製造業のフィジカルAI導入は、教えられる現場づくりから ― 中小工場の4つの段階
製造業にフィジカルAIを入れる鍵は、ロボットや AI モデルの性能より、現場がロボットに仕事を教えられる状態になっているかどうかにある。 中堅・中小の工場を訪ねる YouTube チャンネルゲンバとヒトの全29本(約10時間30分)を読むと、学習で動くロボットが働いている工場はまだ一つもなかった。いちばん近い工場でも、作業の標準化に約20年をかけ、その上で熟練者の力の入れ方を記録し始めた段階だった(LOG553)。
このページは、中小の製造業がフィジカルAI へ向かうときの順番と、最初に手を付ける作業の選び方をまとめたものです。中身は29本の動画を読んだ記録と、国や業界団体の公開資料に基づきます。国の制度や業界の動きが変わったら書き直します。
このページで分かること
- フィジカルAI が、これまでの産業用ロボットや協働ロボットと何が違うか
- 中小の工場がフィジカルAI へ向かう4つの段階と、各段階にかかった年数
- 最初に任せる作業と、後に回す作業の選び方
- 職人やベテランが反対したとき、どう進めた会社があるか
製造業のフィジカルAIとは:産業用ロボットとの違い
フィジカルAI は、体を持って現実の世界で動く AI のこと。製造業の話では、人のお手本から学び、部品の位置や形が少し変わっても、自分で動きを変えられるロボットの AI を指すことが多い。
| 産業用ロボット・協働ロボット | 学習型のロボット(フィジカルAI) | |
|---|---|---|
| 動きの決め方 | 人が動きを1つずつ教える(ティーチング) | 人のお手本の動きから学ぶ(模倣学習) |
| 得意な作業 | 決まった位置・決まった部品の繰り返し | 位置や部品がばらつく作業、ルールで書ききれない作業 |
| 苦手なこと | 状況が少し変わると止まる | 速さと確実さはまだ専用機に及ばない |
| 必要なもの | 治具、プログラム、安全柵(または安全の評価) | 作業の標準と、熟練者の動きの記録(お手本) |
決まった動きの繰り返しなら、今も産業用ロボットや専用機のほうが速く安い。学習型を使うのは、位置や部品がばらつき、ルールでは書ききれない作業に絞るのがよい。
警備・点検ロボットの ugo の松井CEO は、ゲンバとヒトの動画で、基盤モデル(大量のデータで先に学習させた、たたき台になる AI)は企業が作り、最後に残るのは現場ごとの微調整だと話していた(前編・後編)。工場の側に求められるのは、モデルを作ることではなく、自社の作業を教えられる形にしておくことだ。
製造業のフィジカルAIは、どこまで来ているか(2026年11月)
ゲンバとヒトが訪ねた12の会社(めっき、樹脂部品、精密部品、米菓、かまぼこ、紙箱、鶏卵、物流など)のうち、学習で動くロボットを使っている工場はなかった(LOG553)。
| 会社 | 業種 | 現場の段階 |
|---|---|---|
| 東京計装 | 半導体装置向け流量計 | 夜間無人の校正。有毒ガスの出る樹脂溶接の力の入れ方をセンサーで集めている |
| 河村化工 | 自動車の樹脂部品 | 治具・設備・画像検査を自作。二重検査を撤廃 |
| 松本プレシジョン | 精密部品・空圧機器 | 全数カメラ検査、センサーの値を常に取る |
| 大和電化工業所 | めっき | 完全自動化と検査レス。若手が主導したデジタル化 |
| 越後製菓 | 米菓・餅 | 焼きは音と色で人が判断。機械は自社設計 |
| ほしゆう | 紙箱 | 色や位置合わせは人の感覚。条件を変えたテストで技を見える化 |
一方で、外ではデータとモデルの土台が整い始めている。AIロボット協会(AIRoA)は2026年7月に、ロボットの動作データ5000時間分と、Physical Intelligence の π0.5 を出発点に追加学習したモデルを公開した(エクサウィザーズの解説)。国産のロボット基盤モデルは、2027年6月ごろにベータ版をオープンソースで公開する予定だ(AIロボティクス戦略の概要)。
つまり、中小の工場が自前でモデルを作る必要はなくなりつつある。残るのは、そのモデルに自社の作業を教えるための教材、つまり作業の標準と熟練者の動きの記録だ。
中小工場がフィジカルAIへ向かう4つの段階
学習型ロボットは、いきなり入れるものではなく、次の4段のいちばん上に載る。どの段の例も、動画の会社が実際に通った所だ(上の図解で、段ごとの中身を見られる)。
| 段階 | やること | 通った会社 | 次へ進む関門 |
|---|---|---|---|
| 1 見える化と標準 | 紙をやめて記録をデジタルで残す。作業の標準を決める | 大和電化工業所、松本プレシジョン | 標準どおりに作業され、記録が溜まり始めている |
| 2 名もない業務と検査の自動化 | 見回り・付け替え・二重検査・危険作業を、ルールと画像で置き換える | 河村化工 | 効果が数字で出て、現場が使い続けている |
| 3 夜間無人化と動作データ | 夜は機械とロボットが動く。熟練者の動きを、映像・力・条件と組で記録する | 東京計装 | 教材にできる動作データがそろっている |
| 4 学習型ロボットの試験導入 | 公開された基盤モデルを、自社のデータで追加学習する | 29本にはまだ例がない | ― |
かかった年数も見えている。大和電化工業所は段階1を半年から1年の改善計画に組み込み、河村化工は段階2で現場の潮目が変わるまで2、3年、東京計装は段階3までに約20年をかけた(LOG553)。
ただし、段階を順に待つ必要はないものもある。熟練者の作業を撮り溜めておくことは、段階1のうちから始められ、後の段階で教材になる。
最初にロボットやAIに任せる作業の選び方
入口は、職人の技そのものではなく、職人が誇りを持っていない仕事から選ぶ。
| 作業の種類 | 先にやるか | 理由と例 |
|---|---|---|
| 見回り・箱の補充・付け替え | 先にやる | 業務一覧に載らない仕事。河村化工は箱の補充の見回りを画面で済ませ、1日に1人分(8〜10時間)を浮かせた |
| 二重検査・数の確認 | 先にやる | 画像で数えられ、効果が時間で出る。河村化工はクリップの付け忘れをカメラで数え、二重検査を最大約500分減らす見込み |
| 危険作業 | 早めにやる | 人を守る話として受け入れられやすい。東京計装は有毒ガスの出る樹脂溶接を最初の対象にした |
最後の目視検査・色合わせ・火加減 | 後にやる | 職人の技の中心。職人を、ロボットに教える先生の側に置く |
ugo の松井CEO も、業務一覧に載らないついでの仕事を探すことを最初の一歩に挙げていた。東京計装の社長は、人がやっているが価値を生んでいない工程を先に自動化している。
ベテランや職人が反対したら、どう進めるか
ゲンバとヒトの中で何度も出てきた壁が、ベテランは便利でも使わない、ということだった(河村化工の社長の言葉)。自分の作業の流れを変えられるなら、どんなに便利な道具でも使わない。秒単位で測る仕組みに強い反対が出た工場も、DX を宣言してほぼ全員に反対された工場もあった。
反対を越えた会社には共通点がある。
- 作業者の流れを変えない形で入れた。河村化工は市販の画像検査ではなく、作業内容を変えないものを自作し、現場に寄り添い続けて潮目が変わるまで2、3年かかった
- 数字を、作業者を守る盾として説明した。東京計装は、数値管理は会社に対して「この人数では無理だ」と示すためのものだと伝えた
- 巻き込む力のある人がいた現場から始めた。越後製菓では、片貝工場の成功が全体を動かした
- 職人を置き換えられる側ではなく、教える側に置いた。ロボットの先生になるのは熟練者なので、技の価値はむしろ上がる
暗黙知(勘とコツ)は、AIに教えられるか
教えられる部分はある。ただし、結果だけを記録しても足りない。欲しいのは、何を見て、どう判断し、どう力を加えたか、だ。
- 東京計装は、溶接棒を押して引く力の入れ方をセンサーで集めている。映像と力と条件を組で残す形は、そのままロボットのお手本になる
- フューチャーアーティザンの田中社長の会社は、既存の資料から AI に判断の仮説を出させ、ベテランが確かめてルールにする形で、3か月から半年かかった整理を約1か月に縮めた
- ほしゆうは、紙と条件を変えたテストで、ベテラン自身も知らなかったことを見える形にした
失敗したときの立て直し方も記録に含める。熟練者が辞める前が勝負になる。
データは誰のものにするか
現場の技をデータにすると、持ち出される恐れも生まれる。外部のモデルを使って追加学習するなら、自社の動作データと、追加学習した結果のモデルを誰が持つかを、契約の前に決めておく。公開してよい一般的な動作と、秘匿すべき自社の技を分けておくことが、業界団体のデータ共有の仕組みに参加するときの前提になる。
費用と、使える国の支援
| 動き | 内容 |
|---|---|
AIロボティクス戦略(2026年3月) | 2040年までに AI ロボットを国内に1000万台規模。多品種少量の製造業も実装の分野に入っている |
2026〜2030年度、経済産業省と NEDO。ロボットの頭脳の土台を国産で | |
オーダーメイドの設備・システムが対象。補助の上限は最大1億円 | |
| 2026年版ものづくり白書 | 2040年に製造業で400万人規模、AI やロボットを使える人材で340万人が不足 |
ロボットを現場に組み込む SIer は慢性的に人が足りず、本体の価格だけで予算を組むと、周辺機器と設計で大きく超えやすい(MONOist)。社内に小さくても自分で試せる人を置き、外に導入と保守を任せられる相手を持つ、二段構えがよい。
補助金の公募の時期と条件は回ごとに変わるので、申し込む前に公式のページで確かめてほしい。
このページで言えないこと
- 学習型ロボットを中小の工場に入れたときの費用と効果。29本の中にまだ例がなく、数字がない
- 動画で話された数字(時間・人数・年数)は、各社の資料と照らし合わせていない
- 人型ロボットの安全規格 ISO 25785-1 は、まだ委員会原案の段階で、人の隣で動かすときの決まりは固まっていない
自分の工場で考えたい方へ
どの作業から始めるか、動作の記録をどう取るかを一緒に考えるときは、次の4つをメッセージで送ってください。
- 業種と、工場の人数
- 人が足りない工程、熟練者に頼っている工程
- いま記録しているもの(作業記録・点検・映像など)
- 導入の段階(情報を集めている・自動化を試している・ロボットを比べているなど)
関連するページ
日本の工場にフィジカルAIを入れるには ― ゲンバとヒト29本の現場から(LOG553)
このページの更新
| 日付 | 変えたこと |
|---|---|
| 2026-11-22 | 公開 |