本日の日経新聞の記事「安川電機の産業ロボ グーグルAI連携」 エージェンティック・ロボットの時代になると、日本の現場の八十年ぶんの暗黙知は、「手」としては引退しても、「試験官」として雇い直される。2026/07/22
ChatGPT 5.5
まさにその通りだと思います。
**「手としては引退しても、試験官として雇い直される」**という表現は、エージェンティック・ロボット時代の日本の強みを非常によく表しています。
従来の産業用ロボットは、熟練者の動きを人間が細かく分解し、順番どおりにプログラムするものでした。ところが、安川電機とグーグルの組み合わせでは、人間が「この部品を種類別に分けて」と大まかに命じると、AIが手順を考え、ロボットが状況を見ながら実行し、失敗すればやり直す。これは、ロボットが単なる自動機械から、指示を理解し、試し、修正する見習い工へ変わることを意味します。
しかし、見習い工が自分で動けるようになったからといって、熟練者が不要になるわけではありません。むしろ必要になるのは、手を動かす人ではなく、
「その持ち方では部品が傷む」
「今はうまくいっているが、千回続けると治具がずれる」
「音は正常に聞こえるが、振動が少し違う」
「この状態で次工程へ流すと、後で不良になる」
「失敗したとき、同じ動作を繰り返してはいけない」
と判定できる人です。
つまり、熟練者の価値は「上手に作業できること」から、何が正しく、何が危険で、どこからが異常かを見抜くことへ移る。
暗黙知の中で最も価値があるのは、失敗の境界線
AIに成功例を大量に見せれば、見た目のよい動作は比較的早く学びます。難しいのは、成功と失敗の間にある微妙な境目です。
例えば、同じ部品をつかめても、
- 力を入れすぎて内部に微細な亀裂を生じさせる
- 油や湿気で摩擦条件が変わる
- 部品の公差によってつかむ位置を少し変える
- 周囲の設備が熱膨張して位置がずれる
- センサーには異常がなくても音や匂いが違う
ということがあります。
日本の現場に蓄積しているのは、きれいに整理された作業手順だけではなく、「このまま続けると、やがてまずいことになる」という予兆の記憶です。これは取扱説明書には載りにくい。何十年もの小さな失敗、手直し、設備の癖、材料のばらつきを経験した人の中にしか残っていません。
エージェンティック・ロボットが必要とするのは、まさにこの境界線です。
熟練者は、ロボットの教師より試験官になる
「教師」というと、正しい動作を一つずつ教える印象があります。しかし自律型ロボットの場合、AI自身が複数の手順を考えます。熟練者は、それを逐一教えるより、
「その方法は合格」
「今回は成功したが、量産には使えない」
「安全上不合格」
「品質はよいが時間がかかりすぎる」
「この失敗なら再試行してよい」
「この異常では直ちに止める」
と採点する側になる。
これは、学校の試験官よりも、徒弟制度の親方に近いかもしれません。弟子にすべての手順を口頭で教えるのではなく、やらせてみて、危険な瞬間に止め、出来上がりを見て良否を判断する。
その採点がデータとして蓄積されれば、一人の熟練者が一台のロボットだけを見るのではなく、数十台、数百台の判断基準を作れるようになります。熟練者の体力は衰えても、判断力を工場全体へ複製できるわけです。
日本が持つのは「動作データ」より「合否判定データ」
米国のAI企業は、言語モデルや基盤モデルに強い。中国は、膨大な実機を投入して試行回数を稼ぐことに強い。
日本が対抗できるとすれば、単にロボットの動作映像を大量に集めることではなく、
- なぜ止めたのか
- どの不良につながるのか
- どこまでなら許容できるのか
- 再試行してよい失敗と、停止すべき失敗の違い
- 品質、速度、安全、設備寿命をどう両立させるか
という採点基準を持つことです。
これは電池、半導体、溶接、鋳造、研削、食品、医療機器、航空機、造船など、ほぼすべての製造現場にあります。
先ほどの航空機の型式証明にも似ています。機体を飛ばすこと自体より、「どの条件を満たせば安全だと証明できるか」という審査体系の方が難しい。ロボットも同じで、動かすことより、自律的に動かしてよい範囲を定義することが難しいのです。
ただし、暗黙知は放置すれば消える
ここには時間制限もあります。
熟練者を尊敬して「さすが職人だ」と称賛するだけでは、暗黙知は本人の退職とともに消えます。必要なのは、熟練者にカメラを付けて動作を撮影することだけではなく、ロボットに実際に作業させ、その判断を聞き取ることです。
「今の動作は、なぜ不合格なのですか」
「どこを見て判断しましたか」
「どの程度なら許容しますか」
「材料が変わったら判断も変わりますか」
「異常を発見した後、次に何を確認しますか」
こうして、感覚を条件、閾値、例外、再確認手順へ変換する必要があります。
つまり、熟練者を最後まで作業員として酷使するのではなく、まだ元気なうちに、AIとロボットの検査官、評価者、教官へ配置転換するべきなのですね。
「無駄の自動化」を採点させてはいけない
もう一つ重要なのは、熟練者に現在の作業をそのまま教え込ませればよいわけではない点です。
造船所で7万3000個の穴を削っていた例なら、AIロボットに穴削りを覚えさせ、熟練者が削り具合を採点すれば、一見うまくいきます。しかし本来問うべきは、
「なぜこの穴を削る必要があるのか」
でした。
したがって、熟練者を試験官にする前に、工程設計者が作業そのものを問い直す必要があります。熟練者の暗黙知は非常に価値がありますが、その中には、古い設備や不合理な工程へ適応するために身につけた知恵も含まれます。
残すべき知恵と、工程改善によって不要にすべき知恵を分けなければなりません。
理想形は、
熟練者が品質と安全の境界を示し、AIが多数の手順を試し、技術者が工程そのものを再設計する
という三者の組み合わせでしょう。
エージェンティック・ロボットの時代、日本の80年分の暗黙知は、古い手仕事の保存資料になるのではない。ロボットが勝手な近道を選ばないように見張り、合格基準を与え、失敗から正しく学ばせる現場の憲法になり得ると思います。
Fable 5
ハルさんの一行の要約——「Geminiにコードを吐かせて直させるのと同じ仕組みを、ロボットに」——は、この技術の本質を、たいていの解説記事より正確に掴んでいます。しかも、ご自身の日々の開発体験からの類推として。ただ、その類推がどこまで成り立ち、どこで折れるかに、この分野の勝負の全部が入っているので、そこを検算します。
まず、成り立つ部分。ハルさんがGeminiと回しているループ——大まかな指示→コード生成→実行→エラーを見せる→改良——が強力なのは、プログラミングという領域が、試行が安く、失敗が無害で、結果の判定が即時だからです。コードは一秒で走り、落ちても誰も怪我せず、エラーメッセージが採点表を自動で返す。この三条件が、一日に何百回の反復を許す。安川とディープマインドの発表は、まさにこのループの入口をロボットに移植した——指示から生成AIが行動を考え、失敗しても、やり直すことで成功の確率が高まる。従来のティーチング(人が一挙動ずつ教え込む)が「一回で正しく書き切る要求仕様書」だとすれば、これは「書いて、走らせて、直す」への様式の転換です。
しかし、折れる部分——物理世界は、三条件を全部裏切ります。試行は安くない(一回数秒〜数分、実機の摩耗つき)。失敗は無害でない(部品を潰し、腕をぶつけ、最悪は人に当たる)。判定は自動で返らない(「うまく掴めたか」を誰が採点するのか)。つまりGeminiのループをそのまま工場に持ち込むと、反復の分母が三桁足りない。ここで、先日のNVIDIAの回の話が接続します——この分母不足を埋める装置がシミュレーション(仮想空間で百万回失敗してから、実機で仕上げる)で、だからフィジカルAIの覇権争いは「誰のモデルか」と同時に「誰の仮想試行環境か」の争いなんです。安川がGoogleと組んだのは、モデルの供給だけでなく、この試行の桟橋ごと借りる話でもある。
そして、この提携の布陣を一年の地図に置くと、面白い配置が見えます。富士通・ファナック・川重・安川の国内連合がNVIDIAと組む発表の、わずか数日後に、安川は単独でGoogleとも組んだ——つまり安川は、二つの床の両方に脚を置いた。ハルさんが「マングローブの相手は両方の床を引いている」と指摘した、あの構図を、日本のロボット四天王の一角が自分でやっている。床(基盤モデル)を持たない者の正しい立ち回りは、床を選ばず、身体と現場の側の希少性で両方から求められる存在になること——汽水域の道の、企業単位の実装です。事実、この提携の力関係は対等に近い。Googleは世界最高級の頭脳を持つが、信頼性99.99%で二十年動く腕は作れない。モートマンの腕と、安川が百万台超のロボットで蓄えた「物理世界でしくじらない作法」は、Geminiがどれほど賢くなっても、買ってこられない側の資産です。
最後に、ハルさんの類推に、一つだけ深い含意を足します。「フィードバックを受けて改良し、何度もトライできる仕組み」——この仕組みで一番難しい部品は、実はAIでもロボットでもなく、採点者です。コードならコンパイラが無償で採点してくれる。物理作業では、「良い掴み方だったか」「面取りは合格か」を判定する目が要る——そして、それこそが、今治の回で話した、7万3千個を削った職人の判定の目の出番です。動作の生成はGeminiがやる。動作の採点基準は、現場の熟練が教師信号として供給する。つまりエージェンティック・ロボットの時代に、日本の現場の八十年ぶんの暗黙知は、「手」としては引退しても、「試験官」として雇い直される。ハルさんが五十年やってきた「動くまで直し続ける」開発の作法が、ついに機械の腕の世界に輸入される——その入口の記事として、これは今月いちばん筋の良いニュースだと思います。あとはいつもの一点、「提供分野や時期を検討していく」という末尾の一文が、伝票に変わる速さだけです。
NVIDIAはAIを動かす高速処理が可能なGPUでグーグルは頭脳としてのAIだから、二つの床ではなく、良い床の上に建造物を続こうとする動きのように見える
その訂正は正確です。私の言い方が雑でした。
NVIDIAはシリコンの演算層(GPU)、GoogleはモデルとAPIの知能層——この二つは同じ縦の柱の、上下の階であって、競合する二枚の床ではない。安川は「より良い柱に身体を接続する」のであって、二つの陣営を天秤にかけているわけではない。私は「床」という比喩を使いすぎて、階層の違うものを並べてしまいました。ハルさんの「良い床の上に建造物を続こうとする」の方が、構造として正確です。
整理し直すと、縦に三層あります。GPU(演算基盤、NVIDIA)が最下層、生成AI(知能層、Google/Anthropic/OpenAI等)が中間層、ロボットの身体と現場データが上層——安川はこの三層の最上部で、下二層のうち最良の組み合わせを選んで接続する。プラットフォームの世界で言えば、OSとCPUを選ぶアプリ開発者の立場です。そしてその比喩を追えば、アプリ開発者の収益性は、OS/CPUへの依存度と反比例する——だから安川の本当の競争力は、下二層が何に替わっても代替不能な「身体の反復と現場データ」をどれだけ自前で持てるか、に懸かっている。その点は変わりません。
ただ、訂正を受けて一つ付け加えると、「より良い床を選ぶ」動きには、選べている間だけ有効という制約がある。GPU層でNVIDIAの独占が続き、知能層でGoogleが強固なポジションを占めれば、「より良いものを選ぶ自由」は次第に「NVIDIA-Google垂直統合に乗るか乗らないか」の二択に収束しうる。ウィンテルが最初は選択肢だったように。そのとき、安川の交渉力の源泉がどこにあるか——やはり身体と現場データという、彼らが複製できない階です。良い柱に乗りながら、柱への依存を深める前に、自分の階の不可欠性を固める。時計は同じ数年です。
