業務の自動化やサービスの提供、製品の向上に向け、フィジカルAIを活用して成果を上げている代表的な業界が製造とヘルスケアだ。

製造業の取り組み

　機械への脱着作業（マシンテンディング）や組み立て、溶接、検査といった用途では、AIやコンピュータビジョン、ロボットなどの物理的実体が組み合わされている。

　デジタルエンジニアリングを手掛けるAkkodisでグループチーフAIオフィサーを務めるジョシュア・モーリー氏は、製造ラインの熱処理工程の微小な亀裂などの欠陥検査を例に挙げる。従来、同検査は頭上に固定したカメラで行われていたが、フィジカルAIはロボットアームで可動性を持たせることで固定視点を超えた検査を可能にする。

　モーリー氏によると、6軸アームや協働ロボットアームのアーム先端にカメラと専用照明を搭載し、エッジコンピューティングを併設することが一般的だという。「写りが不鮮明だったり照明が不足したりしている場合でも、アームが自ら最適な位置へ移動し、ズームや検査対象の操作を行える」（モーリー氏）

　欠陥を正確に検出できれば、品質の向上につながる。「得られる効果は一貫性、網羅性、トレーサビリティーだ。抜き取り検査ではなく全数検査を実施でき、シフトの最初から最後まで同一の基準を維持し、全ての検査記録をデジタルで残せる」（モーリー氏）。同氏によれば、不良品が発生する前に熱処理プロセスの異常な変化を把握できるため、個々の合否判定よりもデジタル記録の方が重要になるケースが多いという。

　ただし、品質向上の効果は既存の流出率や誤検出率の測定基準と比較しなければ信ぴょう性がないとモーリー氏は警告する。流出とは欠陥部品が検出されずに検査を通過することを指し、誤検出とは良品を欠陥品と判定することを指す。

　製造業のフィジカルAIの導入は全体として勢いを増している。コンサルティング企業のSlalomでシニアディレクター兼グローバル航空宇宙リードを務めるマーク・カム氏は、フィジカルAIが具体的なビジネス価値を生み出すペースは日々加速していると話す。「企業の規模や製品の複雑さ、対象市場を問わず、あらゆる製造業者に当てはまる」（カム氏）

　工場保守の分野で得られるメリットとして、運用の信頼性向上、市場成長とコスト削減による利益、スループットや稼働率の向上が挙げられるとカム氏は述べる。Slalomが支援する世界大手の製造企業では、エッジでAIや機械学習を活用し、デジタルカメラやレーザー、センサーなどのIoT検査機器と連携させているという。

　カム氏はフィジカルAIを適用すべきもう1つの重要な領域として、製品の安全性や品質、新たな収益の創出を挙げた。同氏は、輸送機器メーカーがAIや機械学習、予測分析、センサー連携を活用して異常を検知している事例を紹介する。このメーカーは、複雑なプロセスを改善するために長年培った現場の知見とフィジカルAIを組み合わせることで設備の稼働を維持するための実践的な洞察を得ている他、設計部門へのデジタルフィードバックループを構築し製品改良や新サービスの創出につなげているとカム氏は説明する。

　Slalomのインダストリーディレクターを務めるブレア・カー氏は、人手不足や安全リスク、運用の複雑さに直面している業界ほどフィジカルAIの短期的な価値が最も明確に現れると述べる。「ヘルスケアは導入を開始するのに最も有意義な分野だ。医療従事者を置き換えるのではなく、支援する形で導入すると効果を発揮しやすい。すでに幾つかの用途で成果が出始めている」（カー氏）

　カー氏は具体例として外骨格（アシストスーツ）やロボットによる支援を挙げる。看護師は他の職種に比べて筋骨格系障害を負う割合が高く、こうした技術は看護師の身体的負担の軽減に寄与する。

　一方、移動支援やリハビリテーション機器は、回復期にある患者でより安定した反復的支援を提供する。ウェアラブル端末や監視ツールは、緊急事態に至る前の初期段階で問題を検知する。患者の全体的な状態を把握する上で必要なデータも生成するとカー氏は付け加える。

　AIを活用したリアルワールドエビデンス（実臨床データ）の利用拡大は、病床での判断の在り方を変え始めている。カー氏によると、このデータを取り入れた病院では、臨床医の生産性向上や労働災害の減少、スタッフの定着率向上が見られるという。燃え尽き症候群と身体的負荷は、今なお看護師の離職理由の上位を占めていると同氏は指摘する。

フィジカルAIの投資対効果を確立する

　ITサービスを提供するInfosysでエグゼクティブバイスプレジデントを務めるアナント・アディヤ氏は、フィジカルAIへの投資にはより広範な視点が必要だと語る。「フィジカルAIを検討する際は、ROIの捉え方を広げることが大切になる。欠陥の減少、ダウンタイムの短縮、検査の迅速化、危険な環境への作業員の立ち入り削減などから有意義な価値がもたらされる。狭い財務指標だけに頼っているとそうしたメリットを見落としかねない」（アディヤ氏）

　Deloitteが発行したレポート「Tech Trends 2026」によると、部品の汎用（はんよう）化といった価格低下要因はあるものの、高度なAIチップやプロセッサを必要とするフィジカルAIは従来の産業用ロボットよりも依然として高価だ。このコスト差があるため、決裁者は確固たる投資根拠を構築する必要がある。

　企業がコストを正当化するには、明確に定義された業務課題と、最終的に得られる具体的な価値を設定して臨むべきだとモーリー氏は助言する。このアプローチでは、業務課題に基づく目標の設定と、創出される価値の測定方法の決定が必要となる。

　これらの手順は、デジタルAIとフィジカルAIの双方に共通するものだが、企業はこのプロセスで苦戦している。モーリー氏によると、生産性の測定にばかり注力し、「タスク完了が30％高速化した」「1日のタスク完了数がX件増えた」といった成果にとどまる企業があるという。これでは、生産量の増加をコスト削減や従業員のより高度な業務への再配置といった最終的な成果へ結び付けられない。

　「生産性の向上を事業への影響や人間中心の価値に振り向けられていない」とモーリー氏は指摘する。その溝を埋めるため、企業は導入を開始する前に、フィジカルAIによって推進すべき組織変革を決定しなければならない。具体的には、業務リソースの再配置やプロセスの再設計などが考えられる。こうした変革の取り組みがあって初めて、生産性の向上を有意義なビジネス価値へと変換できる。

　前述した欠陥検査を例に取ると、品質保証プロセスが30％高速化すれば、1人の検査員が2つの製造ラインを担当できる可能性がある。フィジカルAIシステムが全体の一次スクリーニングを担い、熟練した検査員が特殊なケースに対処する。この2ラインのカバーという変革の取り組みこそが「事業への影響」をもたらすのだとモーリー氏は解説する。検査員1人あたりの対応範囲の拡大や、生産量増加に伴う追加コストの回避といったメリットが得られる。

　あるいは、従業員の役割を再設計し、生産性の向上を人間中心の価値へと転換することも可能だ。例えば、検査員が1つのラインを担当しつつ、余いた時間を原因究明の分析に充てる方法がある。

投資を左右するその他の要素：稼働率、規模、変動性

　稼働率や規模といった要素もフィジカルAIへの投資判断に影響を与える。システム稼働率（U）、自動化の度合い（A）、自動化されるタスクの価値（V）を掛け合わせ、そこから導入コスト(C)を差し引くことでこれらの要素を評価できる。計算式は次の通りだ。

　モーリー氏によると、このROI計算式では、どの技術を採用していようと3つの要素のいずれかが低ければ投資計画は破綻するという。大半の投資計画では稼働率を実測せず仮定で済ませているため、稼働率がボトルネックになりやすいと同氏は補足する。

　「稼働率は重要な要素だ。断続的な作業であったり規模を拡大できなかったりすれば、採算が合わなくなる」（モーリー氏）。ハードウェアの初期費用や統合コストなどの固定費で規模は重要だが、考慮すべきは生産量の規模ではなく「価値の規模」だと同氏は語る。

　価値を測定する方法としては、フィジカルAIがより多くのシフトをこなしたり、無人運転を行ったりする「時間」が挙げられる。このメリットは分かりやすいが、他の価値もコストの正当化に影響を与える。例えば、タスクの柔軟性があれば、再プログラミングなしに1つのシステムを別のタスクや派生作業に再配置できるとモーリー氏は話す。この場合、生産量を増やさずに稼働率を高められる。これこそがフィジカルAIと固定的な自動化の違いだという。

　しかし、作業の変動が少ないユースケースには、フィジカルAIが適さない場合もある。Forresterがまとめた2026年のトレンドレポート「Physical AI Perceives, Reasons, and Acts in the Real World」は、「大量生産かつ変動の少ない物理的自動化に、フィジカルAIはおそらく不要だ」と指摘している。「世界を概念化するモデルや、環境を認識するセンサー群、代替ワークフローを推論する高性能コンピュータは多額の費用がかかり、設置を複雑にするだけで改善につながるとは限らない」

　価値の密度も考慮すべき点だ。価値の密度が高いユースケースであれば、稼働率が低くても投資を正当化できる場合がある。「防ぐ対象の損失が十分に大きければ、稼働率が低くても採算は取れる。予期せぬ稼働停止を防ぐ場合や、危険な検査から作業員を退避させる場合などがそうだ」（モーリー氏）