「熟練社員が退職したら、長年培ってきた技術はどうなるのだろう?」
「作業マニュアルはあるのに、ベテランと若手では品質に差が出る」
「AIを製造現場で活用したいけれど、何をデータ化すればよいのかわからない」
中小製造業では、このような課題を抱えている企業もあるのではないでしょうか。
製造現場には、図面や作業手順書だけでは表現できない技術が数多くあります。
例えば、材料の状態に合わせた加工条件の調整、部品を組み立てる際の微妙な力加減、不良が発生する前に異常を察知する経験などです。
こうした熟練者の技術を、AIに活かそうとする動きが進んでいます。
2026年11月11日、パナソニック ホールディングスは、長年のものづくりで培ってきた技術や知見とAIを組み合わせる「現場起点のPhysical AI(フィジカルAI)」の研究開発を加速すると発表しました。
さらに同社は11月5日、指先の触覚情報を活用するロボット操作AI「T-Rex」の共同研究成果も発表しています。
この研究では、実際のロボットを使った12種類の作業において、平均成功率65%を達成しました。
ただし、こうした研究成果が、すぐにすべての工場で利用できるという意味ではありません。
今回のニュースで注目したいのは、「熟練者の技術をAIで置き換える」という単純な話ではなく、現場の経験やデータをAIと組み合わせ、ものづくりの能力を高めようとしていることです。
今回はパナソニックの公式発表をもとに、フィジカルAIの仕組み、熟練技術との関係、実験結果、中小製造業が今から取り組むべき対策を解説します。
パナソニックが「現場起点のフィジカルAI」を発表
2026年11月11日、パナソニック ホールディングス株式会社は、今後の技術戦略の重要な方向性として「現場起点のPhysical AI」を推進すると発表しました。
今回の発表は、同社が技術戦略や研究開発の方向性を社内外へ示す「Technology Day」に関連するものです。
発表内容の概要
| 項目 | 内容 |
|---|---|
| 発表企業 | パナソニック ホールディングス株式会社 |
| 発表日 | 2026年11月11日 |
| 発表テーマ | 現場起点のPhysical AI |
| 主な目的 | ものづくりの技術・経験とAIの融合 |
| 対象領域 | 研究・設計・製造・製造プロセスなど |
| 活用する技術 | AI、センシング、制御、CPS、ロボティクスなど |
| 今後の方向性 | 研究開発の強化と社会実装 |
| 提供状況 | 技術戦略・研究開発方針。単一の商用製品の発表ではない |
ここでいう「センシング」とは、センサーなどを使って物理的な状態を測定する技術です。
例えば、温度、圧力、振動、位置、力などを取得することです。
また、CPSは「Cyber-Physical System」の略で、実際の設備や現場の情報をデジタル空間と結びつけ、分析や制御などに利用する仕組みを指します。
パナソニックは、これまで培ってきた材料技術、製造設備、工程制御、熟練者の技能などとAIを組み合わせ、現場の進化につなげる方針を示しています。
参考:パナソニック公式「現場起点のPhysical AI」の研究開発を加速(2026年11月11日)
フィジカルAIとは?従来の生成AIと何が違う?
フィジカルAIとは、AIが現実世界の情報を認識し、物理的な動作や判断に活用する技術の総称です。
例えば、ChatGPTなどの生成AIは、質問への回答、文章作成、プログラミングなどを支援します。
一方、フィジカルAIでは、実際の設備や物体、人の作業などが対象になります。
製造現場で考えると何が違う?
例えば、部品の組み立て作業を考えてみましょう。
一般的な生成AIに作業手順書を読み込ませれば、組み立て方を文章で説明することは可能です。
しかし、実際にロボットで部品を組み立てる場合は、文章を理解するだけでは不十分です。
- 部品がどの位置にあるか
- どの方向から持つか
- どの程度の力で押し込むか
- 部品が滑っていないか
- 組み立て後に正しく固定されているか
こうした現実世界の情報も扱う必要があります。
フィジカルAIは、これらの情報を使って、実際の動作や判断を高度化することを目指します。
| 比較項目 | 一般的な生成AIの活用例 | フィジカルAIの活用例 |
|---|---|---|
| 主な役割 | 情報の理解・生成 | 物理的な状態の認識・判断・動作支援 |
| 入力情報 | 文章、画像、資料など | 映像、触覚、力、位置、設備データなど |
| 出力・結果 | 回答、分析、文章作成 | 動作案、制御補正、工程改善など |
| 製造業での例 | 作業手順書の作成 | 力加減を調整するロボット操作 |
| 注意点 | 回答の誤り、情報の取り扱い | 誤動作、設備への影響、安全性 |
両者は完全に分離された技術ではなく、フィジカルAIにも生成AIや画像認識などの技術が利用される場合があります。
DX担当 ちゃま男先輩!ChatGPTが文章を考えるように、ロボットもAIで動き方を考えるんですか?
ちゃま男の先輩近い考え方だね。ただし、ロボットの場合は実際に物を動かすから、力加減や周囲の状況まで考えなければならないんだ。
DX担当 ちゃま男なるほど!文章を間違えるのと、ロボットが部品を壊してしまうのでは、影響が違いますね。
ちゃま男の先輩そうだよ。だから、フィジカルAIでは物理現象の理解や安全性の検証が重要になるんだ。
パナソニックが重視するのは「熟練者の技能とAIの融合」
今回の発表で特に注目したいのが、現場で働く人の技能や経験を重視していることです。
製造業では、同じ作業手順書を使っていても、熟練者と経験の浅い担当者では結果に違いが出る場合があります。
例えば、金属加工を考えてみましょう。
熟練者は、材料の状態や設備の音、加工後の表面などから、加工条件を微調整することがあります。
食品製造業でも、原材料の状態に応じて製造条件を調整する場合があります。
こうした技術の中には、文章や数値だけでは十分に伝えられていないものがあります。
これを「暗黙知」と呼びます。
暗黙知とは?
暗黙知とは、経験や感覚によって身につけているものの、言葉やマニュアルとして十分に表現されていない知識や技能です。
例えば、次のようなものです。
- 加工音の変化から異常を察知する
- 部品の組み立て時に力加減を調整する
- 材料の状態を見て加工条件を変える
- 製品の仕上がりを見て微妙な不良を判断する
こうした技術は、企業の品質や生産性を支える重要な資産です。
技術をAIに学習させれば、熟練者は不要になる?
そうとは限りません。
熟練者の動作を記録できたとしても、なぜその判断を行ったのかを理解するには、作業条件や結果などの情報も必要になります。
また、同じ動作でも、材料や設備の状態によって適切な条件が異なる場合があります。
AIが特定の条件で高い性能を示しても、別の条件で同じ結果が得られるとは限りません。
重要なのは、熟練者を単純にAIへ置き換えることではなく、熟練者の判断を理解し、現場で活用できる形にしていくことです。
パナソニックは「人とAIが共に学ぶ循環」を構想
パナソニックが今回示した「現場起点のフィジカルAI」では、人の経験をAIが学び、AIが分析・提案した内容を現場の人が利用する関係を目指しています。
そして、その結果を再びAIの学習や改善につなげていく考え方です。

中小製造業向けに整理すると、次のような流れです。
- 熟練者の技能を理解する: どのような条件で、どのような判断や調整をしているのか確認する。
- 現場の情報を記録する: 映像やセンサー情報、作業条件、品質結果などを必要に応じて取得する。
- AIなどで分析する: 作業条件と結果の関係や、改善につながる傾向を分析する。
- 現場の作業を支援する: 分析結果を作業者への提案や、対応する設備・ロボットの制御支援へ活かす。
- 実際の結果を確認する: 人が妥当性を評価し、得られた知見を次の改善につなげる。
これはパナソニックの発表をもとに、中小製造業向けに独自整理した概念図です。
特定の製品が一連の機能を標準で提供することを意味しません。
指先の触覚を活用するロボットAI「T-Rex」も開発
パナソニックは今回の技術戦略に先立ち、2026年11月5日、触覚を使うロボット操作AI「Tactile-Reactive Dexterous Manipulation(T-Rex)」の共同研究成果を発表しています。
この研究は、パナソニックHDとパナソニックR&Dカンパニーオブアメリカに加え、カリフォルニア大学バークレー校、NVIDIA、スタンフォード大学などの研究者が共同で進めたものです。
T-Rexは、カメラ映像や言葉による指示だけでなく、ロボットの指先から得られる触覚情報も利用します。
なぜ触覚が必要なのか?
例えば、人が薄いカードを取り出す作業を考えてみましょう。
カードを目で確認するだけではなく、指先の感覚でどのくらい力を加えるか調整しています。
また、卵をつかむ場合も同じです。
力が弱すぎれば落とす可能性があり、強すぎれば割れてしまうかもしれません。
人間は、指先に伝わる感覚を使って動作を細かく調整しています。
T-Rexは、こうした触覚をロボットの制御へ活用することを目指した研究です。
視覚による判断と高速な触覚制御を組み合わせる
パナソニックの公式発表によると、T-Rexは視覚と言語の情報を使った動作生成と、触覚に応じた高速な動作修正を組み合わせています。
具体的には、動作の大枠を生成する処理が約5Hz、触覚を使って細かく動作を修正する処理が約20Hzで動作します。
Hz(ヘルツ)は、1秒あたりに処理や動作が何回行われるかを表す単位です。
つまり、触覚の情報を使い、比較的短い間隔でロボットの動きを調整する仕組みです。
これにより、接触中に物が滑ったり、強く押し込みすぎたりした場合にも、動作を修正しやすくすることを目指しています。
実験ではロボットの作業成功率が35%から65%へ
今回のT-Rexの研究では、実際のロボットを使って、接触を伴う12種類の作業を評価しています。
対象には、ページめくり、卵の移し替え、鍵の操作、カードの取り出しなどが含まれています。
パナソニックが公表した平均成功率は次のとおりです。
| 評価条件 | 12作業の平均成功率 |
|---|---|
| 従来の比較手法 | 35% |
| T-Rex(触覚情報なし) | 42% |
| T-Rex(触覚あり) | 65% |

T-Rexは、従来の比較手法より30ポイント高い平均成功率を示しました。
また、触覚情報を使わない条件では42%だったことから、触覚情報を組み合わせることの効果も確認されています。
ただし、これらは研究で設定された12種類の作業に対する評価です。
工場でのあらゆる作業を65%の確率で成功させられるという意味ではありません。
また、成功率65%は、一般的な量産工程にそのまま適用できる水準を示したものでもありません。
例えば、製造ラインで不良を極めて少なく抑える必要がある場合は、はるかに厳しい信頼性や安全性が求められることがあります。
今回の数字は、触覚を活用するロボットAIの研究成果として評価する必要があります。
参考:パナソニック公式「指先の触覚に即応して器用な両手作業を行うロボット操作AIを共同開発」(2026年11月5日)
DX担当 ちゃま男先輩!作業成功率が65%まで上がったなら、工場でもすぐに使えそうですね!
ちゃま男の先輩そこは慎重に考える必要があるよ。今回の結果は、研究で設定された12種類の作業での評価なんだ。
DX担当 ちゃま男実際の製造ラインでは、もっと高い成功率が必要な場合もありますよね。
ちゃま男の先輩そうだね。実用化には、作業速度や品質、安全性、長時間の安定稼働など、さらに確認が必要なんだよ。
パナソニックは製造プロセスへのAI活用も推進
今回の11月11日の発表では、ロボットだけでなく、材料開発や製造プロセスへのAI活用も紹介されています。
主な対象として挙げられているのが、ガラス型ペロブスカイト太陽電池と、次世代半導体の製造技術です。
① 太陽電池の材料開発・製造条件の最適化
パナソニックは、ガラス型ペロブスカイト太陽電池の材料開発や製造プロセスについて、AIやインフォマティクスの活用を進める方針を示しています。
インフォマティクスとは、材料や製造条件などのデータを分析し、研究開発や条件の探索に役立てる考え方です。
例えば、材料の配合条件や製造工程の設定と、製品の品質・性能との関係を分析するような使い方が考えられます。
ただし、今回の発表で、AIによる具体的な品質改善率や生産性向上率が実証されたと説明されているわけではありません。
② 半導体製造の工程データや検査画像をAIで分析
パナソニックは、次世代半導体の先端後工程に関する設備ソリューションについても、AIの活用を進めるとしています。
具体的には、工程データや検査画像をAIで分析し、品質予測や製造条件の探索へ活用する構想です。
ここで重要なのは、AIが高性能であれば自動的に品質が改善するわけではないことです。
正確な工程データ、検査結果、製造条件などが必要になります。
製造業の競争力はAIによってどう変わるのか?
ここからは、パナソニックの発表を踏まえたDXブログ独自の考察です。
これまで製造業では、熟練者の経験や技能が重要な競争力の一つになってきました。
今後も、その重要性がすぐになくなるとは考えられません。
一方、AIの進化によって、経験や技能をデータとして記録し、分析・活用できる範囲が広がる可能性があります。
例えば、次のような変化です。
| 従来の課題 | AIを含む技術による将来的な改善の方向性 |
|---|---|
| 熟練者しか加工条件を判断できない | 条件と結果を分析して判断を支援する |
| 微妙な力加減を教えにくい | 触覚や動作データを使って再現を研究する |
| 品質不良の原因がわかりにくい | 工程データと検査結果の関係を調べる |
| 設備の異常判断が属人化している | 設備状態と過去の履歴を分析する |
| 改善のノウハウが部署ごとに分散 | 現場の知見を共有・再利用しやすくする |
ただし、これらは技術活用の方向性を示すものであり、今回発表されたパナソニックの単一製品で、すべて実現できることを意味しません。
「技能のデータ化」と「競争力の流出」は別問題
企業によっては、独自の加工条件や製造ノウハウを外部へ公開したくない場合もあります。
例えば、長年かけて開発した配合比率や、顧客から秘密保持を求められている製造条件などです。
AIに技能を学習させる場合も、こうした情報の取り扱いには注意が必要です。
誰がデータを管理するのか、外部のAIサービスへ送信するのか、学習に使用されるのかを確認する必要があります。
熟練技術をデータ化することは、それを無条件に外部へ公開することではありません。
企業が競争力を守りながら、必要な範囲で技術を活用するための管理が重要になります。
中小製造業でもフィジカルAIは導入できる?
今回の発表は、大企業による研究開発戦略です。
そのため、中小企業が今すぐ同じ研究設備やAIシステムを導入できるわけではありません。
また、今回の発表だけでは、中小企業向けの製品価格や具体的な一般提供時期も確認できません。
一方、フィジカルAIの実用化を待つ間にも、中小企業が進められる準備はあります。
特に重要なのは、自社の作業がどのような条件で行われ、どのような結果になっているかを把握できる状態にすることです。
現場のデータがなければ、AIも十分に活用できない
例えば、製造設備の不良率を改善したいとします。
そのとき、次のような情報が必要になる場合があります。
- 製品や原材料の種類
- 加工日時
- 設備番号
- 作業条件
- 作業担当者
- 検査結果
- 不良の種類
- 対応した内容
こうした情報が紙や担当者ごとのExcelに分散していると、分析するまでに多くの手間がかかります。
また、作業条件が記録されていなければ、不良の原因を後から検討することも難しくなります。
ただし、一般的な製造日報を電子化しただけで、T-Rexのような触覚ロボットAIを開発できるわけではありません。
業務データの電子化はAI活用の基盤になり得ますが、ロボット制御に必要な触覚・動作データの取得とは区別する必要があります。
中小企業は何をすべきか?5つの実践ステップ
パナソニックの今回の発表を踏まえ、中小製造業が今から取り組めることを、優先順位をつけて整理します。
STEP1:熟練者に依存している業務を1つ選ぶ【最優先】
まず、自社で熟練者への依存が大きい業務を確認します。
例えば、次のようなものです。
- 加工条件の調整
- 設備異常の判断
- 品質不良の原因調査
- 部品の組み立て
- 原材料の状態に応じた条件変更
最初からすべての技能をデータ化する必要はありません。
まずは、特定の担当者が不在になると困る業務を1つ選びましょう。
経営者と現場責任者が一緒に優先順位を決めることが重要です。
STEP2:熟練者の判断条件を整理する
次に、その業務で熟練者が何を見て判断しているのか確認します。
例えば、次のような質問です。
- どのような状態を異常と判断するのか
- 何を確認して加工条件を変えるのか
- どのような場合に作業を中断するのか
- 経験の浅い担当者と判断が異なるのはどこか
- 過去にどのような失敗があったか
単に作業手順を聞くだけでなく、判断する理由や例外条件を確認することが重要です。
必要に応じて、実際の作業を観察したり、動画などで記録したりする方法もあります。
ただし、顧客の機密情報や作業者の個人情報の取り扱いには注意が必要です。
STEP3:作業条件と結果を記録する
次に、作業条件と結果を関連付けて記録します。
例えば、金属加工であれば、加工条件と寸法検査結果などです。
食品製造業であれば、原材料の状態や製造条件、品質検査結果などが考えられます。
| 記録項目 | 内容の例 |
|---|---|
| 対象 | 製品番号・設備番号 |
| 条件 | 温度、圧力、加工速度など |
| 判断 | 条件を変更した理由 |
| 結果 | 品質検査結果・不良の有無 |
| 対応 | 再調整・追加確認など |
最初から大量のセンサーデータを集める必要はありません。
改善したい業務に必要な情報を選び、継続して記録することが大切です。
STEP4:人が判断できる形でデータを活用する
記録が蓄積されたら、まずは通常の集計やグラフで傾向を確認します。
例えば、どの条件で不良が増えているのか、どの設備で異常が多いのか、といった分析です。
ここでは、必ずしもAIを導入する必要はありません。
データ量や問題の複雑さに応じて、通常の統計分析やAIの活用を検討します。
その際、AIが示した結果をそのまま正しいものとせず、現場の担当者が確認する仕組みが重要です。
STEP5:効果を測定し、自動化の必要性を判断する
最後に、取り組みによって成果が出ているか確認します。
例えば、次のような指標です。
- 品質不良の発生件数
- 作業時間
- 設備停止時間
- 条件調整にかかる時間
- 熟練者への問い合わせ件数
- 新人が作業を習得するまでの期間
成果が確認できれば、別の業務への展開を検討します。
一方、データの不足や記録方法の問題があれば、運用を改善します。
DX担当 ちゃま男先輩!フィジカルAIが普及するまで、中小企業は何もしなくてもいいんでしょうか?
ちゃま男の先輩そんなことはないよ。まずは熟練者がどのように判断しているか整理し、作業条件や品質結果を記録することから始められるんだ。
DX担当 ちゃま男AIを導入する前に、現場の知識を会社の資産にしていくんですね!
ちゃま男の先輩そうだね。それだけでも、技能伝承や品質改善に役立つ可能性があるよ。
現場の技術を活かすために、データの電子化から始める
熟練者の判断や製造現場の経験を、将来的なAI活用につなげるには、まず必要な情報を継続して記録できることが重要です。
例えば、製造日報や設備点検記録、品質検査結果などを紙で管理している場合です。
こうした情報を電子化しておけば、後から検索・集計・分析しやすくなります。
ラック・インターナショナル株式会社では、i-Reporterを利用した製造日報、設備点検、品質検査などの電子帳票化を支援しています。
ただし、i-Reporterを導入するだけで、パナソニックのフィジカルAIや触覚ロボット制御が実現するわけではありません。
本格的なAI・ロボット活用には、別途、必要なデータの取得や分析、設備との連携、安全性の検証などが必要です。
重要なのは、AIに何を任せるかを考える前に、今の現場でどのような技術や判断が行われているかを把握することです。
まとめ|熟練技術をAIに置き換えるのではなく、企業の競争力に変える
2026年11月11日、パナソニック ホールディングスは「現場起点のフィジカルAI」の研究開発を加速すると発表しました。
今回の発表で重要なのは、AIモデルの性能だけではありません。
長年のものづくりで培ってきた技術や経験、現場の物理現象を、AIと組み合わせて活用しようとしていることです。
また、11月5日に発表した触覚ロボットAI「T-Rex」の研究では、12種類の実環境作業において、従来手法を30ポイント上回る平均成功率65%を達成しています。
ただし、これは特定の研究条件で得られた結果であり、一般の工場で同じ成果が得られることを保証するものではありません。
中小製造業が今から取り組むべきことは、次の5つです。
- 熟練者に依存している業務を把握する
- 熟練者が判断する条件や理由を整理する
- 作業条件と品質結果を関連付けて記録する
- データを使って現場の判断や改善を支援する
- 効果を確認しながら、必要な技術や自動化を検討する
フィジカルAIが普及したとしても、企業の競争力はAIを導入したかどうかだけで決まるわけではありません。
自社が持つ技術や経験をどれだけ理解し、組織として活用できるかが重要になります。
まずは、熟練社員しか判断できない作業を1つ選び、その判断の理由と作業結果を記録することから始めてみてください。
それが、現場の経験を将来のAI活用につなげるための第一歩です。
参考資料
- パナソニックHD「現場起点のPhysical AI」の研究開発を加速(2026年11月11日)
- パナソニックHD「指先の触覚に即応して器用な両手作業を行うロボット操作AIを共同開発」(2026年11月5日)
- パナソニックHD「技術未来ビジョン」
※本記事は2026年11月15日時点の公式情報をもとに作成しています。パナソニックの技術戦略、T-Rexの研究成果、中小製造業への応用例は区別して記載しています。中小製造業向けの実践方法や業務例は、公開情報をもとに独自整理したものです。

