📝 KEIBI-Lab 編集部より

※ このページは編集部の独自整理であり、原文の翻案ではありません。詳細・正確な数値・サービス内容は出典元のプレスリリースでご確認ください。

📰 編集部の整理

警備管制SaaS「くもかん」を提供する 株式会社straya が、警備員の 離職予測AI の実証結果を発表しました（出典：PR TIMES 2026年1月6日）。

公表された主な数値は以下のとおりです。

  • 14%：面談対象者のうち、AIが「離職予備軍」と特定した割合
  • 52%：全退職者のうち、入社後6ヶ月以内の早期離職が占める割合
  • 22%：入社後0〜1ヶ月で離職する割合
  • 340万円：警備員1名の離職回避による年間経済リターン（推計値）

AIは 約2年分の勤務実績データ を機械学習で分析し、リスクスコアに基づいて高リスク層を抽出。経営層・管制担当が 早期面談のきっかけ作り に活用できる設計とされています。

編集部コメント

このリリースは、警備業界の人材インフラ課題を データドリブンで可視化 した実例として注目に値します。編集部としての見立ては3点です。

① 業界の在職年数データと数字が整合している

警察庁データでは、警備員の 1年未満比率 17.6%・3年未満比率 38.4% という構造があり、業界の早期離職構造は統計的にも裏付けられています（参考：在職年数データ）。今回の「6ヶ月以内52%」「0-1ヶ月22%」という社内データは、業界全体の構造と方向性として整合する数字です。

② 「経験・勘」から「データドリブン」への転換点

警備会社の現場で、退職予兆の察知は 管制担当・隊長の経験と勘 に強く依存してきた領域です。今回のリリースは、SaaS×AIが 業界の暗黙知を構造化 する典型例として、業界経営者層への示唆が大きい事例と言えます。

③ 警備管制SaaSのAI機能差別化が加速

警備業界AI実装企業マップで整理したとおり、警備管制SaaSは 配置最適化・教育・勤怠 の3軸での差別化が進んでいます。今回の「離職予測AI」は、4軸目「定着支援」 の領域でくもかんが先行を示した動きと観察できます。同領域はKOMAINU・警備フォース・プロキャス警備など他社が追随する可能性があります。

業界記者・経営者への論点

本リリースを警備業の経営課題として読み解くと、以下の論点が浮かびます（編集部の見立て）。

  • 採用後 0〜6ヶ月の定着施策 にリソースを集中する経営判断の根拠データ
  • 警備会社の 人事データ蓄積 がAIモデルの精度の鍵になる構造
  • 業界全体の 教育プログラム標準化 とAIモデルの汎化可能性
  • 中小警備会社が単体でデータ蓄積を進めるか、業界横断データ活用に向かうかの選択

関連する業界データ・記事

業界の構造を踏まえて読むと、本リリースの位置づけがより鮮明になります。