ヒューマノイドは、いつ人間より安くなるのか
工場・農業・建設・介護まで――「社会投入の順番」を2030・2035・2040年で予測する
「ロボットが人間の仕事を奪う」。
そのニュースは、たいてい順番を間違えている。
最初に置き換わるのは、低賃金の単純作業ではない。
むしろ、介護士や建設作業員のように、移動し、判断し、人に触れ、例外に対応する仕事ほど、ロボットには高くつく。
問われているのは「いつロボットが人間になるか」ではない。
「どの現場の、どの一工程なら、ロボットに渡した方が安く、安全になるか」である。
本稿は、その順番と時期を、2026年7月時点の技術、実装データ、政策動向から複数年の時間帯で予測する。
工場から始まり、農業、漁業、建設を経て、最後に介護へ。
ヒューマノイドが人間より安くなる15年を、先に読み解く。
目次
第1部 前提を正す
第1章 なぜ、動画では動くのに現場では使えないのか
第2章 「人間より安い」をどう計算するべきか
第3章 そもそもヒューマノイドが必要か、二足歩行が必要か
第2部 分野別に、いつ来るか
第4章 最初に普及するのは工場内の単純作業
第5章 工場内の複雑作業は2030年代前半から
第6章 農業は「露地」より「施設内」から始まる
第7章 漁業は陸上作業から、船上作業は後になる
第8章 建設現場は2030年代半ばから。ただし専用ロボットが先
第9章 物流・小売・清掃は、工場に次ぐ有力市場
第10章 病院・介護は「物流」から始まり、身体介護は最後になる
第3部 予測をどう読むか
第11章 予測を左右する三つのシナリオ――導入年は一つではない
第12章 分野別・ヒューマノイド社会導入スケジュール
第13章 分野別の「人間より安くなる年」予測
第14章 ヒューマノイド導入を決める七つの条件
第4部 その先にあるもの
第15章 5年後、ロボットの「脳」は別物になっている
第16章 2030年代に生まれる新しい仕事
第17章 日本企業は何を準備するべきか
結論 ヒューマノイドは「安い人間」ではなく、「止まっている自動化」をつなぐ存在になる
参考資料・出典
2026年、ヒューマノイドロボットをめぐるニュースは、ほぼ毎日のように流れてくる。
自動車工場で部品を運ぶロボット。倉庫で箱を持ち上げるロボット。華麗に走り、踊り、格闘し、料理をするロボット。人間の言葉を理解し、指示された作業を始めるロボット。動画だけを見れば、すでに人間の仕事の多くが代替可能になったようにも見える。
しかし、実際の産業現場にロボットを投入する企業が見ているのは、動画の再生回数ではない。
見るのは、次の数字である。
1時間のうち、実際に何分働けるのか
1回の充電で何時間稼働できるのか
何回の動作で故障するのか
失敗したとき、人間の介入が何分必要なのか
部品交換と定期保守にいくらかかるのか
安全柵、通信、床面改修、充電設備にいくらかかるのか
現場ごとの学習とシステム統合にいくらかかるのか
1台のロボットを監視するために、何人の人間が必要なのか
その結果、1作業当たりの総費用はいくらになるのか
つまり、判断基準は「ロボット本体の価格」ではない。
人間一人分の仕事を、必要な品質と安全性で完了するための総費用――TCO、すなわち総保有コストである。
2026年7月、Forbes JAPANが紹介したPlaneraの試算では、米国の看護補助者一人をロボットで代替する年間費用は約37万5100ドルとされ、人間の年収の約9倍に達した。建設作業員の代替費用も、年間約28万5000ドルとされ、人間の賃金の約6倍だった。
この数字を、そのまま日本の現場に当てはめることはできない。想定するロボット、導入費、監督者、稼働率、職務範囲によって結果は大きく変わるからである。
しかし、記事が示した本質は正しい。
低賃金の仕事ほど先にロボット化されるとは限らない。
むしろ、低賃金でありながら、移動、判断、対人対応、器用な手作業、例外処理を同時に要求される仕事は、ロボットにとって最も難しく、最も高価になりやすい。
介護補助、建設雑工、農作業、保守修理、清掃、調理補助などが、その典型である。
本稿では、ヒューマノイドロボットがどの分野から社会に入り、どの時期に人間の総人件費を下回り始めるのかを、現時点の技術、導入実績、コスト構造、環境の難易度をもとに予測する。
結論を先に述べれば、社会導入の順番はおおむね次のようになる。
第一段階は、工場・倉庫内の単純搬送と部品供給。
第二段階は、工場内の機械操作、検査、複数工程の補助。
第三段階は、温室農業、選果、食品工場、養殖場など、半構造化された一次産業。
第四段階は、建設、屋外農業、漁業、設備保守など、環境変化の大きい現場。
第五段階は、病院・介護施設における物流、見守り、移乗補助。
最後まで残るのが、入浴、排泄、食事、認知症対応、在宅介護など、人への直接接触と高度な責任を伴うケアである。
ヒューマノイドの本格普及は、一斉に訪れるのではない。
「職業」が丸ごと代替されるのではなく、職業を構成する仕事が一つずつ切り出され、採算が合う順に機械へ移る。
これが、今後15年間に起こる現実的な変化である。
第1部 前提を正す
ヒューマノイドの時期を占う前に、三つの前提を押さえたい。動画と現場の違い、価格ではなく総コストで測ること、そして――そもそも人型が要るのか、である。
第1章 なぜ、動画では動くのに現場では使えないのか
1 デモは「成功した一回」、現場は「失敗してはいけない十万回」
SNSで公開されるロボット動画は、技術進歩を知るうえで重要である。
しかし、産業導入の判断材料としては不十分である。
動画では、成功した試行だけを編集して見せることができる。床面を整え、照明を固定し、対象物の位置を揃え、通信状態を安定させ、人間の遠隔操作を併用し、何度も撮り直すことも可能である。
一方、工場では、同じ作業を一日数百回、年間数十万回繰り返さなければならない。
100回に1回止まるロボットは、動画では99回成功する優秀なロボットに見える。しかし、年間20万回動作する工程では、2000回止まる。
1回の停止に人間が5分対応すれば、年間1万分、約167時間の介入が必要になる。停止が生産ライン全体へ波及すれば、損失はさらに大きい。
現場で重要なのは最高性能ではなく、最低性能である。
「最も上手にできた一回」ではなく、「一年間で最も悪かった一日」に、どこまで安全に動けるかが問われる。
国際ロボット連盟も、2025年時点で、ヒューマノイドの大量利用はまだ存在せず、用途の多くは実証・試作段階であり、真の多目的ヒューマノイドは遠いと整理していた。2026年の重点も、能力の派手さではなく、信頼性と効率を証明できるかに置かれている。
2 バッテリーが「8時間労働」を妨げる
人間は休憩を挟みながら8時間勤務できる。
現在の多くのヒューマノイドは、負荷の大きい動作を続ければ、数時間以内に充電または電池交換が必要になる。歩行、姿勢保持、腕の持ち上げ、手指の駆動、カメラ、AI計算、通信をすべて電力で賄うためである。
単純に「4時間動けるから、2台で8時間働ける」とはならない。
充電時間、電池交換、起動確認、自己診断、作業位置への移動、安全チェックが必要である。電池を交換式にすれば稼働率は上げられるが、予備電池、交換設備、充電管理、防火対策が増える。
また、公称稼働時間は、軽負荷の理想条件であることが多い。
重い部品を繰り返し持つ、頻繁に歩く、低温環境で使う、坂道や段差を移動する、といった条件では稼働時間が短くなる。
したがって2020年代後半の実用機は、一台が一人を完全に代替するのではなく、次のような運用になる。
一台が限定工程を担当する
休憩中に充電する
複数台を交代運用する
一部の時間は遠隔操作を使う
電池交換を人間または別設備が行う
ロボットが止まったときだけ人間が復旧する
このため、表面的な本体価格が安くても、実効労働時間当たりの費用は高くなる。
3 ヒューマノイドは、壊れる部品の集合体である
ヒューマノイドは、一般的な産業用ロボットより複雑である。
二足歩行型であれば、数十個の関節を持つ。各関節には、モーター、減速機、エンコーダ、ベアリング、配線、制御基板などが必要になる。さらに手指を人間に近づけるほど、小型アクチュエータ、腱、ワイヤー、触覚センサーが増える。
複雑さは、能力を高める一方、故障点も増やす。
工場の固定式ロボットアームは、床に固定され、作業範囲が限定され、安全柵内で高速動作できる。設計された軌道を繰り返すため、寿命予測と保守計画を立てやすい。
ヒューマノイドは歩く。転倒する。床の段差を受ける。腕や脚に衝撃が入る。人や物と接触する。姿勢を維持するだけでも関節を使う。
特に問題になるのは、次の部位である。
膝、股関節、足首の高負荷アクチュエータ
手首、指、腱機構
足裏センサー
配線とコネクタ
バッテリー
冷却機構
関節のシール、防塵、防水
外装と衝撃吸収材
この予測は、実データでも裏づけられている。Figure AIがBMWの米国工場でFigure 02を運用した結果、最も壊れた部位は前腕部だった。手首を駆動する部品が狭い空間に詰め込まれ、熱がこもりやすかったためである。手指の器用さを高めるほど部品が密集し、故障点になる――この構造は、次世代機の設計を左右する最重要課題として持ち越された。
技術の進み方も一様ではない。個別のモーターや減速機は高い出力を実現しているが、ロボット全体として人間の筋骨格系が持つ軽さ、柔軟性、衝撃耐性、エネルギー効率を同時に再現できたわけではない。とりわけ指先の器用な操作、触覚、滑りの検知、柔らかい物体の扱いでは、人間との差が大きい。ヒューマノイドの難所は、単純な力や最高速度より、接触を伴う繊細な作業を長期間壊れずに続けることである。
2026年のヒューマノイド産業は、本体価格の低下だけでなく、平均故障間隔、部品交換時間、修理拠点、予備部品供給を競う段階へ入っている。
社会実装を決めるのは、踊れるかどうかではない。
半年間、毎日同じ工程を止めずに続けられるかである。
4 遠隔操作を隠すと、採算計算を誤る
現在のロボットでは、完全自律と遠隔操作の中間が重要である。
通常時は自律動作し、判断できない場面だけ人間が遠隔介入する。これは実用化を早める有効な方法である。
問題は、遠隔介入率が高い場合である。
一台のロボットに一人の遠隔操作者が付き続ければ、ロボットは人件費を削減していない。危険場所から人を遠ざける価値はあるが、純粋な省人化にはならない。
採算が成立するには、一人の遠隔操作者が複数台を監視できなければならない。
目安として考えるべきなのは、次の段階である。
1人で1台を操作：危険作業の遠隔化。省人効果は小さい
1人で3台を監視：限定用途で経済性が見え始める
1人で10台を監視：工場・倉庫で有力
1人で30台以上を監視：大規模フリートとして高い経済性
人間介入が数日に1回：完全自律に近い
2026年時点で、多くのロボットは、この比率を改善する途上にある。
第2章 「人間より安い」をどう計算するべきか
1 本体価格ではなく、1有効作業時間当たりの費用を見る
ヒューマノイドの採算を考えるとき、次の式が基本になる。
ロボット年間総費用
＝ 本体償却費
＋ 金利・リース費
＋ 保守費
＋ 消耗品・電池費
＋ 電力費
＋ 通信・クラウド・AI利用料
＋ 安全設備費
＋ システム統合費
＋ 遠隔監視費
＋ 現場管理費
＋ 故障停止による損失
これを、年間の有効作業時間で割る。
実効時間単価
＝ ロボット年間総費用 ÷ 年間有効作業時間
ここでいう有効作業時間とは、電源が入っていた時間ではない。
実際に、人間が必要としていた成果を、所定の品質で完了した時間である。
歩いている時間、停止している時間、再試行している時間、充電時間、通信切断時間、遠隔操作者を待っている時間は、そのまま生産価値にはならない。
2 日本の人件費は「給料」より高い
ロボットと比較するべきなのは、手取りや月給ではなく、企業が負担する総人件費である。
日本では、給与に加えて、賞与、社会保険の事業主負担、採用費、教育費、制服、福利厚生、労務管理、休暇、欠勤、交代要員、残業割増などがある。
概算では、年収400万円の従業員に対する企業負担が、500万～600万円程度になることは珍しくない。
夜勤、危険手当、派遣費、寮費、採用難による空席損失まで含めれば、さらに上がる。
したがってロボットは、必ずしも本体価格が400万円を下回る必要はない。
5年間使えるロボットが2000万円でも、年間400万円の償却である。24時間に近い運用ができ、二人分以上の仕事を担えるなら、経済性は成立し得る。
逆に、本体価格が300万円でも、年間500時間しか有効に働かず、保守と監視に人間が必要なら、高価な設備になる。
3 2026年時点の試算モデル
ここでは、社会導入の時期を考えるため、三つの世代を仮定する。
参考として、価格低下はすでに現実に始まっている。Unitreeの上場申請資料を基にした報道では、同社ヒューマノイドの平均販売価格は2023年の59万3400元から、2025年には16万6400元へ約72％低下し、2025年の出荷は5500台を超えた。ただし、低価格化と産業実装は同じ意味ではない。上場資料を分析した複数報道によれば、販売の中心は大学・研究機関で、研究・教育用途が約7割を占め、工場などの実産業用途は1割程度にとどまるとされる。したがって「数千台売れた」ことを、そのまま「数千人分の労働を代替した」と読むべきではない。価格指標では、本体価格と同時に、産業用途比率、年間有効稼働時間、停止率、遠隔介入時間を確認する必要がある。
実際、Unitreeについて2026年7月に報じられた2026年1〜3月期の数値では、増収率が前年通期の332％から68％へ急減速し、調整後純利益は前年同期比で約5割減った。台数と価格の話題性の裏で、収益はすでに価格競争の圧力にさらされ始めている。同社の目論見書も、テスラなどとの価格競争をリスクとして明記している。
2026～2028年型：実証・初期商用世代
導入総額：1500万～5000万円
実用寿命：3～5年
年間保守：本体価格の10～20％
連続稼働：2～4時間
有効稼働率：40～65％
遠隔介入：頻繁
得意分野：搬送、容器移載、部品供給、単純な機械投入
苦手分野：高速作業、精密組立、濡れた環境、屋外、対人接触
この世代で人間より安くなるのは、深夜、高温、危険、採用困難など、もともとの労働コストが高い限定工程である。
2029～2032年型：限定量産世代
導入総額：700万～2000万円
実用寿命：5年前後
連続稼働：4～6時間、交換式電池が普及
有効稼働率：65～80％
一人の監視者が5～15台を担当
作業変更は数日～数週間で可能
得意分野：工場内物流、機械への材料投入、検査補助、パレット・箱の移載
一部でRaaS（ロボットを買い切らず月額で使う方式）が一般化
この世代では、年間総人件費が500万～800万円程度の製造・物流作業で、明確な損益分岐を超える事例が増える。
2033～2037年型：本格普及世代
導入総額：400万～1200万円
実用寿命：5～8年
連続稼働：6～10時間、短時間充電または自動電池交換
有効稼働率：80～90％
一人の監視者が20～50台を担当
触覚、力覚、失敗復旧が大幅に改善
屋内の複数工程を移動して担当
日常的な保守がモジュール交換化
この世代で、工場内の複雑作業、食品工場、温室、選果場、病院内物流などが大きく広がる。
2038年以降型：準汎用世代
本体・RaaS価格が一般設備に近づく
自律復旧と自己診断が進む
雨、埃、温度差、段差、人混みへの耐性が向上
多様な工具を扱う
高度な安全認証と責任分界が整う
対人作業でも補助用途が本格化
ただし、これでも「人間と同じことを何でもする」わけではない。
得意な仕事を組み合わせ、苦手な場面では人間へ引き継ぐ社会になる。
第3章 そもそもヒューマノイドが必要か、二足歩行が必要か
1 多くの現場は、そもそもヒューマノイドを必要としない
ヒューマノイドの議論は、しばしば「人型ロボットが人間の仕事をどこまで奪うか」に集中する。
しかし、現実の自動化は、人型を前提にしていない。
床が平らで、作業対象が決まっていて、動線を固定できる現場では、人間の形をしている必要はない。固定式の産業用ロボットアームや、車輪で走る搬送ロボットの方が、安く、速く、壊れにくい。
だから、まず問うべきは「どの仕事を人型に任せるか」ではない。
その仕事に、そもそも人型が要るのか、である。
2 AI化した産業ロボットは、AIのない時代より大きく進化した
見落とされがちだが、ヒューマノイドが注目される裏で、従来型の産業ロボット自身が急速に賢くなっている。
かつての産業ロボットは、教え込んだ軌道を正確に繰り返すだけの「決められた動きの機械」だった。部品が少しずれれば止まり、人間が復旧させる必要があった。
いまは違う。視覚と力覚を持ち、ずれや異常をその場で感知して動きを調整する「適応型」へ移りつつある。
2026年5月、ファナックはGoogleとの協業により、Geminiを活用したAIエージェントが人の指示を理解し、物体を認識して産業用ロボットを動かすフィジカルAIシステムを公開した。ただし、これは世界の既設ロボットすべてへ直ちに展開するという発表ではなく、次世代システムの実演と開発方針を示したものと読むべきである。安川電機や川崎重工を含む既存メーカーも、視覚、力覚、学習制御、遠隔支援を組み込み、従来型ロボットの適応力を高めている。構造化された工場作業の多くは、ヒューマノイドだけでなく、こうしたAI化された固定アームや協働ロボットとの競争になる。
つまり、構造化された工場の作業の多くは、人型を待たずに、AI化した既存ロボットが取り込んでいく。
3 簡易な配膳・掃除ロボットは、すでに社会に入っている
サービス業でも同じことが起きている。
飲食店の配膳、店舗やオフィスの清掃、館内の運搬といった仕事は、人型ではなく、車輪で走る単機能ロボットがすでに担っている。
配膳ロボットは、すかいらーくが2022年までに全国約2100店へ約3000台を導入するなど、広く普及した。中国Puduは国内で7500台超を売り、世界では6万台超を出荷したとされる。清掃ロボットも、1台150万円前後のリースで、商業施設、病院、コンビニ、工場に入っている。
これらは人型ではない。しかし、決まった空間で決まった作業を、安く、静かに、長時間こなす。人型ロボットが登場する前から、現場の省人化は、こうした単機能ロボットによって進んでいる。
4 だから、順番はこうなる
以上を踏まえると、社会に入る順番は次のように整理できる。
当分の主役は、AI化した産業ロボットと、簡易な配膳・掃除・搬送ロボットである。構造化された工場と、動線の決まった店舗・施設で、着実に人手を置き換えていく。
単純作業のヒューマノイドが本格的に入り始めるのは、その数年後である。人型が価値を持つのは、階段や段差のある空間、人間用の道具や設備をそのまま使う場面、移動と手作業を一台で切り替える必要がある工程――つまり、固定ロボットにも単機能ロボットにも埋められない「人間の形をした隙間」である。
ヒューマノイドは、これらの先行ロボットを置き換えるのではない。その間に残った隙間を、後から埋めにいく。
5 人型どころか、二足歩行である必要もない
「ヒューマノイド市場」と一括りにすると、二足歩行型が中心に見える。
しかし、産業現場で最も重要なのは、人間に似ていることではなく、仕事を安く、安全に終えることである。
工場や倉庫の平坦な床では、車輪型の方が省電力で安定し、転倒しにくい。
農業では、クローラーや四輪が向く。
介護では、安定した台車型に双腕を付けた方が、安全な場合がある。
建設では、脚より建機の車体が有利な作業が多い。
そのため、2030年代の社会で増えるのは、人間そっくりのロボットだけではない。
人間用の設備を使える上半身と、用途に最適化された移動機構を組み合わせた「準ヒューマノイド」である。
二足歩行型は、階段、段差、狭い通路、人間用の足場で価値を持つ。
一方、平坦な現場では、車輪型が先に採算化する。
社会投入を考える際は、「人型か否か」ではなく、「人間用の環境をどこまで改修せず使えるか」という観点が重要である。
第2部 分野別に、いつ来るか
ここからは分野別に見ていく。環境が構造化され、失敗コストが低く、稼働時間が長い仕事から順に、ロボットは人間より安くなる。工場から始まり、農業、漁業、建設、物流、そして最後に介護へ。
第4章 最初に普及するのは工場内の単純作業
1 2026～2028年：実証から限定商用へ
最初の市場は、自動車、電池、電機、物流倉庫である。
理由は明確である。
床が平ら
照明が安定している
作業対象が規格化されている
移動経路を決められる
通信環境を整えられる
作業を分解しやすい
ロボットの停止時に技術者が対応できる
生産量が多く、投資回収を計算しやすい
夜勤・反復作業の採用難がある
Figure AIは、BMWの米国工場でFigure 02を約11か月間運用し、最終盤には10時間シフトで部品投入を行い、9万点以上の部品を扱い、3万台の車両生産に関与したと公表した。稼働時間は1250時間を超え、配置精度はシフトあたり99％を超えたとされる。
注目すべきは、その次の段階である。Figure 02はこの配備を最後に退役し、2026年半ばには後継のFigure 03が2026年6月、BMWの同じ工場へ投入された。担当するのは、単純な部品投入ではなく、容器から部品を取り出して順序どおりに仕分ける「シーケンシング」という、より複雑な物流工程である。単純作業で信頼性を実証してから、一段難しい工程へ進む――この動きは、本稿が示す「単純作業から複雑作業へ」という導入順序を、同じ現場が実地でなぞっていることを意味する。
Agility RoboticsのDigitは、GXOの物流施設で10万個を超える容器の移載を達成した。Toyota Motor Manufacturing Canadaも実証後、2026年2月にRaaS方式の商用契約へ進み、7台を導入する計画が報じられている。Agility Roboticsは2026年6月、SPACとの合併による上場計画も発表したが、本稿執筆時点では完了済みの上場ではない。ここでも、契約台数、出荷台数、実際の有効作業時間を分けて見る必要がある。
最も注目されるテスラも、この区別から外れない。テスラは2026年、フレモント工場の旧モデルS／Xラインを転換し、Optimusの生産を7月末から8月ごろに始める計画を示している。ただし、これは経営陣が示した予定であり、量産実績ではない。当面は社内の工場試験とデータ収集が中心になるとみられ、外部販売の時期と規模はなお不確実である。イーロン・マスク氏自身、新規部品が多く「初期生産は極めて遅い」と述べている。生産ラインの写真や出荷計画は、そのまま現場で稼働し、対価を生む労働にはならない。
稼働時間の壁はなお大きい。Agility Roboticsが2025年3月に公表したDigitの公式仕様では、電池稼働は最大4時間とされ、自律的に充電ステーションへドッキングする機能が追加された。したがって長時間運用は「1回の充電で一勤務を完走する」のではなく、作業の合間に自動充電し、複数台の稼働をフリート側で平準化する設計になる。公称4時間も負荷、移動量、温度、待機時間で変わるため、現場では充電前後を含む一日全体の有効稼働率を測る必要がある。
これらの事例で重要なのは、ロボットが工場の全作業をしているのではない点である。
担当しているのは、工程間搬送、容器移載、部品投入など、狭く定義された仕事である。
2026～2028年は、次の仕事が増える。
AMRからコンベヤーへの箱移載
部品棚から生産設備への部品供給
空箱の回収
パレット周辺の整理
プレス機、加工機への材料投入
完成品の簡易外観確認
夜間の巡回
重量物を持つ作業者の補助
工具、部品、治具の運搬
この時点では、人間一人を完全代替するのではない。
一つの工程から人間を外し、複数台を少人数で監視する形で導入される。
2 2029～2032年：人間より安くなる最初の領域
工場内単純作業は、2030年前後に、一定条件の下で人間より安くなる可能性が高い。
特に採算が合いやすいのは、次の条件である。
二交代または三交代で使える
年間4000時間以上働かせられる
作業が反復的
取り扱う物の種類が少ない
1回の失敗損失が小さい
人手不足で派遣単価が上がっている
夜勤手当が必要
腰痛や労災が多い
生産ラインの変更が多く、固定ロボットでは対応しにくい
仮に、導入総額1200万円、5年償却、年間保守120万円、AI・通信60万円、監視・管理80万円、電池・電力40万円とすると、年間総費用は約540万円になる。
年間3000時間の有効作業ができれば、1時間当たり1800円である。
年間4000時間なら、1350円である。
日本の製造現場で、社会保険、賞与、夜勤、採用、教育、欠勤対応を含めた総人件費が1時間2500～4000円に達する工程では、採算が見える。
一方、日勤だけで年間1600時間しか使わない場合、時間単価は3375円となる。
同じロボットでも、稼働時間によって採算が逆転する。
したがって、2030年前後の勝者は、ロボットを買った企業ではない。
24時間に近い稼働設計を作った企業である。
3 2033～2035年：中小工場へ拡大
大企業は、専任技術者、データ、通信、安全設備を用意できる。
中小工場では、それが難しい。
普及には、RaaS、保守込み月額契約、標準化された導入パッケージが必要になる。
RaaSとは、Robotics as a Service（ロボティクス・アズ・ア・サービス）の略である。クラウド型ソフトのSaaSと同じ発想で、ロボットを買い切るのではなく、月額料金でサービスとして使う。
この方式には、中小企業にとって大きな意味がある。数百万〜数千万円の一括購入が要らず、保守、故障時の代替機、AIモデル更新、遠隔監視、安全評価までを月額に含められる。専任の技術者を抱えなくても運用でき、うまく働かなければ費用も抑えられる。メーカーが再編・撤退しても、契約単位で乗り換えやすい。
提供する側にも利点がある。継続課金で収益が安定し、現場で動き続けることで保守・改善用のデータが継続的に集まる。Agility RoboticsはGXOと複数年契約を結び、Toyota Motor Manufacturing CanadaとはRaaS方式の商用契約を公表している。ただし、顧客データを共通モデルの学習へ利用できるかは、契約、機密保持、データ所有権によって異なる。
月額50万～100万円で、次の内容が含まれる形が有力である。
ロボット本体
交換用電池
定期保守
故障時の代替機
AIモデル更新
遠隔監視
工程変更
稼働率保証
安全評価
MES、PLC、WMSとの接続
中小企業にとって重要なのは、ロボットの所有ではなく、作業成果を購入することである。
「一台いくら」ではなく、「一箱いくら」「一工程いくら」「一時間いくら」の契約に変わる。
第5章 工場内の複雑作業は2030年代前半から
1 複雑作業とは何か
工場内でも、次の仕事は難しい。
ケーブルや柔らかい部品の取り扱い
ネジ締めと工具交換
部品の向きが毎回異なる作業
透明、反射、黒色の物体認識
狭い場所への挿入
力加減を必要とする嵌合
多品種少量生産
不良品の判断
作業途中の例外処理
人間と同じ作業台での共同作業
これらは、視覚だけでなく、触覚、力覚、音、振動を統合する必要がある。
また、一工程が95％成功しても、10工程を連続すれば、全体成功率は約60％まで下がる。
0.95の10乗は約0.60である。
各工程が99％でも、20工程では約82％である。
長い作業ほど、「9の行進」が重くなる。
2 2030～2033年：作業者を代替せず、作業者の隣へ入る
複雑作業では、最初から完全無人化を狙うと採算が悪い。
人間とロボットの分担が現実的である。
ロボットが行う仕事は、次のようになる。
重い部品を保持する
工具を渡す
仮組みする
部品を所定位置へ運ぶ
カメラで検査する
作業結果を記録する
単純なネジ締めを行う
人間が難しい部分だけ仕上げる
この形なら、ロボットの成功率が100％でなくても使える。
人間一人をなくすのではなく、一人が二つの工程を管理できるようにする。
賃金との比較も、一対一ではなくなる。
たとえば、4人の工程を、ロボット2台と人間2人で運営できれば、ロボットは一人を完全に再現する必要がない。
3 2033～2037年：複数工程を移動する柔軟作業者へ
2030年代半ばには、工場内で次の変化が起こると予測する。
朝は部品供給
昼は機械投入
夕方は検査
夜は清掃と巡回
固定式ロボットは高速だが、一つの設備に縛られる。
ヒューマノイドは遅くても、複数工程を移動できる。少量多品種や頻繁なレイアウト変更では、この柔軟性が価値になる。
ただし、高速溶接、塗装、精密加工、重量物搬送など、専用ロボットが優位な工程は残る。
ヒューマノイドは、既存の産業用ロボットを置き換えるのではない。
自動化設備と自動化設備の間に残った、人間用の隙間を埋める。
第6章 農業は「露地」より「施設内」から始まる
1 農業は単純作業に見えて、極めて難しい
農業には反復作業が多い。
しかし、工場とは違い、対象物が規格化されていない。
果実の大きさ、色、形、熟度、位置が毎回違う。枝葉が視界を遮る。風が吹く。雨が降る。泥が付く。朝露がある。地面が傾く。害虫や傷がある。
収穫は、対象を見つけ、熟度を判断し、傷つけない力で持ち、茎を切り、容器へ置く複合タスクである。
人間は数秒で行うが、ロボットには難しい。
しかも農業は季節性が強い。収穫期以外に使えない専用ロボットは、年間稼働時間が短く、償却負担が大きい。
2 2026～2030年：ヒューマノイドではなく、専用機が先行
農業の自動化は、すでに進んでいる。
ロボットトラクター、自動操舵、ドローン散布、草刈りロボット、搾乳ロボット、選果設備などである。
当面は、ヒューマノイドより専用機が安く、速く、丈夫である。
ヒューマノイドが入るのは、専用機では自動化しにくい隙間である。
収穫箱の交換
資材運搬
温室内巡回
実や葉の画像記録
選果場への搬送
苗トレーの移動
包装補助
夜間の見回り
獣害対策設備の確認
特に、平坦な温室、植物工場、選果場、集出荷施設は早い。
3 2030～2034年：温室・植物工場で採算が合い始める
温室では、照明、通路、栽培棚、作物の位置を標準化できる。
ヒューマノイドを導入するために、農場側が変わる可能性が高い。
通路幅を統一する
果実の位置を揃える
収穫しやすい品種を選ぶ
箱、ハサミ、台車をロボット対応にする
充電場所を設ける
夜間作業を増やす
画像と収穫データを蓄積する
「人間の農場にロボットを入れる」のではなく、「人間とロボットが共同で働ける農場へ設計し直す」。
これにより、2030年代前半には、トマト、イチゴ、キュウリ、パプリカなどの施設園芸で、限定的な採算ラインへ達する可能性がある。
ただし、収穫だけを比べると人間が安い場合でも、夜間巡回、病害検知、運搬、収穫記録を一台で兼ねれば、経済性が改善する。
4 2034～2038年：露地農業へ限定展開
露地では、防塵、防水、温度、泥、傾斜、通信が問題になる。
二足歩行にこだわる必要もない。
車輪型、四足型、クローラー型と腕を組み合わせたロボットの方が現実的な場合が多い。
したがって農業で社会投入される「人型」は、完全な人間型ではなく、次のような形が中心になる可能性がある。
車輪＋胴体＋双腕
クローラー＋昇降式アーム
四足＋マニピュレーター
人型上半身を載せた作業車
2030年代後半には、収穫、剪定、箱詰め、資材搬送の一部で、人間より安い地域が出る。
ただし、小規模農家が一台ずつ購入するのではなく、地域共同利用、農業法人、JA、作業受託会社が保有する形が有力である。
第7章 漁業は陸上作業から、船上作業は後になる
1 漁船はヒューマノイドに最も厳しい環境の一つ
漁業現場は、ロボットにとって難しい。
船体が揺れる
海水がかかる
塩害がある
床が滑る
ロープや網が絡む
魚の形状が一定でない
通信が不安定
故障時に技術者が来られない
転倒が重大事故になる
一般的な工場用ヒューマノイドをそのまま船へ持ち込むのは現実的ではない。
2 2026～2032年：養殖・加工・陸上物流が先行
漁業で早く進むのは、次の領域である。
養殖施設の監視
餌やり設備の保守
水質センサー確認
魚市場での箱搬送
水産加工場での投入・運搬
冷蔵倉庫での作業
網や資材の陸上整理
選別・包装補助
これらは、専用ロボット、AMR、固定アームとヒューマノイドの組み合わせで自動化される。
冷凍・冷蔵環境では、人間の負担が大きいため、ロボット価格が多少高くても導入価値がある。
3 2035年以降：大型船・危険作業で限定導入
船上では、完全自律より遠隔操作が先に価値を持つ。
人間が操船室からロボットを操作し、甲板上の危険作業を行う。省人化ではなく、転落事故の防止が主目的である。
大型船、洋上設備、海洋調査、海上保安、災害対応など、作業者の安全価値が高い分野から始まる。
一般漁船で人間より安くなるのは、2030年代後半以降と見るべきである。小型船では、スペース、重量、保守費が大きな障害になる。
第8章 建設現場は2030年代半ばから。ただし専用ロボットが先
1 建設作業員の仕事は「何でも屋」である
建設現場は毎日変わる。
昨日まで床だった場所に壁が立ち、資材の位置が変わり、人が行き交い、足場が組み替わる。
建設作業員は、歩く、運ぶ、測る、切る、締める、支える、避ける、相談する、判断するという多様な行為を行う。
この柔軟性を一台のヒューマノイドで再現するのは難しい。
Forbesが紹介した試算で、建設作業員のロボット代替費用が人間の約6倍とされたのは、この仕事の幅広さを、一台で置き換える前提を置いたためである。
現実の自動化は、仕事を分解して進む。
2 2026～2030年：専用ロボットと遠隔施工
先行するのは、次の専用設備である。
自動運転建機
測量ドローン
墨出しロボット
鉄筋結束ロボット
溶接ロボット
天井ボード施工補助
資材搬送AMR
清掃ロボット
3Dプリンター
遠隔操作建機
国土交通省のi-Construction 2.0は、2040年度までに建設現場で少なくとも3割の省人化、すなわち1.5倍の生産性向上を目標としている。
この目標も、「ヒューマノイドが作業員を全員置き換える」という意味ではない。
設計、測量、施工、検査、物流をデジタル化し、専用機を組み合わせて人数を減らす構想である。
制度面の動きも速い。国土交通省は2026年2月に「建設分野のフィジカルAI活用推進ワーキンググループ」を設置し、自動施工やインフラ維持管理、災害対応を重点分野として、官民でユースケースの作り込みを始めた。
採算を早める要因もある。公共工事設計労務単価は上昇傾向が続き、建設技能者の高齢化と担い手不足も深刻である。民間調査には2040年のブルーカラー人材不足を数百万人規模と推計するものもあるが、職種区分と前提によって数字は変わる。重要なのは特定の予測値ではなく、欠員、残業、工期遅延、労災リスクまで含めた「人が確保できない費用」が上昇している点である。
3 2030～2035年：屋内仕上げと資材搬送
ヒューマノイドが最初に入る建設工程は、建物の骨組みが完成した後の屋内作業になる。
資材を各階へ運ぶ
工具を配る
廃材を回収する
養生材を敷く
壁面を撮影する
進捗を記録する
ネジ締めを補助する
夜間に巡回する
危険箇所を検知する
屋内は雨風がなく、床面を整えられる。BIMデータと連携すれば、移動経路や作業位置も指定できる。
2030年代前半には、大規模ゼネコンの現場で限定導入が増える。
ただし、ロボット単体で職人を代替するのではなく、物流担当者や補助作業者の仕事を減らす。
4 2035～2040年：危険作業と反復作業で採算化
ヒューマノイドが人間より安くなる可能性が高いのは、賃金が低い仕事ではなく、危険費用が高い仕事である。
高所作業
トンネル
解体
有害物質環境
火災後の建物
原子力関連
災害復旧
高温設備
酸欠リスクのある場所
これらでは、ロボットの時間単価が人間より高くても、事故、保険、休業、特殊装備を含めれば合理性がある。
一方、住宅のリフォーム、小規模修繕、狭い現場、多様な職人技は最後まで人間が強い。
建設分野で広く人間より安くなるのは、2035年以降、一部の規格化された作業からと予測する。
第9章 物流・小売・清掃は、工場に次ぐ有力市場
ユーザーが挙げた分野に加え、社会導入が早い可能性があるのが、物流、小売バックヤード、商業施設の清掃である。
1 物流
倉庫は工場と同じく構造化しやすい。
特に、すでにAMRやコンベヤーが入っている倉庫では、設備間の「最後の数メートル」を人が担当している。
ヒューマノイドは、そこを埋める。
AMRからコンベヤーへ移載
箱を棚から下ろす
空容器を回収する
パレット周辺を整理する
破損品を隔離する
夜間巡回する
2028～2032年に、採用難地域や夜勤で人間より安くなる事例が増える。
2 小売
店舗の接客は難しいが、バックヤードは比較的早い。
品出し準備
段ボール開梱
飲料補充
賞味期限確認
棚画像取得
閉店後清掃
在庫搬送
営業時間中は、人との接触リスクが高い。最初は閉店後、または立入制限されたバックヤードで使われる。
3 清掃
清掃は単純に見えるが、床材、障害物、汚れの種類が多い。
床面だけなら専用清掃ロボットが圧倒的に安い。
ヒューマノイドが価値を持つのは、ゴミ回収、机周辺、ドア、エレベーター操作、備品交換など、複数作業をまとめて行える場合である。
2030年代前半に、オフィス、空港、病院、ホテルの夜間作業で導入が進む。
第10章 病院・介護は「物流」から始まり、身体介護は最後になる
1 福祉現場が最後になる理由
介護は、人型ロボットに向いているように見える。
人間の住環境は人間の体に合わせて作られており、人型ならドア、廊下、ベッド、トイレを使えるからである。
しかし、介護は技術的にも制度的にも最難関である。
人の身体は柔らかく、姿勢が毎回違う
痛みや恐怖を読み取る必要がある
転倒や骨折の責任が重大
利用者が予想外に動く
認知症では指示が通らない
感染対策が必要
排泄物や水への耐性が必要
プライバシーと尊厳がある
家族、職員、医師との連携が必要
誤作動を許容しにくい
介護保険制度と報酬に組み込む必要がある
人間より安いかどうか以前に、「任せてよいか」が問われる。
2 2026～2030年：非接触業務から
介護・病院で早く導入されるのは、人への直接ケアではない。
薬、検体、リネン、食事の搬送
ゴミ回収
夜間巡回
転倒検知
見守り
清掃
在庫管理
案内
職員の荷物運び
ベッド周辺の物品補充
これらは、AMR、見守りセンサー、固定機器、会話AIが中心であり、必ずしも二足歩行型である必要はない。
この「周辺業務から入る」路線は、国内でも動き出している。2026年3月には、国内スタートアップが80を超える介護法人との連携と、同年夏からの人型介護助手ロボット実証計画を発表した。これは企業側の計画発表であり、効果が実証済みという意味ではない。対象も、いきなりの入浴・排泄介助ではなく、洗濯、下膳、備品補充、清掃などの周辺業務である。遠隔操作を併用し、介護職員が対人ケアへ時間を振り向ける設計は、介護分野の現実的な入口を示している。
背景にある人材不足は深刻である。厚生労働省の推計では、必要な介護職員は2026年度に約240万人、2040年度には約272万人に達し、不足は約57万人に広がる。しかも2023年度には、介護保険制度の開始以来はじめて介護職員数が前年より減少した。人を増やす前提そのものが崩れつつある。
3 2030～2035年：職員の身体負担を減らす
次に進むのは、職員と共同で行う身体補助である。
ベッドから車椅子への移乗補助
立ち上がり支援
体位変換
歩行訓練
入浴前後の搬送
重い物の運搬
夜間の呼び出し一次対応
重要なのは、「ロボットが介護する」のではなく、「職員がロボットを使って介護する」ことである。
一人で行っていた移乗を、職員一人とロボットで安全に行う。二人介助が必要だった作業を一人介助へ変える。
この形なら、人間の判断と責任を残しながら、省力化できる。
4 2035～2040年：限定的な身体介護
2030年代後半には、施設内の規格化された環境で、限定的な身体介護が始まる可能性がある。
条件は厳しい。
利用者の状態が事前登録されている
ベッド、車椅子、トイレがロボット対応
職員が近くにいる
動作速度を制限する
力覚・触覚を多重化する
異常時に即停止する
保険と責任分界が明確
全動作を記録する
利用者本人と家族が同意する
それでも、最初は移乗、物品搬送、見守りなどに限られる。
5 2040年以降：在宅介護と全面ケア
在宅は施設より難しい。
家ごとに間取りが違い、床に物があり、段差があり、ペットがいて、通信状態も異なる。技術者も常駐しない。
入浴、排泄、食事介助、認知症対応を一台で行う汎用介護ロボットが、人間より安く、十分安全に普及するのは、2040年代以降と見るのが妥当である。
一部の補助機能は早く入るが、介護職員という職業全体を代替する時期は、さらに先である。
厚生労働省は、2040年度に向けて大幅な介護人材確保が必要になると見込んでいる。現実的な政策目標は、人をなくすことではなく、一人の職員が安全に担当できる人数を増やし、腰痛、夜勤、記録業務を減らすことである。
第3部 予測をどう読むか
年次は確定した予言ではない。ここでは、予測を揺らす要因、全体スケジュール、分野別の採算化年、そして導入を決める七つの条件を整理する。
第11章 予測を左右する三つのシナリオ――導入年は一つではない
ここまで示した年次は、最も可能性が高い「標準シナリオ」である。しかし、ヒューマノイドの導入速度は、AIモデルの性能だけでなく、電池、故障率、金利、賃金、規制、事故、量産能力によって大きく動く。
したがって、企業の設備投資では一つの未来を前提にせず、少なくとも三つのシナリオを置く必要がある。
1 前倒しシナリオ
次の条件が重なれば、標準予測より2～4年早まる可能性がある。
中国を中心に本体価格が急速に低下する
手首・前腕・指の故障率が大幅に下がる
交換式電池と自動充電が標準化する
VLAや世界モデルにより、現場ごとの学習時間が短縮する
一人の遠隔操作者が20台以上を安定監視できる
RaaS事業者が稼働率保証と代替機を提供する
夜勤・派遣・採用費を含む人間側の総費用が上昇する
この場合、工場・倉庫の単純作業は2027～2029年、機械投入や簡易組立は2030年代初頭、温室や建設屋内物流も2030年代前半に採算化が進む。
ただし、前倒しされやすいのは構造化環境である。介護の直接ケアや船上作業は、安全と責任制度があるため、AI性能だけでは同じ速度で早まらない。
2 標準シナリオ
本稿のロードマップは、次を前提とする。
本体価格は下がるが、産業仕様は消費者向けより高い
電池は数時間で、充電・交換運用が必要
工場単純作業では高い成功率を得られる
複雑操作では人間の例外介入が残る
安全規格と保険は段階的に整う
導入企業側にも工程変更と設備投資が必要
この場合、工場・物流が2020年代末から2030年代前半、農業・建設が2030年代半ば、身体介護が2030年代後半以降になる。
3 遅延シナリオ
次の事象が起きれば、導入は3～7年遅れる可能性がある。
人身事故や火災事故により規制が強化される
高負荷関節やロボットハンドの寿命が伸びない
遠隔介入が減らず、ロボット一台ごとに人手が必要になる
現場データの権利問題で横展開が進まない
メーカー撤退で保守部品が供給されない
本体価格は下がっても、統合・保守費が下がらない
景気後退や高金利で設備投資が止まる
この場合、ヒューマノイドは研究・実証で台数だけ増えても、実際の有効労働時間は増えない。「出荷台数」と「働いた時間」が乖離する。
4 導入判断に必要な損益分岐式
企業は「何年に普及するか」を待つのではなく、自社工程の損益分岐を計算するべきである。
許容可能なロボット年間費用は、概ね次の式で考えられる。
許容年間費用 ＝ 削減できる総人件費 ＋ 欠員による機会損失 ＋ 労災・品質損失の削減額 － 新たに必要な監視・統合費
たとえば、一人分の総人件費が年間600万円でも、その作業が日勤のみで、ロボット導入後も0.5人分の監視が必要なら、許容費用は大きく下がる。
逆に、二交代の二人分を一台と遠隔監視0.1人で置き換え、欠員による残業・生産停止を年間200万円減らせるなら、年間1000万円近い費用でも合理性を持ち得る。
つまり、人間より安くなる年は、ロボット業界が決めるのではない。
工程の稼働時間、人手不足、失敗損失、監視比率が決める。
5 比較すべき九つのKPI
導入企業は、デモの成功率ではなく、次のKPIを同じ条件で比較する必要がある。
有効作業時間当たり総費用
1000サイクル当たり停止回数
停止一回当たり平均復旧時間
人間の遠隔介入時間
充電を含む一日稼働率
平均故障間隔と平均修理時間
良品率・破損率
工程変更に必要な時間と費用
事故・ヒヤリハット件数
この九つが開示されないロボットは、価格が安くても比較できない。今後の市場では、本体性能だけでなく、第三者が検証できる運用指標を公開できる企業が信頼を得る。
第12章 分野別・ヒューマノイド社会導入スケジュール
以下は、2026年時点の技術と投資動向をもとにした標準シナリオである。
2026～2028年 実証から初期商用へ
導入が進む分野
自動車工場の部品投入
倉庫の容器移載
工場内搬送
夜間巡回
危険区域の遠隔作業
研究開発用データ収集
人間より安くなる可能性
限定的。
三交代、夜勤、危険手当、採用難があり、作業を一つに絞れる工程に限る。
社会の状態
ロボット一台が人間一人を代替するのではなく、数台を一人が監視する運用を確立する時期。
2029～2032年 工場・物流で損益分岐を超える
導入が進む分野
工場内物流
機械への材料投入
箱・容器の移載
パレット作業
食品工場の非接触工程
小売バックヤード
空港・病院内物流
温室内搬送と巡回
人間より安くなる可能性
高い。
年間3000～5000時間使える単純作業では、人間の総人件費を下回る事例が増える。
社会の状態
大企業では数十～数百台単位のフリートが始まる。RaaSが普及し、中小企業も月額契約で導入する。
2033～2035年 複数工程と半構造化環境へ
導入が進む分野
工場内の複数工程
簡単な組立
工具交換
外観・寸法検査
食品加工
植物工場
選果・包装
建設現場の屋内物流
商業施設・ホテルの夜間作業
病院・介護施設の移乗補助
人間より安くなる可能性
工場と物流では高い。農業と建設では限定的。介護では補助作業に限る。
社会の状態
「一つの作業だけをするロボット」から、「一日の中で複数作業をするロボット」へ移る。
2036～2040年 屋外・危険環境・対人補助へ
導入が進む分野
建設現場の反復作業
解体・災害復旧
トンネル・地下設備
露地農業の一部
大型養殖施設
船上の危険作業
インフラ点検
介護施設の身体補助
家庭内の限定的な家事
人間より安くなる可能性
危険作業、夜間作業、人手不足地域では高まる。
一般的な建設職人、漁師、介護職員の全面代替には至らない。
社会の状態
人間一人が複数ロボットを管理する「ロボット班長」「遠隔作業管理者」が一般職種になる。
2040～2045年 準汎用ロボット社会
導入が進む分野
住宅内の掃除、運搬、見守り
高齢者の立ち上がり・移動補助
複数種類の農作業
建設現場の多目的補助
小規模事業所の人手不足補完
災害、消防、原子力などの高危険作業
人間より安くなる可能性
本体価格ではなく、保険、遠隔支援、保守網を含むサービス料金が人件費を下回る分野が増える。
ただし、全面的な対人ケア、高度な職人技能、責任判断は人間が残る。
第13章 分野別の「人間より安くなる年」予測
ここでは、標準的な日本市場を前提に、最初に採算が合う時期と、広く普及する時期を分けて示す。
NOTEでは横長の表がスマートフォンで読みにくいため、分野別に文章で整理する。
工場・物流――最も早く損益分岐を超える
工場内の箱・部品搬送は、限定条件では2028～2030年、広い普及は2030～2033年を見込む。障壁は稼働率、電池、既存設備との連携である。
倉庫内の容器移載は、限定条件では2027～2029年、広い普及は2029～2032年と予測する。処理速度、停止後の復旧、遠隔監視費が採算を左右する。
機械への材料投入は2029～2032年に限定採算化し、2032～2035年に普及が広がる可能性がある。多品種対応と安全設計が課題になる。
工場内の簡易組立は2031～2034年に限定採算化し、2034～2038年に普及が進む。ロボットハンド、力覚、連続工程の成功率が壁になる。
工場内の複雑組立は2034～2038年に一部で採算化し、広い普及は2038年以降になる。長い工程、精密性、品質責任が大きな障壁である。
食品工場の搬送・包装は2029～2032年に限定採算化し、2032～2035年に普及が進む。洗浄、防水、衛生管理への対応が欠かせない。
農業・水産――施設内から屋外へ
温室内の搬送・巡回は2030～2033年に限定採算化し、2033～2036年に広がる。湿気への耐性と植物認識が課題になる。
温室での果実収穫は2032～2036年に一部で人間より安くなり、2036～2040年に普及が進む可能性がある。果実を傷つけない把持と、人間に近い収穫速度が必要である。
露地農業は2035～2040年に限定導入が始まり、広い普及は2040年以降と予測する。雨、泥、傾斜、季節性が採算を難しくする。
水産加工・市場搬送は2030～2034年に限定採算化し、2034～2038年に普及が進む。防水、低温、塩分・腐食への耐性が必要になる。
船上作業は2036～2042年に危険作業などから導入され、広い普及は2040年代になる。揺れ、塩害、通信、洋上での故障対応が大きな壁である。
建設――屋内搬送から危険作業へ
建設現場の屋内搬送は2031～2035年に限定採算化し、2035～2038年に広がる。日々変化する現場と段差への対応が必要になる。
建設現場の単純施工補助は2034～2038年に一部で採算化し、2038～2042年に普及が進む。工具操作、施工精度、安全管理が課題である。
建設職人の複雑作業が人間より安くなるのは2040年以降と考えられ、広く普及する時期はまだ確定しにくい。技能、現場判断、多様な例外対応が残るためである。
医療・介護――物流と見守りが先、直接ケアは最後
病院内物流は2028～2031年に限定採算化し、2031～2034年に普及が進む。人混み、衛生管理、病院システムとの連携が課題になる。
介護施設の見守り・搬送は2029～2033年に一部で人間より安くなり、2033～2036年に普及が進む。制度、利用者の受容性、事故時の責任が障壁になる。
介護施設の移乗補助は2033～2037年に限定採算化し、2037～2042年に広がる。人体への接触安全と認証が不可欠である。
入浴・排泄・食事介助は2040年以降に限定導入が始まり、広い普及は2040年代後半以降になる可能性が高い。尊厳、責任、器用さ、衛生が複合的に問われる。
在宅介護全般は2042年以降に一部導入が始まる可能性があるが、広い普及時期は未確定である。住宅ごとに異なる非構造環境、保守網、価格が大きな壁になる。
この表で重要なのは、年が確定した予言ではないという点である。
技術進歩が速ければ数年前倒しされる。重大事故や規制強化があれば遅れる。電池、アクチュエータ、触覚、世界モデルの突破があれば、一部は大きく早まる。
しかし、導入順序そのものは大きく変わりにくい。
環境が構造化され、失敗コストが低く、反復回数が多く、年間稼働時間が長い仕事から始まる。
第14章 ヒューマノイド導入を決める七つの条件
条件1 年間稼働時間
最重要である。
本体価格1000万円のロボットを年間1000時間使えば、償却だけで1時間2000円になる。年間5000時間使えば400円である。
夜間、休日、交代運用ができる工場と倉庫は有利である。
季節性の強い農業は不利であるため、複数作物、複数作業、地域共同利用が必要になる。
条件2 作業の標準化
対象物、置き場、通路、工具を揃えるほど、ロボットの成功率は上がる。
ロボットの能力向上を待つだけでなく、現場をロボット向けに変える企業が先に採算を取る。
条件3 失敗コスト
箱を一つ落とす失敗と、人を転倒させる失敗は同じではない。
失敗コストの高い医療、介護、建設では、技術が同じでも普及が遅い。
条件4 遠隔介入率
自律率99％でも、残り1％の介入が長ければ高コストになる。
見るべき指標は、介入回数だけでなく、平均復旧時間である。
条件5 保守のモジュール化
故障した関節を現場で30分で交換できるか、メーカーへ送り数週間待つかで、稼働率が変わる。
自動車のような部品供給網とサービス拠点が不可欠である。
条件6 安全認証と保険
人の近くで動くロボットには、停止距離、力制限、冗長化、サイバーセキュリティ、事故記録が必要になる。
技術が完成しても、責任分界が不明確なら導入できない。
規格の整備も追いついていない。既存の産業用ロボット安全規格は、主に固定式ロボットを想定しており、人の隣を歩くヒューマノイドにそのまま当てはめにくい。国際標準化機構（ISO）では、自らバランスを取りながら動く「動的安定型」ロボット（二足・四足・車輪型を含む）を対象とする専用の安全規格ISO 25785-1の策定が進み、2026年5月に委員会原案（CD）段階へ入った。ボストン・ダイナミクスやAgility Roboticsが主導するが、正式発行は2026〜2027年以降の見込みである。国内でも、労働安全衛生法上の産業用ロボットに該当する場合の教示作業や特別教育の適用解釈が、まだ整理の途上にある。
条件7 仕事の再設計
最も失敗しやすい導入は、「今いる人を、そのままロボット一台と交換する」発想である。
成功する導入は、工程を分解し、人と専用機とヒューマノイドを組み直す。
第4部 その先にあるもの
最後に、この予測の最大の変数である「脳」の進化、そこから生まれる新しい仕事、そして日本が備えるべきことを見ていく。
第15章 5年後、ロボットの「脳」は別物になっている
本稿はここまで、導入時期を主にハードウェアの制約から予測してきた。電池、耐久性、器用さ、保守、安全。これらは一年で劇的には変わらない。だからこそ、スケジュールの骨格は動きにくい。
しかし、この予測を根底から揺さぶりうる変数がある。ロボットの「脳」、つまりAIソフトウェアの進化速度である。
1 いまの「脳」は、大脳と小脳の二層でできている
2026年時点で、先端ヒューマノイドの制御は、人間の脳になぞらえた二層構造へ収れんしつつある。
上位に置かれるのが、ゆっくり考える「大脳」である。視覚と言語を理解する大規模モデル（VLM）が、場面を把握し、指示を解釈し、次の作業を計画する。毎秒5〜10回程度で動く。
下位に置かれるのが、素早く反応する「小脳」である。大脳の意図を、関節や指の動きへ翻訳する。毎秒100〜200回で動き、接触や揺れに即応する。
この二つを一体で学習させたものが、VLA（視覚・言語・行動モデル）と呼ばれる。Figure AIのHelix、NVIDIAのGR00T、Google DeepMindのGemini Roboticsは、いずれもこの設計を採る。異なる機種へ同じ「脳」を載せることを狙うSkild AIのSkild Brainも同じ系譜である。
重要なのは、この設計がまだ数年の歴史しかない点である。VLAという言葉が広まったのは2023年、大脳と小脳を分ける二層設計が定着したのは2025年である。
2 「アーキテクチャは半年で変わる」
この分野の技術者の間では、ある経験則が共有されている。ハードウェアやデータ収集の仕組みは何年もかけて積み上がるが、モデルのアーキテクチャは半年ごとに入れ替わる、というものである。
実際、単一のモデルで一気に動作を出す方式、大脳と小脳を分ける方式、複数の動作をまとめて先読みする方式、モデルを小さく蒸留して省電力チップで動かす方式など、主流は短期間で移り変わってきた。
つまり、いま最先端とされる大脳・小脳・VLAの構成は、5年後、10年後には別物になっている可能性が高い。本稿のスケジュールが前提とする「脳の賢さ」は、固定された到達点ではなく、動く標的である。
3 世界モデルという「もう一つの賭け」
その中でも、最も大きな書き換えを起こしうるのが「世界モデル」である。
現在主流の言語モデルだけでは、接触、摩擦、重力、物体の変形といった物理現象の帰結を、ロボット制御に必要な精度で予測するのは難しい――こう主張してきた代表的研究者がヤン・ルカン氏である。同氏がMeta退社後に設立したAdvanced Machine Intelligence（AMI）は、2026年3月に10億ドル超を調達し、推論、計画、世界モデルを中心とする新しいAI方式の商用化を掲げた。ただし、巨額調達は技術完成の証明ではなく、現時点では研究開発への期待を示す指標である。
同じ方向の研究開発は相次いでいる。Google DeepMindのGenie 3は、文章からリアルタイムに探索できる環境を生成し、24フレーム毎秒、720pで数分間の整合性を保つと公表された。NVIDIAはCosmosを、ロボティクスや自動運転向けの世界基盤モデル群として展開している。Fei-Fei Li氏率いるWorld Labsも、探索・編集可能な3D世界を生成するMarbleを公開した。ただし、映像として自然な世界を生成できることと、接触や破損まで正確に再現する工学用シミュレーターであることは同義ではない。
なぜロボットに関わるのか。世界モデルが十分に育てば、ロボットは現実で失敗する前に「頭の中」で試せる。実機での試行錯誤に伴うコスト、時間、危険を、シミュレーションが肩代わりする。第5章で見た「9の行進」――信頼性を99％から99.9％へ引き上げる終盤の労力――が、大きく短縮されうる。
もしそれが実現すれば、本稿が2030年代後半以降と見た非構造化環境――家庭、屋外、対人ケア――の一部は、数年前倒しされる可能性がある。
4 ただし、いまは「賭け」の段階である
一方で、過度な期待は禁物である。
2026年時点で、世界モデルは重要な研究・開発領域ではあるが、汎用ロボットの信頼性問題を解決したわけではない。生成された環境の見た目が自然でも、力、摩擦、柔らかさ、破損、長時間の因果関係が実世界と一致するとは限らない。したがって、世界モデルは実機データを不要にする魔法ではなく、危険で高価な試行錯誤を減らし、実機検証へつなぐ補助基盤として評価すべきである。
自動運転が示した通り、印象的なデモから、あらゆる場面で信頼できる製品までの距離は遠い。世界モデルが期待どおりに育つ保証はなく、育つとしても時期は読みにくい。
したがってこれは、スケジュールを確実に早める要因ではなく、上振れと下振れの両方をもたらす「ワイルドカード」として扱うのが妥当である。
5 脳は入れ替えられる。身体と現場は入れ替えられない
ここから導かれる実務的な結論は、明快である。
「脳」はソフトウェアである。新しいアーキテクチャが登場すれば、原理的には更新やダウンロードで載せ替えられる。数年で別物になることは、むしろ前提と考えるべきである。
一方、身体、アクチュエータ、電池、保守網、安全認証、そして現場から集めたデータは、一夜でダウンロードできない。より賢い脳が登場したとき、それを最初に活かせるのは、動く身体と、直せる体制と、学習に使える現場データを、すでに持っている側である。
だからこそ、企業が投資すべきなのは、半年で入れ替わる脳そのものではない。脳が進化したときに、それを即座に価値へ変えられる「身体と現場の基盤」である。
脳の進化は速い。しかし、その速い脳を現実で働かせる土台は、いまから時間をかけてしか作れない。この非対称性こそ、本稿を通じて日本のものづくりの勝ち筋として述べてきたものと、正確に重なる。
第16章 2030年代に生まれる新しい仕事
ヒューマノイドの導入は、人間の仕事を一方的になくすだけではない。
新たな現場職を作る。
ロボットフリート管理者
遠隔介入オペレーター
ロボット工程設計者
ロボット安全責任者
現場データ収集担当
関節・電池交換技術者
ロボット清掃・衛生管理者
AI作業教師
シミュレーション環境設計者
ロボット保険・事故調査担当
介護ロボットコーディネーター
農業ロボット共同利用管理者
特に日本では、現場を知る熟練者が重要になる。
AI技術者だけでは、作業のコツ、危険、例外、品質基準を教えられない。
熟練者が、自分の技能をデータ化し、ロボットへ教える役割へ移る。
したがって、ヒューマノイド時代に価値が上がるのは、「手を動かせる人」だけでも、「AIを作れる人」だけでもない。
現場とAIの両方を理解し、作業を機械へ翻訳できる人である。
第17章 日本企業は何を準備するべきか
1 2026～2028年に行うこと
まだ大量購入する時期ではない。
行うべきは、工程の棚卸しである。
反復回数
作業時間
重量
移動距離
夜勤比率
労災リスク
離職率
欠員率
対象物の種類
例外回数
品質判定方法
このデータがなければ、ロボットとの比較はできない。
2 最初の対象は「一番単純な仕事」ではない
選ぶべきは、次の条件が重なる仕事である。
単純
高頻度
長時間
夜勤
採用困難
身体負担が大きい
失敗損失が小さい
現場を標準化できる
単純でも、一日30分しかない作業は自動化に向かない。
多少複雑でも、24時間続き、人手不足が深刻な工程は有望である。
3 PoCではなく、100日連続運用を見る
一週間のデモでは、故障、汚れ、季節変化、部品劣化が分からない。
評価すべきは、少なくとも次の項目である。
100日間の稼働率
1000回当たりの失敗回数
平均復旧時間
人間介入時間
電池交換回数
部品交換費
品質不良
安全停止
作業者の受容性
生産ライン全体への影響
4 データ権利を契約する
ロボットを導入すると、現場データが蓄積される。
誰が所有するのか。
メーカーが他社モデルの改善へ使えるのか。自社が別のロボットへ移行するとき持ち出せるのか。映像に従業員や機密設備が映る場合、どのように管理するのか。
データ契約を曖昧にすると、ロボットを入れ替えられなくなる。
5 一社一機種に依存しない
2030年前後には、多くのメーカーが再編される可能性がある。
現場側は、ROS、通信、フリート管理、作業記述、データ形式を可能な限り標準化し、複数機種を扱える構造を持つべきである。
結論 ヒューマノイドは「安い人間」ではなく、「止まっている自動化」をつなぐ存在になる
2026年時点のヒューマノイドロボットは、多くの仕事で人間より高い。
バッテリーは短く、耐久性は十分でなく、手は人間ほど器用ではない。例外が起きれば止まり、遠隔操作や技術者の支援が必要になる。
動画で見せる一回の動作と、社会で求められる十万回の動作の間には、大きな距離がある。
それでも、ヒューマノイドの社会投入は始まっている。
BMWの工場では、Figure 02が10時間シフトで部品投入に使われた。GXOの倉庫では、Digitが10万個を超える容器を移載した。これらは、万能ロボットが完成した証拠ではない。
むしろ逆である。
仕事を狭く定義し、環境を整え、運用を作り込めば、現在の不完全なロボットでも価値を出せることを示している。
ヒューマノイドが人間より安くなる順番は、次の通りである。
第一に、2020年代後半から2030年代初頭に、工場と倉庫の単純搬送、部品投入、容器移載。
第二に、2030年代前半に、工場内の複数工程、食品工場、店舗バックヤード、病院内物流、温室内作業。
第三に、2030年代半ばから後半に、建設現場の屋内作業、露地農業の一部、水産加工、危険環境、介護施設の身体補助。
第四に、2040年代に、家庭、船上、複雑な建設作業、直接的な身体介護。
最後まで残るのは、単に高度な知識を必要とする仕事ではない。
状況が毎回変わり、身体を器用に使い、人の感情を読み、結果に責任を負う仕事である。
介護、看護補助、建設修繕、農漁業、設備保守などは、給与が比較的低くても、自動化費用が高い。人間が驚くほど柔軟で、安価で、省エネルギーな汎用機械だからである。
したがって、2030年代のヒューマノイドは、人間を一台ずつ置き換える存在にはならない。
工場の固定ロボット、AMR、専用機、AI、人間の間をつなぎ、これまで自動化できなかった工程を少しずつ埋める存在になる。
企業が問うべきなのは、「ロボットがいつ人間になるか」ではない。
自社の仕事のうち、どの10分、どの100メートル、どの一工程なら、ロボットに渡した方が安く、安全になるか。
その答えを早く見つけた企業から、ヒューマノイドはバズ動画ではなく、生産設備になる。
そして日本にとって重要なのは、海外の完成品を眺めることではない。
アクチュエータ、減速機、センサー、電池、ロボットハンド、保守、遠隔運用、工場システム連携、現場データという、社会投入に必要な全体構造を作ることである。
国もこの方向へ動き始めた。政府は2025年12月の「人工知能基本計画」でフィジカルAIを明記し、2026年には官民投資ロードマップやAIロボティクス戦略の検討を進めている。国土交通省も同年2月、「ICT導入協議会」の下に「建設分野のフィジカルAI活用推進WG」を設置し、5月には第2回会合を開催した。政策目標や投資額は、計画案、対象期間、官民負担の範囲によって数字が異なるため、本稿では単一の巨額数字だけを強調せず、国産モデル、ロボットデータ、部品・計算基盤、実証現場、安全制度を一体で整備する方向性を重視する。日本が持つ産業用ロボット、モーター、減速機、センサー、電池、製造現場を、AIモデルと運用データへ接続できるかが問われている。
ヒューマノイドの勝負は、最も人間らしく踊れた企業が勝つのではない。
最も長く止まらず、最も速く直り、最も少ない人間介入で、最も多くの仕事を終えた企業が勝つ。
その本当の競争は、いま始まったばかりである。
※将来時期は2026年7月13日時点の標準シナリオであり、確定予測ではない。
本稿の読み方――事実と予測を混同しないために
本稿には、三種類の情報が含まれている。
第一は、確認済みの事実である。 公式発表された商用契約、工場での処理件数、政府の政策資料、公式仕様などが該当する。ただし、メーカー公式値は第三者監査値とは限らない。
第二は、企業・調査会社による計画や推計である。 出荷予定、将来価格、市場規模、実証開始予定などであり、実現しない可能性がある。
第三は、本稿の標準シナリオである。 「何年に人間より安くなるか」という年次は、価格、稼働率、監視比率、賃金、安全制度を組み合わせた著者の推定であり、業界全体で合意された予測ではない。
今後、このロードマップを更新するときは、出荷台数よりも、年間有効作業時間、停止率、遠隔介入時間、保守費、事故件数を優先して見る必要がある。
参考資料・出典
※企業の将来計画、目標台数、予定価格は、実績値ではない。本文では可能な限り「公式発表」「商用契約」「実運用実績」「本稿の予測」を区別した。URLと公開日は2026年7月13日時点。
Figure AI, “F.02 Contributed to the Production of 30,000 Cars at BMW,” 2025年11月19日
https://www.figure.ai/news/production-at-bmwAgility Robotics, “Digit Moves Over 100,000 Totes in Commercial Deployment,” 2025年11月20日
https://www.agilityrobotics.com/content/digit-moves-over-100k-totesAgility Robotics, “Toyota Motor Manufacturing Canada Commercial Agreement,” 2026年2月19日
https://www.agilityrobotics.com/content/agility-robotics-announces-commercial-agreement-with-toyota-motor-manufacturing-canadaInternational Federation of Robotics, “Top 5 Global Robotics Trends 2026,” 2026年1月8日
https://ifr.org/ifr-press-releases/news/top-5-global-robotics-trends-2026International Federation of Robotics, “Top 5 Global Robotics Trends 2025”
https://ifr.org/ifr-press-releases/news/top-5-global-robotics-trends-2025厚生労働省「令和7年賃金構造基本統計調査 結果の概況」
https://www.mhlw.go.jp/toukei/itiran/roudou/chingin/kouzou/z2025/index.html国土交通省「i-Construction 2.0 ～建設現場のオートメーション化～」
https://www.mlit.go.jp/tec/constplan/content/001738240.pdf農林水産省「そこが知りたい“スマート農業”」
https://www.maff.go.jp/j/pr/aff/2504/spe1_01.html厚生労働省「介護ロボットの可能性と、その先にある未来」
https://www.mhlw.go.jp/stf/houdou_kouhou/kouhou_shuppan/magazine/202204_00001.htmlForbes, “10 Jobs That Are Safe Because Robots Cost Too Much,” 2026年7月
https://www.forbes.com/sites/johnkoetsier/2026/07/07/10-jobs-that-are-safe-because-robots-cost-too-much/Reuters, “Humanoid startup Apptronik raises $520 million,” 2026年2月11日
International Federation of Robotics, World Robotics 2025
BMW Group, “BMW Group advances the use of Physical AI in production with Figure 03 project in Spartanburg,” 2026年6月
https://www.press.bmwgroup.com/global/article/detail/T0458778EN/The Robot Report, “Humanoid maker Agility Robotics to go public through SPAC merger,” 2026年6月
https://www.therobotreport.com/humanoid-maker-agility-robotics-go-public-through-spac-merger/Caixin Global, “Unitree Robotics Wins Approval for $618 Million STAR Market IPO,” 2026年7月3日
https://www.caixinglobal.com/2026-07-03/unitree-robotics-wins-approval-for-618-million-star-market-ipo-102460136.html内閣府「人工知能基本計画」（令和7年12月23日閣議決定）
https://www8.cao.go.jp/cstp/ai/ai_plan/aiplan_20251223.pdf内閣官房・日本成長戦略本部「官民投資ロードマップ素案（フィジカルAI）」
https://www.cas.go.jp/jp/seisaku/nipponseichosenryaku/kaigi/dai3/shiryou2.pdf経済産業省「AIロボット・フィジカルAIを見据えたマルチモーダル基盤モデル開発事業」，2026年6月
https://www.meti.go.jp/press/2026/06/20260630005/20260630005.html国土交通省「i-Construction 2.0」2025年度取組予定
https://www.mlit.go.jp/report/press/kanbo08_hh_001199.html厚生労働省「第9期介護保険事業計画に基づく介護職員の必要数について」，2024年
https://www.mhlw.go.jp/stf/seisakunitsuite/bunya/0000209634.htmlFigure AI, “Helix: A Vision-Language-Action Model for Generalist Humanoid Control,” 2025年2月
NVIDIA, “GR00T N1: An Open Foundation Model for Generalist Humanoid Robots,” 2025年3月
https://arxiv.org/pdf/2503.14734Reuters, “Ex-Meta AI chief Yann LeCun’s AMI raises $1.03 billion,” 2026年3月10日
https://www.reuters.com/business/ex-meta-ai-chief-yann-lecuns-ami-raises-103-billion-alternative-ai-approach-2026-03-10/Google DeepMind, “Genie 3: A new frontier for world models,” 2025年8月
NVIDIA, “Cosmos World Foundation Models”
https://www.nvidia.com/en-us/ai/cosmos/Agility Robotics, “New Innovations for Market-Leading Humanoid Robot Digit,” 2025年3月31日
https://www.agilityrobotics.com/content/agility-robotics-announces-new-innovations-for-market-leading-humanoid-robot-digitFigure AI, “F.03 Arrives at BMW,” 2026年6月30日
https://www.figure.ai/news/f-03-at-bmwUnitree Robotics上場申請資料を基にしたReuters報道, 2026年3月20日
https://www.reuters.com/world/asia-pacific/unitree-plans-shanghai-ipo-testing-interest-humanoid-robots-2026-03-20/ISO, ISO/CD 25785-1 “Robotics — Safety requirements for industrial mobile robots with actively controlled stability,” 開発中
https://www.iso.org/standard/91469.html国土交通省「建設分野のフィジカルAI活用推進WG」設置（ICT導入協議会の下）2026年2月18日
https://www.mlit.go.jp/tec/constplan/sosei_constplan_tk_000036_00001.html国土交通省「建設分野のフィジカルAI活用推進WG（第2回）」2026年5月27日
https://www.mlit.go.jp/report/press/kanbo08_hh_001330.html厚生労働省「第9期介護保険事業計画に基づく介護職員の必要数について」2024年7月12日
https://www.mhlw.go.jp/stf/newpage_41379.html株式会社Enactic「介護テクノロジー開発で全国80法人以上とパートナー締結」2026年3月24日
https://prtimes.jp/main/html/rd/p/000000005.000166268.htmlファナック「ファナックはGoogleとの協業でフィジカルAI社会実装を加速」2026年5月13日
https://www.fanuc.co.jp/ja/profile/pr/newsrelease/2026/news20260513.html36Kr Japan「配膳ロボでシェア日本一のPudu Robotics（すかいらーく約2100店・3000台導入ほか）」2023年
https://36kr.jp/245733/MarketScale, “Kawasaki Robotics × Dexterity RL030N（Foresight World Model搭載アーム）,” 2026年
https://www.marketscale.com/industries/industrial-iot/physical-ai-converges-on-the-warehouse-floor-five-operational-moves-shaping-industrial-robotics-in-mid-2026TechTimes, “Robot Boom Meets Earnings Reality: Unitree Profits Halved, Optimus Not for Sale,” 2026年7月11日
https://www.techtimes.com/articles/320197/20260711/robot-boom-meets-earnings-reality-unitree-profits-halved-optimus-not-sale.htmBigGo Finance「Humanoid Robots on the Eve of Mass Production: Optimus Line Takes Shape, Unitree's IPO Ignites China's A-Share Market」2026年7月
https://finance.biggo.com/news/3bf8df38-4754-4491-bed4-5e018280441f
ハッシュタグ
#フィジカルAI
#ヒューマノイド
#人型ロボット
#ロボティクス
#製造業
#工場自動化
#物流ロボット
#スマート農業
#建設DX
#介護ロボット
#AI
#生成AI
#ロボットAI
#PhysicalAI
#HumanoidRobot
#日本のものづくり
#人手不足
#省人化
#自動化
#未来予測
#TCO
#RaaS
#FigureAI
#Figure03
#AgilityRobotics
#Digit
#Unitree
#Apptronik
#EmbodiedAI
#社会実装
#ロボット導入
#介護ヒューマノイド
#ヒューマノイド元年
#未来の仕事
#産業用ロボット
#協働ロボット
#配膳ロボット
#清掃ロボット
#サービスロボット
#ファナック
#安川電機
#適応型自動化
#テスラOptimus
#中国ロボット
#出荷台数より稼働時間
いいなと思ったら応援しよう！
この記事は noteマネー にピックアップされました
