日本の物流倉庫でフィジカルAIの導入を検討する際、最初に問われるのは「ロボットを導入すると、何人の作業員を減らせるのか？」という問題ではないでしょうか。
例えば、1億円のロボットシステムを導入する場合、何人分の人件費が削減でき、何年間で投資を回収できるのか。こうした計算によって導入の可否を判断します。
しかし、私が欧米の物流倉庫におけるフィジカルAIの実装事例を調査していて気づいたのは、人件費削減だけをROIの効果として計算すると、フィジカルAIが生み出す経済的な価値の相当部分を見落としてしまうということです。
物流倉庫には、作業員の給与以外にも、さまざまな形の経済的損失が存在しています。
- 歩行・探索のムダ：作業員が商品を取りに歩いたり、保管場所を探したりする時間。
- 手待ちのムダ：棚の到着を待つ作業員、前工程の遅れによって停止するコンベヤーやロボット、出荷を待つトラックなど。
- 荷崩れ・商品破損の損失：再梱包、返品、損害補償、作業のやり直しなど。
- 欠品・在庫差異の損失：誤出荷、在庫情報の不一致、販売機会の喪失など。
- 労災・過酷作業の損失：作業員の負傷、欠勤、離職、採用・補充にかかる費用など。
- 教育期間の損失：新人や派遣社員が十分な生産性に達するまでの時間と教育負担。
- 繁忙期の追加費用：年末商戦などの需要増加に対応する派遣、残業、外部委託の割増費用。
- 保管スペースのムダ：保管密度の低さによって発生する増床、外部倉庫、追加輸送などの費用。
■ 第2部［荷降ろし・荷積み］：Boston Dynamics「Stretch」（Otto/Hermes）、FedEx関連（Berkshire Grey Scoop、Dexterity）の過酷作業代替ROI
■ 第3部［混在ピッキング］：Amazon「Vulcan」（触覚センサー）、Ocado OGRP、欧州Sereact（ゼロショット・返品処理）に見るカバー率向上策
■ 第4部［搬送・群制御×3PL］：GXO×Exotec Skypod、GXO×NVIDIA AIフォーク、Amazon Proteus＋DeepFleetと、既存建屋に適合するRaaS展開
■ 第6部＆締め［日本への持ち込み接点］：GXO×Digitの限定工程RaaSと、Agility・Exotec・Sereact・GXO・NVIDIA等の窓口整理、WMS連携・安全基準など日本側の準備条件
2. Capexを小さくする：複数年RaaS、デジタルツイン先行検証、段階的GTP導入と技術外販モデルの活用
3. 1台の知能より「群と同期」で稼働率向上：DeepFleet（移動時間10%減）、グリッド稼働吸収、日立LogiRiSMのGTP/OTP同期による設備規模抑制
4. 人件費以外の損失を分子に入れる：歩行・探索、労災、教育短縮、保管密度、ピーク外注の算入（※初年度ROIがマイナスになり得る点も正直に検証）
5. 横展開と職の再設計で2拠点目から回収加速：拠点複製モデル（Walmart×Symbotic等）と現場職種の再設計・人材投資
日本にも、トヨタ生産方式をはじめとする優れたムダ取りの考え方があります。これらの損失自体は、日本企業にとって未知のものではありません。
しかし、これらの損失を体系的に金額換算し、フィジカルAI導入による経済効果として評価することには、まだ大きな改善の余地があると私は考えています。
例えば、ロボットによってトレーラーからの荷降ろし時間が短縮され、トラックの待機時間が減ったとします。
その結果、バースの処理能力が高まり、実際に残業や追加車両・追加設備の費用を減らせるのであれば、そこには人件費削減とは別の経済効果があります。
また、重量物の繰り返しの荷降ろしから作業員を解放することによって、労災のリスクや採用・定着に関する負担が軽減される可能性もあります。
重要なのは、人件費削減だけではなく、従来の倉庫運営で発生していた回避可能な損失を、ROIの分子に加えることです。
もちろん、作業時間の短縮や安全性の改善を、すべてそのまま金銭的利益として計上できるわけではありません。実際に削減できる費用、追加的な利益、回避できる投資額を区別し、二重計上を避ける必要があります。
この視点を持ってドイツのOtto Groupが導入しているBoston Dynamicsの物流ロボット「Stretch」を調べると、非常に興味深いことがわかります。
1．Otto Groupは「物流倉庫の最も過酷な工程」をロボット化した
ドイツの大手小売・通販企業Otto Groupは、オンライン通販から物流サービスまで幅広い事業を展開している企業グループです。
その物流業務を担うHermes Fulfilmentは、ドイツのハルデンスレーベン（Haldensleben）に大規模な物流センターを運営しています。
この拠点は、衣料品や靴などを取り扱うOtto Groupの重要な物流拠点です。
同社によると、繁忙日には最大4万箱の商品が入荷し、荷降ろしや保管などの作業が行われています。
ここで問題になっていたのが、海上コンテナや交換式貨物コンテナ（スワップボディ）から、大量の段ボール箱を降ろす工程です。
コンテナ内には、衣料品などの商品が入った段ボール箱が大量に積み重ねられています。
作業員はコンテナ内部に入り、これらの箱を一つずつ持ち上げ、コンベヤーへ移さなければなりません。
中には重い箱もあります。
しかも夏場には、金属製のコンテナ内部が高温になります。冬場には寒さも厳しくなります。
このような環境で、何時間も段ボール箱を持ち上げ続ける作業は、肉体的な負担が大きく、人員の確保も難しい仕事です。
そこでOtto Groupが選んだのが、Boston Dynamicsの「Stretch」でした。
Stretchは、人間型のヒューマノイドではありません。
移動可能な台車に大型ロボットアームを搭載し、先端の吸着グリッパーによって段ボール箱をつかみ、コンベヤーへ移載する専用ロボットです。
AIとカメラ、センサーを使って積み重なった箱の位置や形状を認識し、どの箱をどの順序でつかむべきかを判断します。
最大23kgの箱を取り扱うことができ、コンテナ内の奥へ進みながら荷降ろしを続けます。
ここで私が注目したのは、Otto Groupが倉庫全体をロボット化しようとしているわけではないことです。
まず、最も過酷で、反復性が高く、人手の確保が難しい「荷降ろし」という工程に投資を集中しているのです。
これは、フィジカルAIのROIを高めるために非常に重要な考え方だと思います。
出典：Hermes Fulfilment「Otto Group deploys Stretch unloading robot」
2．荷降ろし能力は毎時500箱から550箱へ。Otto Groupは10％の性能改善を実現
Otto Groupは2024年、Hermes Fulfilmentのハルデンスレーベン拠点でStretchの運用を開始しました。
当初公表されていた荷降ろし能力は、1時間当たり約500箱でした。
そして2025年9月19日、同社は新たな運用成果を発表しました。
その時点で3台が追加導入され、最初の1台と合わせて4台のStretchが稼働する体制となりました。
さらに、実際の荷降ろし能力が、当初の毎時500箱から550箱へ向上したことが明らかになりました。
当初の性能目標に対して10％の改善です。
ここで重要なのは、単にロボットの動作速度が向上したということではありません。
コンテナから商品を取り出す工程の処理能力が高まることで、後続の搬送・保管工程へ商品をより安定して供給できる可能性があります。
物流倉庫の入荷工程は、その後の在庫管理やピッキング、出荷工程の出発点です。
入荷した荷物がコンテナ内に滞留すれば、バースの利用時間が長くなり、次のトラックが待たされることもあります。
一方で、荷降ろし工程の処理能力が安定すれば、作業スケジュールを組みやすくなります。
特に繁忙期には、人手を急に増やさなくても処理能力を確保できる可能性があります。
もちろん、Stretchが毎時550箱を処理できるからといって、倉庫全体の生産性が10％向上するわけではありません。前後工程の能力やロボットの実稼働時間によって効果は変わります。
しかし、私が注目するのは、投資効果を考える対象が、単なる作業員の削減から、コンテナの滞留時間、バースの稼働率、繁忙期の処理能力へと広がることです。
これが、物流フィジカルAIのROIを評価するうえで重要な視点だと思います。
出典：Otto Group、2025年9月19日「New Colleagues Made of Steel and Intelligence」
3．100％の自動化を目指さない。人間は例外対応と品質管理を担当する
さらに興味深いのは、Stretchと人間の役割分担です。
Otto Groupが2025年9月に発表した現場レポートによると、Stretchの運用には、訓練を受けた作業員が関わっています。
例えば、ネットワークの不具合が発生した場合、商品のスキャンがうまくいかずコンベヤーが詰まった場合、あるいはコンテナが空になった場合などには、人間が対応します。
作業員は、ロボットが処理できない状況を解決したり、次のコンテナを用意したりします。
つまり、ロボットの導入によって、人間の仕事そのものが変わっているのです。
従来は、段ボール箱を何百回も持ち上げる作業をしていた人が、今度はロボットの運用管理や工程間の調整を担当します。
同社の従業員も、ロボットの導入によって身体的な負担が減り、品質管理や作業の調整に時間を使えるようになったと説明しています。
これは、物流倉庫のフィジカルAIを考えるうえで重要です。
ロボットにあらゆる種類の荷物を処理させ、あらゆるトラブルを自律的に解決させようとすると、システム開発費用が膨らむ可能性があります。
一方、作業範囲を限定し、例外的な作業を人間が担当すれば、ロボットの能力を現実的な範囲で活用できます。
私は、これがフィジカルAIの導入で重要な「割り切り」だと考えています。
すべてを100％自動化しようとするのではなく、自動化効果の大きな6〜8割程度の作業から着手し、残りは人間が担当する。
この比率は導入を考える際の一例であり、Stretchの現場で6〜8割の作業が自動化されたと公表されているわけではありません。実際の適用率は荷物の種類や業務条件に応じて決める必要があります。
それでも、Otto Groupの事例は、ロボットが得意な工程に仕事を集中させ、人間には例外対応や品質管理を担当させるという、合理的な役割分担をよく示しています。
4．新型Stretch Gen 2は毎時最大1,000箱。注目すべきは故障による「停止時間」の削減
そして2026年11月3日、Boston Dynamicsは新型の「Stretch Gen 2」を発表しました。
これは、物流倉庫におけるフィジカルAIのROIを考えるうえで、非常に示唆に富む発表です。
Boston Dynamicsによれば、Stretch Gen 2の荷降ろし能力は毎時最大1,000箱に達します。
ただし、この数字は箱の重量、積み方、複数箱の同時把持が可能かどうかなどによって変動する製品側の最大性能です。Otto Groupが毎時1,000箱を達成したという意味ではありません。
私がさらに注目したのは、新型の開発に使われたデータです。
Boston Dynamicsは、世界の導入先で蓄積した10万時間を超える稼働データと、数千万箱に及ぶ荷降ろし経験を分析したと説明しています。
そのうえで、現場のロボットが停止する主な原因を調べ、ハードウェアの耐久性や保守性を大幅に改善しました。
具体的には、内部配線を81％削減し、配線の摩耗や電気的な接触不良などの原因を減らしています。
また、走行駆動ユニットの交換作業について、従来は丸1日程度かかっていたものを、約1時間で行える設計へと変更しました。
なぜ、こうした改良が重要なのでしょうか。
それは、物流倉庫ではロボットが故障して停止している間にも、荷物の入荷が続くからです。
ロボットの能力がどれほど高くても、故障や保守によって稼働できない時間が長ければ、投資回収は遅くなります。
例えば、年間の稼働予定時間が長い設備では、故障による停止時間を減らすことが、実際に処理できる荷物の総数を増やすことにつながります。
さらに、停止中の代替要員や、復旧までの荷物の滞留などを減らせれば、その分も経済効果になります。
フィジカルAIのROIを高めるのは、最大処理速度だけではありません。故障せずに稼働する時間を増やし、停止しても短時間で復旧できることが重要なのです。
Boston Dynamicsが新型機で重視したのは、まさにこの問題です。
出典：Boston Dynamics、2026年11月3日「Boston Dynamics Launches Next Generation Stretch Robot」
5．Otto Groupは100台超への展開を計画。初号機の導入から複数拠点での回収へ
Otto Groupは2023年、Boston Dynamicsとの戦略的な提携を発表しました。
当時の計画では、グループ内の20以上の物流拠点でStretchを導入することを目指していました。
そして2025年9月、同社は今後数年間で100台を超えるStretchを物流オペレーションに展開する計画を明らかにしました。
ここで重要なのは、1台のロボットを導入して、その性能を評価する段階から、複数台を同時に運用し、グループ全体に展開する段階へ進もうとしていることです。
なお、100台超は将来の導入計画であり、すでに100台以上が稼働しているという意味ではありません。
実際、2025年に追加導入された3台については、並行して設置を進めることで、導入作業が約2週間で完了したと説明されています。
新しい技術の初回導入には、設備との接続、安全確認、作業員の教育、システム調整など、多くの準備が必要です。
しかし、一度導入方法を標準化できれば、2拠点目、3拠点目への展開では、同じ作業を繰り返す負担を軽減できます。
同じメーカーのロボットを導入し、共通のソフトウェアを使用し、同じ教育プログラムを使うことによって、導入費用や保守費用を抑えられる可能性があります。
ここでも重要になるのが、1台のロボットのROIではなく、物流拠点のネットワーク全体で投資回収を考えるという発想です。
この考え方は、日本の大手物流企業や3PL事業者、全国に物流センターを持つ小売企業にとって、特に参考になると思います。
6．Otto Groupの事例から見えてくる、フィジカルAIのROIを高める5つの打ち手
ここまで紹介したOtto GroupとBoston Dynamicsの事例には、フィジカルAIのROIを高めるための重要な原則があります。
第1の打ち手：自動化する工程を絞り込むことです。
全工程の100％自動化を目指すのではなく、効果の高い工程からロボットを導入します。Otto Groupは、コンテナからの荷降ろしという身体的負担が大きく、反復性の高い工程に着目しています。
第2の打ち手：初期投資をできるだけ小さくすることです。
既存の建屋や搬送設備を活用し、必要な工程だけにフィジカルAIを導入します。Stretchは移動式で、既存のコンテナや伸縮式コンベヤーと組み合わせられるため、全面的な倉庫改造を避けられる場合があります。もっとも、設備との接続や安全対策の費用を含めた検討は必要です。
第3の打ち手：ロボット単体ではなく、倉庫全体の稼働率を高めることです。
コンテナ荷降ろしとコンベヤー搬送を同期させることで、商品が次の工程へ円滑に流れるようにします。新型Stretch Gen 2で重視された故障・保守による停止時間の削減も、設備稼働率を高めるための重要な取り組みです。
第4の打ち手：人件費以外の損失をROIの効果に加えることです。
荷降ろし工程の過酷な労働環境、労災リスク、繁忙期の追加人員、トラックバースの待ち時間、設備の停止などを金額で評価します。Otto Groupの事例では特に、作業負担の軽減と繁忙期の処理能力確保が重要な論点になります。
第5の打ち手：標準化した工程を複数拠点に横展開することです。
Otto Groupが計画している100台超への展開は、その典型的な方向性です。最初の拠点で蓄積した導入方法や運用ノウハウを、別の物流拠点にも適用することで、グループ全体の投資対効果を高めることを目指します。
私はこの事例を調べて、フィジカルAIの導入では、何でもできるロボットを待つよりも、まず改善効果の大きな工程を選ぶことが重要だと感じました。
「物流倉庫のどの工程で、どの損失が最も大きいのか」を特定することが、フィジカルAI導入の出発点なのです。
12月2日、日刊工業新聞社のセミナーで海外の実装事例を詳しく解説します
私は2026年12月2日（水）、日刊工業新聞社主催のオンラインセミナー「海外の物流・倉庫におけるフィジカルAIの実装事例」で講師を務めます。
今回のセミナーでは、Otto GroupとBoston Dynamicsの事例だけではなく、米国・欧州の物流・倉庫におけるさまざまなフィジカルAIの実装事例を取り上げます。
FedEx関連の荷役自動化、Amazon Vulcanの触覚ピッキング、Ocadoの混在ピッキング、GXOとExotecによる倉庫自動化、Amazon DeepFleetの群制御、GXOとAgility RoboticsによるヒューマノイドDigitの商用導入などを詳しく解説します。
各事例では、ロボットの構造や動作、導入工程、現場でどのように使われているかを理解できるよう、海外の公開動画を積極的に活用します。
さらに、単に技術を紹介するのではなく、それぞれの技術が物流倉庫のどの損失を減らし、どのような仕組みでROIを高めるのかを分析します。
特に重視するのは、今回ご紹介した5つの打ち手です。
- 投資回収が速い工程をどう見極めるか
- 初期投資をどう抑えるか
- ロボットと周辺設備の稼働率をどう高めるか
- 人件費以外の損失をどう投資評価に組み込むか
- 一拠点で成功した仕組みをどう横展開するか
さらに、日本企業が海外の先進技術を実際に導入しようとするとき、どのメーカーや技術提供企業と接点を持てばよいのかについても整理します。
私は、英語の技術資料、企業発表、公開情報などをディープリサーチによって調査し、技術的・経営的な意味を分析するリサーチャーとして活動しています。
今回のセミナーでは、海外の最新情報を日本語で整理したA4判50ページ超の資料も配布します。
物流倉庫の自動化・省人化を進める企業、3PL事業者、物流設備メーカー、ロボット開発企業、物流DXや投資評価を担当する管理職・経営企画部門の方々に、ぜひご参加いただきたいと思います。
セミナー開催概要
海外の物流・倉庫におけるフィジカルAIの実装事例
～非付加価値工程の負荷を下げ、ROIを高める海外先行事例～
開催日：2026年12月2日（水）
時間：13:00〜16:00
開催形式：Zoomライブ配信（終了後10日間の録画視聴も可能）
受講料：27,500円（税込・資料代込み）
主催：日刊工業新聞社
講師：今泉大輔
セミナーの詳細・お申し込み
フィジカルAIの導入で何人の作業員を減らせるのか。
それだけを考えていては、物流倉庫の中に存在する大きな改善余地を見落としてしまいます。
倉庫に存在する時間のムダ、空間のムダ、設備の手待ちを、どれだけ経済的な価値に転換できるのか。
そして、最も身体的負担が大きい工程をロボットに任せ、人間にはより高度な判断や例外対応を担当してもらうには、どのような工程設計が必要なのでしょうか。
Otto GroupとBoston Dynamicsの事例は、物流フィジカルAIの導入を考える日本企業に、大きなヒントを与えてくれます。
