対談 CONVERSATION

根性論も感情論もいらない。センシングがもたらす、ハラスメントなきスポーツの未来 後編

長谷川茂雄

近年、大きな社会問題になっている数々のハラスメント。とりわけスポーツ界では、監督やコーチと選手間の異常な主従関係や、暴力的な行為が問題視されることが多い。度々メディアでも報じられるこうした歪みの裏側には、記録やパフォーマンスの向上を目指す指導者側の感情的な空回りや、埃をかぶった根性論などが横たわっている。スポーツ科学とセンシングテクノロジーは、それをポジティブなコミュニケーションへと変える。第一人者である長谷川 裕氏をお招きした編集長対談。前編ではすでにヨーロッパのサッカーチームではこうしたスポーツの科学的分析が主流になりつつある話を伺ったのだが、日本のスポーツ界にもやっとその風が吹き始めているようだ。データを基にした指導で選手はどう変わるのか。未来のスポーツ指導について語り尽くしていただいた。

データ化すると選手の能力と課題が一目瞭然

杉原「具体的なトレーニングの測定についてもお聞きしたいのですが、長谷川さんは、いま何を一番重視されていますか?」

長谷川「ひとつは GPS ですね。GPS はこれからどんどん広まっていくと思います。トレーニングも分析できるし、試合も分析できる。それからいわゆるスプリントや持久力、それらを客観化することも可能です」

杉原「GPS は、やはり大切なんですね」

長谷川「はい。センシングという言い方をすると、最先端と思われるかもしれませんが、平たく言えばデータです。それをどう使っていくのかということなんです。GPS 同様大切なのは、筋力や筋パワーのデータですね。筋パワーというのは、筋力とちょっと違います。みんなそこをごっちゃにしていますが、質量の単位はkg、筋力の単位はN(ニュートン)、筋パワーの単位はW(ワット)というように、それぞれ別のものです。多くのトレーニングの指導者は N や W という単位を使わないばかりか、知らない人もたくさんいます。あとは心拍数や血中乳酸値など、基本的なものを計測することは難しくありません」

杉原「最近は、Jリーグでも選手の走行距離のデータなどは、よく聞かれるようになりましたよね」

長谷川「そうですね。総走行距離は、選手の平均を割り出すと1試合に10〜11km程度になります。あと大切なのは、スプリントの回数です。スプリントをどんな数値に設定するかも重要ですが、時速24〜25km というのが一般的。それを試合中に何回記録したかを計測します。総走行距離の中で早いスピードで走った割合や、加速度と減速度からはスピードの変化が読み取れますね」

杉原「その測定を、細かく解析するのは大変な作業ですね」

長谷川「そうですね。でも、こういったデータ測定を導入すると、試合を見ていた印象と実際の数値が違っていることが多いので興味深いですよ。すごく走っていたと思う選手よりも、実は全然違う選手が長い距離を走っていたり、総走行距離が短くてもスプリント回数がダントツに高い選手がいたり。そういうデータが見えてくると、もっと守備をしっかりするべきだとか、スプリント回数を増やすべきだとか、選手一人ひとりの課題も見えてくるわけです」

杉原「確かに、そうやって選手のパフォーマンスを数値的に可視化することは、新たなコミュニケーションツールになりますね」

感情論ではない選手の本当の適正を見出す

長谷川「そうです。熊本の八代市に、秀岳館高校という学校があります。熊本といえば大津高校というサッカーの名門校がありますが、そこになかなかに勝てないため、センシングなどのテクノロジーを導入したんですね。そうしたら、選手の内発的な動機付けができるようになって、コーチのほうも選手のいいところや課題が見つけられるようになったそうです」

杉原「これから大きな効果が期待できそうですね」

長谷川「センシングを導入して、試合中のスプリント回数や加速減速などの数値を計測しているのですが、参考としてプロはこのぐらいの数値だというデータを紅白戦の前に見せたところ、選手たちはその日の試合が終わった後に、クタクタになって倒れて笑っていたというんですね。指導者は、これまで紅白戦でそこまで力を出し切った選手の姿を見たことがないと言っていました。選手もデータで見せてあげると、目標が見えやすいんです。次の段階は、一人ひとりの能力に合わせてどういうトレーニングをするか? それをプランニングすることですね」

杉原「なるほど。計測して解析して、プランを立てるということですね。では、どのポジションが向いているというような適正は、どうやって見極めていくのですか?」

長谷川「例えばスプリントスピードを静止状態から30mまで測った場合、最初の5m、10mを何秒で走っているか? そして、最後の10mを時速何㎞で走っているのか? そういうところから適正が見えてきます。最初の5mで1秒切れる人は、Jリーグやラグビーの代表クラスで1人いるかいないか。でも最初が遅くても、最後の10mで時速32km出せるのであれば、世界的に見てもトップクラスですから、それを活かせばいいんですよ。そうやって、一瞬のスピードを求められるフォーワードがいいとか、ある程度の距離を早く走れると有利になる中盤がいいとか、わかってくるわけですね」

杉原「自分がどのポジションに向いているのか、感情論ではなく教えてもらえるのは、選手も嬉しいかもしれないですね」

長谷川「そうなんです。それに指導者側もセンシングの数値をもとに、選手の能力を活かした戦術も浮かんでくるようになる。データがわかれば、ぐっと科学的になりますし、合理的なプランが立てられるんです」

トレーニングでは最大の力を
何回繰り返すかが重要

杉原「センシングというと科学的な印象ですが、選手一人ひとりを計測するとか、フェイス・トゥ・フェイスでコミュニケーションを取るという部分はアナログですよね。そういう合理的なところと非合理的なところの良さを活かし協業することで、よりコーチングもスポーツも最大化していけますよね」

長谷川「おっしゃるとおりですね。そうやって、選手も指導者も前に進んでいけるということです」

杉原「自分はパラリンピックの競技プロダクトに関わっていますが、測定というのは少しずつわかってきたんですけど、解析に関してはまだまだ発展途上です。例えば、車いすレースの場合、スタートの5mを早くすることが大事なのか、それとも40mでマックスを出すのが重要なのか? そういうことをいろいろと模索しています。でもデータを可視化すると、感情論抜きに選手とコミュニケーションが取れるので、やりやすいです」

長谷川「そうですね。指導者の経験や感覚に委ねていたこれまでの指導方法は、才能のある選手を潰してしまっていたケースもありますから。それは、先ほどお話しした秀岳館高校サッカー部の先生も実感されていて、センシングによってこれまで気づかなかった選手の才能を開花できそうで、すごく嬉しいと言っていました。そうなると、もう暴力的な指導をしたり、無駄に長時間練習をする必要もないわけですね」

杉原「指導者も、センシングが自分を変えるきっかけになりますね。僕らは、いまレース用の車いすを伊藤智也選手と一緒に開発していますが、東京2020のとき彼は58歳になるんです。それでどんな結果が出せるのか、社会的にも注目されると思いますから、そういう新しいテクノロジーや考え方を付与して、どんどん進んでいきたいですね」

長谷川「いまはもう、歯を食いしばって辛い練習をやれば結果がついてくると思われていた時代とは違うんです。いかに高速で大きな力を爆発的に短時間で出すか。それは、主観ではわからない。トレーニングで大事なのは、疲れるのが目的ではなくて、最大の力を出すことを何回繰り返すか。それを計測しながら効果的にやるべきです」

杉原「そうですね。能力が可視化できれば、そういうトレーニングができますから効率もいいですね」

長谷川「有名な話ですが、何かのトレーニングを7割ぐらいの力で10回3セットやったグループと、100%の力で3回10セットやったグループでは、同じ回数ですが、明らかに後者の方が爆発的な筋力が付くんです。そうやって効果的なトレーニングができれば、より合理化していけます」

杉原「そういうことですね。長谷川さんがやられているセンシングの技術があれば、選手も自分の選択肢が明確にわかりますし、それを組み立てるプランも立てやすくなる。そういう材料を提供されているというのは、素晴らしいです。でも今日のお話しを聞いて、自分もジム通いでやっているトレーニングを見直そうと思いました。まずは、真っ先に回数を減らそうと思います(笑)」

前編はこちら

長谷川 裕(はせがわ・ひろし)
1956年京都府生まれ。龍谷大学経営学部教授(スポーツサイエンスコース担当)。日本トレーニング指導者協会(JATI)理事。エスアンドシー株式会社代表。筑波大学体育専門学群卒業、広島大学大学院教育学研究科博士課程前期終了。龍谷大学サッカー部部長・監督、ペンシルバニア州立大学客員研究員兼男子サッカーチームコンディションコーチ、名古屋グランパスエイトコンディショニングアドバイザー等を経て、スポーツセンシング技術等を利用した科学的トレーニング理論の実践的研究を続ける。著者は『アスリートとして知っておきたいスポーツ動作と体のしくみ』、『サッカー選手として知っておきたい身体の仕組み・動作・トレーニング』ほか多数。

(text: 長谷川茂雄)

(photo: 河村香奈子)

  • Facebookでシェアする
  • LINEで送る

RECOMMEND あなたへのおすすめ

対談 CONVERSATION

どうするポストコロナ時代!AIとロボットがもたらす物流イノベーション GROUND株式会社がつくる新たな潮流

吉田直子

現在、コロナウイルスの影響もあり、物流業界は激動の時代を迎えている。E-コマースのニーズが激増し、企業・個人間の取り引きが今までにないほど増えているにもかかわらず、労働人口の減少や、現場労働者の高齢化により、人手不足が深刻になっているからだ。そんななか、AIとロボットを活用し、物流業界に革命を起こそうとしているのがGROUND株式会社だ。同社がめざすのは先端テクノロジーを活用した物流施設の最適化だという。果たして、物流施設の中では、いま何が起こっているのだろうか。2015年に同社を立ち上げた取締役社長の宮⽥啓友氏に、編集長・杉原が、物流業界の課題と同社のミッションについてうかがった。 ・物流倉庫におけるロボット化、AI化の流れ ・ECの物流波動はプロでも先が読めない ・在庫の配置もAIで解析し最適化する

物流倉庫における
ロボット化、AI化の流れ

杉原:まず御社の事業を、読者の方にわかりやすく説明していただけますでしょうか?

宮田:我々がめざしているのは世界中の先端テクノロジーを活用して物流施設、つまり倉庫の運営を最適化することです。時代背景を説明すると、1970年代までは物流倉庫は主に港湾地域に限定されて建設されており、非常に閉ざされた世界でした。そこから高度経済成長下でフォークリフトが導入され、2000年代までその流れが続きます。2000年前後からはコンビニなどの小売流通が発展し、比較的きめの細かい物流作業が発生し、それに伴って物流施設の中でウェアハウスマネジメントシステム(WMS)、倉庫管理システムというものが使われ始めます。一方で、もともとは自動車のライン生産に供給するためのバックヤードとして誕生した、自動倉庫というものがありました。2010年くらいまでは、そのWMSと自動倉庫くらいしか、いわゆる倉庫を合理化する機器はありませんでした。ところがECの発展により、説明するまでもなく、物量が飛躍的に増加しました。物流施設での作業はもはや人手だけでは困難になり、ましてや日本は少子高齢化の中で、そもそも雇用が確保できない。ECという新しいインフラを支える物流と、業界の実情が大きくかけ離れてしまったのです。

杉原:顧客ニーズが間違いなく既知なのに、技術的なところが未知であるという状況ですね。

宮田:そうですね。そこで、ようやくそのギャップを埋めていくために、ロボット、AIというテクノロジーが注目・活用され始めました。製造業界から10年ほど遅れているのですが、電気自動車の普及によってリチウムイオンの単価が劇的に下がった結果として、我々が提供する物流ロボットも、ようやく投資対効果が見合うようになってきたという流れです。さらに、SLAM(Simultaneous Localization and Mapping:センサーによって周囲環境を把握し、マップをつくりつつ、取得したデータをもとにロボットの自身の位置も推定する技術)技術も進化し、原価の低下と技術の進展がちょうどいま交わったところで、次世代型物流施設というものが求められ始めている。AIなどの先端テクノロジーを活用していかに物流(倉庫)を最適化するかという、この領域を我々はめざしています。

GROUNDが中国のロボットメーカーと共同開発したAMR(自律型協働ロボット) 「PEER(ピア)」。倉庫内作業の「ピッキング」工程において、人と協働しながら作業支援を行うAMR(自律型協働ロボット)。

杉原:具体的には、どういう方法になるのでしょうか?

宮田:例えば、物流機能を有する事業者さんに対して、オープンな物流プラットフォームの構築・提供を目指しています。いわばOSですね。でも、例えばiPhoneのiOSはAppleだけのアプリケーションですが、我々はAndroid的なものを提供したいと考えています。

自律型協働ロボット「PEER」を使用したピッキング作業の様子。オーダーが入ると、ロボットは自ら対象商品が格納されている棚の前まで移動し、停止する。作業者は自分が担当するエリアで待機しているロボットを見つけ、タブレットの指示に従って商品をピッキングし、ロボットのバスケットに商品を入れるだけでよい。

杉原:要は参入障壁を低くすることによって、規模を広げていくということですね。あえてモノポリーされているiPhone型のiOSではなく、Android型を選ばれたのはなぜですか。1970年からの流れがあって改革が起きにくい潮流があったからなのか、それともほかに理由があるのでしょうか。

宮田:2つ理由があって、ひとつはどのような形であれ、EC・物流のリーディングカンパニーであるAmazonに対抗しなければならないということです。彼らはフィラデルフィアに500人以上のデータサイエンティストとエンジニアを集めて、物流オペレーションを高度化するための技術開発を行い、毎年1兆円もを物流へ投資しています。まさにアップルがiOSを囲い込んでいるように、自分たちの物流オペレーションを高度化して独占しています。そんなことは、一企業にはもはやできません。そう考えると、おそらく産学官や民間連合などの、ゆるやかなコンソーシアムでオープンなプラットフォームを作ってAmazonに対抗しないと、技術的にも追いつかないし、投資規模としてもかなわない。

杉原:そうですね。まず、マスが違いますよね。

ECの物流波動は
プロでも先が読めない

宮田:もうひとつは、楽天に勤めていた時にめざしていた構想をクラウドで実現したいという想いがありました。EC物流は、車や白物家電を製造する上での製造物流とは全く違います。例えば、製造業の部品を提供するための物流は、生産計画に基づいているので、明日どれくらいの物量を工場に供給すればいいかわかっている。一方でECはダイレクトに消費者に対して商品を供給するので、例えば、●●スーパーセールで明日どれくらいの物量があるのかは、社内の市場のデータ解析をする専門チームをしても読み切れないんです。

杉原:そうなんですか? 結構読んでいるのかなと思っていたのですが。

宮田:読めないですね。物流ハブをどこに置くかというのも空ぶりになったりと、非常に難しい。それに加えて、ロングテール化の問題があります。つまり、ECでは販売機会の少ないニッチな商品でも色やサイズなどを幅広く取り揃える戦略が主流となっています。ユーザーとしては非常に便利ですが、届ける側は必ずこれを在庫しておかなくてはいけない。こういった消費者ニーズの複雑化・高度化などに伴う様々な制約が生まれる物流を最適化するには、従来の倉庫や物流センターの設備だけでは、もはや成り立たず破綻寸前にあります。こういう非常に高度で複雑な判断が伴い、かつ制約が厳しいオペレーションに対して、あらかじめ予見することはそもそもできない。予見できないから、変化や異常をすぐに察知して、異常に合わせられる、そういう柔軟な仕組みを我々は作っている。必ず前提条件は崩れるものということに基づき、ロボットもAIソフトウェアも開発されています。

杉原:そのアルゴリズムの変数の作り方は異常と変化というところから始まっていて……。

宮田:まさにそうですね。それをいかに迅速に察知して視覚化できるかということをめざしています。

杉原:面白いですね。大手物流事業者でさえできなかった、もしくはまだ難しいところを、物流の部分からディープラーニングさせてコントロールしていくという考え方ですよね。

宮田:そうです。いま、いわゆる購買データと物流センターの在庫の配置の連携は全くとれていなくて、完全に分断されているのが現状なのですよ。

杉原:医療と製薬会社の関係にちょっと似ていますよね。その分断されているものに、歩み寄っていくという考え方に近いのでしょうか。

宮田:そうです。連携を真ん中の物流施設から実現していく。それが、我々が開発しているインテリジェントロジスティックスというソリューション全体、次世代型物流施設の基盤です。PEERという自律型協働ロボットも開発していますが、そのロボットの持っているロボットコントロールシステムと、事業者が使っているウェアハウスマネジメントシステムを、全部ミドルウェアでつなぎこむんですね。そして、つないだものをすべて「Intelligent EYE」というダッシュボードで可視化していくのです。

在庫の配置も
AIで解析し最適化する

宮田:いまの物流センターは、いまだにホワイトボードに進捗を書いて、勘と経験をベースに人を配置しています。我々はそういったものを、可視化していく。自社開発したDyAS(ディアス)というAI物流ソフトウェアは、在庫やPOSデータなど事業者が有する様々なデータを集計・分析し、例えば明日販売する予定の商品を手前に持ってくるとか、明日はサプライヤーから通常より1.5倍くらいの商品が入ってくるから人とロボットをそれぞれどれだけ配置するかを、AIを使って計算・シミュレートし、可視化ツールのIntelligent EYEを通じて現場の管理者に示す。こういった仕組みを、いま構築し始めています。

同社がオリジナル開発したAI物流ソフトウェア「Dynamic Allocation System(DyAS)」。物流倉庫における業務ナレッジや内部・外部データを蓄積・解析し、流施設管理者の意思決定をサポートすることにより、在庫保管効率や物流作業効率を向上させる。

杉原:ということは、このIntelligent EYEとDyASが基本的には核となっていて、実は御社のPEERとかButlerとかのロボットに関しては、アウトプットとしてはほかのものでもいいわけですよね。

宮田:そうです。現場のロボットは、デバイスでしかありません。中長期的には我々はロボットの開発ステージからは離れ、ロボットの仕組みに様々なものを接続・最適化させていくことにより注力するつもりです。

杉原:ロボット化のほうに行くのであれば、圧倒的な資金力とマスプロダクションが得意なところとの競争になってしまうから、コアのビジネスをやっていくということですね。僕らも実はいま、御社と本当に同じような考え方をしているんです。歩行解析ロボットに取り組んでいるのですが、ユーザー側はカメラがあれば、僕らのほうのフィジカルバンクにアクセスできるんですね。

宮田:最終的にはETLポータルを通じて、いかにデータを取得できる仕組みを作るかという方向ですよね。その礎を我々は作っています。スーパーはある程度、野菜、精肉とカテゴリごとに商品がありますが、物流施設は必ずしもそうである必要はない。ポピュラリティと言うのですが、あるものと別のものがセットで買われる傾向があるとしたらAIが分析して、カテゴリが違っても、合理化を考えたときには隣同士に配置してもいいわけです。

杉原:実は消費比率が全然違うから、ティッシュペーパーと洗剤を一緒に買うわけないですもんね。

宮田:そうです。ドラッグストアでは同様のカテゴリで陳列していても、物流施設内はそうある必要はない。ましてや違うブランドやメーカーが混ざっていても全くかまわないわけです。そういう考えに基づいて、あくまでも出荷するうえでの生産性、どのような配置をすれば最短時間で処理ができるのかをAIを使って解析・シミュレートしています。

宮⽥啓友(みやた・ひらとも)
株式会社GROUND 代表取締役社⻑/CEO
上智⼤学法学部卒。1996年 株式会社三和銀⾏⼊⾏。2000年 デロイトトーマツコンサルティング(現:アビームコンサルティング)⼊社。⼤⼿流通業を中⼼にロジスティクス・サプライチェーン改⾰のプロジェクトに従事。2004年 アスクル株式会社⼊社。ロジスティクス部⾨⻑として⽇本国内の物流センター運営を⾏う。2007年 楽天株式会社⼊社。物流事業準備室⻑を経て2008年 物流事業⻑就任。2010年 楽天物流株式会社設⽴、代表取締役社⻑就任。2012年 楽天株式会社執⾏役員物流事業⻑就任。同年フランスのフルフィルメントプロバイダAlpha Direct Services SASを買収し、マネージングディレクターを兼務する。2013年アメリカのフルフィルメントプロバイダWebgistixを買収。2015年4⽉ GROUND株式会社設⽴。

(トップ動画:https://www.youtube.com/watch?v=GK43OBRCzOI

(text: 吉田直子)

(photo: 増元幸司)

  • Facebookでシェアする
  • LINEで送る

PICK UP 注目記事

CATEGORY カテゴリー