変わったのは、AIが触る対象だ
燈がフィジカルAIの開発方針として、実装力と汎用性の両立を打ち出した意味は、モデルの性能競争を一段広い場所へ移す点にある。これまでの生成AIは、文章、画像、コードなど、主にデジタル空間で成果を返してきた。フィジカルAIでは、AIの判断がロボット、設備、作業手順、検査、保守といった現実の現場に接続される。
ここで重要になるのは、推論が正しいかだけではない。AIがどの設備に触れてよいのか、どの作業は人の承認を必要とするのか、想定外の状態をどう止めるのか、現場で蓄積された作業知識を誰の資産として扱うのかが同時に問われる。企業にとっては、便利なAIを導入する話というより、現場の権限配分を組み替える話になる。
性能指標は、ベンチマークから現場の再現性へ移る
フィジカルAIで技術的に変わるのは、性能の測り方だ。回答精度や処理速度だけでは足りず、同じ作業を違う現場、違う設備、違う担当者の下でどれだけ再現できるかが評価軸になる。汎用性とは、何でもできるという意味ではなく、現場ごとの差分を吸収しながら、導入のたびにゼロから作り直さずに済むことを指す。
価格の見え方も変わる。モデル利用料だけなら比較しやすいが、フィジカルAIでは、センサーやロボットとの接続、現場データの整備、作業手順の記述、例外処理、監査ログ、保守までが費用に入る。速度も、推論の速さだけでなく、PoCから本番運用までの時間、停止時の復旧時間、現場ルール変更への追随速度で測られる。
配布範囲にも制約が出る。クラウド上のソフトウェアなら一斉展開しやすいが、物理現場では設備仕様、安全基準、作業者の習熟度が違う。つまり、フィジカルAIの普及は「モデルを配る」だけでは進まず、現場ごとの制約を吸収する導入パッケージを作れるかに左右される。
企業導入を絞る五つの変数
第一の変数は、暗黙知の形式知化である。熟練者が無意識に見ている兆候、手順書に書かれていない判断、危ないと感じる間合いを、AIが扱える形に変えられなければ実装範囲は広がらない。ここが浅いと、AIは現場の例外に弱い補助ツールにとどまる。
第二の変数は、データと知財だ。現場データ、作業手順、改善ノウハウは企業の競争力そのものになり得る。AIに学習させるほど価値は増すが、同時に外部流出、再利用範囲、権利帰属の不安も増える。企業が慎重になるのは、技術への不信だけでなく、自社の現場知識をどこまで外に出してよいかが曖昧だからだ。
第三の変数は、権限制御である。AIが提案するだけなのか、作業を開始できるのか、設備を止められるのか、人の承認を挟むのかでリスクは大きく違う。第四は既存設備との接続、第五は監査対応だ。現場で使うAIは、後から「なぜその判断をしたか」を追える形でなければ、品質管理や事故対応に組み込みにくい。
波及経路は、開発方針から現場の責任分界へ向かう
今回の論点は、開発方針の発表からすぐに市場全体が変わるという話ではない。波及の順番は、まずフィジカルAIが担う作業範囲の定義、次に現場知識のデータ化、その後に権限とログ管理、最後に本番運用での責任分界へ進む。どこか一つが詰まると、導入は実証実験で止まりやすい。
開発者に効くのは、モデルそのものよりも周辺設計の重さだ。ロボット制御、センサー入力、現場UI、権限設定、ログ、例外処理を一体で作る必要がある。企業に効くのは、導入判断の基準である。生産性向上が見込めても、安全、品質、知財、労務のルールが追いつかなければ、利用範囲は限定される。
利用者である現場担当者にとっては、AIが仕事を置き換えるかどうか以前に、作業の判断がどこまで可視化されるかが重要になる。熟練者の勘が形式知化されれば教育や品質の均一化に役立つ一方、現場の裁量が狭まる可能性もある。フィジカルAIの導入は、生産性の問題であると同時に、現場の知識を誰が管理するかの問題でもある。
競争軸は、モデルから配布と権限へ移る
AI企業の競争は、しばらくモデル性能を中心に語られてきた。フィジカルAIでは、それだけでは差がつきにくくなる。強いモデルを持つことは前提であり、その上で、現場に配布できる仕組み、業務データを安全に扱う設計、権限と監査を企業ごとに設定できる機能が競争力になる。
特に重要なのは、汎用性と個別最適の両立である。現場は一つひとつ違うが、すべてを特注開発にすれば導入速度も利益率も伸びない。反対に、標準パッケージだけで押し切れば、現場の例外に耐えられない。勝ち筋は、共通化できる作業単位と、現場ごとに調整すべき権限・データ・手順を切り分けるところにある。
判断を変える条件は何か
今後見るべき第一の信号は、複数の現場で同じ仕組みが使われるかである。単一現場の成功事例だけでは、実装力は示せても汎用性はまだ分からない。第二の信号は、企業向けに権限設定、ログ、知財の扱いがどこまで明文化されるかだ。ここが整えば、導入判断は技術部門だけでなく経営、法務、現場管理まで広がる。
第三の信号は、失敗時の扱いである。AIが誤った判断をした場合に、誰が止め、誰が検証し、どのログをもとに改善するのかが示されなければ、物理現場では利用範囲を広げにくい。フィジカルAIの本当の答え合わせは、華やかなデモではなく、例外と責任を処理する運用がどこまで設計されるかに出る。
この条件が満たされれば、フィジカルAIは企業の現場導入を一段進める。満たされなければ、技術的には優れていても、導入は限られた用途や一部の先進企業にとどまる。見方を変えるべき点はここだ。AIの次の競争は、どのモデルが賢いかだけでなく、どの企業が現場の知識、権限、責任を運用可能な形に落とし込めるかに移っている。