エグゼクティブ・サマリー
- 「自然言語で動く現場」は一枚岩ではない。①指示の解釈 ②タスク計画 ③動作生成の3層に分解すると、いま実装できる層と、まだ実験段階の層がはっきり分かれる。混ぜて語るから、期待と現実がずれる。
- 現時点で投資対効果が最も確実なのは①と②、すなわちロボットの「手前」である。動作そのものを生成AIに作らせる③は、限定条件下では動くが、まだ量産現場の主戦場ではない。
- 生成AIの本質的な弱点は出力が確率的であること。同じ指示が毎回同じ結果を返す保証がない。したがって安全機能・非常停止・速度制限を生成AIの判断に依存させてはならない。ここは設計上の絶対条件である。
- 実装の勝負どころは、モデルの性能ではなく曖昧さをどこで潰すかにある。人の指示は必ず曖昧で、現場の語彙は標準語ではない。解釈結果を人に見せて確定させる一手間が、成否を分ける。
- ロボットビジネス側にとっての機会は、モデルを作ることではない。現場の語彙・作業手順・例外パターンという「文脈データ」を持つ側が有利になる構造がある。これは現場知見を持つ企業の側に立った変化である。
なぜいま「自然言語で動く現場」なのか
ロボット導入の現場で、この2年ほど確実に増えた質問がある。「話しかけたらロボットが動くようにならないのか」というものだ。生成AIが日常業務に入り込んだ結果、経営層も現場も、機械との対話を当たり前の選択肢として考えるようになった。
この期待は、方向としては正しい。ロボット導入の総コストのうち、装置本体が占める割合は思ったより小さく、ティーチング（動作の教示）、周辺システムとの連携、例外時の対応設計、そして人への教育が大きな比重を占める。ここは長く「人が手で埋める」しかない領域だった。自然言語という入口は、この人件費のかたまりに直接効く可能性がある。
一方で、期待が先走ると必ず失望する。「話しかけたら動く」というデモは作りやすいが、量産現場で毎日8時間動かすことと、展示会で3分間動かすことの間には、大きな溝がある。本稿はその溝の正体を明らかにし、いま何を設計すれば投資が無駄にならないかを整理する。RobiZyはロボットを売らない中立の立場から、この技術潮流をユーザー企業・メーカー・SIerの三者に共通の言葉で説明することを重視している。