2026年8月現在、米国の街角で見かける監視カメラの多くは、単なる「記録装置」としての役割を終えています。それらは、数千の都市を結ぶ巨大なニューラルネットワークの一部であり、リアルタイムで犯罪を予測・追跡する「捜査用OS」の末端ユニットへと変貌を遂げました。この変革の象徴とも言えるのが、米国の監視技術企業Flock Safety（フロック・セーフティ）です。
かつて、2024年5月にWIRED誌が報じた同社の内部コードとドキュメントの流出は、法執行機関がどのようにAIを用いて市民の移動を追跡しているのか、その「ブラックボックス」の中身を白日の下にさらしました。本稿では、当時の衝撃的な事実を振り返りつつ、2026年現在の視点から、AIによる捜査自動化がもたらした深淵について考察します。
1. ニュースの概要：流出した「捜査OS」の全貌
2024年5月14日、WIREDはFlock Safetyの内部システムに関する調査レポートを公開しました。このレポートは、同社が提供する「Investigate」という新ツールのソースコードや内部資料に基づいたものでした。Flock Safetyはもともと、自動ナンバープレート認識（ALPR）カメラの提供で急成長した企業ですが、この流出資料によって、同社が単なるハードウェアベンダーではなく、高度なAIソフトウェアプラットフォームを構築している実態が明らかになりました。
当時明らかになった主な事実は以下の通りです。
- 「Investigate」ツールの存在： 警察官がウェブブラウザ経由で、全米に設置された数万台のカメラデータにアクセスし、車両の検索、追跡、予測を行うことができるシステム。
- 高度な検索アルゴリズム： ナンバープレートだけでなく、車両のメーカー、モデル、色、さらには「ルーフラックがある」「ステッカーが貼ってある」といった特徴（VCO：Vehicle Classification and Recognition）による検索が可能。
- 内部コードの露呈： WIREDが取得したコードには、警察がどのように「ホットリスト（指名手配リスト）」を管理し、特定の車両がカメラに映った瞬間にリアルタイムで通知を受け取る仕組みが詳細に記述されていました。
このニュースは、2024年当時にプライバシー保護団体から激しい非難を浴びましたが、2026年の今日、これらのツールはさらに洗練され、全米の法執行機関における「標準OS」としての地位を確立しています。
2. 技術的な詳細：AIが「点」を「線」に変える仕組み
Flock Safetyのシステムが従来の監視カメラと決定的に異なるのは、AIによる「データの意味付け」と「広域ネットワーク化」にあります。
車両分類・認識（VCO）エンジン
流出したコードから判明したのは、同社が機械学習モデルを用いて、低解像度の映像からでも車両の微細な特徴を抽出している点です。これは単なるOCR（文字認識）によるナンバープレート読み取りに留まりません。AIは、車両の形状、塗装の剥げ、凹み、後部座席の荷物、特定の装飾などをベクトルデータ化します。これにより、ナンバープレートを偽装したり外したりしている車両であっても、過去の走行履歴から同一車両を特定することが可能になります。
「捜査OS」としてのプラットフォーム戦略
Flock Safetyは自社のシステムを「FlockOS」と呼称しています。これは、警察が独自のカメラだけでなく、民間の住宅街や商業施設に設置されたFlockカメラの映像にも（所有者の許可のもと）シームレスにアクセスできるプラットフォームです。内部コードには、サードパーティのデータソース（他社のALPRや顔認証システムなど）を統合するためのAPI構造も含まれており、情報のサイロ化を防ぐ設計がなされていました。
このような高度なAIモデルの精度を支えているのは、日々生成される膨大な学習データです。例えば、「AIの食糧」を供給する新たなパワーハウス：2,300万ドルを調達したWirestockが挑む、高品質マルチモーダルデータの市場化で語られているような、高品質なデータの調達と管理は、監視AIの分野においても極めて重要な要素となっています。Flock Safetyは、全米の道路を走る数億台の車両データを「実世界の学習セット」として活用することで、比類なき認識精度を実現したのです。
3. 考察：効率化の「光」と、監視社会の「影」
Flock Safetyがもたらした変化について、ポジティブな側面と懸念される側面の両方を深く掘り下げます。
ポジティブな側面：捜査効率の劇的な向上
警察当局にとって、このツールは「魔法の杖」に近いものです。従来、盗難車両や誘拐事件の追跡には、各自治体の警察が無線で連絡を取り合い、目視で捜索する必要がありました。しかし、Investigateツールを使えば、容疑車両がネットワーク内のカメラを通過した瞬間に、数秒以内に担当官のスマートフォンに通知が飛びます。
実際に、全米各地でアンバーアラート（児童誘拐警告）の発令から数時間以内での救出劇や、未解決だったひき逃げ事件のスピード解決が報告されています。2026年の現在では、AIが「この車両は過去3日間、特定の住宅街を不自然に低速で周回している」といった不審なパターンを検出し、犯罪が起こる前にパトロールを強化する「予測警備」も一般化しつつあります。
懸念点：プライバシーの消滅と「ドラグネット」の拡大
一方で、その代償は計り知れません。最大の懸念は、犯罪に関与していない一般市民の移動履歴までが、無期限に近い形で保存・検索可能になっている点です。WIREDが指摘したように、内部コードにはデータの保持期間やアクセス権限に関する記述がありましたが、それらが適切に運用されているかを監視する外部機関は存在しません。
「ドラグネット（地引き網）」型の監視は、特定の容疑者を追うのではなく、全員を監視対象に置き、後から遡って検索する手法です。これは合衆国憲法修正第4条（不当な捜索・押収の禁止）の精神に抵触するとの批判が絶えません。また、AIのアルゴリズムにバイアスが含まれていた場合、特定のコミュニティが不当にマークされるリスクも排除できません。
さらに、このような強力なツールが「SaaS」として提供されている点も危惧されます。警察が自前でシステムを構築するのではなく、民間企業のプラットフォームに依存することで、公共の安全のあり方が一企業の規約や技術仕様に左右されることになります。これは、SaaSからAIエージェントの実行基盤へ：Notionがワークスペースを「自律型AIのハブ」に刷新に見られるような、あらゆる業務がAIプラットフォームへ集約されていく現代の潮流の「負の側面」と言えるかもしれません。
4. まとめ：展望としての「透明性」の確保
2024年のコード流出から2年が経過した現在、Flock Safetyのツールはもはや特殊なものではなく、社会インフラの一部となりました。しかし、その「深淵」——つまり、AIがどのように判断を下し、誰がそのデータにアクセスしているのかというブラックボックス問題——は解決されていません。
今後の展望として重要なのは、技術の禁止ではなく「透明性の強制」です。AIによる捜査が行われた際、その根拠となったデータやアルゴリズムの妥当性を、弁護側や第三者機関が検証できる仕組みが必要です。また、データの保持期間の厳格な制限や、目的外使用に対する厳罰化も不可欠です。
私たちは、安全と引き換えにどこまでのプライバシーを差し出すべきなのか。Flock Safetyの事例は、AIが社会のOS（基盤）となる時代において、私たちが直面し続ける最も困難な問いを突きつけています。AIの進化は止まりませんが、それを制御する民主的なプロセスもまた、同じ速度で進化させなければなりません。