ロボットは米国の物理タスクの74%をこなせるが、人より安いのは0.3%だった — 詰まっているのは推論ではなく手である

Anthropic の経済班が、米国の職務タスクを1件ずつ「今あるロボットでできるか、 できるとしてどれだけ整えられた環境が必要か」で採点した指標を公表した^[1]。 結論は二つの数字に割れている。ロボットは米国の物理タスクの74%を なんらかの条件下でこなせる(全職務時間の34%にあたる)^[1]。 一方で、人より安くできるのは全職務時間の0.3%だけである^[1]。 そして発表本文自身が、詰まっている場所をはっきり名指している。物理タスクの約半分は ロボットが物を触って扱う能力が上がらない限り自動化されず、 AIが最も伸ばしそうな計画・推論の不足が足を引っ張っているのは8%にすぎない^[1]。 能力の地図と採算の地図は別物で、しかも本紙が日々追っている基盤モデルの進歩は、 前者の残り半分にはあまり効かない位置に置かれている。

測ったのは能力ではなく「どれだけ環境を作り込めば動くか」である#

素材は O*NET、約900職種・約19,000の職務タスク記述である^[1]。 そのうちロボットなしには自動化できないと判定された7,594件を 物理タスクとして切り出している^[1]。 ここで言うロボットは「感知して動く自律的な物理機械」で、車を走査して噴射を調整する 洗車機は入り、術者が全操作する手術支援機は入らない^[1]。

指標の芯は、能力の高低ではなく必要な環境の構造化度を軸に取ったことである。 ロボットが予測不能な環境に適応しにくいのは フィジカルAI の 古い問題で、だから実配備のロボットは塗装ラインのように作り込まれた場所に集まる^[1]。 発表本文は、どの程度まで環境の作り込みを外せるかが近い将来の自動化リスクをよく表す、 という立場を取る^[1]。4段である^[1]。

読むべきはこの表の重心である。「ロボットができる」側の物理タスク74%のうち、 半分はE1、つまり職場をロボットのために作り替えるのが前提である^[1]。 人の職場をそのまま使えるE2が22%、道路のような無構造環境で成立するE3は2%しかない^[1]。 全タスクで見ると、認知・対人の仕事が54%、物理が46%で、 物理の内訳が E0 12%・E1 23%・E2 10%・E3 1% になる^[1]。 「74%できる」という見出しの数字は、環境を作り込む費用を勘定に入れないときだけ成り立つ。

曝露の上位10職のうち9つが運転職である#

職種単位の曝露指標は、タスクの採点を0〜3で時間加重平均したものである^[1]。 雇用2万人以上で並べた上位10職のうち9つが車両運転職で、 首位のタクシー運転手が2.2、送迎運転手・お抱え運転手が2.0^[1]。 タクシー運転手の場合、運転そのものが仕事の大半なので時間加重の中位タスクがE3に乗り、 車内清掃や洗車のような付随タスクのほうが「できるが道路より構造化された場所で」に落ちる^[1]。 発表本文は、自動運転車がまだ規模として運転職をひっくり返してはいないと断りながら、 それでも能力から見れば他職より自動化リスクが高いと書く^[1]。 本紙が 自動運転の技術解説やXPENGの欧州での前倒しを 個別に報じている話が、職務時間の地図の上では「唯一E3に届いている島」として現れる。

面白いのは、同じ職種でも国で段が変わる点である。小売の品出し作業員のタスク 「棚・ラック・ケース・ビン・台に新規または移動商品を補充する」は、 米国の倉庫では触覚センサつきのロボットが取って収めるが、 米国の小売店では移動ロボットが欠品棚を走査して人に知らせるところまでである^[1]。 一方、日本のコンビニでは冷蔵庫の補充をロボット自身が行っていると本文は書く^[1]。 それでもこのタスクの採点はE1に留まる。品出しロボットは商品を手元近くまで運んでもらう必要があるためで、 品出し作業員は時間の70%をこうしたE1タスクに、16%をE2タスクに使っていて、指標は1.0になる^[1]。 日本の現場が先に実装しているのに段が上がらない理由が、この「手元まで運んでもらう必要」である。

能力の地図と採算の地図は、ここまで違う#

この報告が他のAI曝露研究と最も違うのは、値段を測りに行ったところである。 LLMの曝露指標は能力を評価するがコストを評価しない^[2]。 ロボットは高いハードウェアでできていて、ソフトウェアのように複製して配れない^[1]。 そこで曝露タスクごとに、引用された実機の構成で年間コストを見積もり、 人がそのタスクで年にどれだけ産出するかと突き合わせている^[1]。 たとえばパン職人の「生地を伸ばし、こね、切り、成形する」は年18万個が人の産出量と見積もられ、 小売・中規模・工業のベーカリーを平均してロボット側の費用を出す^[1]。 固定費はハードウェアの寿命と資本コストで年割りする^[1]。

採算が合っている側の内訳が重要である。包装・梱包作業員のタスクを埋めるには、 容器に詰める機械、倉庫内を運ぶ機械、外観を検査する機械、段ボールを立てる機械、 ラベルを印字して貼る機械、封をする機械を揃える必要があり、 購入・設置で200万ドル超かかる^[1]。 それが年14人分の仕事を置き換える。耐用10年、資本コスト8%で固定費を割り、 保守・部分的な人の監督・電力を足して、人1人分あたり年約45,000ドルになる^[1]。 人側が約49,000ドルなので、差は年2,500ドルである^[1]。 米国の包装・梱包作業員は約56万人、雇用は2015年以降22%減っていて、 BLS は2035年までの減少数が全職種で11番目に大きいと予測している^[1]。

逆側も発表者自身が書いている。溶接ではカメラとAIで自律溶接する機械があるが、 人の溶接工は大きな金属部品を位置決めし、梯子を登って届きにくい継手を溶接し、 品質を確認し、研削と仕上げをする。これらを合わせて自動化すると人の約5倍かかる^[1]。 皿洗いと清掃員は溶接工より年25,000〜30,000ドル安く払われているのに、 ロボットでの代替は依然として数倍高い。清掃は標準化と流れ作業化が難しく、 清掃ロボットは人より遅いか特定作業に限られる^[1]。VLAは本当に工場で使えるのかで本紙が整理した 「できる／採算が合う」の段差が、職種別の金額として出てきた形である。

全体では、能力上は全職務時間の34%を担えるのに、人より安いのは0.3%である^[1]。 ただしその0.3%の中には、タスクの95%をロボットが担える約30万人が入っている^[1]。 仮にロボットが今日20%安くなれば、採算が合うのは280万人分の物理的な仕事 (その人たちは平均して時間の42%を曝露タスクに使っている。全職務時間の0.8%)まで広がる^[1]。 1990年代以降のロボット価格の下落は年約3%で、20%の下落には約7年かかる^[1]。 人の仕事の10%で採算を合わせるには約70%の値下がりが必要で、 年3%なら約40年である^[1]。

詰まっているのはマニピュレーションで、推論は8%しかない#

本紙にとって一番効くのは障壁の内訳である。発表本文は物理タスクごとに 「解決されなければロボットがそのタスクの相当部分をできない障壁」を能力・人の選好・規制・コストに分類し、 能力が障壁になるタスクではさらに不足している技能をマニピュレーション、計画と推論、 移動と筋力、知覚から選ばせている^[1]。

この表の意味は小さくない。言語モデルの世代交代が運んでくるのは主に計画と推論で、 それが律速になっている物理タスクは8%である^[1]。 残りの半分は、手の問題として据え置かれている。VLA や ロボット基盤モデルが 本当に主張しているのはまさにその手の部分なので、この指標は基盤モデル側の進歩を 測り落としている可能性がある。発表本文もそれを認めていて、 AI搭載ロボットは梯子を登ることや腕とグリッパをより巧みに使うことを学んでこの尺度を飛び越えうると書く^[1]。 逆に言えば、飛び越えたかどうかはこの尺度の E1→E2→E3 の移動として観測できる。

規制と選好の数字は、意外に小さい側に出ている。両方を合わせても物理タスクの約30%で、 調理・清掃・生産・建設・修理・運搬という物理労働の約半分には規制があまり効かない^[1]。 つまり「規制が自動化を止めている」という説明は、本紙が扱う領域の大半には当たらない。 止めているのは手と値段である。

LLMとロボットは、別の人の仕事を奪う#

LLM単独の曝露は職務時間の約半分、ロボットを足すと81%に上がる^[1]。 上がり方が偏っている。運輸・運搬のタスクはLLM単独では15%未満しか曝露しないが、 ロボットを入れると約90%になる^[1]。 事務・管理支援はほぼ100%、保安サービスは31%から61%である^[1]。 残る2割は、対人性が高いか、今日のロボットに無い身体技能を要する仕事である^[1]。 個人サービスは約40%止まりで、対面の社会的交流と人への身体接触がLLMもロボットも苦手な部分である^[1]。 それでも、職業大分類で見て40%を下回る群は一つも無い^[1]。

曝露される人の属性も反対向きである。曝露指標の上位5分の1の労働者は、 曝露ゼロの労働者と比べて女性である確率が20ポイント低く、ヒスパニックである確率が16ポイント高く、 学士以上を持つ確率が55ポイント低く、時給が約30ドル低く、失業率は2倍以上である^[1]。 BLS の職業要件統計では、重量物の運搬、極端な暑熱、有害物質の近傍での作業を要求される度合いも高い^[1]。 発表本文は、この分布がLLM曝露で典型的に見られるもののほぼ逆だと書いている^[1]。

過去50年で検証した結果と、2085年という数字#

指標の妥当性は後ろ向きに検証されている。1977年以降の複数年について当時の職務記述に 曝露を採点し、賃金と雇用の変化と結びつけた。産業トレンドなどを調整しても、 ロボット曝露が高かった職種は後の数十年で賃金と雇用が落ちている^[1]。

進み方の速度も同じ方法で出している。1977年にはロボットは物理タスクの62%ができなかった。 今日のロボットは、同じ1977年のタスク集合のうち24%を除いて全部できる^[1]。 そこから逆算して、ロボットは毎年、それまでできなかった物理的な仕事の約2%を できるようになってきた^[1]。2ポイントではなく、残っている未対応分の2%である。 この速度に年3%のコスト低下を重ねると、物理労働の半分で採算が合うのは2085年になる^[1]。 品質調整後のコストが最大4倍速く下がり、新タスクへの対応が2倍速く進む「速い採用」の筋書きでも、 半分に届くのは2050年で、今日の物理労働の90%の自動化にはなお53年かかる^[1]。

ここで発表者自身が置いた但し書きが効く。この筋書きは全タスクに同じコスト低下率と能力向上率を当てるので、 今日の「コスト対賃金」の順位どおりに採算が合っていく形になる^[1]。 だがロボット企業は別の理由で特定の能力を先に狙う。 ヒューマノイドのデモが家事を見せることがあり、ロボットメーカーは自社の操業に役立つ工場作業を 優先しうる。AI企業がコーディングエージェントを優先したのと同じだ、と本文は書く^[1]。 本紙が Tesla工場でのOptimus訓練や1Xの家庭用ヒューマノイドNeoを 別々に報じているのは、まさにこの「順位を外れた狙い方」の二例である。

この指標の作り方について、読む側が引いておくべき線#

発表本文は手口を隠していないので、そのまま書く。採点は Claude がウェブ検索をしながら行う。 タスクが物理かどうかの分類、職種がどのタスクにどれだけ時間を使っているかの推定、 曝露段の採点、そして人の年間産出量とロボットの年間コストの見積もり——この4か所すべてでモデルが測定器になっている^[1]。 引用する出典は実配備・商用販売・デモのいずれかを示すものに限り、 デモに依拠した採点を落としても結果は同様だと本文は書いている^[1]。 それでも「デモが根拠として数えられる」設計である点は、実機の稼働を数えるIFR統計のような台数ベースの数字と並べるときに効いてくる。

集計規則も曝露を上に寄せる向きに働く。タスクの段は多数決、すなわち そのタスクの実例の半分以上を時間加重でこなせる最も構造化されていない環境で決まる^[1]。 「溝を掘る」の例が分かりやすい。開けた地面に直線の溝を切る作業(時間の25%)は、 油圧ショベルを自律化する制御システムが挙げられてE3になる。 既設の配管やケーブルの周りを手で慎重に掘る作業(20%)はE0である。 後者に似た実例のほうが多いので、タスク全体としては未曝露になった^[1]。 半分という閾値の置き方で、このタスクはE3にも振れうる。

本紙がこの指標を置いておくべき場所は、予測ではなく基準線としてである。 E1が物理タスクの半分を占めるという事実は、今のロボットの大半が 「環境を作り替えてもらって初めて動く機械」であることの定量である。VLAや世界モデルが主張しているのは、この作り替えの費用を モデル側に移すことだった。であれば、その主張が本当かどうかは、 この指標の E1 比率が次の改訂で下がるかで検証できる。 発表本文は定期的な更新でロボット能力を追跡できると書いている^[1]。 本紙としては、次の版で E1→E2 の移動が起きた職種の名前を見たい。

もう一つは、年3%という価格下落の前提である。40年という数字はここから出ていて、 ヒューマノイドの量産論が賭けているのはまさにこの前提が崩れることだった。 本紙は AGIBOTの累計出荷1万台、中国メーカーの量産台数、公表価格の全一覧を別々に追ってきた。 この報告の枠組みに入れると、それらは「年3%を年12%にできるか」という一本の問いに揃う。 発表本文も、世界の生産能力は強い需要があれば速く立ち上がりうるという報告があると認めている^[1]。 ただし断っておくべきなのは、価格が下がっても手の問題は別に残るという点である。 物理タスクの半分を止めているのはマニピュレーションで、そこは量産では解けない。

最後に、日本の読者にとって読み替えが必要な部分を一つ。この指標は米国の O*NET と BLS の上に 載っているので、職種構成も賃金水準も日本とは違う。 とくに人の年コストが低い国では、同じロボットの同じ値段でも採算が合う範囲が狭くなる。 日本のコンビニが冷蔵庫の補充を自分でやるロボットを先に入れているのに、 指標の上では段が上がらない^[1]——この食い違いは、 実装が先に進んでいる現場と、環境の作り込みを外せたかどうかを測る尺度の、 見ている場所の違いである。トヨタELEYのような 国内の双腕機が工場で何段に乗るかは、公表された仕様ではまだ判定できない。