イスラエルのフィジカルAI企業を6軸で読む

フィジカルAI企業のウェブサイトには、製品の用途、技術、導入事例が掲載されている。しかし、その情報だけで導入可否を決めることはできない。企業が公表する事実と主張を分け、現場ごとに確認すべき条件へ変換する必要がある。

12本目では、6つの評価軸を使った導入判断シートの記入方法を架空事例で示した。13本目では、PoCが止まる理由を「兆候」「不足している根拠」「次の行動」に分けた。今回は、イスラエルに本社または研究開発拠点を置く3社の公開情報を、用途、認識、安全、接続、運用、効果の6軸で読み直す。

対象は、建物外壁の保守を自動化するSkyline Robotics社、倉庫内搬送を扱うBionicHIVE社、果樹園の収穫を自動化するTevel社である。異なる現場を比べることで、公開情報から確認しやすい項目と、個別案件で残りやすい項目を明らかにする。

最初に結論｜公開情報は候補選定に使える

企業の公開情報は、対象工程、機器の構成、認識方法、導入事例を把握し、候補を絞る段階では有効である。一方、安全停止、既存設備との接続、保守体制、投資効果は、現場条件によって変わる。ウェブサイトに説明がないことは、直ちに製品の欠点を意味しない。導入前に確認すべき質問が残っていることを意味する。
米国国立標準技術研究所（NIST）のAI Risk Management Framework 1.0は、AIの用途とリスクを把握し、測定結果を管理判断へつなげる考え方を示している。本記事では、この考え方を企業調査へ応用し、公開情報を最終評価ではなく、確認計画の入口として扱う。

公開情報を3段階に分ける

企業情報を読む際は、次の3段階に分けると判断しやすい。

• 公表事実：製品構成、対象用途、公開された導入事例など、企業サイトで確認できる情報

• 企業の主張：速度、精度、投資回収、作業効率など、企業が自社の性能として説明する情報

• 個別案件の受入根拠：自社の現場、設備、データ、要員、契約条件で確認する試験結果と記録

企業の主張は、候補選定の仮説として有用である。ただし、測定条件、比較対象、対象期間が示されていなければ、受入基準には使えない。個別案件では、同じ指標を自社条件で再定義する必要がある。

1｜Skyline Robotics社

Skyline Robotics社は、建物に備わるBMU（建物外壁保守用設備）へロボットシステム「Ozmo」を組み合わせ、窓清掃を自動化する構成を公表している。同社によると、LiDARで建物表面を把握し、力覚センサーでブラシの圧力を調整する。経路はリアルタイムで補正され、認定オペレーターが離れた場所から作業を監視する。
用途と認識の仕組みは公開情報から把握しやすい。人が完全に外れる仕組みではなく、教育と認定を受けたオペレーターを運用へ組み込んでいる点も確認できる。同社は作業速度について数値を示しているが、これは同社の説明であり、建物条件をそろえた独立検証の結果ではない。導入前には、既存BMUと建物外壁の適合、風雨などの使用条件、緊急停止と復旧手順、外壁を傷めないための受入基準、教育期間、保守範囲を確認する必要がある。効果は、清掃速度だけでなく、作業停止時間、必要人数、再作業、設備保守を含めて測るべきである。

2｜BionicHIVE社

BionicHIVE社は、倉庫の既存ラックへレールを設置し、自律移動ロボット「SqUID」を垂直方向にも移動させる仕組みを公表している。同社は、既存のラックと容器を活用し、少数のロボットから段階的に拡張できるとしている。単体ロボットではなく、施設全体のシステムとして提供する方針も示している。
接続について、同社はWMS（倉庫管理システム）やERP（統合基幹業務システム）との連携に対応すると説明している。ただし、公開情報だけでは、対象製品、通信方式、権限、データ更新の頻度、障害時の切り離し方までは判断できない。「既存設備を使える」という説明も、ラックの強度、容器の寸法と重量、通路条件を確認した上で評価する必要がある。導入前の確認項目は、ラックへ加わる荷重、人や既存搬送機器との共存、通信障害時の停止と復旧、手作業への切り替え、稼働率、部品供給、保守要員である。効果は、搬送件数だけでなく、誤搬送、滞留、復旧時間、在庫差異、ピーク時の増設費用を含めて測る必要がある。

3｜Tevel社

Tevel社は、果樹園で果実を収穫する飛行型ロボットを開発している。同社の公開情報によると、コンピュータービジョンで果実と葉を識別し、大きさや熟度を分類する。収穫時には、果実数、重量、大きさ、色、位置などのデータを記録する仕組みも示している。同社は、米国のHMC FarmsやチリのUnifruttiとの取り組みを公表している。これらは、実際の果樹園で運用した事例を確認する材料になる。一方、企業と導入先が発信する事例であるため、全ての園地や品種に同じ結果が当てはまるとは限らない。
導入前には、樹形、列間、品種、果実の重なり、照明、風雨などの適用条件を確認する必要がある。人が近づいた際の停止、飛行体の回収、通信断への対応、果実の損傷率、取り残し、季節外の保管と保守も確認対象である。効果は、収穫量だけでなく、品質、作業時間、要員配置、移設、季節ごとの稼働日数を含めて評価すべきである。

6つの評価軸で比べると何が見えるか

3社を比べると、用途と認識は公開情報で確認しやすい。製品の価値を短時間で伝えるため、対象工程、センサー、AIの役割、代表的な導入事例が説明されているためである。
安全、接続、運用、効果は、公開情報だけでは判断しにくい。建物、倉庫、果樹園の条件が異なれば、停止方法、既存設備との境界、担当者、保守、費用が変わる。ここで必要なのは、説明が少ない企業を機械的に除外することではない。未確認事項を質問、現地調査、PoC、契約条件へ変換することである。

保存用｜公開情報の読み分けカード

企業調査の結果を、導入前の確認項目へ変えるためのカードである。
各社について、公表事実、企業の主張、個別案件で必要な受入根拠を分けて記録する。

GPU Humanの見方｜書かれていないことを質問へ変える

企業調査では、情報量の多さだけで成熟度を判断しない。公表事実と企業の主張を分け、6つの評価軸ごとに「確認済み」「企業説明のみ」「未確認」を付ける。その上で、未確認の項目を質問票とPoCの受入条件へ移す。
イスラエル企業の事例から見えるのは、同じフィジカルAIでも、建物、倉庫、果樹園で確認順序が異なることである。後付け型の製品は既存設備との適合が先になり、飛行体を使う製品は環境条件と停止・回収が先になる。
6つの評価軸は共通の目次であり、優先順位は現場ごとに組み替える必要がある。

次回は、公開情報で残った未確認事項を、企業への質問票へ変える方法を整理する。製品説明を聞くだけで終わらず、回答、根拠資料、担当者、期限を記録できる形にする。企業の公開情報を読む際、最も確認しにくいのは安全、接続、運用、効果のどれだろうか。実務で困った項目があれば、コメントで共有してほしい。

本記事の位置付け

本記事は、各社の公開情報を基に、フィジカルAI企業を比較する方法をGPU Humanが独自に整理したものである。各社の製品、性能、安全性、規格適合、供給地域、投資効果を認定または保証するものではない。企業サイトに記載された性能や効果は、各社の説明として扱っている。導入、運用、安全、投資、契約を判断する際は、対象機器、用途、地域、現場条件に応じ、企業、専門家、関係機関へ確認する必要がある。公開情報は2026年8月28日に確認した。NISTはAI RMF 1.0の改訂作業を進めている。参照時点の最新版と適用範囲を確認する必要がある。見出し画像には生成AIを使用し、本文図はGPU Humanが作成した。

Sources

Skyline Robotics, The future of automated window cleaning
Skyline Robotics, Meet Ozmo
Skyline Robotics, Becoming a Certified Ozmo Operator
BionicHIVE, Solution
BionicHIVE, Frequently Asked Questions
Tevel, Our Technology
Tevel, Tevel Partners With HMC Farms of Kingsburg, California
Tevel, Tevel Partners with Unifrutti, Expands to South America
NIST, AI Risk Management Framework 1.0 Core（2023）