir Japan共同設立」2019年11月18日
SOMPOとPalantirによる日本法人設立の一次資料。Gotham、Foundryを日本市場へ展開し、リアルデータの分析・可視化と意思決定支援を進める構想が確認できる。
2．Palantir「SOMPOとの5年間・5000万ドルの協力拡大」2023年2月1日
Palantir FoundryがSOMPOのデータ基盤として利用され、保険、介護、災害対応などへ活用範囲を拡大してきた経緯と、日本事業の具体的規模を確認できる資料。
3．SOMPO Holdings「リアルデータプラットフォーム」
事故、災害、健康、介護など現実世界から得られるデータを活用し、事故や疾病の予防、社会課題の解決につなげるというSOMPOの基本的な構想を説明している。
4．SOMPO Holdings 統合レポート2023
Palantirとの協力関係、日本におけるReal Data Platform構想を整理した資料。介護分野を含むSOMPOのデータ活用戦略を俯瞰するうえで参考になる。
5．Palantir「Q1 2026 Business Update」
Maven Smart SystemなどPalantirの米国防分野での事業拡大を確認できる一次資料。AIと大規模データ統合が軍事的意思決定へ接続される現状を知る材料となる。
6．WIRED「Flock Has a Powerful New AI Tool for Police」2026年8月
Flockの「OS Investigate」を詳細に報じた重要な調査記事。車両移動だけでなく、外部情報との統合や行動パターン、関係性分析へ進む方向を具体的に伝えている。
7．Axios「Flock cameras」関連報道 2026年8月
FlockのALPRネットワークが全米12万台を超える規模へ成長した状況を報道。地方自治体で広がる導入と反発を含め、監視網の社会的規模を把握できる。
8．NTT東日本「AIガードマン」2018年5月28日
来店者の「うろうろ」「きょろきょろ」などをAIが検出し店員へ通知する日本の実例。「映像を見る」カメラから「行動を評価する」カメラへの変化を示す。
9．ゆうちょ銀行「AI画像分析を活用した特殊詐欺被害防止対策」
ATM利用中の携帯電話による通話動作をAI画像解析で検知する取り組み。AIによる行動判定が犯罪予防のため身近な社会インフラへ導入されている例である。
10．LAPD監察部門・ALPR監査関連資料／Los Angeles Times
大規模ALPRが盗難車発見に貢献する一方、データベース更新などの問題から誤警告も発生することを示す。統合システムの「有用性と誤り」を考える重要事例。
11．Washington Post「ALPRの不正利用に関する調査」2026年8月19日
FlockなどのALPRを私的・不適切な目的で利用した警察関係者の事例を全国的に調査。高度な監視技術では「利用者を誰が監視するか」も重要であることを示す。
12．Flock Safety「Privacy, Accountability, Security Safeguards」2026年8月13日
Flockが批判を受けて発表した安全策。データ保存期間の短縮、検索理由の記録、異常利用検知、多要素認証など、アクセス管理強化の内容を確認できる。
13．EFF「ALPR位置情報とFlockネットワークに関する資料」
中絶関連捜査や連邦機関によるALPRネットワーク利用などを問題視した資料。当初の導入目的が拡張する「ミッション・クリープ」を考える重要なケースを示す。
14．経済産業省・総務省「カメラ画像利活用ガイドブック ver3.0」
日本におけるカメラ画像の利用とプライバシー保護を整理した政府資料。人物属性、動線、特徴量など、映像から派生するデータ利用の課題を体系的に扱っている。
15．Flock Safety「Customers Own and Control Their Flock Data」
Flock側の公式見解を確認する資料。同社は顧客がデータを管理すると説明し、Palantirとの協力やPalantirへの顧客データ提供について否定している。
16．Flock Safety公式資料――プライバシー、安全、データ管理
Flock自身が公共安全、犯罪捜査、プライバシーをどのように両立させようとしているのかを確認する資料。批判側だけでなく企業側の説明も併読する必要がある。
コメント-
本稿では、
「技術的に可能であること」
「企業が製品機能として提供していること」
「警察・軍などで実際に運用されていること」
を意識的に区別しました。
また、SNS などで懸念が述べられていた、PalantirとFlock Safetyが統合され、Flockのカメラ網をPalantirが直接利用して全米市民を追跡している、という事実は現時点で確認できませんでした。Flock自身もPalantirとの協力や顧客データの提供を否定していました。したがって、本稿は特定企業による秘密の「巨大監視網」の存在を懸念して書き始めたものの、そのことを記事に入れることはできませんでした。
ここで問いたいのは、
センサー、巨大データベース、AIによるデータ統合と推論という技術要素が揃ったとき、「監視」という行為の性質そのものがどう変わるのか。
そして、
その強力な能力を、余裕を失いつつある未来の社会がどのように扱うのか。
という問題です。状況と、その時の決断（時間的余裕）が非常に重要です。(2t)
