「製造データと暗黙知があれば勝てる」は幻想？ フィジカルAI“10の誤解”をGartnerが指摘：AIニュースピックアップ

「製造データや現場の暗黙知がある日本企業は、フィジカルAIでも自然と優位に立てる」という見方に対し、Gartnerは誤解だという見解を示す。同社が指摘する、フィジカルAIに関する10の誤解とは何か。

[ITmedia]

　ガートナージャパン（以下、Gartner）は2026年10月5日、フィジカルAIに関するよくある10の誤解を発表した。Gartnerによると、フィジカルAIへの関心が急速に高まり、認知が広がる中で、その意味や適用範囲には多くの誤解が見られるという。

「製造データと暗黙知があれば勝てる」のどこが誤解なのか？

　10の誤解が扱う論点は幅広い。フィジカルAIの定義や中核となるAIモデルから、適用される産業、システムを構築する場所、人とAIの役割分担にまで及ぶ。中でもGartnerが誤解の一つに挙げるのが、「製造データや現場の暗黙知を持つ日本企業は、自然と競争優位性を持つ」という見方だ。Gartnerはデータや暗黙知は強みになり得るとしながらも、これを「誤解」としている。

　Gartnerが挙げた10の誤解と、それぞれに対するGartnerの見解は次の通りだ。

1. 誤解1：既存の工場やインフラ、業務にAIやロボットを追加すればよい：　Gartnerは、フィジカルAIは既存システムへの新しいソリューションや追加機能ではないと説明する。「フィジカルAIが入ったロボット」「フィジカルAIを搭載した自動車」といった表現は誤解を招くもので、フィジカルAIという特定のAIモデルやソフトウェアが単体で存在するわけではない。フィジカルAIとは、AI、センサー、制御、ロボティクス、シミュレーション、データ、IT／OTなどを組み合わせ、実世界を認識し、判断し、行動し、その結果から継続的に学習、改善するシステムの在り方を指す。従って、フィジカルAIへの対応はAIソリューションやAI機能の追加ではなく、実世界に働き掛けるシステムそのものを再設計し、継続的に進化できる構造へ変えていく取り組みだ
2. 誤解2：フィジカルAIとは、ヒューマノイドやロボットそのものを指す：　ヒューマノイドやロボットは代表的な実装形態だが、フィジカルAIの対象には車両、ドローン、機械、設備、インフラなども含まれる。特定のデバイスとしてではなく、実世界を認識、判断して行動し、その結果から学習を繰り返して改善し続ける仕組み（Gartnerはこれを「フライホイール」と呼ぶ）として捉えることが重要だと指摘する
3. 誤解3：中核モデルはドメイン特化型言語モデル（DSLM）だ：　DSLMは人間の言語や業務知識、規則、文書などを扱う言語モデルであり、人間や業務とフィジカルAIの間で意味を共有するレイヤーには使えるが、物理世界の状態や変化を理解、予測して具体的な行動につなげる中核モデルではない。中核的な役割を担うのは、物理世界の状態や変化を理解、予測する「World Model」と、視覚情報や言語指示を具体的な行動につなげる「VLA（Vision-Language-Action）」などのモデルだ。これらを組み合わせ、認識、予測、判断、行動を一連の仕組みとしてつなげることが重要だと説明する
4. 誤解4：製造データや現場の暗黙知がある日本企業は、自然と競争優位性を持つ：　製造データや現場の暗黙知は日本企業の重要な強みになり得るが、保有しているだけで競争優位に立てるわけではない。「今の工場や環境にAIを入れる」という発想から離れ、フィジカルAIを前提に工場、設備、業務プロセス、人と機械の役割分担そのものを再設計する必要がある。これは単なるIT投資ではなく、ロボット、センサー、エッジ基盤、大量のGPUからなるAIファクトリーやクラウドを含む計算基盤、AIモデル、データ、人材などにまたがる大きな投資判断を伴う。その上で、既存の製造データや暗黙知を生かしながら、実行から新たなデータを生み、学習、改善、再設計へつなげるフライホイールを継続的に回せる構造を作る必要があるとする
5. 誤解5：自動車や製造、ロボットなど、物理製品を扱う企業だけのテーマだ：　適用領域は製造に限らない。物流、建設、小売、医療、エネルギー、農業、都市や社会のインフラなど、物理世界との接点を持つ幅広い産業が対象になる
6. 誤解6：フィジカルAIを構成する技術の一つで強みを持てば十分だ：　フィジカルAIは、AIモデル、センサー、データ、シミュレーション、制御、計算基盤、安全、物理システム、運用などが連携し、認識、予測と判断、行動、結果の取得という閉ループを形成して初めて成立する。単独のレイヤーだけではフィジカルAIとしての競争力は得られない。フィジカルAIを新しいシステム工学として捉え、技術スタック全体をエンドツーエンドで設計することが重要だとみる
7. 誤解7：日本の競争力や主権の確保には、AIモデルからロボティクスソフトウェアまで国産化が必要だ：　フィジカルAIの技術スタックは広く、全てを国内技術だけでそろえることは現実的ではない。世界の優れた技術を利用しながら、データ、制御、安全、運用、知的財産、代替可能性など、自社や国内で何を保持するのかを明確にすることが肝要だと説く
8. 誤解8：高性能なフィジカルAIを一度構築すれば、その後は継続的に利用できる：　フィジカルAIは、センシング、判断、行動、学習を繰り返すフライホイールによって継続的な改善や最適化を実現する仕組みであり、一度完成させて終わるものではない。実世界やシミュレーションから得られる結果を反映しながら、継続的に改善していく必要がある
9. 誤解9：リアルタイム制御のため、オンプレミスやエッジだけで構築する必要がある：　リアルタイム性、安全性、可用性、データレジデンシー（データの保管場所に関する制約）などの要件から、工場や現場に近接したエッジやオンプレミスの基盤は重要になる。一方、World Modelを含む大規模学習、追加学習、シミュレーションなどは必ずしも現場近くで実行する必要はなく、クラウドや大規模な計算基盤も利用する。フィジカルAIのアーキテクチャは、エッジ、オンプレミス、クラウドを組み合わせる分散型アーキテクチャとして設計、実装することが重要だとしている
10. 誤解10：高度化すれば工場や現場の完全無人化が最終形になる：　自動化率や自律度を最大化すること自体がフィジカルAIの目的ではない。人、AI、機械の役割を再設計し、より安全で人に優しい環境と、生産性、品質、柔軟性を同時に最適化することが重要だとする。真に競争力を向上させたい企業は、完全無人化ではなく「People-Centric（人中心）」な全体最適を目指すべきだとGartnerはみる

　Gartnerの亦賀忠明氏（ディスティングイッシュト バイス プレジデント アナリスト）は「既に時代は、『フィジカルAIを使う』段階から、『フィジカルAIを前提として、企業の形、仕事の進め方、工場、インフラ、業務そのものを再定義する』段階に移行している」と述べる。取り組みを始める際のポイントとしてGartnerは、まず対象領域を限定し、現場、デジタルツイン、World Model、制御、データ基盤までをつないだ最小の完成形を構築することを挙げる。その上で対象を段階的に広げ、フライホイールを回せる状態へ発展させるという進め方だ。

　人材面では、World Model、ロボティクス、制御、シミュレーション、IT／OT、安全、データ、業務を横断し、実世界に実装する能力が求められるとする。こうした能力を持つ人材には、AIプラットフォームを駆使してビジネスプロセスそのものを更新し、意思決定、実装、改善のスピードを高めるFDE（Forward Deployed Engineer）のような人材も含まれる。Gartnerは、自社の中核を担う高度プロフェッショナル人材を育成する人材投資戦略のアップデートが急務だとしている。