# ロボットが安くなっても、現場に入れる手間は残る ― PyBrain AI から考えた立ち位置 - 記録: LOG481（考察記事） - 公開: 2026/11/9 - 記事のページ: https://pixelstomotors.com/record/robot-deployment-effort-remains-pybrain-ai - サイト: Pixels to Motors（ADAPT DESIGN / 島津 栄一） https://pixelstomotors.com/ - 要約: フィジカルAIのロボットは大手とAIが安く強くしていくが、現場に入れる手間は現場の数だけ残り、賃上げで高くなる。韓国 PyBrain AI の物流ロボットの事業から、市場の大きさと個人の立ち位置を考えた。 > AI が読むための記事の全文です（コード・実行ログを含む）。引用するときは上の「記事のページ」の住所を使ってください。 --- **フィジカルAIのロボットそのものは、大手とAIがどんどん安く強くしていく。一方で、ロボットを現場に入れる手間は現場の数だけ発生して減らず、賃金が上がるほど高くなる。だから個人が立つなら技術そのものではなく、現場ごとの違いを、決まった見積もりと手順に変える仕事だ、というのが今の考えだ。** これは実物の倉庫で測ったものではない。韓国の物流ロボットの会社 [PyBrain AI](https://www.pybrain.ai/) の事業を入り口に、Claude（Anthropic の AI）と話しながら考えた記録だ。 この整理で、次の3つが手に入る。 - 物流ロボットの事業が中小の現場で回るかを、4つの数字で見分けられる。1つの現場に入れる日数と手間、1時間に処理できる数、人が手を出す回数と1人で見られる台数、月額が人1人を雇うより安いか、の4つ - フィジカルAIの市場の大きさを、数字で比べられる。世界のソフトウェア支出は年1.46兆ドル（約220兆円）、人件費の総額は約67兆ドル（約1京円）で約46倍。ただしロボットが売上として取れる市場は、強気の予測でも2050年に年1.4〜7兆ドル（約210〜1,050兆円）にとどまる - ロボットの導入の手間を7つの工程に分け、AIで減るものと残るものを表にした。そこから、個人が取れる立ち位置を4つに分けて比べた きっかけは、PyBrain AI のサイトを見たことだった。この会社は、倉庫で商品を箱に詰めるロボット、商品を棚から取って運ぶロボット、コンテナから箱を降ろすロボットの3つを作り、月額のリースで貸している。2週間ほど前に、この会社の移動するピッキングロボットの動画を読み解いたことがあり（LOG375）、今回は会社の事業そのものが中小の倉庫で回るのかを聞いた。 話しているうちに、問いは物流ロボットの将来から、各社がなぜフィジカルAIに入ってくるのか、賃金が上がると何が変わるのか、そして自分はどこに立つのか、へと移っていった。 | 話したこと | 行き着いたところ | |---|---| | PyBrain AI は何をしているか | 梱包・ピッキング・荷下ろしのロボットを、保守込みの月額で貸している | | 中小向けのパッケージは成り立つか | 現場ごとの調整と、倉庫管理システムとの連携が壁になる。数字が合うのは3PL か中規模以上の倉庫からになりそう | | 決まった流れの物流で差は出るか | 同じ箱を同じ流れで運ぶ所では、昔からある自動化で足りる。差が出るのは、品物がばらばらな所と、作り込めない現場だけ | | どこに使うと効くか | 物流の入口（荷降ろし・棚入れ）と出口（混ざった梱包・混載の積み付け）と、返品の処理 | | 市場はどのくらい大きいか | 人件費はソフトウェア支出の約46倍。ただしロボットが取れる市場は2050年でも人件費の1割前後 | | 賃上げで何が変わるか | 費用が主に機械のロボットは有利になる。現場ごとの調整に人手がかかるロボットは、その手間も賃金と一緒に上がる | | どこに立つか | 現場ごとの違いを、決まった見積もりと手順に変える仕事。中立の立場での導入前の見積もりと、ロボット会社側の導入の型づくりが重なる所 | ## 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、調べものを頼んだ合図だけのやり取りは外しました。Claude の答えの中の太字は、記事の太字の決まりに合わせて外しています。Claude の答えの中で私を名前で呼んでいる所は「あなた」に、私の転職の相談にふれた一言は外しています。市場の大きさの節は、Claude の調べもの機能が出した報告をそのまま載せました。各節の後ろに、補足を足しました。 ### この記事に出てくる言葉 | 言葉 | ふだんの言葉で言うと | |---|---| | [PyBrain AI](https://www.pybrain.ai/) | 韓国・ソウルのロボットの会社。物流倉庫の梱包・ピッキング・荷下ろしのロボットを作り、月額で貸している | | WMS（倉庫管理システム） | 倉庫のどの棚に何がいくつあり、どの注文をいつ出すかを管理するソフト | | 3PL | 荷主（物を売る会社）から、保管・梱包・発送などの物流をまとめて請け負う会社 | | ピースピッキング | 棚から商品を1つずつ取り出す作業。形や柔らかさが商品ごとに違うので、倉庫で最後まで人が残っている | | SIer（ロボットシステムインテグレーター） | ロボットを工場や倉庫に据え付け、現場に合わせて調整して動くようにする会社 | | デジタルツイン | 現実の倉庫や店を、コンピューターの中にそっくり作ったもの。台数や動き方を試してから現場に入れるのに使う | | [NVIDIA の Mega](https://blogs.nvidia.com/blog/mega-omniverse-blueprint) | NVIDIA が出している、工場や倉庫のデジタルツインで複数のロボットの動きを試すための作り方の見本 | | [IFR（国際ロボット連盟）](https://ifr.org/) | 世界のロボットの導入台数を毎年まとめている業界団体 | | 労働分配率 | 国の稼ぎ（GDP）のうち、働く人の給料などに回る割合 | [図解: LOG481_market_wage_position.html](https://pixelstomotors.com/embeds/LOG481_market_wage_position.html) 図解は3つに分かれている。1つ目は、ソフトウェア支出・人件費・ロボットが取れる市場の大きさを並べたもの。2つ目は、賃金が上がる中で、費用が主に機械のロボットと、手間が主のロボットが、人を雇う費用に比べてどう動くかを、仮の数字で形だけ見るもの。3つ目は、立ち位置 A〜D を3つの条件で比べたもの。 ## PyBrain AI は、物流倉庫の梱包・ピッキング・荷下ろしのロボットを月額で貸している > https://www.pybrain.ai/ > > どんな事業を行なっていますか？ **— PyBrain AI は、何を作って、誰にどう売っているのか。** PyBrain AI は韓国・ソウルのスタートアップで、物流倉庫の梱包・ピッキング・荷下ろしを自動化するAIロボットを作っています。 製品（3つ） - Py PACKR：EC商品の梱包を通しで自動化するロボット。箱の組み立て、テープ貼り、ラベル貼りまで行う - Py PICKR：自分で移動して商品をつかみ、梱包ラインへ運ぶロボット（移動台車にアームを載せた形）。人が手で入れていた作業を置き換える - Py LOADR：コンベアとつないで、コンテナから箱を降ろすロボット 売り方と導入 - 月額のリースで売っていて、本体・ソフトの更新・保守がセットになっている - 倉庫の配置や出荷量を調べることから始め、倉庫管理システム（WMS）とAPIでつなぐ。その後は遠隔で見守りながら調整を続ける。導入は「数か月ではなく数週間」とうたっている - 狙っている現場は2つ。形や種類がばらばらの商品を扱う倉庫と、新築ではなく、いまある倉庫に後から入れるケース 技術の売り - カメラ画像のAIで商品を見分け、立体的につかむ位置を決める - 失敗すると自動でやり直す（つかみ直し、ラベルの刷り直しなど） - 何が起きたかを画像付きのログで残し、稼働状況はダッシュボードで見られる 数字は確かめられない点 - サイトの実績欄（導入件数・受注件数・設立年）は「0」と表示されていて、実際の数はわかりません - 「受注98万件以上（980K+）」「人件費を最大70%削減」とも書かれていますが、根拠は載っていません あなたの研究との接点でいうと、Py PICKR は「形がばらばらな物をつかみ損ねたら自動でつかみ直す」作りで、mechArm でやっている把持と同じ問題を物流の現場向けに製品にしたものです。 ## 前に見た PyBrain AI の PICKR は、画像認識を別の GPU 搭載 PC に任せていた > 前に動画を共有したと思うけど覚えていますか？ **— 前に読み解いた PyBrain AI の動画から、何が分かっていたか。** 覚えています。10月24日のチャット「375-韓国ロボット企業の仕様」で、PyBrain AI の YouTube 動画の画面収録と、概要欄の画面写真2枚を共有してもらいました。読み取った要点は次のとおりです。 - 動画に映っていた機体：PICKR（移動しながら商品を取るロボット）。2号機はアームが FAIRINO FR5 で、台車は自社で作ったもの。吸着パッドで箱をつかむ - 計算の分け方：本体には安いミニPCだけを積む。画像認識は PACKR 側の PC（RTX 5060 Ti を搭載）に頼む。画面の数字は、サーバーでの計算が約0.3秒、往復を含めた全体が約0.65秒 - 動き方：つかむ前に、まず置き場所を見て計算する。電池の残りが15%を切ると、自分で充電に行く。充電の板は、Arduino が確かめたときだけ電気が流れる - その後の話の流れ：MicroFactory も同じ FAIRINO のアーム（FR3）を使っていた → 日本で買うときの値段と特別教育 → 協働ロボットを納める側と使う側の責任の分け方 → 病院の搬送ロボットの決まりごと 今回聞かれた会社の事業（梱包の PACKR、ピッキングの PICKR、荷下ろしの LOADR、月額のリース）は、そのとき見た PICKR を含めた製品の全体像にあたります。 ### 補足：前の記事で読み解いたこと そのときの対話は、考察記事の LOG375（https://pixelstomotors.com/record/cobot-deployment-law-and-coordination ）にまとめてある。動画の画面に出ていた「箱を26個見つけ、置き場所の中に10個・外に16個、通信の往復435ミリ秒、そのうちサーバーでの計算294ミリ秒、全体669ミリ秒」という表示から、ロボットの中には安い計算機だけを置き、重い計算は1か所の GPU にまとめて複数台から使う作りだと読んだ。台数が増えるほど1台あたりの費用が下がる作りで、今回の月額リースの話とつながる。 LOG375 ではそこから、協働ロボットを日本の現場に入れるときの法律と資格、病院で搬送ロボットを入れるときに部署ごとの了解を取る時間の長さへ話が進んだ。今回の対話の最後に行き着いた「現場に入れる手間」は、そのときすでに顔を出していた。 ## 中小向けのパッケージは、現場ごとの調整と WMS 連携で崩れやすい > この事業は将来性があると思いますか？中小企業向けのパッケージになると思いますが。 **— PyBrain AI の事業は、中小企業向けのパッケージとして伸びるのか。** 方向は正しいと思います。ただ、伸びるかどうかを決めるのはロボットの出来より、1つの現場に入れるのにかかる手間を、どこまで同じ型にそろえられるかです。いまの公開情報では、そこはまだ確かめられません。 追い風（伸びる理由） - 月額のリースは、中小の一番の壁に当たっている。倉庫の利用者55社への調査では、85%が「初期費用が高い」ことを自動化の妨げに挙げています。倉庫の借りる期間は3〜5年で、買い切りでは元が取れないという声もあります。月額にすれば、この2つの壁を避けられます - 原価を安く組んでいる。アームは比較的安い FAIRINO を使い、本体にはミニPCだけを積み、GPU は1台を何台かで分け合っています。台数が増えるほど、1台あたりの費用が下がる作りです - 人手不足は日本も韓国も同じ。中でも梱包は、自動化が遅れている工程です 心配な点（中小向けのパッケージで特に効くもの） 1. 「中小向けのパッケージ」と「品物がばらばら・いまある倉庫に後から入れる」は、ぶつかりやすい。現場ごとに品物も配置も違うので、入れるたびに調整がいります。パッケージとして同じ型で売れるのは、箱の大きさや品物の種類をある程度しぼれる現場に限られそうです 2. 倉庫管理システム（WMS）との連携が前提になっている。中小の倉庫には、WMS がない、または表計算で管理しているところも多いです。そうした倉庫では、つなぐ先がありません 3. 月額に保守と遠隔の見守りを含めると、現場が増えるほど人手がかかる。以前話した Tutor Intelligence と同じで、勝負を分けるのは「人が手を出す回数」と「1人で何台を見られるか」です。PyBrain はこの数字を出していません 4. 競合が多い。箱の組み立てやテープ貼りは、自動の梱包機がすでに広く出回っています。差がつくのは、ばらばらの品物を AI で扱う部分だけです。さらに、価格では中国勢と競うことになります 5. 会社がまだ早い段階。サイトの実績欄は「0」のままです。充電の仕組みを Arduino で自作しているのを見ても、小さなチームで作っている段階です。事故が起きたときの責任をどう分けるかも、中小の現場では決めきれていないことが多いです 見るべき数字 - 1つの現場に入れるのにかかる日数と人の手間（「数週間」が本当か） - 1時間あたりに処理できる数を、人と比べた値 - 人が手を出す回数と、1人で見られる台数 - 月額の値段が、人を1人雇うより安いかどうか この4つが出てきて、中小でも数字が合うと示せれば、パッケージとして成り立ちます。逆に、現場ごとの調整が毎回大きいなら、中小向けではなく、中規模以上の倉庫向けの受託に近い事業になるはずです。 あなたの立場から見ると、2つ目と3つ目の「現場ごとの違いを、どこまで決まった手順にできるか」は、遠くの工場が迷わず作れる仕様書を書いてきた経験がそのまま生きる部分です。 ### 補足：遠隔の人が直して回す倉庫ロボット 心配な点の3つ目で出てきた Tutor Intelligence は、考察記事の LOG441（https://pixelstomotors.com/record/warehouse-robot-remote-correction-data ）で読み解いた米国の会社だ。倉庫のロボットが止まると、遠くにいる人（チューター）が直し、その直した記録が学習のデータになる。お金は使った時間や取った個数で払う形で、最初にまとまった費用がいらない。 そこで、この形が成り立つかは2つの数字で決まる、という所に行き着いた。人が手を出す回数と、1人で何台を見られるか。PyBrain AI の月額にも遠隔の見守りが含まれているので、同じ2つの数字が効く。どちらの会社もこの数字は公開していない。 ## 小さな現場では、月額にしても人1人分の費用に届きにくい > 導入コストと運用コスト、保守コストと意外とお金かかることが多いので規模が小さいとリース主体とはいえ払えない可能性が高いよね。 **— 月額リースでも、小さな現場では払えないのではないか。** そう思います。月額にしても、払うお金が消えるわけではありません。先に払うか、分けて払うかの違いだけです。規模が小さい現場ほど、次の理由で計算が合いにくくなります。 - 置き換えられる人が少ない。出荷が少ないと、ロボットが減らせるのは0.5〜1人分くらいです。倉庫のパートを1人、1日8時間・月21日雇うと、時給1,100〜1,300円で月18万〜22万円ほど（概算）。月額は少なくともこれより下でないと、払う理由がありません - ロボットが空いている時間が長い。出荷が午前に集中すると、午後はほとんど止まっています。それでも月額は満額かかります - 見えにくい費用がある。置き場所をあける、ラインを組み直す、止まったときに見る人を置く、品物が変わるたびに設定し直す。この手間は月額に含まれず、現場が負います - 止まったときの穴埋めが難しい。人の少ない現場では、ロボットが止まると代わりの人がいません なので、小さい会社が直接借りるよりも、次の2つの形のほうが成り立ちやすいと思います。 1. 3PL（物流を請け負う会社）がまとめて入れる。小さな荷主の荷物を集めて量を確保し、ロボットを休まず使う。小さい会社は、自動化された物流を「サービスとして買う」側に回ります 2. 使った分だけ払う。1個いくら、1時間いくらで払う形です。Tutor Intelligence がこの形で、空いている時間の費用を利用者が負わずに済みます PyBrain のサイトにある「中小向けの月額リース」は、入口としてはわかりやすいです。ただ、実際に数字が合うのは、3PL か中規模以上の倉庫からになりそうです。 ## 決まった流れの物流では、昔からある自動化とフィジカルAIの差は小さい > 物流って割と同じような仕事を続けて行うから既存の自動化された物流とフィジカルAIの技術を活かした自律化ロボットでも差があまりなさそうにも思うけど。 **— 同じ仕事をくり返す物流で、フィジカルAIのロボットに差は出るのか。** 半分はそのとおりだと思います。同じ箱・同じ流れを毎日くり返す工程なら、昔からある自動化（コンベア、仕分け機、自動倉庫）のほうが速くて安く、壊れにくいです。そこに AI を足しても、得られるものはほとんどありません。 差が出るのは、次の2か所だけです。 1. 品物が毎回違うところ。一つひとつの商品を取り出す、いろいろな箱が混ざった荷台から降ろす、返品を仕分けるといった工程です。決まった動きでは対応しきれないので、人が残っています。PyBrain が狙っているのもここです 2. 現場を作り替えずに入れられること。昔からある自動化は、建物や流れをロボットに合わせて作り込みます。そのため、量が多く、長く同じ場所を使う大きな倉庫でないと元が取れません。AI で動くロボットは、いまの倉庫にそのまま入り、別の場所へも移せます。差は「速さ」ではなく、「作り込まなくていい」ことです ただ、2つ目の強みが一番効くはずの小さな現場は、前の話のとおり、そもそもお金が回りにくい。ここがこの事業の難しいところです。 なので、「物流の大部分では差がない。差があるのは、品物がばらばらな工程と、作り込めない現場だけ」というのが実態に近いと思います。フィジカルAI のロボットが、昔からある自動化を置き換えるわけではありません。人が残っている隙間を埋めるものと見たほうが合っています。 ## フィジカルAIのロボットが効くのは、物流の入口と出口と返品の処理 > フィジカルAI のロボットは物流の中でどんなところに使うとそのメリットを活かせるんだろうか？ **— 物流のどの工程なら、フィジカルAIのロボットのメリットが出るのか。** 条件は3つです。①品物や状況が毎回違う、②いまも人が手でやっている、③失敗してもやり直しがきく。この3つがそろう工程で、メリットが出ます。物流の流れに沿うと、次のあたりです。 入ってくるところ - トラックやコンテナからの荷降ろし。大きさの違う箱が、ばらばらに積まれています。重くて人が集まらない仕事でもあります。Boston Dynamics の Stretch や Pickle Robot がこの工程です。PyBrain の LOADR もここを狙っています - 入ってきた荷物を、決まった棚に入れる作業（棚入れ）。Amazon の Vulcan は、布の仕切りのある棚に、隙間を見ながら押し込んでいます 中のところ - 一つひとつの商品を取り出す作業（ピースピッキング）。物流で最後まで人が残っている本丸です。形・柔らかさ・袋入りかどうかが、商品ごとに違います - 仕分け機に荷物を載せる作業。仕分け機そのものは昔からの自動化で十分です。ただ、その手前で、ばらばらの荷物を向きをそろえて載せる工程には、人が立っています（前に話した HyperSort の供包台） 出ていくところ - 品物が混ざった梱包。決まった箱に決まった品を入れるなら、昔からある梱包機で足ります。品物の組み合わせが注文ごとに違うEC の梱包が対象です（PyBrain の PACKR） - 品物の違う箱を、崩れないように積む作業（混載パレタイズ）。同じ箱を積むだけなら、昔からある機械で済みます 戻ってくるところ - 返品の処理。箱を開け、中身を確かめ、売れる状態か見分けて振り分けます。何が入っているかわからない、一番ばらばらな工程です 向かないところ - 同じ箱を同じ流れで運ぶ・仕分ける・保管する工程。ここは昔からある自動化の領域で、AI を入れても割に合いません もう1つ、使い方の面で効く場面があります。季節で量が大きく変わる現場です（年末商戦、お中元・お歳暮など）。作り込んだ設備は、ピークに合わせると普段は余ってしまいます。AI で動くロボットなら、繁忙期だけ借りて入れることができます。 まとめると、メリットが出るのは物流の入口と出口、それに例外の処理です。真ん中の決まった流れは、昔からある自動化が担います。 ### 補足：仕分けロボットの手前に、人が立っている HyperSort は、床の上を小さなロボットが走り、荷物を決まった口に倒して落とす平らな仕分けの仕組みで、考察記事の LOG152（https://pixelstomotors.com/record/day152 ）で読み解いた。床・口・ロボットが決まった部品の組み合わせで動き、使った分だけ払う形で入れられる。問題がここまで決まった形にできていれば、フィジカルAI はいらない。 そのとき気になったのが、ロボットに荷物を載せる供包台に、人が立ってバーコードを読ませ、荷物を載せていたことだ。決まった形にできた仕組みの手前と後ろに、形にできない仕事が残る。今回の答えの、物流の入口と出口に効くという見立ては、そこから続いている。 ## 各社がフィジカルAIに入るのは、人件費という桁の違う市場を見ているから > いろんな企業がフィジカルAIの領域に入ってくると思われるけど、どんなところに魅力、または可能性を感じているんだろうか？ **— フィジカルAIに入ってくる会社は、何に魅力を感じているのか。** 入ってくる会社の種類ごとに、見ている魅力が違います。 1. 計算機とAIの会社（NVIDIA、Google DeepMind、OpenAI など） - 言葉のAIで起きた「データと計算を増やすほど賢くなる」流れを、体を持つAIでもう一度起こせると見ています - NVIDIA の場合は、ロボット1台ごとに推論用のチップが売れ、シミュレーションで学習させるたびに GPU が使われます。誰が勝っても、自分の売上になる立場です 2. 汎用の頭脳を作る新しい会社（Physical Intelligence、Skild AI、Figure など） - どのロボットにも載せられる基盤モデルを握れば、スマホのOSのような立場になれると考えています - 狙っているのは機体ではなく、「いろいろな現場の動きのデータ」という、あとから追いつけない資産です 3. 自動車・機械の大手（Tesla、トヨタ、現代自動車＝Boston Dynamics、中国のメーカー） - 部品を安く大量に作り、品質をそろえる力は、もともと持っています。ロボットは「次に量産するもの」にちょうどいい - 自社の工場を、最初の試験場兼お客さんにできます 4. 昔からのロボットメーカー（ファナック、安川電機など） - 守りと延長です。いまの産業用ロボットは、教えた動きをくり返すだけ。そこに AI を足して、柵の外・決まっていない作業へ広げたいと考えています 5. 物流・小売の大手（Amazon など） - 自分のコストを下げるためです。人件費と人手不足が、事業の伸びを直接止めているからです 全員に共通している魅力 - 市場の大きさ。ソフトウェアが相手にしてきたのは IT 予算です。体を持つロボットが相手にするのは、世界中の「人が体を使ってやっている仕事」の人件費で、桁が違います - 人手不足が確実に進むこと。日本・韓国・中国・欧州で、働く人の数が減っていくのは、もう決まっています - 先に始めた者が有利になること。現場の動きのデータは、ネットから集められません。現場に入った順にたまっていきます ただ、ここまで話してきたとおり、現場に入れるところで、お金と手間の壁にぶつかります。魅力として語られる「市場の大きさ」と、実際にお金になる場所との間には、まだ大きな差があります。多くの会社は、この差が縮まるのを見込んで、先に席を取りにきている段階だと思います。 ## 世界の人件費はソフトウェア支出の約46倍、ただしロボットが取れる市場はずっと小さい > 市場の大きさ。 ソフトウェアが相手にしてきたのは IT 予算です。体を持つロボットが相手にするのは、世界中の「人が体を使ってやっている仕事」の人件費で、桁が違います > > これはどのくらい予算規模が違うと思われていますか？詳しく調査して分析してみてください。 **— IT 予算と、体を使う仕事の人件費は、どのくらい規模が違うと見られているのか。** ここは、Claude の調べもの機能が出した報告「フィジカルAIの市場規模：IT予算と肉体労働の人件費の比較分析（2026年11月時点）」をそのまま載せる。 結論から言うと、「桁が違う」が言えるのは比べる「元の予算」の段階までです。世界の労働所得の総額は約67兆ドルで、ソフトウェア支出1.46兆ドルの約46倍、IT支出全体6.39兆ドルの約10倍あります。ただし体を使う仕事に限ると、人件費は筆者推計で20〜30兆ドル程度です。これはIT支出の3〜5倍、ソフトウェア支出の14〜20倍にあたります。一方、ロボットが実際に売上として取れる市場は、最も強気な銀行予測でも2050年に年4.7〜7兆ドルです。これは2027年のIT支出（7.35兆ドル）とほぼ同じ規模にとどまります。 ### 要点 - 元の予算の段階では、主張はおおむね正しいです。世界の労働所得は約67兆ドルで、IT支出の約10倍、ソフトウェア支出の約46倍あります。ただ、体を使う仕事に絞ると筆者推計で20〜30兆ドルで、IT支出全体との差は3〜5倍です。正確には「ソフトウェア予算とは1桁以上違う」「IT全体とは数倍」と言うべきです - ロボットが取れる市場は、人件費の総額よりずっと小さく見積もられています。Morgan Stanleyは2050年に年4.7兆ドル、Citiは7兆ドル、UBSは1.4〜1.7兆ドルと予測しています。Goldman Sachsは2026年9月の80ページの「Physical AI」レポートで、2035年予測を380億ドル（138万台）から1,380億ドル（648万台）に引き上げました。強気シナリオでも、2050年の市場は今日のIT支出とほぼ同じ大きさです - 現実の市場はまだ非常に小さいです。2025年の産業用ロボット導入額は約186億ドル、フルサイズのヒューマノイドの販売は約7,000台でした。予測が当たるかどうかは、器用さ（デクステリティ）の技術的な壁を越えられるか、そして賃金の安い国で導入の採算が合うかにかかっています。発信するときは「人件費は桁違いだが、取れる市場は不確実」という二段構えにするのが誠実です ### 表1：比べる「元の予算」の規模 | 項目 | 金額（年） | 出典・時点 | ソフトウェア支出との倍率 | IT支出全体との倍率 | |---|---|---|---|---| | 世界のソフトウェア支出（2026年） | 1.464兆ドル | Gartner、2026年10月21日 | 1倍 | — | | 世界のIT支出（2026年） | 6.39兆ドル | Gartner、2026年10月（3Q26） | 4.4倍 | 1倍 | | 世界のIT支出（2027年予測） | 7.35兆ドル（ソフトウェアは1.679兆ドル） | Gartner、2026年10月21日 | — | — | | 世界の名目GDP（2026年） | 約128.0兆ドル | IMF WEO、2026年10月 | 87倍 | 20倍 | | 世界の労働所得（GDP×52.4%） | 約67兆ドル（筆者計算） | ILO労働分配率（2024年）×IMF GDP | 約46倍 | 約10.5倍 | | Morgan Stanleyの世界労働市場 | 30兆ドル（34億人×9,000ドル）→ 40兆ドル（40億人×1万ドル） | MS、2024年6月／2025年2月、2026年10月の動画（後者は未検証） | 20〜27倍 | 4.7〜6.3倍 | | Figure（Adcock）の世界賃金 | 30〜40兆ドル（「GDPの約半分」） | 2025年のインタビューほか | 20〜27倍 | 4.7〜6.3倍 | | NVIDIA（Huang）の「フィジカルAI市場」 | 50兆ドル | 2025年6月 GTC Paris/VivaTech | 34倍 | 7.8倍 | | 自動化可能な活動にかかる世界の賃金 | 14.6兆ドル（更新版では15.8兆ドル） | McKinsey Global Institute、2017年1月 | 10倍 | 2.3倍 | | 体を使う仕事の人件費（筆者推計） | 約20〜30兆ドル | ILOの職業構成と労働所得から推計（下記） | 14〜20倍 | 3〜5倍 | ### 表2：ロボット・フィジカルAIの市場予測と前提 | 機関 | 予測 | 年 | 主な前提 | |---|---|---|---| | Morgan Stanley | 年4.7兆ドル（サプライチェーン・保守を含めると5兆ドル超） | 2050年 | 稼働台数約10億台、うち90%が産業・商業用。2030年0.02兆、2040年1.2兆ドル。米国では2050年に6,300万台が約2.96兆ドル分の賃金に影響 | | Citi GPS | 7兆ドル（2035年は2,090億ドル） | 2050年 | ヒューマノイド6.48億台。「世界のGDPの50%超は労働」 | | UBS | 1.4〜1.7兆ドル | 2050年 | 142ページのレポート（Yicai、2025年7月10日報道）。2050年の稼働台数は3億台超、同年の年間需要は8,600万台。価格は20年で70%超下がる見通し。2035年の稼働は200万台 | | Goldman Sachs | 380億ドル（2024年2月）→ 約1,380億ドル（2026年9月の「Physical AI」レポート、Investing.com 2026年9月14日報道） | 2035年 | 出荷台数は138万台 → 648万台。2030年は25.6万台 → 89万台、2026年は5.1万台 → 7.5万台に改訂 | | BofA Global Research | 金額の見出しはなし | 2060年 | 稼働30億台（62%が家庭用）。産業労働力の20%を置き換え。部品原価（BOM）は2025年の3.5万ドルから2030年代に1.3〜1.7万ドルへ | | ARK Invest | 約24兆ドルの売上機会 | 年限なし | 家庭用と製造業用が半分ずつ。1台1.6万ドルなら人間より5%生産性が高いだけで採算が合う。家庭内の無償労働も換算に含む | ### 表3：現実の市場（実績） | 項目 | 値 | 出典 | |---|---|---| | 産業用ロボットの年間導入台数（2025年） | 603,307台（+11%） | IFR World Robotics 2026（2026年9月24日） | | 産業用ロボットの導入額（2025年） | 約186億ドル（+11%）（前年は過去最高の167億ドル） | IFR World Robotics 2026 Executive Summary（Inside Deep Tech経由）／IFR 2026年1月8日プレスリリース | | 産業用ロボットの稼働台数 | 約500万台 | IFR 2026年9月 | | 業務用サービスロボット（2025年） | 約25万台（+24%）、うち物流が117,500台 | IFR 2026年9月30日 | | フルサイズのヒューマノイド（140cm超）販売台数 | 約7,000台（2025年） | IFR 2026年9月30日 | 読み方：2025年の産業用ロボット市場（約186億ドル）は、ソフトウェア支出の約80分の1しかありません。強気な銀行予測は、これが25年で200倍以上に伸びることを前提にしています。 ### 1. ソフトウェア側：IT予算は6.4兆ドル、うちソフトウェアは1.46兆ドル 依頼文にあった「2026年4月時点で6.32兆ドル」は、一次情報では6.31兆ドル（前年比+13.5%）でした。ソフトウェアは1.44兆ドル（+15.1%）です。Gartnerはその後も上方修正を続けています。7月に6.37兆ドル、2026年10月21日の最新版では2026年が6.39兆ドル（+14.5%）、ソフトウェアが1.464兆ドル（+15.2%）になりました。2027年はIT全体が7.35兆ドル（+15%）、ソフトウェアが1.679兆ドル（+14.6%）、データセンターシステムが1.366兆ドル（+55.5%）の予測です。2026年の値は、2025年10月時点の6.08兆ドルから4回連続で引き上げられています。AIインフラが伸びている分、IT予算そのものが急速に大きくなっている点は押さえておくべきです。 ### 2. 人件費側：世界の労働所得は約67兆ドル、体を使う仕事は20〜30兆ドル（推計） - 労働分配率：ILOによると、世界の労働所得シェアは2014年の53.0%から2024年には52.4%に下がりました（WESO 2025年5月）。この値には自営業者の労働所得も含まれます。自営業者は世界の就業者の約半分を占めます - 総額：IMFの2026年世界名目GDP約128.0兆ドルに52.4%を掛けると、約67兆ドルになります（筆者計算）。ILOは労働所得の総額をドル建てで公表していないので、これは推計値です - 職業構成：ILOによると、2023年に世界の就業者の40.2%が「単純作業職」と「農林漁業職」に就いていました。事務、サービス・販売、技能工、機械操作・組立工を合わせた中スキル職が39.7%、管理職・専門職・技術職が20.1%です。低所得国では、単純作業職と農林漁業職が就業者の65.5%を占めます - 体を使う仕事の人件費の推計：体を使う仕事の大半は、農林漁業、技能工、機械操作、単純作業、そしてサービス職の一部です。人数で見ると、就業者の過半を占めると考えられます。ただし賃金の安い国と職種に偏っているので、賃金額のシェアは人数のシェアより大幅に低くなります。高所得国では賃金総額の多くがホワイトカラーに集中しています。そこで筆者は、労働所得の30〜45%程度、つまり約20〜30兆ドルと推計しました。ILOのデータから職業別の賃金総額を直接集計した一次情報は見つかりませんでした。サブエージェントによる調査でも見つかっていません。この値は筆者の推計として扱ってください - 業界の主張との関係：Figureのブレット・アドコックは2022年に「肉体労働の報酬はGDPの約50%、年40兆ドル」と投稿しました。しかしこの数字は、実質的には労働所得全体を指しています。ARKを紹介した記事にある「肉体労働はGDPの約半分、約42兆ドル」も同じ混同をしています。「人件費全体」と「肉体労働の人件費」を区別せずに使っている点は、発信するときに注意してください ### 3. 「40兆ドル」「50兆ドル」の根拠 - Morgan Stanley（2024年6月のBluePaper、2025年2月の「Humanoid 100」で引用）：「世界の就業者約34億人 × 年収9,000ドル ＝ 約30兆ドル（世界GDPの約30%）」という単純な掛け算です。米国については「1億6,200万人 × 平均年収59,428ドル ＝ 約10兆ドル」としています。BLSの831職種それぞれに「ヒューマノイドで代替できる度合い」を掛けて、2040年に3,570億ドル、2050年に2兆9,570億ドルの賃金への影響を見込んでいます。2026年10月の動画では「40億人 × 1万ドル ＝ 40兆ドル」に更新されたようですが、これは検索結果の抜粋でしか確認できていません - NVIDIAのジェンスン・フアン：2025年6月のGTC Paris/VivaTechで、フィジカルAIを「50兆ドルの市場機会」と呼びました。範囲は工場、輸送、ヒューマノイドにまたがります。あわせて「今後5年で5,000万人の労働力不足」とも述べています。50兆ドルの算出根拠は公開されていません。「物理的な労働の総額」を指していると解釈されています - テスラのイーロン・マスク：2025年7月に、ヒューマノイドがテスラに「30兆ドルの売上」をもたらしうると発言しました。根拠となる計算は示されていません 結局のところ、40兆・50兆ドルは「世界の労働所得のほぼ全部」を指す数字です。肉体労働に限った値ではなく、ロボットが取れる売上でもありません。 ### 4. 人件費の総額 ≠ ロボットが取れる市場：4つの割引要因 1. 置き換えられるのは作業の一部です。McKinseyの2017年の推計では、技術的に自動化できる活動は世界の労働時間の約半分で、賃金にして14.6兆ドルです。中でも「予測可能な環境での身体的活動」は81%が自動化可能とされています。一方で、予測できない環境での身体作業（建設現場、介護、家庭など）の自動化可能性はずっと低いと評価されています 2. ロボットの価格は、置き換える賃金の一部にすぎません。Morgan Stanleyは「時給5ドルでリースした1台が、時給25ドルの人間2人分を置き換える」という前提を置いています。この場合、ロボット側の売上は置き換えた賃金の約1割です。ARKも、1台1.6万ドルなら生産性が5%上回るだけで採算が合うとしています。つまりロボットのビジネスは、人件費の総額を丸ごと取るのではなく、その一部を価格として取る構造です 3. 賃金の安い国では採算が合いません。世界の平均賃金は年9,000〜1万ドル（Morgan Stanleyの前提）です。たとえばタイの単純作業職の中央値は年約3,400ドルです（ILOSTATの二次引用）。これに対して、BofAによると2025年の中国製ヒューマノイドの部品原価は3.5万ドルで、欧米製の試作機は9〜10万ドルします。さらに保守費もかかります。世界の就業者の57.8%（20億人超）はインフォーマル雇用です。人件費の総額のかなりの部分は、当面ロボットでは採算が取れない領域にあります 4. 技術と導入には壁があります。Goldman Sachsも、汎用ヒューマノイドの実用性は「まだ証明されていない」と書いています これらを総合すると、ロボットが現実に取れる市場は、2035年時点で数百億〜千数百億ドル（ヒューマノイド）と見込まれます。2050年時点では、強気のシナリオで1.4〜7兆ドルです。2050年の上限側でも、労働所得の総額（約67兆ドル）の1割前後、体を使う仕事の人件費（20〜30兆ドル）の2〜3割にとどまります。 ### 5. 予測と現実のギャップ、そして批判 - 予測の幅が非常に広いです。2035年のヒューマノイド市場予測は、約150億ドルから1,540億ドル（Goldmanのブルースカイシナリオ）まで、約10倍の開きがあります。下限の約150億ドルは、Interact Analysisの「Humanoid Robots – 2026」レポート（2026年5月21日）の値で、2035年の出荷を70万台超と見込んでいます。同社は商業化の転換点を2032年とし、「技術の成熟度が依然として主な制約」と指摘しています。2050年もUBSとCitiで5倍違います。Goldmanは同じ2035年の予測を、60億 → 380億 → 1,380億ドルと2回大きく引き上げました。これは確定した見通しというより、センチメントに左右されるシナリオだと読むべきです - ロドニー・ブルックス（iRobot共同創業者、MIT）は、2025年9月26日のエッセイ「Why Today's Humanoids Won't Learn Dexterity」で批判しています。今のヒューマノイドが人間並みの手作業をこなせるようになるという考えは、数十年単位で見ても「純粋な空想」だというものです。ブルックスは、VCなどが「数億ドル、あるいは数十億ドル」を投じても今のヒューマノイドは器用さを身につけないと書き、「視覚データを集めるだけでは、正しいデータを集めていることにならない」と指摘しました。触覚・力覚のデータが欠けていることを問題にしています。さらに、実用に使える器用さは2036年を過ぎても人間の手に遠く及ばないと予測しています - IFRも2025年1月の時点で、ヒューマノイドが産業用途で経済的に成り立ち、スケールするかは「まだわからない」と述べています。実際、2025年の業務用サービスロボットで最も売れたのは、物流用の搬送ロボット（117,500台）です。フルサイズのヒューマノイド（約7,000台）の約17倍にあたります。市場は「ヒューマノイド」ではなく「目的特化型」のところで先に立ち上がっています ### 6. 見落とされがちな論点：ソフトウェアも、もはやIT予算だけを相手にしていない 「ソフトウェア＝IT予算、ロボット＝人件費」という対比は、すでに半分古くなっています。生成AIのエージェントは、ホワイトカラーの人件費を狙う方向に動いています。ILOによると、高スキル職は人数では就業者の20.1%ですが、賃金の高い国に集中しています。そのため、賃金総額ではホワイトカラーの人件費が体を使う仕事に匹敵するか、上回る可能性があります（筆者推計）。比べるべきなのは「IT予算 vs 肉体労働の人件費」ではなく、「ホワイトカラーの人件費 vs ブルーカラーの人件費」です。そう比べると、フィジカルAIの元の予算は「桁違いに大きい」というより、「ソフトウェアAIと同じくらい大きく、まだほとんど手付かず」と言うのが正確です。 ### 7. 日本の状況 - 人件費の総額：2025年の名目雇用者報酬は323.1兆円（前年比+3.7%）で、労働分配率は48.7%です（内閣府の四半期別GDP速報をGD Freakが集計した値）。2025年度の名目GDPは672.7兆円です（内閣府経済社会総合研究所）。1ドル=150円で換算すると、雇用者報酬は約2.15兆ドルになります。この換算レートは筆者の仮定です - 人手不足の見通し：リクルートワークス研究所の「未来予測2040」（2023年3月）は、2040年に約1,100万人の労働供給が不足すると予測しています。職種別の不足率は、介護サービス職が25.2%、ドライバー職が24.1%、建設職が22.0%（需要298.9万人に対して供給233.2万人）です。生産工程職は13.3%（112.4万人の不足）と見込まれています - 意味合い：日本は賃金が高く、人手不足が構造的です。そのため、上で挙げた割引要因のうち「採算が合わない」「導入する必要性が薄い」が最も当てはまりにくい国です。世界平均で見るより、日本ではロボット導入の経済性が早く成り立ちます。ただしIFR（2026年9月24日）によると、2025年の日本の産業用ロボット導入台数は36,219台（-19%）で、38,400台（+12%）を導入した米国に抜かれて世界3位になりました。導入は需要に追いついていません ### 発信・研究に向けた提案 1. 主張はこう言い換えるのがおすすめです。「ソフトウェアが相手にしてきたIT予算は年約6.4兆ドル（ソフトウェアは1.5兆ドル）。フィジカルAIが相手にする体を使う仕事の人件費は推計20〜30兆ドル、人件費全体は約67兆ドル。ソフトウェア予算とは1桁以上、IT予算全体とは数倍の差がある」。「桁違い」を使うなら、比べる相手はソフトウェア予算に限定してください 2. TAM（理屈の上で最大の市場）と取れる市場は必ず分けて示してください。40兆・50兆ドルは人件費全体の話です。2050年の売上予測は1.4〜7兆ドルで、予測ごとに5倍の開きがあります 3. 注目指標は、ヒューマノイドの見出しの数字より「物流ロボットの台数」と「1台あたりの部品原価」です。部品原価が3.5万ドルから1.7万ドル以下に下がるかどうか（BofAの予測）が、賃金の高い国での採算ラインを決めます 4. 日本は先行して採算が合う市場として語るのが説得力があります。介護・物流・建設の不足率22〜25%と賃金水準を組み合わせると、「世界の人件費の総額」よりも具体的で検証可能な論拠になります ### 注意点 - 「体を使う仕事の人件費20〜30兆ドル」は筆者の推計です。ILOの職業構成と労働所得から算出しました。職業別の賃金総額を世界で集計した一次統計は確認できませんでした - 労働所得67兆ドルは、2024年の労働分配率を2026年のGDPに当てはめた概算です。自営業者の所得も含みます - Goldman Sachsの2026年改訂（1,380億ドル、648万台）はInvesting.com（2026年9月14日）の報道、UBSの予測はYicai（2025年7月10日）の報道、IFRの2025年導入額186億ドルはInside Deep Tech経由で確認した値です。原本は未確認です。2024年の導入額は、IFRの2025年1月発表（165億ドル）と2026年1月発表（167億ドル）で値が食い違っています。本レポートでは新しい方を採りました。Morgan Stanleyの「40兆ドル」（2026年10月）は、検索結果の抜粋のみで確認しました - McKinseyの推計は2017年時点のデータに基づいています。報告書の版によって14.6兆ドルと15.8兆ドルの2つの値があります - 銀行予測はいずれも、数十年先の「可能性のある」シナリオです。確定した需要ではありません。各社にはロボット関連銘柄を推奨する立場があるので、楽観に偏りやすい点にも留意してください - 円ドル換算は1ドル=150円の仮定です ### 補足：円に直した数字 報告はドルで書かれているので、主な数字を円に直しておく。1ドル=150円で換算した概算で、為替で変わる。 | 項目 | ドル | 円（1ドル=150円） | |---|---|---| | 世界のソフトウェア支出（2026年） | 1.464兆ドル | 約220兆円 | | 世界のIT支出（2026年） | 6.39兆ドル | 約960兆円 | | 体を使う仕事の人件費（報告の推計） | 20〜30兆ドル | 約3,000〜4,500兆円 | | 世界の労働所得 | 約67兆ドル | 約1京円 | | ロボットが取れる市場（2050年の予測） | 1.4〜7兆ドル | 約210〜1,050兆円 | | 産業用ロボットの導入額（2025年の実績） | 約186億ドル | 約2.8兆円 | 日本の雇用者報酬（2025年）は323.1兆円で、世界のソフトウェア支出（約220兆円）より大きい。日本1国の人件費だけで、世界中の会社がソフトウェアに払うお金を上回っている。 ## 日本の賃上げは、機械が主のロボットに有利で、手間が主のロボットには効きにくい > インフレを考慮して、日本でも大きく賃金上昇圧力が高くなってくると事情がさらに変わりますか？ **— 日本で賃金が大きく上がっていくと、ロボットの事情はどう変わるのか。** 変わります。ただ、「賃金が上がるほどロボットが有利になる」という単純な話ではありません。有利になるロボットと、ならないロボットに分かれます。 いまの賃金の動き - 2026年の春闘は賃上げ率5.01%で、3年続けて5%台でした。中小は4.69%です - 2026年度の最低賃金は、目安どおりなら全国平均1,176円（+55円、+4.9%） - 年5%の上昇が5年続くと、人件費は約1.28倍になります ロボットに有利に働く点 - ロボットの値段は買った時点で決まり、人の賃金は毎年上がる。5年契約のリースなら、月額は同じでも、人と比べた割安さは年々増していきます - ロボットの部品原価は下がる見込み。BofA は、ヒューマノイドの部品原価が 3.5万ドル（2025年）から 2030年代に 1.3〜1.7万ドルへ下がると見ています。上がる賃金と下がる機械の値段が、どこかで交差します - お金を出しても人が来ない。2040年に約1,100万人の人手不足、ドライバー職は24%不足という予測があります。こうなると比べる相手は「人を雇う費用」ではなく、「仕事を受けられないこと」になります。ロボットの価値が「人件費を減らすもの」から「受けられる量を増やすもの」に変わります 逆に、ロボットにも不利に働く点 - ロボットの費用にも「人件費」が入っている。据え付け、現場ごとの調整、保守、遠隔の見守りはすべて人の仕事なので、賃金と一緒に上がります。これまで話してきた「1つの現場に入れる手間」は、インフレで余計に重くなります - 円安と金利。中国製のアーム（FAIRINO など）は円安で高くなり、金利が上がればリースの月額も上がります - 中小はさらに苦しくなる。中小の賃上げ率は大手より低く、値上げで取り返すのも難しい。自動化の必要は増すのに、払う力は減ります まとめると - 有利になるのは、費用の大部分が「機械」で、現場ごとの「人の手間」が少ないロボットです。機械の値段は下がり、賃金は上がるので、差が年々開きます - 現場ごとの調整に人手がかかるロボットは、その手間の費用も賃金と一緒に上がるので、思ったほど有利になりません - 中小は自分で入れるより、3PL に物流を任せる流れが強まりそうです。前に話した「中小向けパッケージより、3PL が本当のお客さん」という見立ては、インフレでさらに強まります 調査レポートには「日本は、世界の中でロボットの採算が早く合う国」とありました。賃金の上昇はこれを後押しします。ただ実際には、2025年の日本の産業用ロボット導入台数は19%減り、米国に抜かれています。採算が合っても入らないのは、壁がお金より「現場に入れる手間」にあるからだと思います。その手間を減らす設計ができる人の価値が、インフレの下では上がります。 ### 補足：図解の2つ目で、差が開く形を見る 図解の2つ目は、この答えの「機械が主のロボット」と「手間が主のロボット」を、仮の数字で動かしたものだ。人を雇う費用は毎年5%上がる。ロボットの費用は、機械の部分が毎年7%下がり、据え付け・調整・保守の部分は人と同じく毎年5%上がる、と置いた。機械が主のロボットは費用の8割が機械、手間が主のロボットは4割が機械とした。 この置き方だと、10年後に人を雇う費用は約1.63倍になる。機械が主のロボットは、はじめの約0.71倍に下がり、人と比べると約0.44倍。手間が主のロボットは、はじめの約1.17倍に上がり、人と比べると約0.72倍にとどまる。どちらも人よりは安くなるが、開き方がまるで違う。 数字はどれも形を見るための仮の値で、実際の機種や現場の値ではない。機械の値段が毎年7%下がるという置き方は、BofA の部品原価の見通し（3.5万ドルから10年ほどで1.3〜1.7万ドル）に近い下がり方として選んだ。 ## 導入の手間を減らす設計ができる人の価値は、賃上げの下で上がる > 採算が合っても入らないのは、壁がお金より「現場に入れる手間」にあるからだと思います。その手間を減らす設計ができる人の価値が、インフレの下では上がります。 > > これは感覚的に理解しやすいところだね。 **— 現場に入れる手間とは、具体的に何のことか。** そうですね。現場を知っている人ほど、すっと腑に落ちるところだと思います。ロボットの性能表には、「入れるまでに誰が何回話し合ったか」は載りませんから。 その手間を分けると、だいたい次の3つです。 - 入れる前：この現場で本当に回るのかを見積もる。置き場所、通り道、人の動きとぶつからないか - 入れるとき：部署ごとの了解を取り、決まりを文書にし、現場の人に使い方を覚えてもらう - 入れた後：止まったときに誰が何をするか。品物や配置が変わったら、どこを直すか あなたが進めている「サービスロボット導入シミュレーション」は、1つ目の「入れる前の見積もり」をそのまま形にしたものです。2つ目と3つ目は、アパレルで遠くの工場が迷わず作れる仕様書を書いてきた仕事と同じ形をしています。現場ごとに違うことを、誰が読んでも同じように動ける手順に落とす仕事です。 技術そのものは、大きな会社がどんどん安く強くしていきます。でもこの手間は、現場の数だけ発生して、機械の値段が下がっても減りません。インフレの下では、むしろ高くなります。そこが、個人でも立てる場所なんだと思います。 ## 立ち位置は、現場ごとの違いを見積もりと手順に変える仕事に置く > 技術そのものは、大きな会社がどんどん安く強くしていきます。でもこの手間は、現場の数だけ発生して、機械の値段が下がっても減りません。インフレの下では、むしろ高くなります。そこが、個人でも立てる場所なんだと思います。 > > ここは明確にしておく必要があるね。技術の確立も大事だけどその多くはAIが担ってくれそうなので、どの立ち位置を取るべきかの分析をもっと精度高くする必要がある。 **— AIが技術を担っていく中で、個人はどの立ち位置を取るべきか。** 精度を上げるには、「AIが担わないこと」を探すだけでは足りません。次の3つが重なる場所を探す必要があります。 1. AIが進んでも、現場の数に比例して人の手間が残る 2. その手間に、お金を払う人がいる 3. それを、個人でも担える（責任・資金・現場までの距離の面で） 導入の手間を分けて、AIで減るかを見る | 工程 | AIで減るか | 理由 | |---|---|---| | 現場の測定・地図作り | 大きく減る | スキャンや自動の地図作りで、ほぼ道具の仕事になる | | ロボットに動きを教える | 大きく減る | 学習と基盤モデルが担う。大手が安くしていく部分 | | 回るかどうかの見積もり（シミュレーション） | 道具は安くなる。入力は残る | NVIDIA の Mega のように、倉庫のデジタルツインで台数や動線を試す道具はもう出ている。ただ、ピーク時の混み方、例外の頻度、人の動き方といった前提は、現場を見ないと入れられない | | 部署ごとの合意・責任の分け方・決まりの文書化 | 残る | 人が決めて、人が責任を負うこと | | 現場の人に受け入れてもらい、使い続けてもらう | 残る | 現場ごとに違い、信頼が要る | | 止まったときの運用・例外の設計 | 一部減る | 遠隔支援はできる。ただし「誰がいつ何をするか」の設計は残る | | 安全の評価と署名 | 道具は助かる。責任は残る | 資格・保険・会社としての責任が要るので、個人には壁が高い | 取りうる立ち位置 - A. 技術そのもの（モデル・機体）：大手とAIが担う。個人で勝負する場所ではありません。ただし、何ができて何が難しいかを体でわかるための土台として、学習・推論は続ける必要があります - B. SIer（据え付けと調整を請ける）：需要はありますが、責任・資金・現場への常駐が要ります。秋田から遠隔中心で、規模の大きい会社と競うのは不利です - C. 中立な立場での「導入前の見積もりと運用の設計」：ロボット会社でも使う会社でもない立場で、「この現場で回るか、どう回すか」を示す。シミュレーションと現場の観察と手順書を組み合わせ、責任は助言の範囲にとどめる。遠隔中心でも成り立ちます - D. ロボット会社側の「導入の型づくり」：現場ごとの手間を、決まった手順・チェックリスト・道具に落とす仕事です。PyBrain のような会社が台数を増やせるかどうかは、ここで決まります。社内のPMや顧問の形になります 狙うのは C と D の重なり、つまり「現場ごとの違いを、決まった見積もりと手順に変える仕事」だと思います。サイトのトップに決めた見出し「現場で人が受け入れて、使い続けられるロボットを。」とも合っています。 まだ確かめていないこと（ここを詰めると精度が上がる） - 誰が払うのか。ロボット会社か、使う会社か、3PL か。導入PMやカスタマーサクセスの求人の数と単価を見れば、ある程度わかります - 見積もりの部分も道具に吸われないか。差がつくのは「現場の実態を入力できるか」です。いまのシミュレーションで、観察データの有り無しで結果がどれだけ変わるかを数字で示せれば、そのまま根拠になります - ロボット会社が自前で抱え込まないか。月額制の会社は、導入を自社でやりたがります。そうなると C の独立した立場は細り、D（社内・顧問）が主になります - どこまでなら個人で責任を負えるか。助言と実施の線引きです ### 補足：SIer の現場では、仕様の合意から設置まで3か月〜1年 関東財務局が SIer に聞き取った資料では、仕様を合意してから設置するまでの期間を、最低で3か月、長いもので1年ぐらいとしていた。この期間の大半は、ロボットを動かす技術ではなく、何をどこまでロボットにさせるかを現場と決める時間だと読める。PyBrain AI がうたう「数か月ではなく数週間」が本当なら、それは技術よりも、この決める時間を型にしたことの成果になる。 もう1つ、表の3行目に書いた見積もりの道具は、NVIDIA の Mega のように大手がすでに出している。道具そのものは安くなっていく。残るのは、道具に何を入れるかだ。配膳ロボットのシミュレーションでも、Unity の店で動かして初めて、計算どおりにいかないずれが出てきた。そのずれの多くは、人がどう動くか、どこで待つかといった、現場を見ないと決められない前提から来ていた。C の立ち位置の値打ちは、この前提を現場から取ってこられるかにかかっている。 ## ねらい・変わったこと・見込める効果 この対話で整理したことを、ここでまとめておく。どれも見込みで、実物の現場で確かめた数字ではない。 | | 中身 | |---|---| | ねらい | AIが技術を担っていく中で、個人がどこに立つかを、感覚ではなく条件と工程で決める | | 変わったこと | 立ち位置を選ぶ条件を3つに決めた（手間が現場の数だけ残る・払う人がいる・個人で担える）。導入の手間を7つの工程に分け、AIで減るか残るかを表にした。立ち位置を A〜D に分け、C（中立の立場での導入前の見積もりと運用の設計）と D（ロボット会社側の導入の型づくり）が重なる所を狙うことにした | | 見込める効果 | 次に確かめることが4つに絞れた。誰が払うか、見積もりも道具に吸われないか、ロボット会社が導入を抱え込まないか、どこまで個人で責任を負えるか。2つ目は、サービスロボット導入シミュレーションで、観察データの有り無しで結果がどれだけ変わるかを数字にすれば確かめられる | ## ロボットが安くなるほど、現場に入れる側の仕事が残る PyBrain AI の事業を入り口に話してきて見えたのは、ロボットの値段と、ロボットを現場に入れる手間が、反対の向きに動いていることだった。機械の部品は量産で安くなり、動きを教えるのは学習と基盤モデルが担う。一方で、その現場で回るかを見積もり、部署ごとに了解を取り、止まったときの段取りを決める仕事は、現場の数だけ発生し、賃金と一緒に高くなる。 世界の人件費は、ソフトウェアに払われるお金の何十倍もある。ただ、その大きな市場にロボットが入っていけるかどうかは、ロボットの性能より、1つの現場に入れる手間をどこまで型にできるかで決まる。 **技術はAIと大手に任せ、自分は現場ごとの違いを、誰が読んでも同じように動ける見積もりと手順に変える側に立つ。** ## 出典 - [PyBrain AI](https://www.pybrain.ai/) - [PyBrain AI 会社ページ（wanted）](https://www.wanted.co.kr/company/54714) - [物流倉庫の自動化を妨げている課題とは（JLL）](https://www.jll.com/ja-jp/insights/issues-hampering-automation-of-logistics-warehouses) - [物流中小は「自動化の波」を逃すな 人手不足の大改革に活用できる補助金は（ITmedia ビジネスオンライン）](https://www.itmedia.co.jp/business/articles/2506/13/news032.html) - [Gartner Forecasts Worldwide IT Spending to Grow 13.5% in 2026, Totaling $6.31 Trillion（Business Wire）](https://www.businesswire.com/news/home/20260422301495/en/Gartner-Forecasts-Worldwide-IT-Spending-to-Grow-13.5-in-2026-Totaling-$6.31-Trillion) - [Gartner Forecasts Worldwide IT Spending to Grow 15% in 2027, Totaling $7.35 Trillion（Stockhouse）](https://stockhouse.com/news/press-releases/2026/10/21/gartner-forecasts-worldwide-it-spending-to-grow-15-in-2027-totaling-7-35) - [ILO World Employment and Social Outlook: May 2025 Update](https://www.ilo.org/sites/default/files/2025-05/WESOUpdate_May2025.pdf) - [Tech progress, automation, AI, cut workers' share of wealth: ILO（UN News）](https://news.un.org/en/story/2024/09/1153906) - [Global GDP 2026: Every Major Economy Ranked by the IMF（CEOWORLD）](https://ceoworld.biz/2026/11/05/global-gdp-2026-every-major-economy-ranked-by-the-imf/) - [Humanoids: A $5 Trillion Market（Morgan Stanley）](https://www.morganstanley.com/insights/articles/humanoid-robot-market-5-trillion-by-2050) - [The Humanoid 100: Mapping the Humanoid Robot Value Chain（Morgan Stanley）](https://advisor.morganstanley.com/john.howard/documents/field/j/jo/john-howard/The_Humanoid_100_-_Mapping_the_Humanoid_Robot_Value_Chain.pdf) - [Nvidia believes physical AI systems are a $50 trillion market opportunity（GamesBeat）](https://gamesbeat.com/nvidia-believes-physical-ai-systems-are-a-50-trillion-market-opportunity/) - [Brett Adcock の X の投稿（2022年）](https://x.com/adcock_brett/status/1587816877606457344) - [Cathie Wood says humanoid robotics are a $24 trillion opportunity（The Motley Fool）](https://www.fool.com/investing/2024/09/17/cathie-wood-says-humanoid-robotics-are-a-24) - [A future that works: Automation, employment, and productivity（McKinsey Global Institute）](https://www.mckinsey.com/~/media/mckinsey/featured%20insights/digital%20disruption/harnessing%20automation%20for%20a%20future%20that%20works/mgi-a-future-that-works-full-report-updated.pdf) - [The global market for robots could reach $38 billion by 2035（Goldman Sachs）](https://www.goldmansachs.com/insights/articles/the-global-market-for-robots-could-reach-38-billion-by-2035) - [Bank of America Institute: Physical AI Part 2](https://institute.bankofamerica.com/content/dam/transformation/physical-ai-part-2.pdf) - [Bank of America forecasts 3 billion humanoid robots by 2060（Fortune）](https://fortune.com/2026/03/13/bank-of-america-humanoid-robot-forecast-3-billion-2060) - [Global sales of professional service robots surge 24 percent（IFR）](https://ifr.org/ifr-press-releases/news/global-sales-of-professional-service-robots-surge-24-percent) - [IFR predicts top 5 global robotics trends for 2025（The Robot Report）](https://www.therobotreport.com/ifr-predicts-top-5-global-robotics-trends-for-2025/) - [The service robot market is scaling, just not where the hype is（A3）](https://www.automate.org/robotics/industry-insights/the-service-robot-market-is-scaling-just-not-where-the-hype-is) - [内閣府 経済社会総合研究所 国民経済計算](https://www.esri.cao.go.jp/jp/sna/menu.html) - [リクルートワークス研究所「未来予測2040」](https://www.works-i.com/research/report/item/forecast2040.pdf) - [令和8年春闘 最終集計 賃上げ率5.01%（連合）](https://www.kaiketsu-j.com/evaluation/22834/) - [2026年度 最低賃金の目安（オフィスステーション）](https://romsearch.officestation.jp/news/58265) - [毎月勤労統計調査 令和8年8月分結果速報](https://www.kaiketsu-j.com/?p=24458) - [NVIDIA Unveils 'Mega' Omniverse Blueprint for Building Industrial Robot Fleet Digital Twins](https://blogs.nvidia.com/blog/mega-omniverse-blueprint) - [関東財務局 SIer への聞き取り資料](https://lfb.mof.go.jp/kantou/content/000248350.pdf) - [ロボット活用拡大のボトルネック、ロボットインテグレーターの現実（MONOist）](https://monoist.itmedia.co.jp/mn/articles/1802/22/news080.html)