日本企業がフィジカルAIをPoCで終わらせない4つの条件

By 大橋 譲

フィジカルAIは、センサーとアクチュエーターを通じて物理世界を認識・判断・行動する産業基盤として注目を集めている。人手不足への対応に加え、ボトルネック工程の増産、夜間・週末稼働、品質安定化を通じて、生産・供給能力を伸ばす成長投資になり得る。

しかし、本稿の調査対象である日本の製造・物流・インフラサービス企業では、本番稼働は回答企業の7.5％にとどまり、多くの企業がROIや人材・ノウハウ不足を理由に検討段階から先へ進めていない。何が投資判断を止めているのか。どの業務を最初の本番リリースに選び、価値をどう損益につなげるべきか。

本稿では、日本企業のCxO 200名調査（※）と先行事例を手掛かりに、価値設計、本番導入、データ・受入基準の自社保有、類型別のエコシステム形成という4つの条件を示す。

本調査および本稿の「本番稼働」とは、PoC専用環境ではなく、ユーザーが実際に利用する最終的な環境の中でAIを動かすことと定義する。

生成AIとは競争条件が異なる―日本の勝ち筋は現場実装にある

AIとロボティクスハードウェアの進歩により、物理世界においてロボットや機械が自律的に感知し、判断し、行動する未来が近づいている。生成AIが主にデジタル空間で判断や提案を行うのに対し、フィジカルAIは、センサーで現実世界を認識し、AIの推論に基づいてロボット、設備、搬送装置、産業機械を制御する。AIが画面の中にとどまらず、工場、倉庫、物流、インフラ、サービスの現場に直接作用する段階に入りつつある。

当社は、フィジカルAIを、センサーとアクチュエーターを通じて物理世界を認識・判断・行動するAIシステムと広く捉え、①知能ロボティクス、②自律移動体、③AI対応ディスクリートオートメーション、④知能型製造オペレーション管理の4類型に整理している。本稿では、その中でも、認識・判断が実際の物理的行動や工程変更につながる本番システムを重点対象とする。固定シーケンスのみの自動化、分析だけの画像検査、デジタルツイン単体とは成熟度を分けて評価する。

市場の期待も大きい。当社のプロジェクト経験では、複数のフィジカルAIユースケースを組み合わせたポートフォリオにより、工程と現状水準に応じてEBITを0.5～3ポイント押し上げる可能性があると推計している。これは個別案件の成果保証ではなく、労務費、スクラップ、設備稼働、品質改善を組み合わせた目安である。日本でも、ロボットを自律的に制御・駆動させるフィジカルAIの開発と社会実装に向け、2040年度までに官民合わせて10.5兆円規模を投じる方針が示されている。これは確定済み支出ではなく、官民投資額の想定である。

一方、技術の成熟度は一様ではない。AMR、AI画像検査、製造オペレーション管理には既に本番規模で使われる領域がある一方、汎用ヒューマノイドによる部品搬送や組立は、より長い時間軸で見る必要がある。企業は汎用機の完成を待つのではなく、成熟した領域から実装基盤を築くべきである。

初期の本命は製造・物流現場に残る例外業務

しかし、企業にとって重要なのは「市場が大きいか」だけではない。問うべきは、自社のどの現場で、どの業務を、どの順番でフィジカルAI化すれば、成長と投資効果につながるのかである。

当社の見立てでは、日本におけるフィジカルAIの初期の本命は、多品種、需要変動、返品対応などにより、なお人手依存が残る製造業、物流、倉庫領域である。定型反復作業はすでにFAによる自動化が進んでいる一方、工程間の搬送、検品、ピッキング、返品、段取り替え、保全復旧など、人がばらつきや例外を吸収している領域には、依然として大きな適用余地がある。4類型を一律に並べるのではなく、実現可能な経営価値と本番化可能性で優先順位を決める。

特にEC市場拡大に伴う物流量の増加は、既存の倉庫オペレーションに構造的な負荷をかけている。多品種・個別配送・返品対応が増えるほど、現場は人手で複雑性を吸収せざるを得ない。また製造業では、需要はあるにもかかわらず、人員確保や稼働時間の制約によって生産量を伸ばしきれない場面がある。フィジカルAIは、単なる省人化ではなく、夜間・週末の稼働、品質安定化、需給ギャップの解消を通じて、生産力拡大を実現する“攻め”の経営インフラとなり得る。ただし、価値は自動的には生まれない。売れるボトルネックなら「追加良品数量×限界利益」、それ以外なら残業・派遣・採用回避、品質・停止損失、設備投資回避として捕捉する。

先行企業は、狭い業務の本番化から学習ループを回す

当社レポート「 Physical AI: The next competitive advantage for manufacturers 」では、AMR、AI画像検査、製造オペレーション管理はすでに試験導入から本番規模へ移行し、なかでも自動外観検査とロボットによる設備点検は、測定可能なリターンを生む商用成熟領域とされている。一方、部品搬送・組立を担う汎用ヒューマノイドには、なお長い時間軸が必要である。同レポートが示すのは、汎用機の完成を待たず、成熟した画像検査、移動・点検、予知保全から本番化し、IT/OTでつないで現場データと運用知を蓄積する道筋だ。この積み上げが、工場全体が学習・適応・継続改善する基盤になる。

製造・物流・インフラサービス企業の9割超が本番前、7割超は未着手

一方で、日本企業の取り組みはまだ初期段階にある。当社が日本企業のCxO 200名（製造・物流・インフラサービス）を対象に実施した調査では、5年後の人員確保にリスクを感じる企業は74.5%、熟練人材の退職に懸念を持つ企業は72.5%にのぼった。しかし、フィジカルAIについて本番稼働に至っている企業は回答企業の7.5%にとどまり、71.5%は未着手であった。情報収集を含めて何らかの取り組みを開始している企業も3割弱にすぎない。

これは技術自体が未成熟という意味ではない。既に商用成熟したAMR、AI画像検査、製造オペレーション管理を含め、日本企業の課題は「技術待ち」より、ユースケース、IT/OTアーキテクチャ、運営体制を一つのプログラムとして接続できていない点にある。

なぜ進まないのか。大きな理由は、ROIが見通せないこと、人材・ノウハウが不足していること、どの技術やベンダーを選ぶべきか判断できないことである。さらに、他社動向が見えず、自社だけで踏み出すことに不安を抱える企業も多い。結果として、回答企業の9割超が本番前にとどまり、そのうち7割超は未着手である。課題はPoCの長期化だけでなく、投資判断そのものができていないことにある。

PoCを本番へ変えるには、4つの経営条件を先に決める

• 1. 省人化ではなく、売上・利益につながる成長価値を定める

この停滞を越えるためには、フィジカルAIを「技術導入プロジェクト」としてではなく、「成長軌道を設計する経営テーマ」として捉える必要がある。第一に、「余った人をどうするか」という問いから離れるべきである。生産性が2倍になるなら、人を半分に減らすのではなく、同じ人数で売上や供給能力を2倍にする発想が必要である。省人化だけを起点にせず、どのボトルネックを解消し、何を損益へ捕捉するかを先に決める。例えば、受注が月12万個あるのに生産能力が月10万個しかない工程で、フィジカルAIにより良品を1万個増やせるなら、「追加1万個×1個当たり限界利益」が価値となる。一方、需要が月10万個に限られ、増産しても売れない場合は、残業・派遣・採用費の削減、不良や設備停止による損失の削減、設備増設の回避で価値を測る。創出した人員余力は、新ラインの立ち上げ、予防保全、品質改善など、実際に価値を生む業務へ再配置する。

• 2. PoCを最終成果にせず、最初の本番リリースを設計する

第二に、PoCを最終成果にしてはならない。概念実証を繰り返し、報告書を作って終わるのではなく、最初から本番環境で小さく始めることが重要である。対象業務、対応条件、除外条件、現場責任者、受入基準、停止条件を投資前に定め、実業務を担う「最初の本番リリース」に置き換える。本番データ、本番KPI、実際の安全基準、現場責任者を置いたうえで、小さく失敗し、小さく成功し、改善を積み上げる。フィジカルAIでは、実データと運用知の学習ループそのものが競争力になる。導入は「影運転→人の承認付き→制約付き自律→夜間・無人」と段階化し、確率的AIとは独立した安全制御、停止・退避・手動復旧、更新・ロールバックを各段階の受入試験に組み込む。

狭く始めることと、個別最適で終えることは違う。最初の本番リリースを設計する段階から、PLC・ロボット制御、MES/WMS、品質・保全、ERP、ID・サイバーセキュリティとの接続、他工程・他拠点への展開経路を定める。

• 3. 現場データと受入基準は、自社に残す

第三に、ベンダーに丸投げしてはならない。ロボットメーカー、AI企業、SIerとの連携は不可欠である。しかし、自社の事業ノウハウ、現場データ、評価基準、暗黙知を誰が握るのかは、経営上の重要論点である。フィジカルAIの価値は、現場で発生するばらつきや例外をどれだけ学習資産化できるかに宿る。そこを外部任せにすれば、導入しても競争優位は自社に残らない。自社で握る対象を、作業・工程設計、観測・行動・介入・失敗・復旧・結果データの権利、受入試験、安全、統合アーキテクチャ、更新・ロールバック権限、価値捕捉責任まで具体化する。

• 4. Make／Buy／Partnerは、類型と成熟度ごとに変える

第四に、1社だけでやらないことである。フィジカルAI活用に必要な要素は、ロボット、センサー、AIモデル、データ、通信、安全基準、制度、人材、現場運用まで幅広い。自社で握る領域は共通だが、Make／Buy／Partnerの答えは4類型と成熟度によって異なる。成熟したAMRや画像検査は購入・統合を軸に、発展途上の知能ロボティクスは基盤モデル企業や専門ロボティクス企業と共同開発するなど、単一ルールを当てはめない。現場専門家、オートメーション技術者、IT/OTアーキテクト、サイバーセキュリティ、チェンジリーダーで運営体制を組み、技術レイヤーごとの所有者と保守責任を明確にする。協業の要は、自社で小さな実績を作り、それを核に仲間を集めることである。

最初の本番設計が、成長機会を捉える鍵

フィジカルAIの勝負は、技術が完成してから始まるのではない。事業として始めなければ、現場データも、運用ノウハウも、改善サイクルも蓄積されない。将来スケールしようとした時に、データがない、人材がいない、パートナーがいないという状態では、成長機会を取り逃がすことになる。最初の本番リリースは狭く区切る一方、複数ユースケースをOT、製造システム、企業システムで接続する全体構想は初めから持つ。

重要なのは、自社の事業構造、現場制約、需要機会、投資余力に応じて、過不足のない形で小さく本番を始めることである。まず、生産ネットワーク全体について、工程別の稼働・品質・停止損失、既存のIT/OT環境、データの可用性・品質を評価する。その上で、技術の新しさではなく、増産、稼働延長、品質、停止損失、安全への効果と本番化可能性から、最初の対象業務と展開順序を定める。

さらに、データ、インターフェース、サイバーセキュリティ、導入・保守要件を含む目標IT/OTアーキテクチャを策定し、現場、製造技術、自動化、IT/OT、品質・安全、財務の責任分界と意思決定を設計する。最初の本番リリースの設計から、ベンダー選定・エコシステム形成、実装統括、受入試験、成果検証、他工場への横展開までを一つのプログラムとして推進することで、個別パイロットの集合体を、マイルストーン、設備投資、測定可能な成果を備えた変革プログラムへと転換できる。

私たちは、こうした構想策定から最初の本番リリース、他工場への横展開までを、国内外の製造業企業と数多く進めてきた。そこで蓄積した知見を生かし、経営、現場、IT/OTをつなぎながら、各社に適した変革の設計と実行を支援している。

成否はロボット選定より、価値、現場責任、安全、データ権利、IT/OT接続を先に定める最初の本番設計で決まる。

※調査概要
調査方法：インターネット調査　選択式回答　全12問
調査期間：2026/7/8-7/9
対象業種：日本全国の製造／物流／インフラサービス
役職条件：CxO
有効回答数：n=200

ローランド・ベルガーについて

ローランド・ベルガーは、欧州発祥唯一のグローバル経営コンサルティングファームとして、世界を代表する企業と共に数々の変革を牽引してまいりました。
経営環境がかつてないスピードで変化する中、私たちは業界への深い知見と実行力を武器に、企業変革を主導し、競争力強化と持続的な成長を実現しています。
1967年の創業以来、ミュンヘンに本社を置き、世界各国で培った知見と専門性を結集しながら、データとAIの活用、そしてサステナビリティを軸に、新たな成長機会の創出と価値創造に取り組んでいます。

"その決意、前へ"
経営に、正解はありません。
経営者は常に不確実性の中で意思決定を迫られています。
最後までやり切る覚悟と、現実から目を背けない当事者意識が不可欠です。
欧州発祥のローランド・ベルガーは、多様なステークホルダーを抱えるクライアント企業と共に変革を実現してまいりました。
世界中の知見と多様な専門性を結集し、共に考え、共に動き、共にやり抜く。
難しい決断を、確かな前進へ。覚悟を、成果へ。

その決意、前へ。

ニュースレターの購読をご希望の方は、下記フォームにご記入の上「送信」ボタンをクリックください。

Show more publications