記事のサマリー（TL;DR）
- ボストン拠点のBlue VoiceがSignalFire主導で600万ドルを調達、ステルスを解除
- 25州・225の郡機関の警察官が現場でリアルタイムに法令・部署規定を照会、過去1年で顧客数が11倍に拡大
- 汎用AIが誤答率最大30%であるのに対し、部署固有の訓練データで精度を担保——先行事例として誘拐未遂の防止も報告
「Harvey for police」モデルが示すプロフェッショナル向けAIの普及パターン
Blue Voiceが掲げる「警察版Harvey」というポジショニングは、法律（Harvey）・医療（OpenEvidence）に続く第三の垂直特化型AIとして注目に値します。共通するアーキテクチャの思想は「汎用LLMに答えを生成させるのではなく、一次資料（法令・規定・ガイドライン）に直接リンクする」という点です。これは日本の業務SaaSやコンプライアンス対応システムに対しても示唆が大きく、kintone・Salesforceなど社内データベースを持つ組織が独自ドメインのRAG（検索拡張生成）を構築する際の設計指針として参照できます。国内では公共機関のAI導入が慎重に進められており、正確な根拠提示を前提とする設計が信頼獲得の鍵になります。
詳細
ハーバード・ロー中退から「警察のAI問題」へ
David Lawrenceがハーバード・ロースクール在籍中、キャンパス内での警察官が関与した銃撃事件が大きな物議を醸しました。Lawrenceはそこで「警察の過誤の多くは、現場の警察官が部署規定へ即座にアクセスできないことに起因する」という仮説に行き着き、中退を決断。ハーバードMBA取得者で元Google エンジニアのAmit Patankar、ボストン市警の元副署長Michael Gropmanと共同創業し、Blue Voiceを立ち上げました。
課題：15,000ページのマニュアルと汎用AIの限界
現場の警察官は、地方自治体の条例・州法・部署ポリシー・連邦法など、膨大なルール体系を記憶に頼って運用しています。従来の選択肢は以下の3つに限られていました。
- 現場で15,000ページのマニュアルをめくる
- 深夜に上司を叩き起こす
- Google や ChatGPT など汎用ツールで検索する
ところが汎用AIは、警察固有の訓練データを持たないため誤答率が最大**30%**に達すると、LawrenceはTechCrunchに語っています。従来の方法は時間がかかりすぎ、汎用AIは精度が低い——このギャップを埋めるのがBlue Voiceです。
解決策：部署固有データで訓練された「一次資料直結型AI」
Blue Voiceはその機関の法令・条例・プロトコル・ガイドラインを学習しており、一般のインターネット上には存在しない情報にアクセスできます。重要なのは「AIが答えを生成する」のではなく、該当する一次規定をそのまま提示する設計である点です。最終判断は常に現場の警察官に委ねられ、AIはあくまで根拠情報の提供に徹します。また、活動中の銃乱射事案では学校の詳細な見取り図をスマートフォンで即時参照できる機能も備えています。
現在、Blue Voiceは1分ごとに1件のクエリに回答しています。
具体的な導入事例
誘拐未遂の防止： 新人警察官が、男性が若い少女に車への乗車を強要している現場に遭遇。介入する法的根拠があるか不明な状況で、Blue Voiceに照会したところ、アプリは即座に「child enticement（未成年誘引）」——犯罪目的で未成年を誘引しようとする行為——の法的定義を提示し、介入の正当性を確認。警察官は迅速に行動に移ることができました。
職場復帰の適正手続き確保： 発砲事案後、ある署長が警察官を現場に復帰させようとした際、Blue Voiceが「第三者による精神科的評価を先に取得する必要がある」という規定を通知。手続きの省略を防ぎました。
成長と競合環境
Blue Voiceの顧客数は過去1年で11倍に拡大。競合はPEバック（プライベートエクイティ出資）のLexipolです。同社はコールドケース（未解決事件）解決を支援する探偵向け機能も最近開発しています。
AI と市民的自由のバランス
Flock Safetyのナンバープレート監視システムなど、警察によるAI活用への批判が高まる中、Lawrenceは「適切に展開されたAIは市民の権利を損なわずに公共安全をもたらせる」と主張しています。コネティカット州知事Ned Lamont政権下での行政経験を持つLawrenceは、「これが私のキャリアで最善の選択であり、最大のインパクトをもたらせる」と語っています。