オープニングとゲスト紹介
Ayo! by Genesia
皆さん、こんにちは。ジェネシア・ベンチャーズの水谷幸喜です。
この番組では、最新技術や市場トレンドのリアルを、
企業家とキャピタリストの視点から紐解きながら、
事業のゼロイチに挑む野心を深掘っていきます。
Ayo!はインドネシア語で、カモーン、レッツゴーという意味。
プレスリリースには出てこない、ここだけの話をお届けしていきます。
本日は、日本が世界に誇る製造業の未来とフィジカルAIがテーマです。
このテーマについて語らせたら、
日本で右に出る者はいないという有識者の豪華ゲスト2人をお迎えしています。
製造業向けスキルマネジメントシステム、スキルノートの開発提供を手掛ける
株式会社スキルノート代表取締役、山川孝文さんと、
データ観点からAI開発に必要な全工程を支援する
ファストラベル株式会社代表取締役社長、鈴木武さん。
そして、2社の担当キャピタリストのジェネシアベンチャーズ、相原俊介さんです。
よろしくお願いします。
こんにちは。スキルノートの山川と申します。
今日はよろしくお願いします。
よろしくお願いします。
こんにちは。ファストラベルの鈴木と申します。よろしくお願いします。
はい。よろしくお願いします。相原です。
山川氏の自己紹介と製造業の課題
はい。では早速、皆さんにお話をお伺いしていけたらと思いますが、
ぜひですね、自己紹介からお願いしたいんですけども、
そしたら山川さん、自己紹介をお願いします。
はい。私はですね、今ご紹介いただいた通り、製造業様向けに特化したですね、
従業員の方の持っているスキルを可視化するようなスキルマネジメントシステムの開発提供を行っている会社になります。
もともとですね、自分は新術化学工業という化学メーカーの出身になりまして、
そこで持った課題を持ってですね、やはり日本の製造業が強くなるには人が大事だということで、
そこを支える仕事がしたいと思ってですね、起業して今に至ります。よろしくお願いします。
あの話してください。インテルが新術化学工業の時に山川さんが言ってたのって、
半導体の材料の技術営業ですよね。
で、新術化学に行く時に、日本の高いプレゼンスを起こっていた半導体業界がプレゼンスを下げていき、
一方でインテルがね、メキメキと、ものも高かったけどメキメキとトップのプレゼンスを確立したという中で、
僕は喋っちゃって。
そうですね、結構その経験大きくて、自分新術化学に10年間いたんですけど、
その間の大半を半導体に使う電子材料の技術営業をやってまして、
主に海外マーケット担当していたので、一番当時担当してたのはインテル。
で、その時代はあれですね、日本が今じゃ考えられないんですけど、半導体の世界シェア50%以上を持ってるような時代で、
もう絶好調から落ちてくるタイミングだったんですよ。
そこでインテルが出てきて、CPUのシェア99%みたいな、インテルにもう勝てないみたいなところで、
あと台湾勢出てきて韓国勢出てきてみたいなところで、自分は海外マーケット担当してるんだけども、
やっぱり日本の製造業がどんどん弱っていくところを見ながら、自分は海外に売ってるみたいなところで、
そこでインテルとかでやってる中で、何が製造業の一番の競争力なのかなって思った時に、
1個だけ挙げるとやっぱり人材だなって、いろんな会社と付き合った中で思いまして、
やっぱり日本の製造業を強くするためには人だなっていうふうに思ったのが、新熱時代の現体験になります。
あれですよね、やっぱり元々のメインの顧客だった日本勢のシェアが落ちていくわけですけれども、
やっぱり会社としては伸びていく海外企業向けに、やっぱり事例も営業していくという、
このジレンマの中でスキルマネジメントの領域で創業されたということですけれども、
やっぱり製造業のスキルマネジメントは割とビッグテーマかなというふうにも思うんですが、
この領域において山川さんの自身より詳しいなみたいな人って日本にいたりするんですか?
山川 ちょっといないとはなんか自分から言いたいところではあるんですけど、
相当ニッチな領域で、自分が元々はスキルマネジメントで起業したというよりは、
編集管理ですね、企業の人材育成をサポートしようと思っている中で、
製造業の人とやっていると、そもそもなんか上流のスキルが見えるようになってないんで、
うちの会社誰がどんなスキルを持っているのとか、
じゃあ5年後うちの会社ってこういう会社になりたくてスキルセットこんなのいるよねっていうのが見えてないと、
そもそも教育の仕様ないみたいな話があって、そこからもうスキルにどんどん行くようになってきたんですけど、
せずるの現場と一緒にずっとやっている中で、スキルっていうのが軸になってきたっていうところで、
ニッチな領域をひたすらやってます。
これを語らせたらもう山川さんが一番日本で詳しいというところで、
非常にお話をお伺いできるの楽しみでございます。
鈴木氏の自己紹介とAIデータへの挑戦
続いて、ファストラベルの鈴木さんも自己紹介をお願いいたします。
そうですね、弊社はAIかけるデータっていうところで、ずっとですね、創業以来やっているんですけど、
もともと私のバックグラウンドとしては大学院でですね、機械学習の研究をしておりまして、
当時はどちらかというとデータというよりは、データセルにあるものでベンチマークデータセットと呼ばれるものに対して、
いかに優秀なアルゴリズムを作っていくかっていう、そんな研究をしておりましたと。
そこから社会人になって、ワークスアプリケーションズというエンタープライズ向けのソフトウェアを作る会社に入ってですね、
そこでAIの機能を搭載していこうという話が出て、じゃあAI作っていこうと思ったんですけど、
あれまずデータがないぞとなりまして、データを作らなければいけないと。
ところに結構衝撃を受けまして、アルゴリズムの部分でいうと、実はオープンソースとかいろいろあるんで、
それ使えばいいんじゃないみたいな形でですね、ほとんどアルゴリズムの実装コードを書いてガリガリやっていくというよりは、
それをほんと1日2日ぐらいで終わってしまって、残りの1、2ヶ月ほぼデータを作るというところで、
会計電表のですね、ラベル付けみたいなところですね、ひたすらなんか自分がやっているという状況で、
かつそこのデータの質によって性能が大きく変わるなっていうところを実感してですね、
データの作成つらいなとなってですね、まあちょっとAIエンジニア嫌になるみたいなレベルまで痛感した出来事がありましたと。
で、そこから5年ぐらい経ったタイミングで、ちょっと知人に誘われる形で起業をしてですね、
まあちょっとフードデリバリーというところで。
そうだそうだ。
そうなんですか。
実は法人向けのフードデリバリーを一時期やっておりまして、配達もしてましたね。
オフィスにね。
オフィスに。
デリバリーを剃るという。
鈴木さんがランチ届けてくれた。
そうですね、投資家には相手にされずにですね。
で、まあ撤退をして、そこから改めてまあ取り組むべき課題なんだっけというところで、
思い当たったところがAIのデータの部分、非常に大きなペンギンを感じましたし、
ちょうど海外ではその頃、スケールアイという大きな会社がですね、シリーズAぐらいのタイミングで、
市場のタイミング的にでもちょうどいいなというところもありましたし、
ヒアリングをしてみると結構そこのデータの部分の課題感が日本でも強いというところがわかったので、
これはぜひやってみたいというところで、2020年に起業したという形ですね。
で、そこから当時はディープラーニングの画像認識とかそういった認識系のAIが主流で、
ここに人がいますみたいな単純なラベル付けから始まってですね、
徐々に高度な自動運転のようなお話ですとか、途中で性性愛が出てきて、性性愛のデータの需要は捉えていったりですね、
最近ではロボティクスというところで、これまでもロボティクス系のお話あったんですけど、
いわゆる認識系のお話が中心で、それほどボリュームとしても大きくなかったところからですね、
いわゆるロボット基盤モデルがですね、登場してですね、フィジカルAIという話をNVIDIAさんが宣伝用なのか説でですね発表して、
そこからフィジカルAIというところがかなり盛り上がってきて、
日本の課題感としても労働人口の不足だったり技能継承の深刻な課題があってですね、
日本で今非常に盛り上がりを見せているというところで、データの需要の部分も非常に高まっているというところで、
フィジカルAIの部分にこれまでもやってきたつもりであるんですけど、改めてロボットの事業を垂直に立ち上げて、
気合を入れてやっているという状況でございます。
めちゃくちゃ盛り上がってますね。
盛り上がってますね。性性AIがここまで盛り上がる前から、データ×AIの領域でずっとチャレンジを重ねてきているということですけれども、
そういう意味ではやはり鈴木さん以上にデータ×AIに詳しい人って日本だともいない感じですかね。
そうですね。残念ながら、データの部分はかなり向き合ってきたりとかありますし、
誘導陣も。
自動運転もそうですし、ロボットもそうですし、ここまでAIの幅広い部分で携動されるというのは本当にあまりいないんじゃないかなというところは正直感じています。
コワークス時代に精神と時の部屋みたいなアノテーション部屋みたいなところに缶詰になって、ひたすらラベ漬けをしてたっていう話してましたよね。
そうですね。
確かに。
辛い思い出。
辛い思い出。
それが現体験。まあでも辛いけど、それをやらないとAIに食わせる、
そうですね。
できないところも。
まあただ一般的なAIエンジニアの仕事と捉えると、かなりギャップがありますよね。
ギャップがあって。
研究室はひたすらコードを書いたりとか、アルゴリズムの最先端をキャッチアップしてみたいな話が中心だったので、
全然仕事違うじゃんみたいなのはありましたね。
まあでもここにテクノロジーを掛け合わせれば。
そうですね。ラベ漬が効くなというところが。
できるんじゃないかというのを、ほうじ向けフードデリバリーをやった後に思い出して。
そうですね。振り返ってみてね。
振り返ってね。
やっぱりその原点の価値に俯瞰できている部分とかもあったかあるかもしれないですね。
結構遠回りする企業家多いな感じますね。
1年で見切りをつけられたのは早かったかなと。個人的には。
伸びていく企業家の大事な能力だと思いますよ。僕は。
ちゃんとやりきった上で見切るっていうのは、すごい大事な仮説検証を回す大事なポイントだと思います。
それではお二人とも自己紹介ありがとうございます。
製造業現場における人の役割と自動化
まず山川さんにぜひ製造業の現場について改めてお伺いをしたいなというふうに思っています。
私のイメージだと結構工場の中に機械設備が導入されていて、そこにやっぱり人も参画をしながら製品の加工や組み立てを進めてきているのが工場なのかなというふうに思っています。
かなり設備投資を経て工場の機械化も進んできているとはいえ、やっぱりまだまだ人の手による工程も多く存在しているのかなというふうに想像しているんですが、
今実際の工場現場においてどのような工程が人の手によるものとして残っているのかについて、ぜひリアルについて教えてもらえますでしょうか。
ありがとうございます。日本でまず製造業で働いている人って一番最近のデータだと1000万人ぐらいいるんですよね。
そんなにいるんですね。
なんで労働人口の15%以上が製造業で働いていて、そのうちの多分半分以上が直接こうって言われる実際ものづくりに直接関わっているんで、日本だとそれぐらいの人がものづくりに関わっている。
多いですね。
いろんなロボットがガンガン動いていて、自動化もめちゃくちゃ進んでいるけれども、人の仕事もたくさん残っているという感じですね。
状況で言うと製造業を大きく組み立て加工系自動車作ったり電気製品作ったりと、あとプロセス系みたいな化学メーカーみたいなところがあるんですけど、そこでちょっと違いあるかなと思うんですけど、
組み立て加工系とかだと自動車が一番大きい産業ですけど、自動車系の工場に行くとめちゃくちゃもう加工とかってほとんど自動の設備でやられている。それを手で削ってるとかがあんまりないというか結構設備が進んでいて、
ただその設備と設備の間のところで段取りをしたりとか部材を供給したりとか搬送したりとか最後の組み付けみたいなところとか結構手でやったりしていて、加工に関しては結構設備が入ってるかなっていうのがそういう自動車みたいなところですね。
一方で同じようなものを作っても超少量多品種みたいな飛行機とかを作ったりとか、あと産業用機械でも一品ものこれ用に作りますみたいなところだと自動車がなかなか難しいっていうかできるんだろうけど多分通したい効果が合わないので、
人手でやってるところが、なんでそういう一品ものみたいな作ったりとかしてるところの工場に行くともうこれ人が作ってるんだっていうぐらい人が組み立てていて、人海戦術で結構やってるっていうところがありますね。これはなんかプロセス製造業行っても結構似ていて、自分は資源科学なんで資源科学両方やっていて、設備系のいわゆるプラントで全部もうあんまり作ってるところ見えなくて、配管の中でどんどん工程が進んでいって、
管理室みたいなところで人が見ている。でもなんか原料の投入だったりとか、途中のチェックだったりとか調整みたいなところに人が入っていくみたいな、これも自動車と似てるんですけど、一方でなんか自分関わってた電子材料、電子材料ってCPUとかハンドタイに使ったりするので、すごい先端工程かと思いきや、結構料理作ってるみたいな、それも少量多品種なので、
釜の中で原材料入れて、捏ねて、チェックしてみたいな工程が。
人が調整して。
人がやってるところがめちゃくちゃ多いので、それはバッチ生産って言うんですけど、そういうところは毎回作る料理が違うんで、作り方が違う、自動化が結構難しくて、一手ですごいやってるっていうところがあるので、なんで作ってるところ最近行くと本当にもうここ無人なのかなっていうぐらい人がいない少ない工場もあるし、行くともうわーって人が並んでやってるようなところもあるんで、それは何作るかですけど、
ただ日本だけ見ても1000万人、半分の500万人以上はそういう工程に入っているので、自動化は進んでるけれども、やっぱり人の手にそれだけ頼ってるっていうのが今の製造業の状況かなと思います。
なるほど。 単純なその繰り返しの工程というよりも、やっぱり熟練工と言われるような、やっぱりその工程をミスなく効率よくやっていく上でその技術といったものをしっかり手に携えている職人さんのような方々が、やはり今500万人近くいて日本のものづくりを支えているというような、そんな側面がやっぱりまだまだ多いんですかね。
そうですね、500万人は多分みんなが熟練工というよりは、やっぱり熟練するのってすごい時間かかるもの、3年5年10年かかるものもあるので、ピラミッド型になっていて、本当に難しい工程を熟練の方が担いながら、それの予備軍っていうか、そこになっていく過程の人とか、あと単純作業でも機械よりもやっぱり人の方がうまくいくところ。
検査工程とか見るとびっくりしますけど、これ人の目で見てるのみたいなところも検査工程いっぱい人が並んでチェックしたりもしてるんで、それやっぱりまだまだいくらAIとかロボット進んでも人の方が上だっていうところもあるので、そういう人たちが結構います。
非常に興味深いですね。結局、工作機械とかロボットがあらゆる今後人が担っている工程を代替していけるかどうかみたいな論点が製造業の未来について考える上ではあるのかなというふうに思ったんですけども、今の山川さんの話を聞いていると、やはりまだまだ機械よりも人の方がうまくできるであったりとか、
やっぱり熟練校の方々が持っているそういった暗黙値のものですよね。こういったものを機械ロボティックスAIに落とし込んでいくみたいなところに結構まだ時間がかかっていくというところもあれば、シンプルにコストの観点で機械化ではなく人がやった方が安上がりだよねと。
そういう側面からも今後もまだ引き続き製造業の現場において人の手というのは残っていくのかなと聞きたかったのが、なんか世界の部分の話。特に日本だとそういう技能校とか熟練校を中心にやっているが、世界にはこの課題観とは違うんですか。
製造業結構あれですね。世界やっぱり共通というか、ものづくりってあんま国境ないので、そこは同じような状況かなと思ってます。ちょっと違いは作っているものが違うので、日本みたいに一品物みたいなものを結構日本って6種ここむけとか、あと飛行機10中年間3台だけとかそういうのはあるんですけど、そういうのがない国もあったりもしますし。
あとは新興国みたいなところに行くと工場を見るとやっぱり全部新しく作れるので、自分のいた工場とかも歴史があって昔の設備とかいっぱいあってそれも使いながらですけど、新しいものを入れられて一気に作れるみたいなところでは違いはあるとは思うんですけども、やっぱり人が関わるところとか自動化されているところのレベル感というのは多少差はあれ、製造業全般では共通かなという感じはしますね。
なるほど。日本の熟練校のレベル感というか、そこって世界と比べると高いイメージはあるんですけど、実際どうなんですか。今中国もすごい、例えば技能五輪とかでも日本を追い上げているような状況かなと思うんですけど。
そうですね。中国あれですけど、欧米と比べると日本ってやっぱり現場がめちゃくちゃ強くて、現場がなんとかしてきたっていうところがあるので、技能ももちろんあるし、例えば設計でうまくいってなくて現場に来てここがうまく合わないけど現場で擦り合わせして作り込んでものに品質を合わせるとかってできる現場っていうのはなかなかこれ日本企業特有で、
多分欧米ってそういう考え方ではそもそもない。そういうところではやっぱり現場が強くてその技能を活かせるところもいっぱいあるし、熟練もしてる人もたくさんいるっていうのは違い強みかなとは思います。
それってなんでなんですかね。日本人のその真面目な文化的な特性なのか、どういうところがそこにつながっていると思うかちょっと聞いてみたかったなと思うんです。
やっぱり真面目な機質であったりとか、これ最近も日本の企業で当然海外にも工場皆さん持っているので国によって特徴が雇用の形態も違えば生まれ育ちの文化も違うので、まずはルールをきちんと守る品質のところでも整理整頓みたいなところでも守るみたいなところが当然やらないといけないよねっていう前提があるみたいなところはだいぶ違うのかなと思いますね。
そういう中から現場の改善文化であったりとか脈々と培われてきたのかなっていうのは。
なるほど、それがうまく多分フィジカルAIに落とし込めると強いねというのは多分日本政府が今掲げている戦略の。
そうですね、暗黙値がもうめちゃくちゃあるのでそこが皆さんがいなくなる前にちゃんとデータになるといいのかなっていうのは確かにそうですね。
フィジカルAIの定義とデータ収集競争
世界の事例で言うとやっぱりテスラの自動車工場ってめちゃめちゃ自動化が進んでいるような工場の生産工程の動画を見たりもしますけれども、今自動車の自動運転のレベル5のフェーズのように製造業の現場においても今後そういった工作機械やロボットを活用して完全自動化みたいな方向って進んでいくのかどうかで言うと是非山川さんの意見もお伺いできますか。
山川 まず進んでった方がいいかなと思って、人材もう本当にいないのでものづくりがちゃんとできるためにはヒューマノイドが入ってくるかどうかは別として、設備が入ったりとか今のロボットにAIが搭載されたりっていうところも含めて自動化どんどん進んでいった方がいいと思いますし、進んでいくんだろうなっていうふうには思いますね。
完全自動化がどれくらいの時間軸で話すかで、300年後完全自動化になってるかもしれないですけど、やっぱり人はずっと開在しながら人とロボットが共同していくような方にだんだんなっていくのかなと思っていて、やっぱり設備とかって調整も必要だったりとか壊れたりもするし、そこにはやっぱり人が必要だし、あと大きな改善みたいなことをやっていくのって、
今までのあるものから判断するロボットAIではできない領域もやっぱりあると思うので、でもだんだん進んでいくんだとは思ってます。
そうですよね。日本でいえばやっぱり改善活動っていうのは非常に特殊な文化、これはやっぱり世界に広がっているものだと思うんですけども、そこまで含めての工場運営ということだとも思いますし、そこでやっぱり日々改善をしながら少しでもやっぱり工場の効率生産を進めていくというところがトヨタが筆頭にした強みというところで、
やっぱりまだまだそこって現場の人が見ながらやっていくところって残っていくべきだよねというところは非常に深さ深いお話でございました。ありがとうございます。
というところでここでですね、ファーストラベルの鈴木さんにお伺いをしていきたいなというふうに思うんですけども、もう昨今非常に注目度も上がっているバズワードでもあると思うんですが、このフィジカルAIですね。
結構まだ私自身が勉強不足なところもあるので、ぜひ教えていただけたらなと思うんですが、このフィジカルAIっていうのがどのような技術を指すもので、どういった要素によって構成されているのかというところについて、ちょっと素人の私でもですね、わかるようにぜひ教えていただけますでしょうか。
はい、ありがとうございます。フィジカルAI自体はNBAさんの概念というところで、もともとはエンボディーAIとか言われてたりしたんですけど、もう今はフィジカルAIという形で結構共通のコンセンスが取れてるかなと思ってます。
ざっくり言うと、現実世界に作用するAIみたいなところで、いわゆるエージェンティックAIの対比となるような考え方で、コーディングエージェントは今クロードコードがめちゃくちゃ流行ってますけど、あくまであれはデジタル上で完結するようなAI。一方でロボットだったり自動運転だったり、現実世界に作用するAIをフィジカルAIと呼んでいるんだろうと思っておりますと。
技術の構成要素とかプレイヤーですね。多分投資家観点で言うとプレイヤーの部分が気になるかなと思うんですけど。
おだしょー ぜひ知りたいです。
おだしょー もうちらほら出てきてます。あとはですね、いわゆるハードウェアとかロボット、わかりやすいと言えるとテスラさんのようなハードウェアロボットを作りますと。ロボット以外ももちろんAIも含めてやるケースもあるんですけど、ロボット系の会社さん。
あとは我々のようなですね、データ系のラインレイヤーというところで、ここもこれまでスケールAIさんがやってきたところであるんですけど、スケールAIさんもですね、ここには参入していたりですね。今いろんなプレイヤーがですね、データ部分に集中はしていたりしますと。
もう一つがSIRさんというところで、ロボットとかをいろいろ適材適所で調達して、それを現場にインテグレーションしていきますというようなプレイヤーさんのですね、ざっくり4つぐらいかなというようなところで見ておりまして、我々はデータの部分に張っておりますし、今フィジカルAIで言うと究極のボクトルネックはデータにあると言われておりまして。
LLMがインターネットのデータを大量に手に入れることで、スケーリングローと言われる、データを与えれば与えるほどパラメーター数を増やせば増やすほど有名な法則にのっとってですね、ひたすらデータを与えると性能が分かりやすく上がっていくというような法則が出たんですけど、ことロボット、フィジカルAIに関して言うとインターネット上にそんなデータはないというところで。
すごい、まさにちょっと時代遅れかもしれないですが石油を掘ってるような感じですよね、そういう意味ではね。
そうですね、もう石油みたいな形で各社がそこにえげつない投資をかけていて、特に中国系の会社さんがロボットを数百台工場みたいなところに並べて、ひたすら人にですね、テレオペレーションというか、ロボットを操作してそのデータを基盤モデルに学習させたりと。
何か物を作るっていうか、データを取るための工場っていうことなんですか?
そうですね、もうほんとデータを取るための工場で、ロボットも中国系のプレイヤー、大量リバーを開発しておりますし、そこにすごい大きな投資が進んでおりますと。
シミュレーションの技術は主にNVIDIAさんがかなり注力をしているところですし、あとは人間のビデオですね、人間の動画、ここもデータ収集を図形させるための結構いい方法なんじゃないかなというところで、研究開発がものすごく進んでおりますし、
今インドとか中国で、それこそギグワーカー的な人たちがスマートフォンのカメラを頭につけて収集して1時間いくらみたいな、アルバイトというかそういうのが走っておりますし、アメリカでも最近そういった家事の代行無料でします。ただし動画撮らさせてもらいますみたいなビジネスが始まってるぐらいですね。
ここのデータ収集競争が今。
そんなお金になるんですね、データが。
そうですね、もうかなり、今ビッグテックがもう、現実世界のデータをものすごい勢いでやってね、初めてですね。結構日本としてでも危機感なのは、LLMはインターネットという共通のみんながアクセスできるデータがあったんですけども、ビッグテックがそこにお金を張って囲ってしまうと、これはまた結構日本としてはきついなと。
言葉、それですよね。
入ってしまうというところで、そこは今、日本でもデータのエコシステムを作っていこうとかですね、各社それぞれで動くんじゃなくて、一体となってデータを還元する取り組みをしていきましょうみたいな動きが、日本の政府の動きとしても動いているところかな。
一方で、インターネット空間上にあるデータだったら、単純に投資をすればスピーディーに集められるというものであるに対して、製造現場に、産業領域のデータセットっていうのは、単純にじゃあ1時間いくら払うんでって言っても、いや出せない出せないみたいなデータがたくさんあると思うんで、そこは召集官とか、あとは契約の観点とか、いろいろ多分クリアすべきハードルがあるので、
一足飛びにビッグテックに食べられるみたいなことはないかもしれないけど、逆に言うと二の足踏んでると他の国でデータを取る専門の工場を大量に並べてロボットをトレーニングするみたいなことで、完全に水を分けられるって可能性もあるんで、そこはちょっとジレンもありつつ、日本勢もいいバランスを取りながら進めていく必要はあるかなと思っていますね。
さっきお話しいただいた中国の工場みたいなところでロボットいっぱいいてデータ取ってるっていうのは、こういう用途向けに取ってるとかってあるんですか、それとも基本的な動きのところをまず。
そうですね、あらゆるユースケースを想定して、小売りもあるし工場もあるし家庭内の作業もあるしっていうところで、基本的に基盤モデルのトレーニング用であるので、あらゆるユースケース。
じゃあユースケースをちゃんと想定しながらデータ取ってるって感じですね。 そうですね、工場みたいなところにそれこそテレビのセットみたいな形で家庭環境を模擬したところを作ったり、工場のラインを模擬したシーンを作ったりっていう、結構ゴリゴリにやってます。
じゃあ製造業向けでも基本的ななんか物を取り上げたり組み立てたりとか搬送したりみたいなところだったら、そういうところでデータが取れ始めてる感じなんですかね。 そうですね、そういう巧みの技術まではいかないまでも、簡単にピックアンドプレイスもそうですし、取り付けですとか、そういった細かい人間っぽい技能が要求されるようなところは、今かなり取り始めているというところですね。
本当にのんびりしてられないですね。
まあフィジカルAIっていうのがかなり幅広く使われてるんです。産業ロボットに少しAIを使えばフィジカルAIと呼ばれてしまうケースもあるかなとは思うんですけど、そういった意味で言うと産業ロボットはやっぱり日本のメーカーさんがまだまだシェアを取ってます。
そこはもちろん導入は済んでますと。一方で今流行りのというか、ロボット基盤モデル、ビジョンランゲージャーアクションモデルですね。こういったAIチックな動きに関してはまだ正直研究開発段階で、人を代替するレベルまではまだまだかなというところですと。
とはいえちょっと海外ではですね、タスク成功率99%みたいな部分の基盤モデルが出てきていたりするので、それはまだ彼らが言ってるだけなので、どれぐらいの性能かっていうのと、99%でも性能足りてないみたいな話には製造業で話ってくるとは思うので、まだまだそのレベルになっていますね。
今後の展望とエンディング
なるほどですね。今後まだまだ伸びしろというか、やる仕事、お二人の仕事が今後たくさんあるなというのを非常に感じる前編となりまして、というわけで今回はそろそろ締めたいと思います。
次回も引き続き、スキルノート代表取締役山川貴文さんと、ファストラベル代表取締役社長鈴木武さん、そしてジェニシアベンチャーズ相良さんをお迎えして、さらにお話をお伺いしてきます。ありがとうございました。
ありがとうございました。前編の収録終わりました。非常に謙虚な企業家、山川さん、鈴木さんなんですけれども、ビッグビジョンと大きなイヤーシンの会も見える前編だったと思っております。非常に楽しかったです。
それではまた次回お楽しみに。お相手はジェニシアベンチャーズの水谷でした。あいよー。
一同 あいよー。
