Teslaは2026年末までに週1,000台の生産を目標とする中、Optimusロボットの訓練に作業員が躊躇し、摩擦が生じていると報じられている。技術面での話は既知のものだ――ヒューマノイド生産の拡大は困難である。より興味深いのは構造的な問題だ。身体性を持つAIは人間による実演から学習するため、訓練データを生成する人々は文字通り、自分の仕事を機械に教えていることになる。このインセンティブの対立には、明確なエンジニアリング的解決策が存在しない。

グローバルに見れば、これはヒューマノイド仮説における断層線を露呈している。基盤モデルはオープンウェブを無料でスクレイピングしたが、ロボティクスには同等のコーパスが存在しない。物理的タスクのデータは意図的に生成される必要があり、しばしば自動化される作業者自身によって行われる。これにより、自動化プロジェクトをめぐる労働経済学が再構築されることが予想される――企業はデータ生成プレミアムの支払い、雇用保証の提供、あるいはサードパーティの遠隔操作業者との契約が必要になるかもしれない。ロボットに教えるコストは、ロボットを作るコストと比較して過小評価されている。急速な単価低下を見込む企業は、アクチュエーターではなくデータパイプラインが制約要因であることに気づくかもしれない。

ガバナンスの側面もある。自らの代替要員を訓練するというダイナミクスは、労働組合の精査、欧州における労使協議会との摩擦、そして評判リスクを招く。ヒューマノイド展開の勝者となるのは、最高のハードウェアを持つ企業だけでなく、データ収集を持続可能にする人間協力問題を解決した企業となるだろう。

日本にとって、これは特に重要な意味を持つ。同国は製造業、物流、高齢者介護全般にわたって真の労働力不足に直面しており、ヒューマノイドは脅威というより国家規模の機会となる――Teslaで見られる政治的抵抗は、ロボットが労働者を置き換えるのではなく欠員を埋める場合、はるかに弱い。精密自動化とモーション制御における日本企業は、すべてのヒューマノイドメーカーの上流に位置しており、実演データと遠隔操作インフラへの需要は、ロボティクス統合における国内の強みを活かすものだ。

SIerと国内開発チームにとって、短期的な勝負はヒューマノイド製造ではなく、その周辺レイヤーにある。遠隔操作プラットフォーム、タスク実演キャプチャシステム、シミュレーションから実環境へのパイプライン、そして工場現場の雑多なデータを訓練セットに変換するワークフローツールだ。RPAベンダーもこの軌道に注目すべきである。ソフトウェア自動化は画面を扱ったが、次のフロンティアは物理タスクの自動化であり、SIerがすでに企業に販売している統合スキル、安全性検証、変更管理の専門知識は直接的に転用できる。Teslaが直面しているボトルネックは、まさに日本のインテグレーターが構造的に解決できる位置にある運用上の問題なのだ。