前提が変わるのは、AIが画面の外へ出る時です
燈が示したフィジカルAIの開発方針は、「実装力」と「汎用性」を両立させるというものです。ここで重要なのは、AIの能力を高める話に見えて、実際には企業がAIをどこまで業務へ入れられるかという導入設計の話になっている点です。
フィジカルAIは、文章や画像を返すAIよりも制約が多くなります。現場の設備、作業手順、センサー、図面、在庫、点検、ロボット、作業員の判断と結びつくためです。AIの出力が間違っても画面上の回答で済む場面と、現場作業や設備制御に影響する場面では、企業が求める安全性と説明責任がまったく違います。
そのため、今回の見どころは「どんなモデルか」だけではありません。個別の現場に深く入れる実装力を持ちながら、顧客ごとの特注開発に閉じず、横展開できる汎用性をどう作るかです。この両立ができれば、AI導入は実証実験から日常業務のインフラへ近づきます。
導入を左右する変数は、性能だけではありません
第一の変数は性能です。ただし、ここでの性能はベンチマークの点数ではなく、現場の曖昧な入力に耐える力です。図面の表記ゆれ、設備名の違い、センサーの欠損、作業手順の例外を吸収できるかが、実務上の精度になります。
第二の変数は価格と導入コストです。フィジカルAIは、モデル利用料だけでは判断できません。現場データの整備、既存システムとの接続、権限設定、運用教育、保守まで含めた総コストが下がらなければ、企業は全社展開に踏み切りにくくなります。
第三の変数は速度です。開発者にとっては、個別案件ごとに作り込む時間をどれだけ短縮できるかが重要です。企業にとっては、実証から本番利用へ移るまでの承認時間が短くなるかが重要です。利用者にとっては、現場で待たされず、既存の作業テンポを崩さない応答速度が重要になります。
第四の変数は配布範囲です。ある工場、ある建設現場、ある倉庫で動くAIを、別の現場にも広げられるか。ここで汎用性が効きます。ただし、汎用性を追いすぎると現場の細部に弱くなり、実装力を追いすぎると特注開発に戻ります。燈の方針は、この二つの緊張関係を正面から扱うものです。
技術方針は、五つの段階で事業影響に変わります
最初に起きるのは、モデルやツールの改善です。現場のデータを読み取り、状況を理解し、作業に近い判断を返す精度が上がるほど、AIの利用場面は広がります。
次に起きるのは、業務フローへの接続です。AIが単体で賢くても、承認、記録、点検、発注、報告の流れに入らなければ、企業の生産性にはつながりません。フィジカルAIでは、ここが特に重くなります。現場の動作は、後から簡単に取り消せないからです。
三つ目は、権限管理です。誰がAIに指示できるのか。AIはどのデータを読めるのか。設備や外部システムへどこまで書き込めるのか。この設計が弱いと、企業は便利さよりリスクを先に見ます。
四つ目は、知財とデータ契約です。現場データには、図面、施工ノウハウ、設備条件、顧客情報、運用手順が含まれます。これらを学習や改善に使える範囲が曖昧なままでは、汎用化は進みにくくなります。
最後に、運用ルールと監査が来ます。AIが出した判断を誰が確認し、どのログを残し、誤作動や事故の時にどこで止めるのか。ここまで設計できて初めて、フィジカルAIは現場の一部として扱われます。
開発者、企業、利用者で見ている制約は違います
開発者にとっての課題は、現場ごとの差分をどこまで部品化できるかです。データ形式、設備、作業手順が毎回違うなら、開発は案件ごとの受託開発に近づきます。共通の基盤を作り、差分だけを安全に調整できる設計が必要になります。
企業にとっての課題は、導入判断です。AIで効率化できる業務があっても、情報管理、現場安全、責任分担、監査対応の説明が足りなければ、全社利用は進みません。経営層が見るのは技術の面白さではなく、事故時に止められるか、規制や取引先に説明できるかです。
利用者にとっての課題は、仕事の流れが変わることです。現場で使うAIは、追加の入力作業を増やしたり、判断の理由が分からなかったりすると定着しません。利用者が信頼できるのは、万能に見えるAIではなく、自分の権限内で、作業の文脈に合う助言を返すAIです。
競争軸は、モデル単体から現場データと権限へ移ります
フィジカルAIの競争では、モデルの大きさや回答性能は入口にすぎません。企業導入で差がつくのは、現場データを扱う許可を得られるか、既存システムに接続できるか、操作権限を細かく制御できるか、業務ごとに責任範囲を分けられるかです。
この意味で、競争軸はモデルから配布、データ、インフラ、権限へ広がっています。開発企業は、良いAIを作るだけでなく、顧客企業の情報システム部門、法務、現場責任者、安全管理部門を納得させる設計を持たなければなりません。
燈の方針が重いのは、実装力と汎用性を同時に掲げているからです。実装力は現場に深く入る力で、汎用性は複数の顧客に広げる力です。この二つを同時に満たせる企業は、単なるAIベンダーではなく、現場業務の標準部品を握る存在になります。
見方が変わる次の合図
今後の合図は、性能発表よりも導入条件に出ます。どの業種や工程へ入るのか、どのデータを扱うのか、AIに与える権限をどこまで細かく分けるのかが具体化すれば、企業導入への距離は縮まります。
逆に、実証案件は増えても本番運用の範囲が狭いままなら、汎用性はまだ証明されていません。現場ごとに作り込みが必要で、導入コストや監査負担が下がらない場合、フィジカルAIは便利な専門ツールにとどまります。
判断を変える最も大きな材料は、企業側の標準利用ルールです。法務、情報システム、現場責任者が受け入れられる権限設計と停止条件が示されれば、AIの話は研究開発から業務基盤の話に変わります。