ロボットは物理作業の74%をこなせる。採算が合うのは0.3%という調査
Anthropicが9月30日に公開した調査で、ロボットは米国の物理作業の74%を技術的にこなせる一方、人より安いのは0.3%にとどまると示されました。「できる」と「元が取れる」の距離を、AI開発の見積もりの読み方に落とします。
「技術的にはできる」と「やったほうが安い」は、まったく別の話である。2026 年 9 月 30 日に Anthropic が公開した調査は、その差を物理作業の領域で数字にしている。ロボットは米国の物理的な作業の 74% を技術的にはこなせる。だが人を雇うより安く済むのは 0.3% にすぎない。 200 倍以上の開きがある。
この構図は、ソフトウェアの AI 開発で見積もりを比べているときにも、そのまま出てくる。
公表されている事実
Anthropic の研究チームが 2026 年 9 月 30 日に公開した「Can we predict the jobs robots will do?」の内容は次のとおりである。
- 米労働省の職業データベース O*NET の約 900 職種・約 19,000 作業を対象に、現在のロボットが各作業をどこまで実行できるかを Claude で評価した
- 評価は作業環境の作り込みやすさで E0〜E3 の 4 段階に分けている。専用に設計された施設で済むものから、構造化されていない現場でしか成り立たないものまでを区別する
- 結果として、物理的な作業の 74% は技術的に実行可能。これは米国の総労働時間の 34% に相当する
- 一方で、人の労働と費用で競合できるのは全作業の 0.3% にとどまる
- ロボットの価格下落が過去の傾向（年 3% 程度）どおりに進むと仮定した場合、採算が合う範囲が 10% に達するまで約 40 年かかる
- 以前は自動化できなかった物理作業のうち、年あたり約 2% が技術的に自動化可能な側へ移っている
- LLM による作業の置き換え可能性と合わせると、雇用の 81% がどちらか一方の技術の影響範囲に入る
- 影響度が最も高い職業はタクシー運転手（指数 2.2）で、上位は車両の運転と倉庫内の作業に集中している
- 研究チーム自身が限界を明示している。費用の推計は概算であり、導入にともなう摩擦を織り込んでいない。価格の下落傾向が将来も続くとは限らず、AI と組み合わせたロボットが現在の想定を飛び越える可能性もある、としている
ここまでが公表されている事実である。以下は見立てになる。
論点 1. 「できる」と「安い」の間にある 3 桁の差
74% と 0.3% の間を埋めているのは、技術の問題ではなく費用の問題である。装置そのものの価格、現場を作り変える工事、止まったときに人が駆けつける体制、そして人件費との比較。これらが積み上がって、技術的に可能な範囲のうちごく一部しか採算に乗らない。
AI 開発の見積もりを読む場面に置き換えると、同じ構造がある。
| 段階 | 物理作業の例 | AI 開発の例 |
|---|---|---|
| 技術的にできる | 試作機が部品をつまめた | PoC で 8 割の正解率が出た |
| 本番で安定して動く | 現場の照明・温度でも落ちない | 実データの揺れでも精度が落ちない |
| 人より安い | 設備費＋保守費＜人件費 | 開発費＋運用費＜削減できる人件費 |
PoC が通った話と、本番で採算が取れる話は別の段である。PoCで終わるAIプロジェクトの共通点で整理している通り、ここを飛ばした稟議は後から止まる。
論点 2. 40 年という数字をどう読むか
「約 40 年」は予言ではなく、過去の価格下落率をそのまま引き延ばした場合の計算結果である。誰が何を根拠に言っているかを分けて見ておきたい。
- 主張: 採算が合う範囲が 10% に届くまで約 40 年かかる
- 根拠: 年 3% という過去のロボット価格の下落傾向。O*NET の作業単位での実行可能性評価
- 前提が崩れる条件: 価格下落が加速する、AI との組み合わせで作業の作り込みが不要になる、人件費が急上昇する
- 逆方向の指摘: 研究チーム自身が「導入の摩擦を織り込んでいない」と書いている。つまり実際にはもっと遅くなる可能性もある
したがってこの数字は「40 年は安心だ」とも「40 年後には全部変わる」とも読めない。読み取れるのは、技術的な可能性が先に広がり、費用がそれに追いつくまでに長い時間がかかるという順序だけである。年 2% ずつ可能な範囲が増えているという数字は、その順序が現在も続いていることを示している。
発注者・企業への影響
第一に、提案を受けたときに「できる」と「合う」を分けて聞く。デモが動いたことと、業務に入れて黒字になることは別の証明が要る。精度の話であればAIの精度をどう評価するかの指標が、費用の話であれば削減できる人件費の実額が必要になる。
第二に、運用費を含めた比較にする。この調査が 0.3% という低い数字を出せたのは、設備費だけでなく保守・稼働の費用を人件費と並べたからである。AI 開発でも、API 利用料・監視・再学習を含めない比較は意味を持たない。AI開発の運用費・ランニングコストの実態に内訳をまとめている。
第三に、自動化の範囲を作業単位で切る。この調査が職業ではなく約 19,000 の「作業」を単位にしたのは、1 つの職業の中で自動化できる作業とできない作業が混在しているからである。発注でも同じで、業務をまるごと AI に置き換える案件は高くつきやすく、作業単位で切り出した案件は安く収まりやすい。切り出し方はAIに任せる業務の選び方の 4 軸で絞れる。
第四に、撤退の線を先に決める。採算が合わない領域が広いということは、途中で「ここは合わない」と分かる案件が一定数あるということでもある。AI開発をいつ止めるかで触れている通り、止める基準は契約前にしか決められない。
見積依頼に書く 3 行
- 比較対象の人件費を数字で出す。何人・何時間・いくらを置き換えるのか。これがないと採算の話にならない
- 運用費を初期費用と分けて出させる。月額でいくらか、使用量が倍になったらいくらか
- 作業の範囲を列挙する。業務名ではなく、入力と出力が決まっている作業の単位で書く
この 3 点は案件の条件としてそのまま書き出せるので、複数社に同じ文面で聞ける。無料で相見積もりの案件票では、置き換える作業量と運用費の前提を選択式で揃え、各社に同じ形式で答えてもらっている。費用の比較そのものの考え方はAIと人手、結局どちらが安いのかで工程別に整理した。
まとめ
この調査が示したのは、ロボットがまだ使えないということではない。技術的な可能性の広がりと、費用が追いつく速さが、まったく違う速度で動いているという事実である。74% と 0.3% の差は、物理作業に限った話として読む必要はない。提案書の「できます」と、稟議書の「元が取れます」の間にある距離を測る物差しとして使えると考えられる。
参考・出典
- Anthropic Research「Can we predict the jobs robots will do?」（2026 年 9 月 30 日） https://www.anthropic.com/research/what-work-can-robots-do
- Anthropic「Introducing the Anthropic Economic Index」（調査シリーズの位置づけ） https://www.anthropic.com/news/the-anthropic-economic-index
- Anthropic「Labor market impacts of AI: A new measure」（LLM 側の影響度の測り方） https://www.anthropic.com/research/labor-market-impacts
- O*NET OnLine（職業・作業データベース） https://www.onetonline.org/
AI開発の見積もりを、同じ条件で比べる。
条件を整理した 1 枚の案件票で複数のAI開発会社に依頼。初期費用だけでなく、データ整備・API 費・精度検証・保守・権利まで同じ列で比較できます。