2024年6月、GXO Logistics はヒューマノイドロボット業界初の商用導入契約を締結した —— Agility Robotics の Digit ロボットが Spanx の物流センターに導入される。細則を読むと：これは複数年の Robots-as-a-Service 契約だ。GXO はロボットを買っていない。ロボット稼働時間を借りている。この一点だけで、基調講演の華やかな動画よりも、この技術の現在地がよく分かる。
私は3年間、物流におけるヒューマノイドを追跡し、実証実験を間近で見てきた。私の結論は二つある：近いうちに人件費を削減できるとは期待するな。しかし無関係だと思い込むのもやめろ。これからの数年は準備期間であり —— その準備を、ほとんどの倉庫が丸ごと飛ばしている。
実際にやっていること：3件の実導入事例
事例1：米国南東部の Spanx アパレル物流センター。2023年後半の概念実証を経て、GXO と Agility は 2024年6月27日に複数年契約を締結 —— 研究提携ではなく商用契約としてヒューマノイドが倉庫に入った初のケースだ。業務は狭く具体的：Digit はコンベアの横に立ち、自律移動カートからトートをベルトに移す。空でも満杯でも、高くても低くても届く。移動はカートが担い、受け渡しはヒューマノイドが担う。1つの動作をシフト中ずっと繰り返す：拾って、置く。
事例2は業界で最も文書化された実証実験だ。2024年1月、Figure AI は BMW と商用契約を締結し、サウスカロライナ州スパータンバーグの BMW 工場にロボットを送り込んだ。8月には Figure 02 が車体工場で鋼板部品を溶接治具に挿入していた。舞台に注目：倉庫ではなく車体工場 —— どんな物流センターよりもはるかに構造化された環境だ。11か月後の公表数字は見事だ：1,250時間超の稼働、90,000点超の部品搬送、30,000台超の車両組立てへの貢献、そして84秒のサイクルタイム目標の安定的な達成。だが同社の振り返りを読むと、ロボットの手首が最大の故障点だったと名指ししている —— ぎっしり詰まった構造、手首の自由度、熱管理、どれも問題だ。次世代の Figure 03 はまさにその教訓を反映して再設計され、2026年6月には同じ敷地の Hall 52 に移って物流シーケンシングを担う：積載カートの牽引、無順序部品の仕分け、作業ステーションへの正確な順序での供給だ。
事例3は私のお気に入りだ。オレゴン州セーラムで、Agility は世界初のヒューマノイドロボット工場を開設した —— 70,000平方フィート、生産は2024年開始、年間生産能力は10,000台超の計画。そしてその工場のフロアで働くのは Digit ロボット自身だ。トートを運び、設備に積載する。自社製品を自分で使う。私はそれを尊敬する。
一方 Amazon は、2023年にシアトルの R&D 施設で Digit をテストした。そして —— 大口発注はなかった。この沈黙こそが、業界の今の総意を物語る：注視し、小規模で試し、何もコミットしない。
規模感のために：現在の倉庫用二足歩行ロボットは身長約5フィート9インチ、体重約65キログラム、1回あたり約35ポンドの搬送能力だ。つまり成人ピッカーの「歩く＋運ぶ」能力と一対一に対応する —— それ以上でも以下でもない。ベンダーは実作業環境での累積65,000時間超を謳うが、機体数とタスク種別で割れば、見出しが示唆するほどサンプルは厚くない。
本格的なピッキングまでのギャップ
正確に確認しよう、今何が存在するか。基調講演の万能ヒューマノイドと、実際に導入できる機械は別物だ。今借りられるのは二足歩行の単一タスク搬送機だ。新しいタスクを渡せば再学習と再導入が必要になる。人間のように一度見て覚えるわけではない。
ギャップ1：器用さ。ピッキングは箱を運ぶことではない。似たものの中から正しい品目を識別し、潰さずに掴むことだ。人間の手首と指の組み合わせは、今出荷されているどの製品よりもはるかに先を行っている。BMW の実証を思い出そう：手首が最大の故障点になった —— しかも扱っていたのは規格化された鋼板部品という、想像できる中で最も構造化されたタスクだ。倉庫の SKU は形状・重量・壊れやすさが千差万別だ。易しくなく、難しい。
ギャップ2：信頼性。1,250時間と90,000点は本物の成果であり、同時にすべてを物語る：1台の機械、11か月、1つのタスク、近くにエンジニア。倉庫に必要なのは、1日20,000オーダーを捌くピークシーズンを通じた24時間稼働だ。今の成熟度は、その水準に少なくともハードウェア1世代分届いていない。
ギャップ3：採算。ベンダーは価格を滅多に公表しない。ほぼすべて RaaS だ。ロボット稼働時間は優雅に聞こえるが、代替案の価格を見ると話が変わる：トートを A 点から B 点に運ぶのは解決済みの問題だ。固定式ロボットアーム＋コンベア、あるいは AMR なら、今すぐ表計算ソフトに載るコスト構造がある。ヒューマノイドのプレミアムが買うのは「いつかもっと多くのタスクができる」というオプションだ。今そのプレミアムを払うのは、ベンダーの R&D 予算を肩代わりすることだ。
ギャップ4 —— 誰もが過小評価するもの：デモは導入ではない。基調講演の映像は水のように滑らかだが、本物の実証は安全ゾーンの中で、固定ルートで、エンジニア待機の下で動いている。20年間、「映像では素晴らしい」システムが倉庫の現場で死んでいくのを何度も見てきた。
誰も口にしたがらない、もう一つの静かなギャップもある：ヒューマノイドが常に最善手とは限らない。倉庫作業のほとんどは高度に構造化されている —— 固定スロット、固定ルート、固定モーション —— そういう仕事には、ロボットアーム＋コンベアか AMR の方が、すでに安くて信頼できる。ヒューマノイドの本当の価値は非構造化ゾーンにある：日々変わるルート、時間ごとに変わるタスク、人と機械が混在するエリアだ。構造化された仕事にヒューマノイドのプレミアムを払うのは、宅配便のためにスポーツカーを買うようなものだ。
そこで私のタイムライン —— 断っておくが、これは私の判断であり、ベンダーのロードマップではない：
2026年から2027年：単一タスクの実証が小規模商用化へ。トート搬送、コンベアへの積み降ろし、単純なシーケンシング —— 「歩く＋運ぶ」の仕事が先に着地する。主にレンタル条件で。
2027年から2029年：マルチタスク実証が拡大。1台が2〜3の関連動作を連続してこなし、コストは人件費＋既存自動化との正直な競争に近づく。
2029年以降：本格的なマルチ SKU ピッキングのスケール化 —— ただし器用さ・信頼性・コストの3つがすべてクリアした場合のみ。1つでも停滞すれば、タイムライン全体が後ろにずれる。
あなたの倉庫が今すべきこと
これを「3年待っていい」という許可証と読まないでほしい。逆だ：今は準備の年であり、準備した者が最初の波に乗る。
第一に、プロセスをロボットフレンドリーに。身体性 AI は人間の実演を見て学ぶ。ワークフローが標準化され、トートサイズが均一で、受け渡し点が固定されているほど、ロボットは速く学ぶ。今すぐ始めよう —— ロボットが来なくても、標準化はそれ自体で人件費を削減する。
第二に、買うな、借りろ。ハードウェアは毎年世代交代する。今買えば、去年のモデルを今年の価格で所有することになる。RaaS はすでに業界の実証済みパターンだ —— 2024年の商用契約はまさにその形で結ばれた。パイロットとプロセス再設計に金を使え。減価償却する資産に使うな。
第三に、単一タスクのパイロットから始めろ。「無人倉庫」ではない —— 自分の建物で最も反復的な手動受け渡しステーションを見つけてくれ。たとえばコンベアに流す返品エリアだ。そこでパイロットをやる。うまくいけば複製し、だめなら損失は限定的だ。ステーション選びのコツ：採用が最も難しく離職率が最も高いシフトを優先する —— 夜勤、重量物だ。そこの人件費は毎年上がる。だから成功したパイロットは最もクリーンな ROI ストーリーを生み、次の予算取りも最も通りやすい。
明日からできること：スーパーバイザーに、倉庫で最も反復的な手動受け渡しステーション3か所を撮影させる —— スマホのカメラで、1か所ずつワンカット、編集なし。今その動画は教育資料だ。3年後には、それがあなたのロボットの最初の学習データセットになる。
英語版からの翻訳。内容に相違がある場合は英語版を優先します。
