LOG553考察記事2026/11/22

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

AIで読む ChatGPT・Claude などで、この記事に質問できます

日本の製造業にフィジカルAI(人のお手本から学び、状況に合わせて動きを変えるロボットの AI)を取り込む鍵は、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。 製造現場を訪ねる YouTube チャンネル ゲンバとヒト の全29本(約10時間30分)を文字起こしで読むと、学習で動くロボットが働いている工場は一つもなく、いちばん近い東京計装でさえ、約20年かけた作業の標準化の上で、熟練者の力の入れ方を記録し始めた段階だった。

この調べで手に入ったこと。

  • 中堅・中小の工場がフィジカルAIへ向かう順番が、4つの段階と3つの関門として見えた。 どの段階の例も、動画の会社が実際に通った所で、段階ごとにかかった年数(半年〜1年、2〜3年、約20年)も分かった
  • 入口の選び方。業務一覧に載らない見回り、価値を生まない付け替え、危険作業、二重検査から入ると、職人の誇りとぶつからない。河村化工は、箱の補充の見回りを画面で済ませて、1日に1人分(8〜10時間)を浮かせた
  • 国と業界が何を用意し、工場に何が残るか。ロボットの基盤モデルと動作データは国と業界団体が公開し始め、導入費は補助金で支えられる。残るのは、自社の現場を教えられる形にする部分だけだった
  • 手間:10時間半の動画を見る代わりに、文字起こしを Claude(Anthropic の AI)に読ませ、動画ごとのメモと報告にまとめた。国の戦略や業界の動きは、公開されている資料で裏を取った

ゲンバとヒトは、現場向けアプリのカミナシが運営するチャンネルで、めっき、樹脂部品、精密部品、米菓、かまぼこ、紙箱、鶏卵などの中堅・中小の工場を、工場潜入・現場の担当者・経営者の3本組みで訪ねている。フィジカルAI を正面から扱ったのは、警備・点検ロボットの ugo の2本だけ。残りの27本は、その手前にある現場の姿を映している。

読んでいて一番重かったのは、樹脂部品を作る河村化工の社長の、ベテランは便利でも使わない、という一言だった。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「動物園の動物じゃない」と声が上がった工場も、DX を宣言してほぼ全員に反対された工場もあった。フィジカルAI の話は、この壁の手前から始めないと現場に届かない。

何をなぜ分かったこと
ゲンバとヒト全29本の文字起こしを読む
日本の中堅・中小の工場がいまどこにいるかを、現場の言葉でつかむ
現場はかなり自動化されているが、最後の判断・勘とコツ・細かい手作業が必ず残る
ugo の2本を読む
フィジカルAI を供給する側の見方を知る
基盤モデルは企業が作り、最後に残るのは現場ごとの教え込み
国の戦略・業界団体・安全規格を調べる
動画に出てこない外の動きで補う
モデルとデータは国と業界が用意し始めた。人型の安全規格はまだ原案
9つの必要なことと4つの段階にまとめる
工場がどの順番で進めばよいかを見えるようにする
標準化 → 名もない業務の自動化 → 夜間無人と動作データ → 学習型ロボット
外堀から埋める進め方を考える
職人の誇りとぶつからない入れ方を探す
職人を、置き換えられる側ではなく、ロボットに教える側に置く

作業ログ ― Claude との対話を、そのまま残す

ここから下は、対話の全量です。私の発言を引用で、Claude の答えを本文で載せています。各節の頭の太字の一文は、その節で Claude が答えようとした問いです。記事化の段取りのやり取りと、本題と関係ない話(調べている途中で、ブラウザの動画が勝手に再生されていないかを聞いたやり取り)は外しました。Claude の答えの中の出典の書き込みは、記事の決まりに合わせて外し、リンクにしています。

動画の中身は、Claude が文字起こしを読んで日本語でまとめたもので、話した人の言葉をそのまま書き写したものではありません。文字起こしは自動のもので、会社名の聞き取り違いは求人情報などで確かめて直しています。数字は動画で話された値で、各社の資料と照らし合わせてはいません。動画ごとのメモは、調査メモとして別に保存しています。

この記事に出てくる言葉

言葉ふだんの言葉で言うと
フィジカルAI
体を持って現実の世界で動く AI。この記事では、人のお手本から学び、状況が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
産業用ロボット
決められた動きを正確に繰り返すロボット。状況が少しでも変わると対応できない
基盤モデル
大量のデータで先に学習させた、たたき台になる大きな AI。ここから現場ごとに追加で学習させて使う
追加学習
基盤モデルに自社のデータを足して学習させ、自社の作業に合わせること
模倣学習
人がやって見せた動き(お手本)をまねさせて、ロボットに作業を覚えさせる学び方
暗黙知(勘とコツ)
本人も言葉にできない判断や技。音・色・手ざわりで決めている部分
標準作業
誰がやっても同じ手順・同じ時間で同じ品質になるように決めた作業のやり方。トヨタ生産方式の土台
SIer(エスアイヤー)
ロボットや機械を選び、現場に組み込んで動くようにする会社
AIRoA
AIロボット協会。ロボットの動作データと基盤モデルを、日本で共有するために集めている団体

ゲンバとヒトの全29本から、日本の製造業にフィジカルAIを取り込む条件を調べる

https://www.youtube.com/@GEMBA-TO-HITO/videos このYouTubeの動画の内容を全て確認して日本の製造業にフィジカルAIを取り込んでいくためにはどんなことが必要か徹底的に調査してください。

— ゲンバとヒトの全29本から見て、日本の製造業にフィジカルAIを取り込むには、何が必要か。

(Claude は、チャンネルの29本を1本ずつ開いて文字起こしを読み、動画ごとのメモを取ったうえで、政府の戦略・業界団体・安全規格の公開情報で補い、次の報告にまとめた)

日本の製造業の鍵は、ロボットに仕事を教えられる現場かどうか

日本の製造業にフィジカルAIを取り込む鍵は、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。29本の現場を通して見ると、学習で動くロボットが実際に働いている工場は一つもなかった。いちばん近かったのは東京計装で、有毒ガスの出る樹脂溶接を人の力の入れ方ごとセンサーで記録し、ロボットアームに再現させる一歩手前まで来ている。

その東京計装も、いきなりそこへ行ったわけではない。2007年からトヨタ生産方式で作業を標準化し、秒単位で測る仕組みに現場の大反対を受けながら20年近くかけて、誰がやっても同じ品質と時間で仕上がる工場をつくった。その上に夜間無人の校正装置が載り、さらにその上に溶接の動作データ化が載っている。この順番そのものが、日本の製造業がフィジカルAIへ向かう道筋の見本になっている。

必要なことを一言でまとめると次の三つになる。

  1. 教えられる現場をつくる。 作業の標準、記録、勘やコツの根拠をデータとして残す。フィジカルAIはお手本から学ぶので、人ごとにやり方が違う現場ではお手本そのものが揃わない。
  2. 入口を間違えない。 業務一覧に載らない名もない仕事、価値を生まない付け替え、危険作業、二重検査から入る。いきなり人の置き換えを狙わず、ベテランの流れを変えない形で入れる。
  3. 経営が変革として腹をくくる。 改善は全員が得をするので進むが、変革は誰かの負担が増えるので進まない。目的を働く人の賃金と誇りに置き、2年単位で評価し、やめることも同時に決める。

日本の勝ち筋は基盤モデルを自前でつくることより、現場ノウハウをモデルに教え込むアプリケーション側にある、という見方は動画のugo松井CEOと政府のAIロボティクス戦略で一致している。その教材になる暗黙知が、いま熟練者の退職とともに毎年失われている。急ぐべきはロボット選びより、教材を残すことだ。

ゲンバとヒト29本の訪問先と、各社の現場の段階

ゲンバとヒトは現場向けアプリのカミナシが運営するYouTubeチャンネルで、公開中の29本(合計およそ10時間30分、約2026年1月〜11月)をすべて文字起こしで読んだ。訪問先は中堅・中小の製造業が中心で、多くは工場潜入、現場の担当者、経営者の3本組みになっている。フィジカルAIを正面から扱ったのはugoの2本だけで、残りはその手前にある現場の姿を映している。政府の戦略、業界団体の動き、安全規格など、動画に出てこない部分は外部の公開情報で補った。

訪問先業種本数現場の段階フィジカルAIにつながる要素
東京計装半導体装置向け流量計3夜間無人と動作データ化の手前
標準20年、夜間ロボット、溶接の力覚データ収集
河村化工自動車の樹脂部品3自作の自動化と画像検査
治具からAIまで内製、二重検査の撤廃
松本プレシジョン精密部品、空圧機器3
全数カメラ検査、センサー常時取得
協働ロボットの指先を製造、365日稼働
大和電化工業所めっき、シートベルト部品3完全自動化と検査レス
QCサークル40年、若手主導のデジタル化
ヒラノのタマゴ鶏卵1大半自動、目視は人
回収から自動倉庫まで無人、最後の目は人
越後製菓米菓、餅3現場DXが工場単位で進行
焼きは音と色で判断、機械は自社設計
河内屋蒲鉾3間接部門DX、製造は手作業
動画マニュアル、手作りを差別化の軸に
ほしゆう紙箱3職人技と勉強会
色や見当は人の感覚、条件を変えたテスト
キリングループロジスティクス物流1拠点標準化の入口
計画系業務のAI化、拠点ごとのやり方の違い
ugo警備・点検ロボット2フィジカルAIの供給側
模倣学習キット、現場ごとの追加学習
フューチャーアーティザン田中社長
製造業DX支援3経営論
属人化の資産化、改善と変革の違い
チャンネル紹介―1――

29本の動画に映った製造現場の実像

現場はすでにかなり自動化されている。それでも、最後の判断と、言葉にならない勘と、手でしかできない細かい作業が、どの工場にも残っている。フィジカルAIが狙うべきはこの残りの部分であり、同時にいちばん難しい部分でもある。

勘とコツは今も現場の心臓

越後製菓の焼き工程では、生地が膨らむときのパチパチという音の減り方で火加減を判断している。ほしゆうの印刷は午前と午後で機械の温度が変わり、濃度計の数字より人の目で色を合わせる。松本プレシジョンの熱処理は一人前まで約10年、河内屋の鯛の細工かまぼこを作れるのは社内で一人だけだ。

こうした技は、本人たちが言葉にできないから数をこなして覚えるしかない、と語っている。田中社長(フューチャーアーティザン)は、勘やコツの裏には必ず根拠があり、言葉にできないだけだと言う。仕様書や工程表は管理されていても、その根拠がどこにも書かれていない。ここが会社の本当の資産であり、フィジカルAIにとってもいちばん欲しい教材になる。

最後の検査は人の目

東京計装は校正の合否を機械が出す一方で、傷だけは今の技術では人の目しかないとして、有資格者が光に当てて見ている。ヒラノのタマゴはカメラ、打音、透過光で幾重にも検査したうえで、なお3回の目視を残している。その一方で、河村化工はクリップの付け忘れをカメラで数えて二重検査をなくし(1品種1日約10分、約50品種で最大約500分の見込み)、大和電化は成形の品質を上げて検査机ごと撤去した。外観と数の判定は、AIが現場に入るいちばん確かな入口になっている。

ベテランは便利でも使わない

この一言(河村化工の河村社長)が、29本のうちでいちばん重い。自分の流れを変えられるなら使わない。東京計装では秒で測る仕組みに対して動物園の動物じゃないという声が上がり、辞めたい人まで出た。越後製菓はDXを宣言した当初ほぼ全員に反対され、工場長と始めたタブレットの在庫管理はすぐに続かなくなった。

反対を越えた会社のやり方には共通点がある。河村化工は作業者の流れを変えない画像検査を自作し、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。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、作業者を守る盾になると説明した。越後製菓では、現場を巻き込む力のある人がいた片貝工場の成功が全体を動かした。

人はもう増やせない

地元の高卒新卒が一人も採れなかった工場があり、インドネシアの実習生の間でも日本の人気は5位まで下がっている(田中社長)。松本プレシジョンは納期の緊急事態宣言を出し、創業78年で初めて365日稼働にしてベトナム人を中心に3か月で15〜20人を増やしたが、能力は130%でもまだ足りない。河内屋は短期アルバイトを集めるために、3、4時間の勤務でも回るよう現場を組み替えている。人で埋める道は、どの会社でも細くなっている。

自前で作る会社は強い

越後製菓の会長は、機械メーカーに頼むと同じ機械が他社にも売られるので、機械は自分で設計し、特許も取らずに秘匿する。河村化工は金型も設備も画像検査も自作し、製造業の設備やソフトはどこも似たようなものになるので、自分にしかできない設計こそが強みだと考えている。河内屋の社長も、同じ機械を買えば価格競争になるので手作りを差別化の軸にしている。フィジカルAIも同じで、買ってきたままでは差にならず、自社のデータで育てた部分だけが強みになる。

フィジカルAIの技術は、実証から導入の入り口にある

技術は実証から導入の入り口に差しかかった段階で、汎用の基盤モデルは外から手に入るようになりつつある。残る仕事は、それを自分の現場に合わせて教え込むことだ。

ugo の松井CEOが語った、フィジカルAIが今来た理由

従来の産業用ロボットは決められた動きを繰り返すのは得意だが、少しでも状況が変わると対応できない。フィジカルAIは状況を理解して自分の動きを変えられるので、使える領域が一気に広がる。今来た理由は、推論する生成AIとGPUの進化、中国の大量生産で部品が10年前の半分から十分の一程度になったこと、人手不足の三つだという。

現場に入れるときの考え方にも示唆が多い。警備ロボットは腕でエレベーターのボタンを押して階を移る。他社はエレベーター側を改造しようとしたが、法定点検もあるため費用が合わなかった。既存の現場にロボット側が合わせたことが突破口になっている。価格は人件費の半分以下を狙い、仕事の半分を任せられれば元が取れる設計だ。採用費や教育費、急な離職の損失も比較に入れる。

最も大事なのは、基盤モデルは企業が作り、最後に残るのは現場ごとの微調整だという見方だ。ugoはロボットの腕と同じ形の小さなコントローラーを付けた模倣学習キットを出し、新人に教えるようにロボットに作業を教える使い方を想定している。データを取る仕事そのものが外注の新しい商売になるとも言う。

日本については、過去の人型ロボットの挫折から保守的になり米中に遅れたが、勝ち筋はモデルより現場への当てはめ方にあるという。日本の製品の品質を支えているのは細かい運用のルールであり、それをフィジカルAIにどう教え込むかが競争力になる。導入する側には、向き不向きを自分で見極め、小さな試行錯誤で身につけることが求められる。

動画の外で進む、国・業界団体・大手の動き

データとモデルの土台は、国と業界団体で急速に整いつつある。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一般公開した(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)。

大手も動いている。2026年7月には富士通がファナック、安川電機、川崎重工業と組み、NVIDIAの技術でフィジカルAIの社会実装の検討を始めた(EE Times Japan)。山善やツムラらのJ-HRTIは人型ロボット50台規模で動作データを集める拠点をつくり、2026年度は搬送など単純な作業から実装する計画だ(MONOist)。TE Connectivityは2026年8月から掛川工場で人型ロボットを試している。

ただし、製造現場には位置ずれ、部品のばらつき、接触といった現実の要素があり、高性能なモデルを載せるだけでは実用にならない(EE Times Japan)。同じ記事が引くインテルの6か国調査では、人とロボットの協働の戦略を持つ組織は40%にとどまり、55%が安全への懸念で導入が遅れていると答えている。人型ロボットを対象にした初の国際安全規格ISO 25785-1は、まだ委員会原案の段階だ(Forbes JAPAN)。

フィジカルAIを取り込むために必要な9つのこと

動画と外部情報を重ねると、必要なことは次の9つになる。上の3つが土台で、ここがないままロボットを買っても育たない。

1. 作業の標準を先につくる

フィジカルAIは人のお手本から学ぶ。人ごと、拠点ごとにやり方が違えば、そのまま矛盾した教材になる。東京計装は標準作業で誰でも同じ品質と時間を出せるようにした上で、組立中の映像を正しいパターンとして保存し、間違えると知らせる仕組みをつくっている。これはそのまま動作データの形だ。キリンの物流も、拠点ごとに最適化してきたやり方が、AIを入れる前の壁になっている。ただし標準化は現場の誇りとぶつかるので、標準書は100点でなく30点でよいから現場がすぐ書き換えられる形(東京計装)にしておく。

2. 勘とコツを根拠ごとデータにする

欲しいのは結果だけの記録ではなく、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おり、これが一番具体的な見本になる。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、ベテランが検証してルールにすることで、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。映像、力、温湿度などの条件、結果を組で残し、失敗したときの立ち直し方も記録に含める。熟練者が辞める前が勝負である。

3. データの持ち主を決める

現場ノウハウを形式知にすると、持ち出される恐れが生まれる。デジタル家電で組み立てるだけになって投資競争に負けた教訓を、田中社長は挙げている。越後製菓は機械を自分で設計し特許も取らずに守っている。外部のモデルを使うときも、自社の動作データと追加学習した重みを誰が持つかを、契約の前に決めておく必要がある。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ることが、共有を前提とするAIRoAのような仕組みに参加するときの前提になる。

4. 入口は名もない業務と価値を生まない工程

ugoは、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する。河村化工は箱の補充の見回りを画面で済ませて1日に1人分(8〜10時間)を浮かせ、ベテランと新人の差も消した。東京計装で有毒ガスの出る溶接が最初の対象になったように、危険な作業と品質がばらつく作業も優先度が高い。一方で、決まった動きの繰り返しなら既存の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。

5. 現場の流れを変えずに入れる

ベテランは便利でも流れを変えられるなら使わない。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た。ugoの腕も、建物を変えずにロボットが合わせた例だ。越後製菓の社長は、押し付けたタブレット管理が続かなかった経験から、現場の声を吸い上げるやり方に変えた。経産省は現場の側をロボットに合わせて変えるロボットフレンドリーを進めているが、中小の既存工場では、まず人の動きを変えないことを優先し、標準化が進んだところから少しずつ環境を寄せるのが現実的だ。自律で動かし切る前に、人が遠隔で手直ししながら使う段階を挟むと、現場の安心と学習データの両方が得られる。

6. 現場で作れる小さな部隊と、外の支え

河村化工は新設した製造技術の部署が3Dプリンタの治具から始め、入社4年目の社員が画像検査を、保全課が自動機の画面をつくった。越後製菓は各工場に考える人材を増やすためにDXを始め、大和電化では若い班長がデジタル化を引っ張った。一方で、少人数の内製は全社に広げたときのサポートができず、そこは外の製品の支えに頼っている(河村化工)。松本プレシジョンはDXやGXの専門人材を社内で育てるのは地方では難しいとして外から迎えている。ロボットを現場に組み込むSIerは慢性的に人が足りず、本体価格だけで予算を組むと周辺機器と設計で大きく超える、担当者が辞めると手順を変えられなくなる、といったつまずきも多い(MONOist)。社内には小さくても自分で試せる部隊を置き、外には導入と保守を任せられる相手を持つ、という二段構えがいる。

7. 夜を使う設計にする

東京計装の社長は、8時間労働から24時間稼働へを掲げ、人が寝ている間にどう仕事をしてもらうかを自動化の目的に置いている。日中の8時間で夜の分の準備を終え、夜はロボットが付け替えを続ける。河村化工も金型を夜間に最大まで削って3日で仕上げる。人の置き換えで費用を比べるより、人のいない時間に増える生産量で比べるほうが、現場の反発も少なく効果も見えやすい。

8. 人の仕事を定義し直し、賃金と誇りに返す

省力化した後に人が何をするかを言えないと、人はかえって辛い(カミナシ諸岡氏)。ugoは現場の人が複数の現場を遠隔で見る指揮者になると言い、警備ロボットを入れた会社では若者がロボットの操縦士として応募してきた。松本プレシジョンは地域で一番の給料を出すことを目的に置き、DXや自動化をその手段としている。東京計装は障害のある人も同じ作業ができる現場を目指し、自分がいなければ半導体はできないと家族に言え、と社員に語っている。ロボットを入れる話は、こうした人の話とセットでないと現場に届かない。

9. 経営が変革として腹をくくる

改善は誰も損をしないので進むが、変革は負荷が偏り、部署がなくなることもあるので進まない(田中社長)。だから経営の関わり方が勝負になる。東京計装は社長が毎月の改善指導に自ら出席し、従来のやり方を守るための反対は受け付けないと線を引いた。新しいことを始めるときはやめることも同時に示さないと、ただの仕事の上乗せになる。ほしゆうの社長は、多品種で同じ箱が半年後にしか戻ってこないため、1か月のお試しでは判断できず、評価には約2年かかるという。河内屋は毎週の朝礼で決算や仕入れの見通しまで開いている。中にいる人だけでは言えないことを言うために、外の人の力も使う。

フィジカルAIへ向かう4つの段階と3つの関門

学習型ロボットはいきなり入れるものではなく、下の4段のいちばん上に載る。各段の例は、動画の会社が実際にそこを通ったところだ。

(報告では図にした。中身は記事の冒頭の図解と同じ)

  • 段階1 見える化と標準:紙をやめ、作業記録・点検・生産実績をデジタルで残す。作業の標準を決め、誰がやっても同じ手順と時間にする。例 大和電化工業所(スマホで日常点検)、松本プレシジョン(工程間の入力を1回に)
    • 関門:標準どおりに作業され、記録が溜まり始めている
  • 段階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。ベテランの作業の流れは変えず、効果を数字で示す。例 河村化工(箱の補充を画面化して1日8〜10時間、画像検査で二重検査を撤廃)
    • 関門:効果が数字で出て、現場が使い続けている
  • 段階3 夜間無人化と動作データの蓄積(29本で最も進んだ地点):日中に準備を終え、夜は機械とロボットが動く。熟練者の動きを映像・力・条件と組で記録し、失敗と手直しも残す。例 東京計装(夜間無人の校正、樹脂溶接の力の入れ方を収集中)
    • 関門:教材にできる動作データがそろっている(評価は2年単位)
  • 段階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し、ばらつく単純作業から任せる。人が遠隔で手直しし、そのデータでさらに育てる。29本にはまだ例がない。業界ではJ-HRTIなどが2026年度に単純作業から実装を計画

段階を飛ばすと、教材になる標準も記録もないままロボットだけが届く。大和電化は段階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年をかけている。ただし動作データの記録は、段階1のうちから熟練者の作業を撮り溜めておくだけでも後で効いてくる。

国のAIロボティクス戦略と、工場が使える補助金

国は2026年にフィジカルAIを産業政策の中心に置いた。中小の製造業にとっては、基盤モデルとデータは国と業界が用意し、導入費は補助金で支える、という形が見えてきている。残るのはやはり、自社の現場を教えられる形にする部分だ。

動き内容製造現場にとっての意味
AIロボティクス戦略(2026年3月、同5月一部変更)
2040年までにAIロボットを国内に1000万台規模。製造業(多品種少量生産)や飲食・食品製造など18分野に実装ロードマップ
多品種少量の中小工場が正面から対象になった
AIRoAの国産ロボット基盤モデル
2027年6月ごろベータ版をオープンソースで公開。GENIACでデータ収集用ロボットや計算資源も補助
自前でモデルを作らず、追加学習に集中できる
2026〜2030年度、経産省と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。補助上限は最大1億円。第8回は2026年10月16日締切
画像検査や自動機の自作、ロボット導入に使える
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。事務職は440万人余剰
機械だけでなく、使える人の育成が必須
人型ロボットの安全規格ISO 25785-1
まだ委員会原案の段階。国内は定格出力80W超の産業用ロボットに柵が必要(リスクアセスメントで緩和可)
人の隣で動かすならリスク評価を自社で書ける力がいる

白書が示す、事務職は余り現場が足りなくなるという構図は、田中社長が動画で語った見立てと一致している。

基盤モデルと現場をつなぐ人がいない ― Pixels to Motors への示唆

29本から見えたいちばん大きな穴は、基盤モデルと現場のあいだをつなぐ人がいないことだ。モデルは国や大手が用意し、ロボットも安くなる。しかし、どの作業を、どんなお手本で、どう記録して教えれば現場で使い続けられるかを切り出せる人は、動画のどの会社にも社外にもほとんど見当たらない。ここは、ロボットを入れて回す側に立ち、現場で人が受け入れて使い続けられるかを軸にしているPixels to Motorsの立ち位置と重なる。

具体的には、次のような仕事が想定できる。

  • 中小工場の名もない業務と価値を生まない工程を棚卸しし、学習型でやるべきものと、従来の自動化で十分なものを仕分ける相談
  • 東京計装の溶接のように動作データ化の一歩手前にいる会社に対し、データの取り方、失敗と手直しの記録、追加学習の試しを伴走すること(ugoが言うデータ取りの外注に近い)
  • 導入前に、人の流れを変えずにロボットがどこまで入れるかをシミュレーションで見せること(導入反対の不安を先に消す道具になる)

発信の題材としても、勘とコツをどう学習データにするか、ベテランの流れを変えない導入とは何かは、まだ誰も形にしていない問いだ。ゲンバとヒトの現場は、その問いに答えるための具体例の宝庫になっている。

ゲンバとヒト全29本の一覧と外部の出典

公開時期はチャンネルの表示(何か月前)からのおおよその月。新しい順。

公開時期動画訪問先長さ
2026年11月河村化工23:28
2026年11月チャンネル紹介0:51
2026年11月ヒラノのタマゴ21:37
2026年11月河村化工15:16
2026年10月キリングループロジスティクス17:43
2026年10月河村化工18:44
2026年10月東京計装29:22
2026年10月東京計装34:12
2026年9月東京計装33:17
2026年9月松本プレシジョン24:27
2026年8月松本プレシジョン15:00
2026年8月松本プレシジョン18:54
2026年8月越後製菓17:13
2026年8月ほぼ全員に反対されたDX越後製菓20:47
2026年7月越後製菓22:26
2026年7月河内屋21:00
2026年7月河内屋18:25
2026年7月河内屋31:18
2026年6月ハコからはじまるプロダクト論ほしゆう33:04
2026年6月技術はどう受け継がれるのかほしゆう26:41
2026年6月ハコに命を吹き込む職人たちほしゆう21:09
2026年6月大和電化工業所22:41
2026年5月大和電化工業所15:22
2026年5月60年続くめっき技術の町工場大和電化工業所18:04
2026年4月ugo23:10
2026年3月フィジカルAI最前線(前編)ugo23:27
2026年2月フューチャーアーティザン25:49
2026年1月フューチャーアーティザン20:00
2026年1月フューチャーアーティザン18:52

外部の出典

職人の誇りを刺激せず、外堀から埋める進め方が効く理由

レポートは今まで色々見てきたフィジカルAIのレポートの中でも最高の出来だと思います。日本の課題やフィジカルAI導入の道筋が具体的かつ問題点がクリアになってどのように進むべきかわかりやすくなりました。職人や技術屋の誇りを必要以上に刺激せず、外堀から埋めていく戦略が功を奏しそうですね。

— 外堀から埋める進め方は、なぜ職人の多い現場で効くのか。

ありがとうございます。そう言ってもらえると、10時間半ぶんの文字起こしを読んだかいがあります。

外堀から埋めるのが効く理由は、29本を通して見るとはっきりしています。河村化工の社長の、ベテランは便利でも使わないという一言がすべてを表していました。職人の誇りは、自分の流れと技に向いています。そこに正面から手を入れると、誇りがそのまま抵抗に変わります。逆に、見回りや付け替え、二重検査のように職人が誇りを持っていない部分から片付けると、職人にとっては面倒な仕事が減るだけです。そのうちに、自分の技も残しておきたいという気持ちが自然と出てきます。ほしゆうの勉強会や、ベテランが仮説を検証する田中社長のルールマスターづくりは、まさにその気持ちが動いた形だと思います。

もう一つ、職人を「置き換えられる側」ではなく「教える側」に置いていることも大きいと思います。ロボットの先生になるのは熟練者なので、技がなくなるどころか価値が上がります。この見せ方ができると、フィジカルAIの話は職人の誇りとぶつからず、誇りを支えるものになります。

補足。この見方を表にすると、入口の選び方は次のようになる。

作業の種類職人の誇り先にやるか理由
見回り・箱の補充・付け替え向いていない先にやる
面倒が減るだけで、流れは変わらない
二重検査・数の確認向いていない先にやる
画像で数えられ、効果が時間で出る
危険作業(有毒ガスの出る溶接など)
向いているが、体には負担早めにやる
人を守る話として受け入れられやすい
最後の目視検査・色合わせ・火加減
強く向いている後にやる
職人が先生になって、お手本を残す側に回る

フィジカルAIは、職人が教える側に立てる工場から入る

日本の工場にフィジカルAIを入れる順番は、ロボット選びではなく、職人が先生になれる現場づくりから始まる。 29本の工場は、どこも人を増やせなくなっていて、勘とコツを持つ熟練者は毎年退職していく。基盤モデルとデータの土台は国と業界が用意し始めたが、その上に載せる教材、つまり自社の作業の標準と、熟練者の動きの記録だけは、工場の中でしか作れない。

外から見て遅れているように見える工場でも、作業の標準と記録が残っていれば、段階を一つずつ上がっていける。東京計装の約20年は長く見えるが、その途中で積んだ標準と記録が、そのまま動作データの形になっていた。段階1のうちから熟練者の作業を撮り溜めておくことは、どの工場でも明日から始められる。