ジェイテクトのフィジカルAI導入事例｜ランダムピッキング成功率97.1％の工場変革

「ロボットはあるのに、箱の中でバラバラに重なった部品をうまくつかめない」──。
多くの工場が抱えるこの悩みの背景には、多品種生産への対応、人手不足、熟練技能者の高齢化があります。

自動車部品メーカーのジェイテクトは2026年11月2日、フィジカルAI（現実の機械を動かすAI）の実証結果を公式に発表しました。内容はMONOistやLOGISTICS TODAYでも報じられています。

部品取り出しの成功率が上がり、作業時間も短くなったのが、今回の実証の成果です。

本記事では、ジェイテクトのフィジカルAI実証を、背景、仕組み、成果、自社への当てはめ方の順に整理します。

ジェイテクトがフィジカルAIに踏み切った理由

フィジカルAIは、カメラで目の前の現実を見て、ロボットの手の動きを自分で決める機械を動かすAIです。
ジェイテクトが取り組んだのは、その力を工場の部品取り出しに使うことでした。

熟練技能者の高齢化

ベテランの勘や手さばきに頼る工程ほど、その人が抜けた後に穴が開きます。しかも、技を教える時間は日々の生産に押されて取れません。
ジェイテクトも公式発表で、製造業を取り巻く課題として多品種生産への対応、人手不足、熟練技能者の高齢化、技能伝承を挙げています。
どれも、多くの工場に共通する悩みです。

山積みの部品が掴めない

次に、壁になっていた工程を見ます。
田戸岬工場（愛知県高浜市）のCVJ（エンジンの力をタイヤに伝える等速ジョイント）の生産ラインには、箱にバラバラに積まれた部品を取り出すランダムピッキングという作業があります。

部品の位置や向きは毎回違うため、ロボットには高い認識力と柔軟な動きが求められます。従来の制御では環境の変化に対応しきれず、生産性を上げられませんでした。
多品種生産で部品の種類が増えるほど、この壁は高くなります。

【成功理由】AIが部品の位置と形を見分け、つかみ方を決める仕組み

成功率が上がった理由の一つ目は、ロボットの動かし方そのものを変えたことです。
AIがカメラ画像から部品の位置や状態を認識し、つかむ位置と運び方を自分で判断します。

見分ける役を、2つのAIで分けているのが特徴です。

• 位置検出AI：速さを担当し、部品のありかをすばやく見つける
• 形状認識AI：精度を担当し、部品の形を細かく見分ける

この組み合わせで、精度と速さを両立しています。
学習は仮想空間で行い、そのAIをロボットに適用します。現場の変化に応じて動けるのは、毎回違う置かれ方を前提に作られているからです。

【成功理由】社内留学制度とAI基盤という人と環境の準備

二つ目は、AIを使いこなす人と環境を先に整えていたことです。
ジェイテクトは第二期中期経営計画で「デジタルモノづくり」を掲げています。

• 各事業本部の社員が、AI・ソフトウェア開発の専門部署（データアナリティクス研究部）で学ぶ「社内留学制度」
• 全社員が参加するデジタルリテラシー向上活動
• AI活用プラットフォームなどの基盤づくり

現場を知る社員がAIの作り方を学び、全社で共通の言葉を持つ。AIの技術と現場の知識を、同じ社内で結びつけられる体制が、実証を支えました。

実証で出た成果と、既存設備を活かす導入

成功率とサイクルタイムの変化

実証は2026年3月19日から8月31日までの約5カ月半、田戸岬工場のCVJ生産ラインで行われました。結果は次の通りです。

• ピッキングの成功率は85.0%から97.1%へ、12.1ポイント向上しました（ポイントは%同士の差）。性能の差が出やすい難しい条件での評価結果です
• 平均サイクルタイム（部品1個を取り出す1回分の時間）は従来比84.0%、つまり16%短縮しました

（いずれも同社発表。MONOist・LOGISTICS TODAYでも報道）

AI用PCを足すだけで済む導入と共創体制

この実証の要点は、設備に手を入れていないことです。既存設備にAI用のパソコンを追加するだけで導入でき、大規模な設備改造なしで、多品種や形が一定でない部品にも対応できることを確かめました。
ロボットや自動化設備をすでに持つ工場にとって、「うちの設備でもできるかも」と考えられる最大のポイントです。

実証はジェイテクト単独ではなく、外部と組んで進めました。参加したのは「フィジカルAI開発支援プログラム by AWSジャパン」で、AIの専門会社であるUpstage AIとカラクリ株式会社と共創しています。
ポイントは、自社だけで抱えず、支援制度と専門会社を組み合わせた進め方です。

今後は「既存設備」と「熟練技能」の2本立て

ジェイテクトは、今回の実証を足がかりに、フィジカルAIを2つの方向で進める方針です（同社発表）。

• 既存設備×フィジカルAI：今ある設備にAIを足し、自動化を進める
• 熟練技能×フィジカルAI：熟練技能に頼る工程で、技能継承と形式知化を進める

形式知化とは、勘やコツを、誰でも見られる言葉や手順にすることです。熟練者の勘を、誰でも使える形に変えていくのが狙いとされています。熟練技能の側は方向性の段階で、達成済みの成果ではありません。

自社の工場で検討するときの見方

ジェイテクトの数字をそのまま自社に当てはめることはできません。ただ、考え方は持ち帰れます。見るべき点は3つです。

• 置かれ方が毎回違う工程はどこか：箱の中の山積みなど、部品の位置や向きが一定でない工程が候補です
• 既存設備にPCを足す形で試せるか：ロボットを入れ替えずに済むなら、小さく始められます
• 物差しを何にするか：成功率で見るのか、サイクルタイムで見るのかを先に決めます

つかみ損ねや手直しが多い1工程を決め、従来と同じ物差しで比べられるかを確かめるところから始められます。

実証の条件や費用は公表されていないため、自社で試す際は、条件をそろえた比較を前提に、範囲を決めて進めるのが現実的です。