FDE的現場錄影與AI分析｜同意的取得、拍法、分析的型

大家好，我是株式會社TIMEWELL的濱本。

這是FDE實務系列的第五篇。至今寫了問、看、待在、變成結構四件事。這次作為看的技術的延伸，寫我們的工程師最近開始使用的方法：取得現場許可後錄下作業，事後用AI分析。

觀察法是當場看的方法。所以會有遺漏、會數錯，離席的時間發生的事也不知道。影片可以事後反覆重看。而且能讀影片的機器達到實用水準之後，「重看」的作業大部分可以交給機器。不過，拍攝前該決定的事，比拍攝後才知道的事更多，這是這一年的實際感受。這篇文章寫同意的取得方式、拍法、分析的型，以及與委外作業分析的差異。想先了解讓工程師團隊具備處理現場資料能力的方案，可以先看WARP的頁面。

拍攝前要決定的事。同意是分析的前提，不是手續

先寫最重要的事。拍攝現場之前，取得入鏡者的同意。這不是手續，而是分析的前提。未經同意拍的影像，不只法律上有問題，作為分析也不能用。不知道自己被拍的人，和知道被拍並且接受的人，拍到的工作是不同的。

把法律框架寫到實務需要的範圍。能辨識臉部的影像，屬於日本個人資料保護法的個人資料。取得時必須盡可能特定利用目的，通知本人或公告，且不能超出目的範圍使用¹。拍攝員工也一樣。總務省與經濟產業省整理的「攝影機影像運用指南」，把在事業中使用攝影機影像時的應注意事項，依規劃、取得、保管、利用的階段整理出來²。它原本是以商店與街頭攝影機為前提的文件，但明示目的、事前告知入鏡者、限定保存期間、第三者提供的處理這些想法，可以直接用於現場的作業拍攝。

我們在拍攝前，以書面向入鏡本人與主管說明並取得同意的項目有六個。目的（為了做出可運作之物的作業分析）。範圍（拍誰的、哪項作業、哪個時段）。保存期間（分析結束後刪除）。閱覽者（我們的工程師中誰會看）。不做的事（不用於個人考核、出勤、人事）。以及在讓AI讀取前遮蔽臉部與名牌。第六項與其說是法律要求，不如說是我們的承諾：先從讓機器讀取的影像中去掉能識別個人的資訊。

再寫一件現場一定會發生的事。一提到拍攝，當事人會覺得「要被監視了」。理所當然。所以我們把拍攝目的說明為「為了做出減少你工作的可運作之物」，並且把第一次的分析結果最先給本人看。例如「等待核准一天合計47分鐘。下週會做一個縮短這裡的畫面」這一句。這一句話，讓監視變成分析。拍了卻不還給本人的拍攝，就是監視。

拍法。固定攝影機、螢幕錄影，以及不拍的時間

拍法是三者的組合。

第一是固定攝影機。把小型攝影機架在三腳架上，放在當事人的斜後方，也就是觀察法坐的位置。取景要包含畫面、手邊的紙張，以及離座的動作。臉不入鏡。靠取景的設計，減少遮蔽的工夫。固定攝影機的優點是沒有觀察者也能拍。觀察者離席的時間、午休前的趕工、下班前的結算都拍得到。

第二是螢幕錄影。請當事人自己操作，錄下使用中的電腦畫面。固定攝影機讀不出畫面上的文字，螢幕錄影則能正確留下開了哪個系統的哪個畫面、順序如何。這裡會拍到客戶資料，所以錄影的範圍與保存的處理，要比固定攝影機定得更嚴。我們的原則是螢幕錄影不離開客戶的終端，分析也在客戶的環境中進行。

第三是不拍的時間。電話、訪客、休息，以及本人說「這裡不要拍」的作業，都不拍。先決定好不拍的時間，當事人才能安心，在拍攝的時間用平常的方式工作。想全部拍，就全部變成「表演用的工作」。

拍攝的長度，是同一項作業在不同的日子拍兩次。如上一篇所寫，被看時人的動作會變。第二次會比第一次接近平常。幾乎不會拍到第三次。兩次能看出差異就夠了，再多，當事人的負擔就會大過收穫。

交給AI的分析，與人保留的分析

拍到的影像怎麼分析？這是這一年改變的地方。主要的多模態模型已能接受影片作為輸入、指定時刻查詢內容、產生事件的轉寫³。我們把這個能力用在讓機器填寫觀察記錄的五欄上。

交給AI的分析有四項。第一，附時刻的動作轉寫。「10:03:12 開啟核准畫面」「10:03:40 拿起紙本表單」「10:04:05 向隔壁座位搭話」。觀察法中由人填寫的五欄裡，時刻、動作、畫面三欄由機器填。第二，計數。等待核准的合計時間、畫面切換次數、回到同一畫面的次數、手在紙張與鍵盤之間往返的次數。人眼難以計數的東西，正確地跑出來。第三，發言的逐字稿。從固定攝影機的聲音轉寫當事人說的話。第四，提出落差的候選。讓機器並排讀訪談逐字稿與影像轉寫，列出「說明時說是課長核准，影像中卻是股長蓋章」這類矛盾的候選。

人保留的分析有三項。第一，賦予意義。機器數得出「切換了三次畫面」，但那三次是猶豫、是習慣、還是系統規格上不得不如此，只有在現場的人才知道。第五欄的違和感由人寫。第二，禁止讀起來像考核的摘要。讓機器摘要影像，會跑出「作業者A的作業效率是」這樣的句子。這個不用。分析的單位是作業而不是人，輸出以「這項作業的等待核准是」開頭。第三，不把遮蔽前的影像輸入機器。去掉臉與名牌，從螢幕錄影去掉客戶名稱之後，才讓它讀。

有了這個分工，與觀察法的差異就清楚了。觀察法中五欄全由人寫，一邊看一邊寫，所以會有遺漏。錄影則是三欄由機器寫，人可以專注在違和感那一欄。上一篇寫過察覺落差的眼力是靠每天寫違和感那一欄養出來的，錄影就是能把人的時間只花在那一欄的方法。

把拍到的東西，變成下週的可運作之物

這裡把FDE拍影片的目的說清楚。不是為了做作業分析報告，而是為了決定下週要放下的可運作之物。

從影像跑出來的數字，是KJ法那篇寫的星期五作業的材料。例如「等待核准合計47分鐘」「畫面切換一天212次」「紙張與鍵盤往返一小時18次」這樣的數字。這些本身不會變成可運作之物。星期五把它們和訪談逐字稿、觀察記錄並排做成群、命名之後，才看見「等待核准很長，是因為核准者不看畫面，所以用紙張流轉」這個結構，下週要做的東西就決定了。錄影是給群的材料加上數字的方法。

而做出來的東西的效果，也用同樣的方法量。放下可運作之物的隔週，再拍一次同一項作業，做同樣的計數。會得到「等待核准合計47分鐘變成12分鐘」「畫面切換從212次變成96次」這樣的差異。這個差異，對當事人來說是成果，對我們來說是「這個型值不值得回流到產品」的依據。不是準確率95%這種技術指標，而是以當事人一天的指標來量。

與委外作業分析的差異

用影片拍下作業並分析的方法，在工業工程領域自古就有。它被系統化為動作研究，在製造業作為改善活動的工具使用至今。委外開發或顧問的現場，有時也會作為業務分析的一環進行拍攝。只看動作會覺得一樣，所以把差異列成表。

觀點	委外的作業分析	FDE的影片分析
目的	現況可視化與改善提案的報告	決定下週要放下的可運作之物，以及放下後的效果測量
分析的單位	工序、標準時間	作業，以及其中的等待、切換、往返
出口	報告書、改善提案	可運作之物，以及回流產品的型
效果的測量方式	提案時的試算	隔週再拍同一項作業，取差異
影像的處理	多由分析者持有	不離開客戶環境，分析後刪除

最大的差異是出口。委外的作業分析以報告書與改善提案結束。提案會不會被實作，是另一份合約的事。FDE的影片分析，到下週放下可運作之物、再隔週重拍取差異為止，是同一道工序。分析、實作與效果測量，在同一位工程師的手中運轉。

另一個差異是效果的測量方式。委外的提案書上會寫「預估每年減少N小時」的試算。FDE給的不是試算，而是隔週的實測。47分鐘有沒有變成12分鐘，拍了就知道。有這個實測，「這個型回流到產品」的判斷才有依據。a16z列為分辨真正FDE型態測試的「成熟客戶的工時是否在減少」這個問題⁴，也要有實測的累積才答得出來。

我們的實務與限制

坦白說，這個方法我們也才剛開始，必須以會出狀況為前提。容易發生的失敗有三種。固定攝影機的取景弄錯，關鍵的紙本表單沒入鏡。當事人忘了停止螢幕錄影，連承諾不拍的時間都錄進去（這種情況會在本人面前刪除那一段）。機器的轉寫把畫面切換數得比實際多。三種都是拍攝前先決定好取景、停止的步驟、負責複核的人就能防止的。

也寫限制。影片只能分析拍到的東西。當事人腦中的判斷、電話對方說的話、隔壁座位小聲教的事，都不會入鏡。所以影片無法取代觀察法與訪談。用觀察法寫違和感那一欄，用影片加上數字，用訪談問腦中的事。三者齊備，才成為群的材料。

還有同意的重量。拍攝比觀察更深入當事人的工作。我們不會取得一次同意就結束，每次拍攝都口頭再確認，分析結果最先給本人看，分析結束後告知本人已刪除。省略這個來回，下一次的拍攝就取不到同意。同意不只決定分析的品質，也決定能不能進入下一個現場。

總結

觀察法是「當場看」的方法，影片是「事後反覆看」的方法。拍攝前以書面承諾目的、範圍、保存期間、閱覽者、不做的事、遮蔽六項，取得入鏡本人與主管的同意。拍法是用固定攝影機拍畫面與手邊、用螢幕錄影拍系統操作，並先決定不拍的時間。分析上，附時刻的動作轉寫、計數、逐字稿、落差候選交給機器，賦予意義、禁止考核式摘要、遮蔽由人負責。

FDE拍影片的目的不是報告，而是決定下週要放下的可運作之物，並在隔週重拍取差異。47分鐘有沒有變成12分鐘，拍了就知道。這個實測，是把型回流到產品的判斷依據。

想打造能處理現場資料的工程師團隊，或想找拍下自家現場並分析、變成可運作之物的夥伴，歡迎參考WARP的方案，或透過個別諮詢和我們聊聊。下一篇會談把至今蒐集的名詞與動詞，變成AI能追溯的意義結構，也就是本體論的方法。

Footnotes

1. 個人資料保護法相關指引（日本個人資料保護委員會，日文）。個人資料的定義、利用目的的特定與通知或公告、目的外利用的限制依通則編 ↩

2. 攝影機影像運用指南 ver3.0（IoT推進聯盟、總務省、經濟產業省，2022年3月，日文）。規劃、取得、保管、利用各階段的應注意事項依該指南 ↩

3. Video understanding（Gemini API 文件，Google）。作為影片輸入、指定時刻查詢、產生轉寫等功能的一個例子引用，並不表示我們使用哪個模型 ↩

4. The Palantirization of everything（Marc Andrusko，a16z，2026年1月16日） ↩