企業ウェルネスの不正:600億ドル産業がなぜ腕立て伏せ1回を検証できないのか

問題点

人々はFitbitを天井の扇風機に取り付ける。歩数トラッカーをメトロノームに固定する。夕食を食べながらワークアウト動画を再生させ——そして企業ウェルネスプログラムは、そのすべてを「完了」として記録する。これは仮定上のリスクではない。ゲーミフィケーション型フィットネスプラットフォームやMove-to-Earn(動いて稼ぐ)エコノミー全体で実際に観測されている現実である。STEPNに代表される初期のWeb3フィットネスプロジェクトの崩壊は、一部において、実際の運動を検出するシステムの能力と、GPSスプーフィングや機械式シェーカーでそれを偽装するユーザーの能力との間の軍拡競争によってもたらされた。

デジタルフィットネス業界は、根本的な欠陥の上に成り立っている。ほとんどの「AI搭載」アプリは、レコメンデーションエンジンを後付けした動画プレーヤーのように動作する。ユーザーはインストラクターのワークアウトを見る。アプリは「見たこと=やったこと」と想定する。最後にセッションを完了として記録し、汎用の換算表から消費カロリーを見積もり、デジタルバッジを与える。このデータは監査に耐えない。

これがホワイトペーパーの言う「Vibes(雰囲気)」経済である——ダッシュボード上では正しく感じられ、心強く見えるのに、身体的な忠実度がゼロのデータだ。会社がこのデータに実際の金銭を紐づける瞬間——保険割引、HSA拠出金、ウェルネスインセンティブ——あなたは、実際に起きたと証明できない成果に対して支払っていることになる。ウェルネス支出は、信頼がすでに破綻している「信頼任せ」の賭けになる。

なぜこの問題が貴社のビジネスに関わるのか

企業ウェルネスは600億ドル規模の産業でありながら、不正の問題を抱えている。企業は、一度も受け取ったことのない成果に対して支払っている。検証不可能な指標に金銭を紐づけると、行動経済学者のいうキャンベルの法則が発動する。指標は健康を測ることをやめ、攻略の標的になる。

この問題が損益に直撃する仕組みは次のとおりである。

• 無駄になるインセンティブ支出。 従業員はスマートフォンを揺すって歩数目標を達成し、HSA拠出金を請求する。企業はインセンティブを支払うが、生産性の向上も健康の改善も得られない。
• 保険料の歪み。 現在、保険会社はジム会員登録(確認できるのは所在地であって努力ではない)や歩数(確認できるのはデバイスの動きであって運動強度ではない)に対して割引を提供している。貴社の保険料は、精査すれば崩れ去るデータの上で設定されている。
• コンプライアンス・エクスポージャー。 エンタープライズ環境では、保険料計算やウェルネスインセンティブの配分に使われる検証不能な自己申告データが監査リスクを生む。規制当局や監査人から、健康関連の主張の背後にあるデータをどう検証したのかと問われたとき、「アプリがそう言った」は防御になり得ない答えだ。
• エンゲージメントの崩壊。 誠実な従業員が本物の腕立て伏せ100回をこなし、同僚がランキング1位のために偽の200回を記録するなら、そのシステムは努力を罰し、不誠実さに報酬を与えている。優秀な人材ほど離れていく。データの完全性は底辺への競争に突入する。
• リハビリの不遵守。 筋骨格系疾患は雇用主にとって最大級のコスト要因である。遠隔リハビリテーションはアクセスの問題は解決するが、遵守の問題は解決しない。患者のホームエクササイズのアドヒアランスは自己申告であり、しばしば50%未満にとどまる。患者は悪いフォームで運動を行い、回復を遅らせ、貴社のコストを増大させる。

測定できないものは修正できない。そして今まさに、あなたは「雰囲気」を測っている。

内部で実際に起きていること

根本原因は、業界が何年も前に犯したアーキテクチャ上の誤りである。ほとんどのフィットネスアプリは、運動を画像分類問題として扱う。ポーズ推定——カメラ映像から骨格の座標を抽出するソフトウェア——を使う場合もある。OpenPose、BlazePose、MoveNetといったライブラリは、任意のフレーム内で肘・膝・腰の位置を見つけ出せる。

しかし決定的なギャップがある:ポーズ推定はセンサーであって知能ではない。 単一の静止画の中で関節がどこにあるかは分かるが、腕立て伏せで体を下ろしている最中なのか、押し上げている最中なのかは判別できない。その姿勢を30秒間保持していたのか、30ミリ秒だったのかも分からない。疲労による震えも、バランスの危険な崩れも検出できない。

こう考えてみてほしい。フィットネスアプリに生の骨格座標を渡すことは、患者に心電モニターの生の電圧値を渡して自己診断させるようなものである。センサーは生データを提供するにすぎない。信号を解釈する役割は、別の何かが担わなければならない。

運動は静止画ではない。時間の流れの中で展開するプロセスである。スクワットは波形パターンを作る——腰が下がり、戻り、また下がる。この波には深さ(どこまで低く下がるか)、速度(どれだけ速く動くか)、滑らかさ(どれだけぐらつくか)がある。従来のコンピュータビジョンは個々のフレームを見るため、波そのものを見逃す。さらに、LSTM(Long Short-Term Memoryネットワーク)と呼ばれる旧来の系列処理AIモデルは、フレームを厳密な順序で1枚ずつ処理する。並列実行ができないため、スマートフォン上でのリアルタイム利用には遅すぎる。長い系列では文脈を見失うこともある。5分間のヨガセットや50回の腕立て伏せセットは、そのメモリを簡単に圧倒してしまう。

機能するもの(と機能しないもの)

機能しないもの:

• 自己申告データ。 ユーザーに「やりましたか?」と尋ね、その答えを信用するやり方は、人間の行動におけるあらゆる逆インセンティブを無視している。これこそがVibes経済の土台である。
• 歩数トラッカー。 システムが歩数に報酬を与えるなら、ユーザーは体を動かさずにデバイスを動かす方法を見つけ出す。指標が目標になり、健康の成果ではなくなるのだ。
• ポーズ推定を後付けした動画プレーヤーアプリ。 静止フレーム内の関節位置は検出できるが、時間の経過に伴う動作の質・深さ・完了を検証できない。知能を持たないセンサーである。

機能するもの——3ステップからなる物理ベースの検証エンジン:

1. センシング(端末上)。 軽量のポーズ推定器がスマートフォンのプロセッサ上で動作する。骨格の座標——数キロバイトのデータ——のみを抽出し、動画フレームは直ちに破棄する。ピクセルデータが端末の外に出ることは一切ない。これはプライバシー・バイ・デザインであり、GDPRおよびHIPAA準拠を当初から組み込んで設計されている。

2. 解析(TCNによる信号処理)。 匿名化された座標ストリームは、Temporal Convolutional Network(TCN)——動きを画像の連続ではなく波形信号として扱うAIアーキテクチャの一種——へ流れる。TCNは膨張畳み込み(dilated convolutions)と呼ばれる手法を用い、単一フレームの物理(「今、膝が内側に倒れていないか?」)と数分間の動きのパターン(「疲労に伴ってフォームが崩れていないか?」)を同時にチェックできる。旧来のモデルと異なり、TCNはすべてのタイムステップを並列に処理する。つまり、モバイル端末でのリアルタイムフィードバックが可能になる。

3. 検証(監査可能な出力)。 システムは検証済みの各レップについてデータパケットを生成する。パケットには、タイムスタンプ、信頼スコア、運動学的測定値——動作の深さ、速度、滑らかさ(加速度の変化率である「ジャーク」で測定)、左右の対称性——が含まれる。物理的変位がバイオメカニクスの閾値を超えたときにのみ、レップはカウントされる。このシステムで腕立て伏せを偽装するには、事実上、人型ロボットを製作するしかない——あるいは、素直に腕立て伏せをするかだ。

これこそコンプライアンス部門が必要とする監査証跡である。検証済みの各レップは監査可能な記録になる——自己申告の主張ではなく、物理測定値だ。保険会社は検証済みの機能的能力に基づいて引受を行える。ウェルネスプログラムはインセンティブを**Verified Active Minutes(検証済み活動時間)**に紐づけられる。遠隔リハビリの臨床担当者は、検証済みの遵守状況と品質トレンドのダッシュボードを確認でき、データが患者の苦戦を示した時点で介入できる——次回の診察まで数週間待つのではなく。Remote Therapeutic Monitoring(遠隔治療モニタリング)は現在、米国で償還可能なCPTコードとなっており、検証技術を採用する医療提供者に直接的な収益源をもたらしている。