LOG389考察記事2026/10/26

ロボットを広げるのは、性能より現場で扱えるかだった

ロボットの世界にも、ChatGPT が出たときのような、一夜で世の中が変わる瞬間は来るのか。X（旧 Twitter）で、海外のロボットや AI に関わる人たちが、この問いをめぐって投稿を重ねていました。Joe Harris さんは「そんな瞬間は来ない。能力は一夜で上がるかもしれないが、普及には長い時間がかかる」と書き、その返信には「倉庫なら、作業の成功率より、1シフトのあいだに人が何回駆けつけたかと、止まってから元に戻るまでの時間を見たい」という声が付いていました。

この議論の画面写真を Claude に見せて、「実際どうなんだろうね」と聞いたところから、対話が始まりました。話はすぐにファミレスの配膳ロボットへ移り、なぜ配膳ロボットだけが先に広がったのか、次に何が壁になるのかを考えていきました。途中で、アイリスオーヤマが法人向けロボットの定着にどう取り組んでいるか、飲食店の調理場と客席を仕切る決まりがどうなっているかを、Claude に Web で調べてもらっています。

たどり着いたのは、ロボットが広がるかどうかを決めるのは、モデルの性能より、止まったときにどうすればいいかが現場の人に分かり、その人たちが自分で扱えるかどうかという整理です。配膳ロボットは、失敗しても料理が少し遅れるだけで済み、毎日何百回も同じ往復をし、店のスタッフがボタンでテーブル番号を押すだけで使えます。料理をテーブルに置く最後の動作は、お客さん自身がやります。作業のほうを、ロボットにできる範囲へ切り直したことが、広がった理由でした。

考えたこと	分かったこと
ロボットに ChatGPT の瞬間は来るか	能力の瞬間は来ても、普及は作業の種類ごとに階段状に進む
配膳ロボットが広がった理由	失敗が軽い・繰り返しが多い・人手不足。最後の動作は人に任せた
現場で扱えるかの見極め方	止まった理由が分かる・誰でも元に戻せる・次の動きが読める
足りなくなる人	作る人より、置いて回し続ける人。地方ほど足りない
アイリスオーヤマの取り組み	7000社以上に2万5000台以上。止まらない作りとサブスクで定着を狙う
次の壁	下げ膳を洗い場まで運べると楽になるが、調理場の扉が通れない

最後の扉の話は、ロボットの性能の問題ではありません。食品衛生法の施設基準で、調理場は客席と区画することが求められていて、配膳ロボットは扉を開けられません。両側から取り出せる棚を客席側に置く、新しい店ではロボットの通り道ごと設計する、といった店の作りの工夫で前に進められる問題でした。残っているハードルの多くが、こうした設計と調整で解ける種類のものだったことも、この対話で見えたことです。

対話で最初に見せた X の投稿の画面写真は、それぞれの投稿者の文章なので、記事には載せず、中身を文で紹介しています。

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。ユーザーの発言を引用で、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。アイリスオーヤマの導入の数と、扉の決まりの内容は、2026年10月26日に調べた時点のものです。

ロボットの ChatGPT の瞬間は、能力と普及に分けると見え方が変わる

（X の投稿の画面写真3枚。Andrew Kang さんの「ロボティクスにおける ChatGPT の瞬間はいつ訪れるのか。すでに起きたと言う人も、これからだと言う人もいる」という問いかけに、Joe Harris さんが引用で答えた投稿。「ロボット工学に ChatGPT のような瞬間はない。能力は一夜で急上昇するかもしれないが、採用は長期的な地平線だ。すべての機会は、採用を成功させられる者たちのものだ。それは信頼性の9を積み重ねること、最後の1マイル（展開）、そして稼働し続けること（サポート）のゲームだ」。その返信に、HM さんの「倉庫なら、作業の成功率だけでなく、1シフトあたりの介入の回数と復旧の時間を見たい。すごいデモが止まるたびに、誰かが歩いて行かないといけない」と、Joe Harris さんの「それに取り組んでいる」。Hugh Phan さんの引用投稿は「ロボティクスは ChatGPT のように爆発的には伸びない。モデルの問題、サプライチェーンの問題（中国の勝ち）、インフラの問題があるので、普及の曲線ははるかに緩やかになる。好きなロボット企業は、全体像を見据えた企業だ」。画面は X の日本語の自動翻訳で表示したもの）

実際どうなんだろうね。

— ロボットに ChatGPT のような普及の瞬間は来るのか。このスレッドで一番鋭い指摘はどれか。

Joe Harris の見方が、ほぼ正しいと思います。ただし「ChatGPT モーメント」は、2つに分けて考えたほうがいいです。

① 能力のモーメントは、すでに来ているか、近いうちに来ます。汎用的に動くデモを見て「ロボットもここまで来たか」と人々の認識が変わる瞬間です。

② 普及のモーメントは、ChatGPT のような形では来ません。ChatGPT が爆発的に広がったのは、試すコストがほぼゼロだったからです。ブラウザを開けば使えて、間違った答えが出ても読み流せば済みました。ロボットは違います。導入には設備投資が要り、失敗すると物が壊れたりラインが止まったりします。安全基準を満たす必要があり、現場への組み込みもいる。この「タダで配れる」流通経路がないことが、普及が遅い本質だと思います。

スレッドで一番鋭いのは HM の指摘です。成功率ではなく、1シフトあたりの介入回数と復旧時間で見るべきだという話です。仮に成功率99%でも、毎時600回作業すれば毎時6回は人が駆けつけることになります。経済性を決めるのは賢さではなく、この止まり方です。アパレル量産でいう歩留まり、手直し、ライン停止と同じ構造ですね。

Hugh Phan の3つ（モデル、サプライチェーン、インフラ）には、もう1つ足りないものがあると思います。現場の業務設計の作り直しです。ロボットは持ち込んでスイッチを入れれば終わり、ではなく、作業のほうをロボットに合わせて再設計する必要があります。普及の速さは、ここをやれる人が何人いるかで決まります。

なので現実的な姿はこうだと思います。全体が一斉に変わる瞬間は来ない。構造化されていて、失敗が許容でき、繰り返しの多い作業から、領域ごとに信頼性の9が積み上がって階段状に広がっていく。

そして機会があるのは、能力を運用で使える仕様に落とす側です。Pixels to Motors で「デモの成功率と現場の介入回数」という切り口を取り上げると、日本語圏ではまだ誰も言語化していない立ち位置を取れるかもしれません。

失敗が許される繰り返しの作業は、データも取りやすく導入も安い

失敗が許容でき、繰り返しの多い作業から

そうだね。データも取りやすいし、導入ハードルが低いし、コストも低いからね

— データ・導入のしやすさ・コストの3つは、普及の中でどうつながっているのか。

そう、しかもその3つが循環するのが大きいです。現場に入れて稼働させればデータが溜まり、そのデータで信頼性が上がる。信頼性が上がれば、次はもう少し失敗が許されない作業に進める。最初の入口が、そのままデータを集める仕組みになっているわけです。

ひとつ注意点もあります。この手の作業は1回あたりの価値が低いので、投資に見合うかどうかは「回数×人件費の置き換え」でしか出ません。だから欧米より、人手不足が深刻な日本のほうが成立しやすい。人がそもそも集まらない現場では、多少止まっても人を雇うよりマシという計算になるからです。日本は普及の階段の1段目を先に踏める市場かもしれません。

配膳ロボットは、一番難しい最後の動作を人に任せて広がった

サービスロボットが普及しはじめたのもこの辺りが関係しているね。

— ファミレスの配膳ロボットは、どの条件がそろって広がったのか。

まさにそうです。ファミレスの配膳ロボットは、この条件が全部そろった典型例だと思います。

失敗が許容できる：止まったり遅れたりしても、料理が届くのが少し遅れるだけで済みます。
繰り返しが多い：厨房と客席の往復を、毎日何百回も続けます。
人手不足：ホールスタッフが集まらないので、完璧でなくても十分に元が取れます。

しかも注目すべきなのは、一番難しいところをロボットにやらせていないことです。料理をテーブルに置く最後の動作はお客さん自身がやります。トレーに載せるのも店員です。作業そのものをロボットができる範囲に切り直したことが、普及のカギでした。さっきの「現場の業務設計の作り直し」がうまくいった実例ですね。

ついでに言うと、機体の多くは中国メーカー製です。Hugh Phan の言う「サプライチェーンは中国の勝ち」も、すでに日本の店舗で目に見える形になっています。

店のスタッフがボタンだけで使えることが、導入後の手間を消した

店舗のおばちゃんたちでも使えてるしね。ポイント高いよね

— 店のスタッフが自分で使えることは、普及のどこに効いているのか。

そこは本当に大きいです。Joe Harris の言う「最後の1マイル（展開）」と「サポート」のコストが、ほぼゼロになっているわけですから。

操作はボタンでテーブル番号を押すだけ。止まったらどかせばいい。専門のエンジニアもマニュアル研修もいりません。現場の人が自分で使いこなせるということは、導入後のサポート費用がかからないということで、これが普及スピードを決めています。

逆に言えば、どれだけ高性能なフィジカルAIでも、現場の人が止まったときにどうすればいいかが分からなければ広がりません。ボトルネックはモデルの性能より、現場の人が扱える UX（使い勝手）にある。ここはロボット企業のエンジニアが一番手薄なところで、デザインと現場運用の両方が分かる人の出番だと思います。

現場で扱えるかは、止まった理由・戻し方・動きの読みやすさで見極める

ボトルネックはモデルの性能より、現場の人が扱えるUX

そうなんだよな。まさにそこをしっかり見極めないとどんなに素晴らしい技術のロボットでも広がらないよね。

— 現場の人が扱えるかどうかは、どんな問いで見極められるのか。

そう、そしてその見極めは、意外とシンプルな問いに分解できると思います。

止まったとき、理由が分かるか：「通れない」「物を見失った」など、現場の人が見て判断できる状態か。
誰でも元に戻せるか：エンジニアを呼ばずに、その場にいる人が再開させられるか。
動きが予測できるか：次にどう動くかが周りの人に読めて、怖くないか。

この3つが、HM の言う復旧時間を直接決めます。モデルの成功率が少しくらい低くても、ここが良ければ現場では回ります。逆にここが悪いと、どれだけ賢いロボットでも面倒な機械として片付けられてしまいます。

技術デモでは、この部分はほぼ評価されません。だからこそ、ここを語れる人はまだ少ないんです。

サービスロボットは、移動の作業は速く、操作の作業は階段状に広がる

サービスロボットの広がりは人手不足が原因の労働環境にも一因があるから当面広がっていくのは間違いないね。

それも急速に広がりそうに思っています。

— サービスロボットは、どの作業から、どのくらいの速さで広がるのか。

方向性は間違いないと思います。ただ、急速になるのは、条件がそろった作業の中で、だと見ています。

速く広がりそうなのは、配膳・清掃・館内搬送のように、移動が中心で、モノを置く最後の動作を人に任せられる作業です。ここは中国製の機体が安くなり、リースやレンタルで初期費用もかからなくなってきたので、人手不足の店舗から一気に置き換わっていく可能性が高いです。

一方で、下膳・品出し・調理・介護補助のように「つかむ・置く・人に触れる」が入る作業は、さっきの3つの問い（理由が分かる・誰でも戻せる・予測できる）を満たすのがぐっと難しくなります。ここは技術的にも業務設計の面でも、もう一段の壁があります。

なので実際の普及は、移動系は急速に、操作系は階段状に、という二段構えになりそうです。いま見えているスピード感は移動系のもので、それがそのまま操作系にも続くとは限らない。そこを見誤らないことが大事だと思います。

機体が安くなると、足りなくなるのは導入して回し続ける人

移動系はほんとうに早そうだし、コストも一気に安くなりそうだよね。

その分導入するための営業やエンジニアが足りなくなりそうだよね。

— 機体が安くなったとき、価値はどこへ移り、どんな人が足りなくなるのか。

その通りで、これは典型的なパターンだと思います。機体が安くなって差がなくなると、価値は導入して回し続ける側に移ります。まさに Joe Harris の言う最後の1マイルとサポートですね。

しかも足りなくなるのは、高度なロボットエンジニアというより、こういう役割の人だと思います。

現場の下見：通路の幅、段差、床材、Wi-Fi、混雑する時間帯などを見て、置けるかどうかを判断する。
業務の組み替え：どこまでをロボットに任せ、どこからを人がやるか線を引く。
定着支援：スタッフに教え、止まったときの対処を店のルールにする。

コードを書く力より、現場を見る目と業務設計の力が問われる仕事です。

さらに、メーカーや代理店は都市部に集中しがちなので、地方ほど導入できる人がいない状態になりやすい。人手不足が深刻なのは地方のほうなので、需要と担い手のズレは地方で一番大きくなりそうです。

地方の導入に間に合うのは、大会で育つ作る人より、保守網を持つ回す人

でもサービスロボット導入は地方の方が切実な問題なので、この問題をどう解決できるかが鍵だね。ロボットに詳しい人材はどこも引く手数多というタイミングがどこかできそうだね。

日本も中国のようにロボットの大会やロボットの教育が盛んになりそうだね。

— ロボットの大会や教育が盛んになれば、地方で導入を担う人は足りるのか。

教育や大会は盛んになると思います。ただ、地方の導入問題を解くのは、そこから育つ人材とは少し種類が違うかもしれません。

中国は2025年に人型ロボットのハーフマラソンや競技大会を開くなど、国を挙げて盛り上げています。日本にも高専ロボコンという土台があるので、同じ方向に向かう流れはできると思います。ただ、大会で育つのは作る人です。地方で足りなくなるのは、さっきの置いて回す人のほうです。作る人材が増えても、地方の現場に届くまでには時間差があります。

むしろ現実的な解は、地方にすでにある保守網をロボット導入の担い手に変えることだと思います。複合機、POS レジ、空調、自販機などのメンテ業者は、すでに地方の店舗を定期的に回っています。現場に入る信頼関係もあります。彼らがロボットの設置や一次対応までできるようになれば、新しく人材を育てるより早く地方をカバーできます。

なので、人材の育成ルートは2本必要になると思います。

作る人：大会や教育で長期的に育てる。
回す人：既存の現場職をリスキリング（今の仕事の人が新しい技能を身につけること）で短期に増やす。

地方の切実さに間に合うのは、後者です。

家電量販店は売って設置するまで、町の電気屋さんは駆けつけるところまで担える

まぁ家電量販店とか電気屋さんとかが人材の候補にはあがりそうには思うけど実際どうなんだろう？

— 家電量販店と町の電気屋さんは、ロボットの導入のどこまでを担えるのか。

候補としては妥当だと思います。ただ、担える部分と担えない部分がはっきり分かれそうです。

家電量販店

強み：地方にも店舗網があり、エアコン設置などの施工部隊を持っています。法人営業の窓口もあります。
弱み：施工は下請けに任せていることが多く、利益も薄い。売って設置したら終わり、という売り切り型の文化です。導入後もずっと面倒を見る体制は弱いです。
向いている役割：販売と初期の設置。

町の電気屋さん

強み：地域の信頼があり、何かあればすぐ来てくれる関係をすでに持っています。これは導入後のサポートと非常に相性がいいです。
弱み：店主の高齢化と店舗数の減少。対応できる量にも限りがあります。
向いている役割：止まったときの駆けつけと一次対応。

どちらにも共通して足りないのは、業務の組み替えです。どこまでロボットに任せて、どこから人がやるかを店と一緒に設計する力は、どちらも持っていません。

なので現実的には、役割を分けるのがいいと思います。運用の設計と遠隔監視は専門側がリモートで担い、物理的な対応だけを地元の電気屋さんが受け持つ形です。メーカーの遠隔監視がしっかりしていれば、現地の人に求められるのは「再起動する」「どかす」「充電を確認する」程度で済みます。この程度なら電気屋さんでも十分に回せるはずです。

ここで鍵になるのは、地元の電気屋さんにやってもらう作業を、誰でもできるレベルまで落とし込んで仕様にする人です。現時点では、その役割を担っているプレイヤーはほとんどいないように見えます。

アイリスオーヤマは、現場の人が何もしなくても止まらない作りで定着を狙う

このあたりだけど、アイリスオーヤマがロボット扱ってなかったっけ？（違ったかな？）どのようにしているか調べてみてもらっていい？

— アイリスオーヤマは法人向けロボットを、どんな体制で売り、どうやって使い続けてもらっているのか。

（Claude が Web で調べた結果）

合っています。アイリスオーヤマは法人向けロボットにかなり本気で取り組んでいて、しかもさっき話していた、売るより定着の問題に正面から向き合っています。

事業の規模

2020年11月に参入し、清掃ロボと配膳ロボを販売してきました。2024年にはハードウェアを自社で作った清掃ロボを出し、警備ロボの会社も買収しています。これまで7000社以上に累計2万5000台以上を導入し、業務用清掃ロボでは2023年から3年連続で国内シェア1位だそうです。最初はソフトバンクロボティクスと組んでいましたが、いまは自社開発・自社製造に移っています。

注目点①：ボトルネックの認識が同じ

事業本部長の発言が、まさにさっきの議論そのものです。充電切れや紙パックが満杯になるといった些細なことで、すぐ人手の作業に戻ってしまう。現場に運用改善を続ける担い手がいないことが、社会実装のボトルネックだ、と話しています。

注目点②：対策は家電の使い勝手とサブスク

2026年7月に出した清掃ロボ JILBY には、清掃後に自動で充電ステーションへ戻る機能、着脱式バッテリー、大きな10型モニター、家電のノウハウを使った交換しやすい紙パックが入っています。自動スタートと自動充電は社長の必須の指示だったそうです。
売り方も、売り切り型からサブスク中心に変え、運用重視の提案につなげています。
導入の入口として、1週間の無料お試しも用意しています。

見えなかった点

地方での保守網をどう作っているか、たとえば電気屋さんとの提携などは、今回の検索では出てきませんでした。

解釈

アイリスは、現場の人を育てるのではなく、現場の人が何もしなくても止まらない製品にするという方向で解こうとしています。さっきの「電気屋さんにやってもらう作業を最小にする」発想を、メーカー側でやっているわけです。ただ、業務フローへの組み込みの提案は依然として人手頼みです。そこがスケールするかどうかが次の焦点だと思います。

アイリスオーヤマのサブスクは、売るより置いて止まらせない戦略

まずはロボットを売って（使ってもらう）しまおうということろかな。

— アイリスオーヤマは、まず台数を取りにいっているのか。

半分そうで、半分違うと思います。

台数をまず押さえにいっているのは確かです。無料お試しで入口を広げ、サブスクで初期費用をなくし、導入のハードルを徹底的に下げています。

ただ、サブスクにした時点で売って終わりではなくなります。使われなくなれば解約されるので、稼げるのは使い続けてもらった分だけです。だから「まず売る」というより、「まず置いて、止まらせない」に近い戦略だと思います。

そして2万5000台が現場で動き続けると、稼働データが溜まります。そのデータを自社ソフトや AI エージェントの改善に回せる。ハードが安くなって差がつかなくなったとき、最後に残る強みは、現場に入っている台数と、そこから集まるデータです。アイリスはそこを先に取りにいっているように見えます。

清掃ロボの現場データで新しく出せるのは、移動系の隣のロボット

現場データはほんと欲しいだろうね。

しかもリアルとシミュレーションがより密接に近づけば製品にもサービスにも落とし込めるし、違ったロボットも新規で投入できるといったサイクルが見込めるよね。

— 現場のデータとシミュレーションを行き来させると、何が作れるようになり、何はまだ作れないのか。

その通りで、まさに Real-to-Sim-to-Real（現実のデータでシミュレーションを作り、そこで直したものを現実に戻す）のサイクルですね。現場データの価値は、シミュレーションでは作れない部分を埋めてくれるところにあります。

現場の多様性：店ごとのレイアウト、床材、西日、混雑のパターン。
失敗のログ：どこで止まり、なぜ止まり、人がどう戻したか。

特に失敗ログは貴重です。これをシミュレーションに戻せば、よく止まる状況を大量に再現して改善できます。

ただ、一点だけ注意が必要です。清掃ロボで集まるのは移動のデータが中心で、「つかむ・置く」のデータはほとんど入りません。なので、このサイクルで新しく出せるロボットは、搬送・警備・配膳といった移動系の隣の領域が中心になります。アイリスの製品群がちょうどその並びになっているのは、偶然ではないと思います。

操作系に進むには、また別のデータの入口が必要になります。そこをどこが最初に押さえるのかは、次の大きな見どころですね。

置く動作は、ロボットが自分で運んだ物なら、つかむより先に解ける

掴むはともかく、置くの方は技術的にもハードルが低そうだからそっちから解決できたらいいのかもね。

— 置く動作は、なぜつかむ動作より先に解けるのか。どの順番で進むのか。

いい筋だと思います。理由は、置く動作は、つかむ動作の難しい部分を設計で消せるからです。

つかむのが難しいのは、物の形・向き・柔らかさが毎回違うからです。でも、ロボットが自分のトレーや引き出しで運んできた物なら、何をどの向きで持っているかは最初から分かっています。その状態から決まった場所に置くだけなら、難易度は一気に下がります。

実際、この方向の製品はすでに出始めています。

天板がローラーになっていて、箱をコンベアに押し出して受け渡す搬送ロボ。
引き出しやロッカー型で、受け取る人が取り出す配送ロボ。

一方で、空いているスペースを探して置くとなると話が変わります。物が散らかったテーブルや人の手元に置くには、まだ壁があります。

なので現実的な順番はこうだと思います。

決まった場所に置く：受け取り台や専用の棚を用意する。ここでも業務の組み替えが効きます。
ある程度の範囲に置く：空いている棚の一角など。
つかんで置く。

移動系ロボに置く機能を足せば、操作系のデータが少しずつ集まり始めます。さっき話した操作系のデータの入口として、ちょうどいい足がかりになりそうです。

下げ膳は、トレーごと洗い場の決まった台に置けば成り立つ

店舗でロボットにお皿やグラスはスタッフ、お客さんが行って、運ぶ、置くはロボットが簡潔させるまでできると店舗の負担は結構減りそうには思う。

— 下げ膳の「運ぶ・置く」をロボットが完結させるには、何をそろえればいいのか。

かなり減ると思います。しかも下げ膳は、さっきの条件にぴったりはまります。

一番いいのは、置く先が洗い場というバックヤードだということです。お客さんの手元と違って、場所も高さも毎回同じで、人も少ない。決まった場所に置く、がそのまま成り立つ環境です。

技術的に成立させるコツは、お皿単位ではなくトレー単位で扱うことだと思います。

人はお皿やグラスをトレーに載せる。
ロボットはトレーごと運び、洗い場の受け台やラックに滑らせて置く。

お皿1枚ずつを置こうとすると、つかむ問題に戻ってしまいます。トレーという決まった形にそろえれば、ロボットは同じ動作を繰り返すだけで済みます。学食や回転寿司が、皿やトレーを規格化して流しているのと同じ発想です。

効果としては、ホールと洗い場の往復がなくなります。下げ膳は重くて回数も多いので、スタッフの負担はかなり軽くなるはずです。残る課題は、グラスの転倒や液体のこぼれ対策と、お客さんに「ここに載せてね」が自然に伝わる案内の作り方。ここでもやはり、効いてくるのは現場の使い勝手ですね。

調理場と客席を区画する決まりが、ロボットの前の扉を壁にしている

ただしここは問題があって、ロボットが飲食の店舗フロントからバックヤードにいくには扉を開けられないといけない。

ここが今目に見える問題かな。扉は自動じゃないし、開けっぱなしは法律的にはNGだからね。

— 調理場の扉について、法律は何を求めているのか。ロボットが通るにはどんな解き方があるのか。

（Claude が Web で調べた結果）

扉は確かに見えている壁です。ただ、法律の部分は少し整理しておいたほうがいいと思います。

法律の要件

食品衛生法の施設基準で求められているのは、調理場を客席と間仕切り等で区画することです。具体的にどんな形で区画すればいいかは、自治体の条例や保健所の判断によります。たとえば那覇市の基準には、調理場は壁や板などで客室と区画すること、施設の出入り口の扉は開くと自動的に閉まる扉にすること、とあります。なので、開けっぱなしは一律にだめというより、店ごとに保健所と詰めるポイントだと考えたほうが正確です。

解き方は大きく3つ

扉をロボットとつなぐ：経済産業省が「ロボットフレンドリー施設」（ロボットが動きやすいように建物の側を整える取り組み）を進めていて、ALSOK などが扉とロボットの連携を実証しています。自動ドアや電気錠の扉を共通の仕組みで開け閉めし、ロボットがエリアをまたいで自分で走れるようにしたものです。ただ、これは主にビル向けで、個人店にはまだ重いと思います。
後付けの自動ドアにする：既存の扉を自動化して、ロボットと連動させる方法です。費用と工事が必要になります。
扉を通らない：個人的にはこれが一番現実的だと思います。ロボットは客席側の下げ台までしか行かず、両側から取り出せるパススルーの棚や小窓にトレーを置く。洗い場側のスタッフはそれを受け取るだけです。区画はそのまま保てて、扉の問題は消えます。

3つ目は、まさに「決まった場所に置く」の延長です。ロボットを扉に対応させるより、受け渡し口を設計するほうが早くて安い。実際、10台の配膳ロボを動かしている千葉の大型店でも、ロボットの出入りの動線を整理するために店舗を改修したそうです。

ここでもやはり、効くのは技術より現場の設計ですね。

洗い場までロボットが入るなら、新しい店のロボット専用の扉から

そうだね現場設計だね。

正直直接洗い場までロボットが持って行けたら最高だけどね。

— ロボットが洗い場まで入れるようにするなら、どこから始めるのが現実的か。

本当にそうですね。人が往復する距離が一番長いのは、まさにそこですから。

実現するとしたら、たぶん既存店より新店や改装のタイミングからだと思います。最初からロボットが通る前提で設計すれば、選択肢が広がります。

ロボット専用の小さな扉：ペットドアのように、ロボットが押すと開いて自動で閉まる低い扉。人用の扉はそのまま残せて、自動で閉まる構造なら区画の考え方とも両立できる可能性があります（ここは保健所の確認が必要です）。
扉と通信で連動する開閉装置：後付けの装置が安くなれば、既存店にも広がります。

ただ、洗い場の中に入れたとしても、最後は結局、決まった下げ台にトレーを置くまでになると思います。食洗機のラックにお皿を並べるのは、まだつかむ動作の領域なので。

なので順番としては、まず既存店はパススルーの棚で回し、新店はロボットの動線込みで設計し、扉の連動が安くなったら既存店にも広げる。こういう段階を踏むのが現実的ですね。

残っているハードルの多くは、ロボットの性能ではなく設計と調整の問題

新規店舗の実証実験が先かな。まだまだハードルがたくさんあるね。

— 残っているハードルは、どんな種類の問題なのか。

そうですね、まずは新店での実証からだと思います。

ただ、ここまでの話を振り返ると、残っているハードルのほとんどは技術ではありません。保健所との調整、店舗設計、業務フロー、現場の使い勝手といった部分です。どれも、ロボットの性能が上がるのを待たなくても、設計と調整で前に進められる種類の問題です。

逆に言えば、メーカーと設計事務所と保健所と店舗のあいだをつなぐ役割の人がいないと、どこも動き出せない。冒頭のスレッドで Joe Harris が言っていた「採用を成功させられる者」とは、結局そういう役割のことなんだと思います。

間をつないで現場に落とす役割には、まだ名前も求人枠もない

設計と調整で前に進められる種類の問題

この辺の問題解決の実現力を持つ人がフィジカルAI時代には重宝されそうだね。

— 設計と調整で前に進める人は、どうすれば見つけてもらえるのか。

重宝されると思います。ただ、ひとつ難しさもあります。

この役割には、まだ名前も求人枠もないんです。ロボット企業が募集するのはエンジニアと営業。店舗側は設備担当くらい。間をつないで現場に落とす人は、必要とされているのに、誰の予算にも入っていない状態です。

なので、実力があるだけでは見つけてもらえません。小さくてもいいので「この店でこう設計して、こう定着した」という事例を自分で作り、それを言葉にして見せていく人が、最初にポジションを取ることになると思います。

離れた工場でも実行できる仕様書を書き、複数の関係者を調整してきたアパレル量産の経験は、まさにこの仕事の型そのものです。あとは、それをロボットの現場で一度やって見せられるかどうか。そこが分かれ目になりそうですね。

ロボットが広がる速さは、作業をロボットにできる形へ切り直す人の数で決まる

対話は、ロボットに ChatGPT の瞬間は来るのか、という海外の議論から始まりました。分けて考えると、能力が一気に上がる瞬間は来ても、現場に広がる瞬間は一度には来ません。ChatGPT はブラウザを開けば試せましたが、ロボットは置く場所を空け、止まったときの対処を決め、店のやり方を変えないと使えないからです。

先に広がった配膳ロボットは、そのやり方の変え方がうまくいった例でした。料理を置く動作はお客さんに、トレーに載せる動作は店員に任せ、ロボットは往復だけをする。スタッフはボタンを押すだけで、止まったらどかせばいい。アイリスオーヤマが自動の充電や交換しやすい紙パックにこだわっていたのも、同じ問題への答えでした。充電切れや紙パックが満杯になるといった小さなことで、ロボットは使われなくなるからです。

次の下げ膳では、洗い場の手前の扉が壁になります。それもロボットの賢さではなく、受け渡しの棚の置き方や、新しい店の通り道の設計で解ける問題でした。

ロボットが現場に広がるかどうかを決めていたのは、性能より、その現場の人が止まったときに自分で扱えるように、作業と店の作りを切り直せるかどうかだった。