2026年11月2日、株式会社ジェイテクトは、AIを活用した工場の自動化技術「フィジカルAI」の実証結果を発表しました。
今回の実証では、ロボットによる部品の取り出し成功率が97.1％に達し、従来の制御方法と比較して、平均サイクルタイム（1回の作業にかかる時間）も16％短縮したとしています。
「フィジカルAIって普通のAIと何が違うの？」
「工場のロボットが自分で考えて動くって本当？」
「中小企業の工場にも関係する話なの？」
今回は、DX担当のちゃま男と先輩の会話を交えながら、最新の製造業AI技術と、中小企業が今から準備しておきたいことをわかりやすく解説します！
フィジカルAIとは？AIが現実世界で判断して動く技術
DX担当 ちゃま男先輩！AIが工場で部品をつかんで運ぶようになったそうですよ！
ロボットって、前から自動で動いていませんでしたっけ？
ちゃま男の先輩そうだね。工場では昔からロボットが活躍しているよ。
でも、従来のロボットは、あらかじめ決められた動きやルールに従うものが多かったんだ。
フィジカルAIは、カメラやセンサーなどの情報をもとに、周囲の状況に合わせて動きを判断できるところが特徴なんだよ。
従来のロボットと何が違うの？
例えば、箱の中に入っている部品をロボットが取り出す作業を考えてみましょう。
部品がいつも同じ位置、同じ向きに並んでいれば、決められた動作を繰り返す方法でも対応できます。
しかし、部品がバラバラの向きで積まれていた場合はどうでしょうか。
従来の制御では、部品の認識が難しかったり、うまくつかめなかったりすることがあります。
そこでフィジカルAIは、カメラ画像から部品の位置や形を認識し、どこをつかみ、どのように動かすかを判断します。
イメージとしては、人が部品の状態を見て、つかみ方を変える作業をAIが支援するような仕組みです。
ただし、どのような状況でも自由に対応できる万能なロボットという意味ではありません。
ジェイテクトの実証で成功率97.1％を達成
ジェイテクトは2026年3月19日から8月31日にかけて、愛知県の田戸岬工場でフィジカルAIの実証を行いました。
対象は、自動車部品の生産ラインにある「ランダムピッキング工程」です。
ランダムピッキングとは、向きや位置が不規則な部品を取り出す作業のことです。
今回の実証では、AIがカメラ画像から部品の状態を認識し、把持位置や搬送動作を判断する仕組みが使われました。
従来制御との比較結果
| 評価項目 | 従来制御 | フィジカルAI |
|---|---|---|
| 部品取り出し成功率 | 85.0％ | 97.1％ |
| 平均サイクルタイム | 基準（100％） | 84.0％ |
| 改善効果 | ― | 成功率12.1ポイント向上、時間16％短縮 |
※成功率は、取り出し性能の差が表れやすい高難度条件での評価結果です。
DX担当 ちゃま男成功率が85％から97.1％になったんですか！
かなりの改善ですね！
ちゃま男の先輩そうだね。ただし、ここで注意したいのは、今回の数値が特定の工場、特定の工程で得られた実証結果だということだよ。
すべての工場に導入すれば同じ成果が出る、という意味ではないんだ。
既存設備を活用できたことにも注目
もう一つ注目したいのは、今回の実証が既存設備にAI用のPCを追加する形で実現された点です。
ジェイテクトの発表によると、大規模な設備改造を伴わずに効果を確認できたとしています。
ただし、これは今回の設備構成で実現したことです。
一般的な工場でもPCを追加するだけで導入できるとは限らず、カメラ、通信、制御、安全対策などの確認が必要です。
出典：ジェイテクト公式ニュースリリース（2026年11月2日）
なぜ今、製造業でフィジカルAIが注目されているのか？
背景にあるのは、人手不足や多品種少量生産への対応です。
製造業では、単純な繰り返し作業は自動化できても、部品の状態によって判断が必要な作業は、人に任せているケースがあります。
例えば、次のような作業です。
- バラバラに置かれた部品の取り出し
- 形状の異なる製品の仕分け
- 製品の位置や向きに合わせた搬送
- 状態に応じたロボットの動作調整
こうした工程では、部品をきれいに整列させる装置が必要になったり、人が位置を直したりすることもあります。
フィジカルAIの進化によって、従来は自動化しにくかった一部の作業にも、新しい選択肢が生まれる可能性があります。
中小製造業にはどのような影響がある？
① 自動化できる工程が広がる可能性
これまでロボット導入を諦めていた工程でも、AIによる画像認識や動作判断が活用できるようになるかもしれません。
ただし、設備の費用だけでなく、段取り替え、保守、異常時対応を含めて導入効果を判断する必要があります。
② 熟練者の判断を技術で支援できる可能性
部品の状態を見て作業方法を変えるなど、経験によって支えられてきた作業の一部をAIで支援できる可能性があります。
一方で、作業のすべてをAIに任せられるわけではありません。
どの状態を正常とするか、どのような場合に作業を停止するかなど、現場の知識は引き続き重要です。
③ 設備データの活用がさらに重要になる
今回の事例から考えると、今後はAIそのものの性能に加えて、現場の状態をどれだけ適切に把握できるかが重要になると考えられます。
カメラ画像、設備の稼働情報、異常履歴、品質データなどを活用できる状態にすることが、AI導入の選択肢を広げることにつながります。
中小企業が今から準備しておきたい4つのこと
「フィジカルAIが進化したなら、すぐにロボットを買った方がいいのでは？」と思うかもしれません。
しかし、重要なのは自社の課題に合っているかどうかです。
① 人手が必要な工程を洗い出す
まず、作業者が繰り返し行っている作業を整理しましょう。
特に、作業量が多く、人手による判断が必要な工程に注目します。
作業頻度、作業時間、人による介入の回数を把握することから始められます。
② 設備の停止・異常履歴を記録する
設備がなぜ停止したのか、どのような対応を行ったのかを記録しましょう。
例えば、停止日時、原因、対応内容、復旧時間を共通の項目で残します。
最初から高度なAIシステムは必要ありません。Excelなどで管理する場合も、入力項目や記録ルールをそろえることが重要です。
③ 小さな工程で効果を検証する
いきなり工場全体の自動化を目指すのではなく、一つの工程から検討します。
評価する項目としては、成功率、作業時間、不良率、人の介入回数、保守負担などが考えられます。
成功率が高くても、失敗時の復旧に長い時間がかかる場合は、期待した効果が得られないことがあります。
④ 安全性と投資対効果を確認する
ロボットが動作する以上、安全性の確認は欠かせません。
AIによる判断が誤った場合でも、人や設備に危険が及ばない仕組みが必要です。
また、導入費用だけでなく、運用・保守費用、段取り替え、設備停止による損失も含めて評価しましょう。
まとめ｜AI導入より先に、自社の現場を知ることが重要
今回のジェイテクトの実証では、フィジカルAIによって部品取り出し成功率97.1％、平均サイクルタイム16％短縮という成果が報告されました。
このニュースは、AIが文章を作成したりデータを分析したりするだけでなく、現実の製造作業にも活用され始めていることを示しています。
ただし、中小企業が今すぐ大規模なAI投資をする必要はありません。
まずは、自社のどの工程に課題があり、どのようなデータが取得できているかを把握すること。
それが、将来のAI活用に向けた現実的な第一歩です。
AI導入に向けた自社の準備状況を確認したい方は、AI READY診断 for 製造業（無料・全10問）も参考にしてください。
