どこから試すか決めかねている方へ
フィジカルAIを検討していて、自社のどの現場から手を付けるか決めかねている方に向けて書いています。
判断材料になる調査が出ました。株式会社Listerが国内595件のロボット・AI導入・実証事例を分類し、フィジカルAI導入・実証トレンドレポート2026として2026年7月31日に公開したものです。
読んで一番はっきりしたのは、実装が進むかどうかを分けていたのは業界ではなく、現場の構造だったという点でした。
この数字が何を数えたものか
先に前提を確認します。ここを飛ばすと数字を読み違えます。
対象は「フィジカルAI」と明示された案件に限りません。産業用ロボット、AMR・AGV、配膳・清掃ロボット、外観検査AIなど、広義のロボット・自動化事例を含めた595件です。集計は公開情報（企業サイト、プレスリリース、IR資料、公的機関資料、報道）をもとにした分類で、比率はこのデータベース内の構成比です。
つまり市場全体の普及率でも、市場規模でもシェアでもありません。レポート自身がその旨を明記しています。それでも、これだけの母数で導入段階を分類したデータは国内でほとんど例がなく、個別事例を眺めるより手がかりになります。
595件のうち実運用段階に分類されたのは308件（本導入273件、複数拠点展開30件、全社・大規模展開5件）でした。
実装の進み方は現場の構造で分かれています
導入環境別に実運用段階の比率を見ると、差がはっきり出ます。
| 導入環境 | 実運用段階比率 |
|---|---|
| 倉庫・物流センター | 80.3% |
| 工場 | 78.6% |
| 病院・介護施設 | 76.8% |
| 空港・駅 | 33.3% |
| 建設現場 | 29.6% |
| 農場・屋外 | 27.0% |
| 道路・公共空間 | 26.1% |
上位3つに共通するのは、作業動線・対象物・照明・通信環境を管理しやすいことです。下位に並ぶのは、天候、地形、人や車両の往来、対象物の個体差といった変動が大きい現場でした。
対象業務別でも同じ形が出ます。ピッキング82.9%、組立80.0%、仕分け80.0%、搬送73.3%、検査・品質管理71.8%に対し、建設作業21.1%、接客・案内25.0%、配送28.0%、設備点検37.1%。定型・反復で作業空間を限定できる業務ほど実装が進み、人や環境のばらつきを受ける業務ほど検証段階にとどまっています。
業界で切っても、この差は出ません。同じ製造業でも工場の中と屋外の設備点検では別の話になります。自社を「製造業だから」で括らず、対象の現場をどこまで管理できるかで見るほうが正確です。
ヒューマノイドとVLAの数字
ロボット・ソリューション別の実運用段階比率は、こうなっています。
| 領域 | 実運用段階比率 |
|---|---|
| 医療・介護ロボット | 94.4% |
| 無人フォークリフト | 83.3% |
| 外観検査AI | 79.3% |
| 協働ロボット | 75.0% |
| 産業用ロボットアーム | 71.7% |
| AMR・AGV | 66.3% |
| ヒューマノイド | 16.7% |
| 基盤モデル・VLA技術 | 14.3% |
| 四足歩行ロボット | 11.1% |
| ロボット基盤モデル・VLA | 0% |
各領域の事例数が少ないため断定はできない、とレポートは留保を付けています。それでも、報道の量と実装の量が一致していないことは読み取れます。
この落差は、これまで個別に見てきたものと符合します。長時間タスクの成功率は手順の95%を終えても完了しない回が残り、汎用ロボットAIの発表には適応時間は出ていても成功率の数字がありません。学習データの量と多様性がボトルネックだという指摘も続いています。0%という数字は、技術が駄目だという意味ではなく、実装条件がまだ確定していないという意味です。
横展開できたのは5.9%です
この調査で一番効いたのは、ここでした。
複数拠点展開または全社・大規模展開に分類されたのは35件、595件の5.9%です。導入主体493組織のうち、収録事例が1件だけの組織は425組織（86.2%）でした。
1拠点で動くことと、2拠点目で動くことは別の課題だということです。レポートは横展開に必要なものとして、導入条件と評価KPIの標準化、施設側インフラ、監視・保守、教育、予算化、データ管理を挙げています。どれもロボットの性能ではなく、組織の側の話です。
効果が出たのは工程ごと作り替えた案件
595事例のうち194事例から、導入効果・導入規模に関する定量情報287件が抽出されています。自己申告値を含み測定条件も統一されていないため、事例間の比較には使えません。
そのうえで傾向として書かれているのは、ロボットを既存工程の一部へ追加するだけの案件より、設備・情報システム・作業分担・データ連携まで含めて工程全体を再設計した案件のほうが、時間・人員・処理能力の改善が明確だという点です。
自社の現場が実運用に届くか見分ける5点
- 対象物のばらつきはどれくらいか: 形・サイズ・状態が揃っているほど実運用へ届いています。個体差が大きいものを最初の対象にしない
- 環境変動を止められるか: 照明・天候・通信・動線を管理下に置けるか。屋外や公共空間が下位に並ぶ理由はここです
- 作業は定型で反復か: ピッキング・組立・仕分け・搬送が上位、接客・配送・建設作業が下位。判断の分岐が少ない業務から入る
- 2拠点目の条件を今決められるか: 評価KPI・監視保守・教育・予算化・データ管理を1拠点目の設計に織り込む。後付けだと5.9%の側に入ります
- 工程ごと引き直す覚悟があるか: 既存工程にロボットを足すだけの案件は効果が出にくい。設備・システム・作業分担・データ連携をまとめて設計対象にする
導入検討の社内稟議や、ベンダー提案の評価シートにそのまま転記して使えます
何から始めるか
この調査の使い方は、「フィジカルAIはまだ早い」でも「もう遅れている」でもありません。自社のどの現場が上位の条件を満たしているかを先に特定することです。
倉庫・工場・病院が上位に来ているのは、その業界が優れているからではなく、環境を管理できるからでした。同じ理屈で、自社の中にも管理できる現場とできない現場があります。管理できる側から始めて、2拠点目の条件を1拠点目の設計に入れておく。ここまでが最初の意思決定です。
北九州市のクラスター認定で評価されたのも、技術力そのものではなく実機を試せる現場がそろっていることでした。現場の条件が問われるという点で、地域の話と自社の話は同じ構造をしています。
自社の現場でどこまでできるのか、既存の業務システムとどうつなぐのかを整理したい段階でしたら、お問い合わせからご相談ください。ロボット本体の選定ではなく、手前と後ろの設計から入ります。