熟練工の「暗黙知」をAIで再現する｜日立「フィジカルAI」が製造業を変える

日立製作所が推進する「フィジカルAI」が製造現場に革命を起こしつつある。熟練工でも言語化できない"職人の勘"をデータ化する3つの手法と、フィジカルAI時代の到来を解説します。

まず結論

日立製作所が「2026年はフィジカルAIの時代」と宣言
熟練工でも言語化できない”職人の勘”（暗黙知）をデータ化する3手法を開発
AIが物理的な現場（工場・施設）で身体感覚レベルの技術を再現する
製造業だけでなく、医療・建設・農業など幅広い現場に波及する可能性
デジタル化が遅れていた現場の技術継承問題を解決する切り札となるか

ニュース元: ITmedia ビジネスオンライン（2026年4月16日）

1. 「フィジカルAI」とは何か

「フィジカルAI（Physical AI）」という言葉、聞いたことはありますか？

これは、AIがデジタル空間だけでなく、物理的な現実世界で動作することを指します。

これまでのAIの主戦場は「文章を書く」「画像を生成する」「データを分析する」といったデジタル領域でした。ChatGPTも、MidjourneyもGeminiも、基本的にはスクリーンの中の話です。

フィジカルAIは違います。

工場のロボットアームが製品を組み立てる、工事現場の機械が精密な作業をこなす、農業機械が作物の状態を見ながら最適な処理を行う。AIが物理的な身体を持って現実世界に働きかける領域です。

日立製作所の吉田順氏は「2026年はフィジカルAIの時代に入った」と発言しています。ChatGPT登場から数年、AIはついにスクリーンを飛び出し、物理的な現場に本格進出し始めました。

この言葉の意味を、もう少し深く理解してみましょう。

2. 「暗黙知」という製造業の深刻な問題

フィジカルAIの核心にあるのが、**「暗黙知（タシット・ナレッジ）」**の問題です。

暗黙知とは何か

例えばこんな場面を想像してください。

30年のキャリアを持つ熟練の旋盤工がいます。金属を削る際、「この音がしたら送り速度を落とす」「この振動が来たら工具が限界に近い」というサインを瞬時に察知します。

でも彼に「どうやって判断してるの？」と聞いても、明確に答えられません。

「なんとなくわかるんだよね」「経験だよ、経験」

これが暗黙知です。本人も言語化できない技術的知識のことです。

この問題は日本の製造業で深刻化しています：

団塊世代の大量退職により、30〜40年分のノウハウが失われつつある
マニュアル化できないため、後継者育成に10年以上かかる
職人が退職・引退すると、その技術はほぼ消える

これが日立が解こうとしている課題です。

なぜ今まで難しかったか

従来のデジタル化は「言語化できる知識」しか扱えませんでした。マニュアル、手順書、設計図——これらはデータベースに入れられます。

でも熟練工の「勘」は言語化できない。だからデジタル化の外に取り残されてきたのです。

IT化・DXがどれだけ進んでも、「ベテランが持つ感覚的な技術」だけはずっと属人的なままでした。日立のフィジカルAIはこの壁を初めて本格的に突破しようとしています。

3. 暗黙知をデータ化する3つの手法

日立が開発した、暗黙知を引き出す3つのアプローチを解説します。

手法1: 行動センシング

身体の動きをデータとして記録する手法です。

熟練工の体にセンサーを取り付け、作業中の：

手の動き（角度・速度・力の入れ方）
視線の動き（どこを見ているか）
筋肉の緊張状態

を高精度で記録します。

熟練工は言葉で説明できなくても、身体は正直に動いています。その動きのパターンをAIが学習することで、「こういう状況になったら、こう動くべき」というルールを自動的に抽出します。

ポイントは「言語化させようとしない」こと。本人の口から答えを引き出すのではなく、行動データそのものを教師データにするという発想の転換です。

手法2: 環境センシングとの統合

熟練工の身体データだけでは不十分です。重要なのは「どういう状況で、どう反応したか」というコンテキストです。

そこで工具の振動センサー、音センサー、温度センサー、画像カメラなどの環境データと組み合わせます。

「この振動パターン（環境）のとき、熟練工はこの動き（行動）をした」という環境×行動のデータセットが完成します。

これをAIに学習させると、「この振動が来たら次はこうすべき」という判断ルールが自動生成されます。熟練工のセンサーを外しても、環境データだけで判断できるようになります。

手法3: 言語誘導インタビュー

最も興味深い手法が、構造化されたインタビューによる暗黙知の言語化支援です。

通常のインタビューでは「なぜそうしたか？」と直接聞いても答えが出ません。しかし日立はAIを使って、より深く掘り下げる質問を自動生成します：

「今やった動作の直前、何を見ていましたか？」
「この場面と昨日の似た場面、何が違いましたか？」
「失敗するとしたら、どのタイミングだと思いますか？」

このような段階的・文脈的な質問を繰り返すことで、熟練工自身も気づかなかった判断基準が引き出されることがあります。

完全な言語化はできなくても、部分的な言語化＋行動センシングの組み合わせで、かなりの精度でモデルが作れるようになってきました。

4. 実際の成果：どれくらい使えるのか

理論だけでなく、実際の成果も確認しましょう。

日立の発表では、工場での実証実験において：

技術継承コストの削減: 従来10年かかっていた技術継承期間を数年規模で短縮
品質の安定化: 熟練工不在でも品質のばらつきが減少
センサーデータを活用した異常検知: 熟練工が感じ取っていた「微妙なおかしさ」をAIが事前に検知

特に注目すべきは、**「本人も気付いていなかった判断基準が見つかった」**という報告です。

センサーデータを分析したところ、熟練工が「感覚でやってた」と思っていた動作が、実は温度変化に対して精密に反応していたことが判明。本人でさえ知らなかった自分のパターンがデータで可視化されたのです。

これは職人にとっても驚きの体験で、「こんなことを自分はやってたのか」という声もあったといいます。AIが人間自身の「無意識の技術」を教えてくれるという、ちょっと不思議な体験です。

5. 製造業以外への広がり

「フィジカルAI×暗黙知」の考え方は、製造業だけにとどまりません。

医療・介護

外科医の繊細な手術手技、ベテラン看護師の患者の異変察知、介護士の身体ケアのコツ——これらも全て暗黙知です。

医療の世界でも「優秀な医師の判断をAIに学ばせる」研究が進んでおり、フィジカルAIのアプローチと組み合わせることで、より実践的な医療AIが生まれる可能性があります。

農業

「この土の感触なら今が蒔き時」「この葉の色は水不足のサイン」——農家のベテランが持つ感覚的な知識も暗黙知の典型例です。

スマート農業へのフィジカルAI活用は、後継者不足が深刻化している農業分野での解決策になり得ます。

建設・インフラ

橋梁点検のベテランが「叩いた音でわかる」という経験的知識、溶接職人の「このアーク音が適切」という感覚——建設・インフラ分野でも同様の応用が期待されています。

6. 課題と限界：正直なところ

日立の取り組みは非常に興味深いですが、正直な目で見ると課題もあります。

データ収集の現実的な難しさ

熟練工全員にセンサーを装着して、すべての作業を記録する——これは現場の抵抗感もあります。「監視されている」と感じる従業員もいるでしょう。導入時のコミュニケーションとインセンティブ設計が重要です。

知識の「劣化」問題

暗黙知をモデル化しても、現場の条件が変わったら使えなくなるリスクがあります。機材が変わった、材料のロットが変わった、などの変化に対して継続的にモデルを更新する必要があります。

「最上位の暗黙知」は再現できるか

センサーで捉えられる動きや環境データは再現できても、**超一流の職人が持つ「芸術的な感覚」**まで再現できるかは未知数です。工業的な品質基準を満たすレベルまでは期待できますが、「名人の技をそのまま移植する」は別問題です。

Synthの正直な評価: ★★★★☆

技術継承問題への取り組みとしては最も実践的なアプローチの一つだと感じます。「本人も知らなかったパターンが見つかった」という部分は特に興味深い。ただし「全ての暗黙知が再現できる」と過信するのは危険。AIは「80点の職人を量産する」ための技術として見るのが現実的ではないでしょうか。星4つは「すごく良いが、まだ夢の実現途中」という評価です。

あなたへの影響

製造業・現場系の仕事をしている方

最大の示唆: あなたが今持っている「感覚的なノウハウ」は、デジタル資産になり得ます。

「私の経験なんてデータにできない」と思っている方も、日立のアプローチが示すように、センサーと構造化インタビューを組み合わせれば部分的にでもデータ化できる可能性があります。

キャリアへの影響:

短期的には「自分のノウハウを教える側」の立場が重要に
中長期的には「AIが自分の作業を学ぶ」経験をする職場が増える
熟練工の価値はむしろ上がる場面も——データの質を担保するのは最終的に人間

ビジネスパーソン・経営側の方

技術継承問題を抱えている企業にとって、フィジカルAIは**「無形資産のデジタル化」という新しい投資概念**を提示しています。

現在のアプローチでは「熟練工が退職したら技術が消える」という問題に対して、**「退職前にデータ化しておく」**という解決策が現実的になってきています。

大きな初期投資が必要ですが、「一人の熟練工のノウハウを失う損失」と比較すれば、投資対効果は十分あり得ます。特に専門性の高い中小製造業にとっては、経営上の優先課題として検討する価値があるでしょう。

IT・テック系の方

フィジカルAIは、これまでのソフトウェア・データサイエンスの世界とは異なるエッジAI・組み込みシステム・センサー技術との融合を求めます。

「現場に出て、センサーを設計して、リアルタイム処理を実装する」という、デジタルと物理を繋ぐエンジニアリングのニーズが高まっています。今後のキャリア形成として、「フィジカルAI系のスキルセット」は差別化要因になる可能性があります。

まとめ

日立が推進する「フィジカルAI×暗黙知のデータ化」は、製造業の技術継承問題に対する最も実践的なアプローチの一つです。

「本人も気付いていなかった判断基準が見つかる」という発見は、単なる技術の話を超えて、人間の能力の再発見という面白さもあります。

AIの進化はデジタル空間だけでなく、物理的な現場にも確実に広がっています。「AIは文章や画像を扱うもの」という認識を更新する必要がある時代になってきました。

フィジカルAIの波は、ものづくりの現場から始まって、医療・農業・建設へと広がっていくでしょう。その先に見えるのは、職人技が消えない社会かもしれません。

ーー Synth