Physical AIの顧客は、完成したロボットを待つだけではなくなっている

ヒューマノイド産業は通常、ロボット企業を主語に語られる。歩行、hand、foundation model、量産能力が比較される。しかし最近の韓国企業を顧客側から見ると、別の変化が見える。

HD現代は自社の産業環境に必要なhandと工程を共同設計し、Samsungは関係会社の実作業をuse caseとして切り出してロボット企業と検証し、CJ大韓通運は物流センターで最初に任せるtaskを自ら選んだ。

BanseogはこれをTask Specification Ownershipと捉える。どのtaskを先に自動化し、何を成功とし、どの例外を学ばせるかは、現場を持つ企業が最も深く知っているからだ。

HD現代では、現場taskがロボットのhardware要件まで決め始める

HD現代ロボティクスはAIDIN Roboticsへ130億ウォンを投資し、造船・重工業向け5指ロボットハンドを共同開発する。力・トルク・触覚sensorを使い、対象物との接触と力分布を読みながら精密に制御する技術が中核だ。

対象も「製造業」ではなく、研磨・グラインディングという具体工程まで下がっている。材料形状、接触圧、品質、工具摩耗、安全条件がhand・sensor・controlの要件を逆に決める。

ここでは顧客の工程知識がsoftware設定だけでなくproduct requirementそのものに入る。産業企業が最後のbuyerではなく、ロボットの形を決めるco-designerになる。

Samsungは工場の仕事を「AIが学べる問題」に切り直している

Samsung SDSはRX ART 2026で、Samsung Electro-MechanicsとSEMESの部品handling・消耗品交換、Samsung Heavy IndustriesとSamsung E&Aの厳しい屋外作業、Samsung Displayの精密操作をそれぞれPhysical AI企業と検証した。

重要なのは、単なるdemoではなく実際の現場課題を基にAI学習に必要なdataを確保し、適用可能性を検証したと説明している点だ。産業taskそのものがtrainingとevaluationのcurriculumへ変わる。

「何をもって正常完了とするか」「どの失敗は許容できないか」「必要な精度・力・cycle timeは何か」は現場企業が定義する。顧客の工程知識がtraining/evaluation infrastructureの一部になり得る。

CJ大韓通運は最初のtaskと、その次のtaskの順番を持っている

CJ大韓通運は龍仁・陽智のOlive Young物流センターの実運用工程に双腕ヒューマノイド2台を投入した。最初の仕事は箱の中へ緩衝材を入れるpacking taskで、その後ピッキング・分類・検品・梱包へ段階的に広げる計画だ。

意味があるのは緩衝材投入が派手だからではない。運営企業が一つのtaskを選び、現場で成立するかを確認し、隣接taskへ広げる順序を持っていることだ。

物流センターはロボットの使用場所であるだけでなく、商品形状、箱規格、conveyor速度、例外処理、作業順序を持つtraining/evaluation environmentでもある。

次の競争力は「良いロボット」だけでなく「良いtask curriculum」に宿るかもしれない

Agilityの公開資料が「どのworkflowがROIを通過するか」というsupplier側の経済性を示したとすれば、今回の韓国事例はそのworkflowを誰が定義するかを見せている。ロボット企業だけですべての産業の作業条件と例外を保有するのは難しい。

一方、造船・電子・物流企業は品質基準、failure pattern、cycle time、安全規則、設備制約、現場dataを長年蓄積してきた。それがロボットに何をどの順番で学ばせるかを決めるtask curriculumになる可能性がある。

modelとhardwareを持つロボット企業、現場とtaskとevaluation dataを持つ産業企業が相互依存するなら、顧客は単なるbuyerではなくcapabilityを共同で作るpartnerになる。

人材市場では「ロボットを作る人」と「ロボットに仕事を定義する人」の間が広がる

グラインディングをロボットへ渡すにはcontrolだけでなく、合格表面、振動、圧力、摩耗、品質、安全を知る生産技術・工程・品質経験が必要だ。物流でもpicking、packing、WMS、設備運用、工程改善の経験がtask specificationの材料になる。

Physical AIの隣接人材を探すとき「ロボット経験があるか」だけでは市場を狭く見過ぎる。より重要なのは「自動化する仕事を定義し、例外を説明し、成功基準を数値にできるか」だ。

application engineering、automation、production engineering、process engineering、qualityに散らばる責任が、ロボットと現場の間でtaskを翻訳する新しい組み合わせへ発展する可能性がある。職名より先に仕事が生まれる領域だ。

BANSEOG VIEW

Physical AIでは、顧客が「仕事curriculumの共同著者」になる

HD現代・Samsung・CJの成熟度はそれぞれ開発・検証・運用と異なる。同じ商用化段階として扱うべきではない。

共通するのは、産業企業がtaskを選び、必要なhardware・data・成功基準・拡張順序の定義に直接入っていることだ。Physical AIの顧客はbuyerからtask-spec co-designerへ動き得る。

採用でもrobot-native経験だけでなく、工程の正常・失敗・品質・安全・cycle timeを説明し、それを学習・評価条件へ翻訳できるdomain capabilityの価値が高まる可能性がある。

SOURCES

参照した主な資料

3事例の段階は異なる。HD現代ロボティクスは共同開発・実証・事業化計画、Samsung SDSは実産業課題ベースの技術検証、CJ大韓通運は実運用工程への投入である。「Task Specification Ownership」「仕事curriculumの共同著者」は公開情報を接続したBanseogの分析であり、3社が同じ形でAI modelを直接trainingしているという意味ではない。