自動化のリスクと失敗2026｜決まるのはロボットの性能ではない

自動化のリスクと失敗は、多くの場合ロボットやAIの性能が足りないことで起きるのではありません。導入から3か月経っても生産性が動かない、投資回収の見通しが立たない、現場がいつの間にか使わなくなる。こうした結末はたいてい、契約前の判断軸と、既存システムとの境界の設計に原因があります。本記事では公開されている一次情報の数値をもとに、自動化投資が崩れる3つの構造と、タイ・ASEANの工場でそれを避けるための進め方を整理します。

自動化のリスクと失敗は「性能」ではなく「構造」で起きる

自動化プロジェクトの失敗率は、多くの経営層が想定しているよりも高い水準で報告されています。McKinseyの調査を引用した2026年8月のレポートは、対象領域別に次の数字を挙げています。

注目すべきは、一般的な業務自動化の失敗率30〜50%に対し、既存の壊れたプロセスをそのまま自動化した場合は73%まで跳ね上がるという差です。同じツール、同じベンダー、同じ予算でも、対象となる業務そのものが整理されているかどうかで結果が二極化する。これは技術の問題ではなく、着手前の設計の問題です。

そして、失敗したプロジェクトの68%が18か月以内に中止されるという数字は、失敗が「改善して立て直す」形ではなく「静かに撤退する」形で終わることを示しています。設備は残り、償却は続き、現場の記憶には「あれはうまくいかなかった」という前例だけが残る。次の自動化提案が社内で通りにくくなるという二次被害まで含めると、実際の損失は投資額を上回ります。

製造現場のFA領域でも構図は同じです。米国の製造業向けメディアが報じたある工場では、AMR(自律走行搬送ロボット)を導入して3か月が経っても生産性が横ばいのままでした。原因を追跡すると、問題はロボット側にはありませんでした。既存のレガシーMESが90秒周期のバッチ処理で作業指示を出していた一方、AMRはミリ秒単位で応答できる設計だったため、AMRは有効な指示が降りてくるのを待ってアイドル状態になり続けていたのです。同メディアは、7兆ドル規模の投資が進む米国製造業のなかで、このパターンが静かに広がっていると指摘しています。

高性能なロボットを買っても、それを動かす指示が90秒に一度しか来なければ、ロボットの性能は帳簿の上にしか存在しません。以下では、この種の失敗を生む3つの構造的な原因を順に分解していきます。

構造的原因1｜ROIモデルの単純化が自動化 投資 回収を狂わせる

ロボット費用÷削減人件費という一行の式

自動化の稟議で最も頻繁に見かける計算は、次の一行に集約されます。設備費用を、削減できる人件費の年額で割って回収年数を出す。分かりやすく、決裁も通りやすい式です。問題は、この式が分子と分母の両方を過小・過大に見積もっている点にあります。

分子である設備費用には、ロボット本体とハンド、架台、安全柵までは入っていても、既存システムとの接続開発、電源・エアー・ネットワークの敷設、レイアウト変更に伴う一時的な生産停止、立ち上げ期間中の並行運転コストが入っていないことが少なくありません。分母である削減人件費は、「その工程に立っている人数×人件費」で計算されがちですが、実際には自動化後も段取り替え、異常復旧、品質確認のために人は残ります。省人化は多くの場合ゼロか一かではなく、2人が1人になるという形で起こります。

稼働率という最大の変数

回収年数を最も大きく左右するのは、単価でも人件費でもなく稼働率です。理論サイクルタイムから計算した「1日あたり何個」は、段取り替え、材料待ち、上流工程の停止、保全時間を差し引くと大きく目減りします。たとえば理論値の稼働率85%を前提に2年で回収する計画が、実際に60%しか出なければ回収は3年近くまで伸びます。稼働率の見積もりを1つ間違えるだけで、投資判断の結論が変わるということです。

先に挙げたAMRの事例は、この稼働率が自社設備の性能ではなく他システムの都合で決まってしまうケースでした。ロボット単体のカタログスペックがどれだけ優秀でも、指示の供給が律速になれば実効稼働率はそこで頭打ちになります。稼働率は購入時に決まる数字ではなく、周辺の設計で決まる数字です。

統合コストと教育コストは見積書に載らない

自動化の見積書は、多くの場合ハードウェアと据付を範囲としています。一方で、実際に運用に乗せるまでには次のような費用が発生します。

• 既存の生産管理システムやMESとのインターフェース開発と、その仕様調整に要する打ち合わせ工数
• 品番マスタ、工程マスタ、ロケーションマスタの整備と、既存データの棚卸し
• 操作教育、異常時対応訓練、標準作業書の改訂と多言語化
• 立ち上げ後の初期不良対応と、パラメータのチューニング期間
• 保全部品の在庫、予防保全の計画化、社内保全員のスキル習得

これらは投資対効果の議論から外れやすい一方で、合計すると設備費用の数割に達することもあります。見積書に載らない費用こそが、回収年数を決めるという逆説がここにあります。設備投資の全体像を積み上げる考え方は、工場の設備投資計画をどう組み立てるかを扱った記事でも整理しています。

前提が動く。だから単年の式では足りない

さらに厄介なのは、回収計算の前提そのものが年々変わることです。タイでは最低賃金が2013年の300バーツから、2024年にバンコクで363バーツ、2025年1月に372バーツ、2025年7月にはバンコク全域とホテル・遊興施設を対象に400バーツへと段階的に引き上げられてきました。JETROの調査による年間賃金上昇率も2023年が3.8%、2024年が4.58%、2025年見込みが4.64%と、4%台の水準が続いています。

つまり、導入検討時に計算した「削減人件費」は据え置きの数字ではなく、毎年数%ずつ大きくなっていく数字です。逆に言えば、単年の人件費で回収年数を計算する方法は自動化の効果を過小評価していることになります。ROIモデルの単純化は、投資を過大に見せる方向にも、過小に見せる方向にも働きます。

一方で、市場データが示す回収期間の目安は決して悲観的なものではありません。協働ロボットの市場は2026年時点で113億ドル規模、年率28%で成長し、直近4四半期で21万台が出荷されています。同市場のレポートでは、協働ロボットの投資回収期間は6〜12か月が目安とされています。この水準が現実に出るかどうかは、まさに稼働率と統合の設計次第です。費用の内訳と進め方については協働ロボット導入の費用と手順を整理した記事も参考になります。

構造的原因2｜システム境界の不整合というFA 導入 失敗の温床

応答速度の不一致

冒頭で触れたAMRとレガシーMESの事例は、システム境界の不整合の典型例です。90秒のバッチ周期とミリ秒の応答性能という、3桁以上かけ離れた時間軸を持つ2つのシステムを直結すると、速い側は必ず待たされます。しかもこの待ち時間は、AMRの管理画面には「異常」として現れません。ロボットは正常に稼働可能な状態で、単に指示がないだけだからです。

現場で起きることは、ロボットが動いていない時間帯が増えるのに、どのアラーム画面にも赤が点かないという状況です。原因の切り分けが難しいのは、双方が仕様どおりに動作しているためです。境界の設計が抜けている場合、責任の所在も曖昧になります。ロボットベンダーは「うちの機器は指示待ちです」と言い、システムベンダーは「バッチ周期は既存仕様です」と答える。どちらも間違っていないため、放置されやすいのです。

データ粒度と識別子の不一致

時間軸だけでなく、データの粒度も境界の不整合を生みます。生産管理システムはロット単位で在庫を持ち、AMRは棚単位・コンテナ単位で搬送を管理し、ロボットセルは個品単位で処理する。この3つの粒度をつなぐ変換ルールが決まっていないと、「どのロットのどの個品が、いまどの棚にあるか」を誰も答えられなくなります。

識別子の設計も同様です。既存の品番体系に枝番や暫定品番が混在していると、自動化されたシステムは例外を処理できずに停止します。人間は「これは前工程の暫定品番だな」と読み替えられますが、自動化されたシステムには読み替える根拠がありません。既存の壊れたプロセスをそのまま自動化した場合に失敗率が73%まで上がるという数字の実体は、多くの場合こうした基礎データの不整合です。

例外処理を誰が引き受けるか

自動化の設計で最も工数を要するのは、正常系ではなく異常系です。搬送先が満杯だったとき、ワークの姿勢が想定外だったとき、上流が停止して指示が途切れたとき。これらのケースをどこまで自動で処理し、どこから人に渡すのかという線引きが、稼働率をそのまま決めます。

線引きが曖昧なまま導入すると、異常のたびに人が呼ばれ、復旧手順が属人化し、やがて「呼ばれるくらいなら最初から手でやる」という判断に至ります。ロボット導入 失敗の多くは、故障ではなく異常時の運用設計の不在から始まります。搬送系の導入で押さえるべき前提条件はAGV・AMR導入の進め方と費用でも整理しています。

統合されて初めて出る数字

境界を正しく設計できたときの効果は明確です。AMR市場のレポートは、市場規模が34億ドル、年率19.5%で成長し2035年に170億ドルへ達すると見込む一方、導入効果として受注から出荷までのサイクルタイムを最大40%短縮、搬送人員を30〜50%削減という数字を挙げています。ただし、ここまで見てきたAMRとレガシーMESの事例を踏まえると、この数字がそのまま出るのは工場のインフラおよびシステムと適切に統合された場合に限られると考えるのが妥当です。

同じ機種を入れても、統合設計をした工場では40%短縮が出て、しなかった工場では3か月経っても横ばいになる。自動化の成果は機器の選定ではなく、機器と既存システムの間に引いた線の質で決まります。

構造的原因3｜変更管理と現場定着の欠如が最後に効く

「動く」と「使われる」の間にある距離

検収時点で仕様どおりに動作することと、半年後も同じ稼働率が出ていることは別の話です。自動化設備は、周辺条件が変わると徐々に成績が落ちます。新製品が追加され、ワークの寸法公差が変わり、段取り手順が変わり、レイアウトが少し動く。そのたびにパラメータを調整できる人が社内にいなければ、設備は「使いにくい設備」に変わっていきます。

失敗したプロジェクトの68%が18か月以内に中止されるという数字は、この時間感覚と一致します。18か月というのは、初期の熱量が冷め、担当者が異動し、周辺条件が一巡するのにちょうど足りる長さです。導入直後の1〜2か月ではなく、その後の1年半をどう設計するかが定着の分かれ目になります。

タイ工場に固有の定着リスク

ASEANの日系工場では、変更管理の難易度がさらに上がります。外国人労働者への依存度が高い職場では、教育した人材がそのまま定着するとは限りません。作業標準を日本語とタイ語で用意しても、実際の作業者がミャンマー語話者である場合、口頭で伝えられた手順が世代を追うごとに変質していきます。

この環境で自動化を定着させるには、教育を「人に対する研修」ではなく「作業そのものの設計」に組み込む必要があります。操作画面をアイコン中心にする、誤操作が物理的にできない構造にする、異常時の復旧手順を写真ベースの1枚もので現場に貼る。こうした地味な作りこみが、教育コストの再発を防ぎます。

保全体制と内製化の線引き

もうひとつの定着条件が保全です。ロボットのティーチング修正、ビジョンの再調整、消耗品の交換、簡単なパラメータ変更。これらを毎回ベンダーに依頼していると、対応待ちの時間がそのまま停止時間になり、費用も積み上がります。かといって全てを内製化しようとすると、教育負荷が現実的でなくなります。

実務的には、社内で行う範囲とベンダーに任せる範囲を、導入前の契約段階で明文化しておくことが効きます。どこまでのソースコードとドキュメントを受け取るのか、ティーチングデータの所有権はどちらにあるのか、緊急時の応答時間は何時間か。この取り決めの有無が、3年目以降の稼働率を大きく左右します。パートナー選定の観点はロボットSIerの選び方にまとめています。

誰が「やめる」判断をするのか

意外に設計されていないのが、撤退や仕様変更の判断ルートです。想定した効果が出ていないとき、それを誰が、どの指標で、いつ判定するのか。この仕組みがないと、プロジェクトは成功も失敗も宣言されないまま放置され、18か月後に予算が付かなくなって静かに終わります。判断のタイミングと基準を導入前に決めておくことは、失敗を防ぐためではなく、失敗を早く小さく確定させるために必要です。

タイ・ASEANの工場が置かれている3つの前提

前提1｜人件費は今後も上がる方向にある

タイの最低賃金の推移は、自動化の投資判断に直接影響します。

さらにタイ貢献党は、2027年までに日額600バーツへ引き上げる公約を掲げています。これは2025年1月時点の372バーツ水準と比べて約61%の上昇にあたり、直近の2025年7月時点の400バーツ水準と比べても50%の上昇です。公約がそのまま実現するかは別として、賃金が下がる方向のシナリオは事実上存在しないという前提で投資計画を組むのが妥当です。年率4%台の上昇が続けば、5年後の人件費は現在の約1.2倍になります。

前提2｜BOI優遇は「使える条件」を先に確認する

タイのBOIは2026年に向けて、投資恩典の付与から案件の早期実行支援へと軸足を移しています。スマート・サステナブル産業向けの優遇措置では、最低投資額100万バーツ、法人所得税の3年間免除が用意されています。ここで重要なのは免除上限の条件です。通常は適格投資額の50%が上限ですが、国内で製造された自動化・ロボティクス機械が30%以上を占める場合に限り、上限が100%になります。

この条件は機器選定に直接影響します。海外製の最新機種で固めるか、国内製造分を一定比率確保して恩典を最大化するか。仕様が固まってから恩典を確認すると、選び直しは事実上できません。優遇制度の要件確認は、機器選定の前に行うべき工程です。

前提3｜周囲の投資は加速している

タイの2026年上半期の投資申請額は、前年同期比37%増の436億ドル、件数は1,299件に達しました。このうちBOIの「Smart and Sustainable Industry」施策には132件、5億760万ドルの申請があり、対象は機械のアップグレード、省エネ、デジタル技術の導入、自動化・ロボティクスの導入です。

この数字が意味するのは、同じ工業団地の中で、同業他社が同じ方向に動いているということです。焦って導入する理由にはなりませんが、判断を先送りするコストが年々上がっていることは事実として押さえておく必要があります。

失敗しない自動化 進め方｜4段階のロードマップ

3つの構造的原因を裏返すと、進め方は自然に定まります。重要なのは、各段階の終わりに次へ進むかどうかを判断するゲートを置くことです。

第1段階｜まず「今」を数字にする

自動化の検討は設備の比較から始まりがちですが、最初にやるべきは現状の実測です。理論サイクルタイムではなく実際のサイクルタイム、公称稼働率ではなく実稼働率、そして停止時間を要因別に分解した内訳。この3点が揃っていないと、投資効果の計算はすべて仮定の上に乗ることになります。

実測の過程で、自動化しなくても解決する問題が見つかることも珍しくありません。段取り時間の短縮や治具の改良で済む課題に設備投資を当てるのは、最も高くつく失敗です。

第2段階｜買う前に境界を描く

見積もりを取る前に、既存システムとの接続仕様を紙の上で確定させます。指示は何秒周期で降りてくるのか、実績はどの粒度で戻すのか、識別子は何を使うのか、通信が切れたときにどちらが待つのか。この工程を省いた結果が90秒とミリ秒のミスマッチです。

ここで既存システム側の改修が必要と判明することもあります。その場合、改修費用は自動化投資の一部として計上すべきものであり、後から追加予算として出てくるべきものではありません。

第3段階｜小さく実証し、数字で判断する

いきなり全ラインに展開せず、1セルまたは1ラインに絞って実証します。目的は動作確認ではなく、第1段階で立てた稼働率の仮定を実データで検証することです。想定と実測の乖離が説明できれば横展開に進み、説明できなければ原因が判明するまで進まない。この判断を機械的に行うルールが、撤退の遅れを防ぎます。

第4段階｜定着させる仕組みを残す

横展開の段階で整えるのは、設備ではなく仕組みです。標準作業書の多言語化、異常復旧手順の掲示、社内保全の教育計画、ベンダーとの役割分担の明文化、そして稼働率と省人化効果の定点観測。この4つ目の段階に予算と工数を確保していないプロジェクトは、18か月後に静かに止まります。

省人化 投資対効果を正しく測る指標セット

回収年数という単一の指標だけで自動化を評価すると、途中経過が見えません。実務では次の指標を並行して見ることを推奨します。

特に重要なのが指示待ち時間の比率と間接工数の増減です。前者は境界の不整合を早期に捕まえる指標であり、後者は「人は減ったが別の人が忙しくなった」という見かけ上の省人化を暴く指標です。この2つを最初から計測する設計にしておけば、投資対効果の議論は感覚論から数字の議論に変わります。

よくある質問

自動化投資はなぜ失敗するのか？

技術の性能不足よりも、投資判断の前提と設計に原因があることが大半です。ROIモデルの単純化、既存システムとの境界の不整合、変更管理と現場定着の欠如という3つが典型です。既存の壊れたプロセスをそのまま自動化した場合の失敗率が73%に達するという報告は、対象業務の整理が着手前に必要であることを示しています。

自動化の投資回収の目安はどのくらいか？

協働ロボットについては6〜12か月が一つの目安として示されています。ただしこれは稼働率が想定どおり出た場合の数字です。統合コストや教育コストを含めず、稼働率を楽観的に置いた計算は実態と乖離します。一方でタイでは賃金が年4%台で上昇しているため、単年の人件費で計算する方法は効果を過小に見積もる面もあります。

省人化の投資対効果はどう測ればよいか？

削減人数ではなく削減工数で測り、そこから保全・段取り・データ整備で増えた間接工数を差し引きます。加えて実稼働率と指示待ち時間の比率を並行して見ることで、効果が出ていない場合の原因まで特定できます。

FA導入の失敗を避けるための自動化の進め方は？

現状の定量化、境界の設計、限定範囲での実証、横展開と定着という4段階に分け、各段階の終わりに次へ進むかどうかの判断ゲートを置く方法が有効です。特に、見積もりを取る前に既存システムとの連携仕様を確定させることが重要です。

ロボット導入の失敗はどの段階で見抜けるか？

実証段階の稼働率データで多くは判別できます。想定稼働率との乖離が説明できない場合、その原因はほぼ確実に周辺システムか運用設計にあります。導入から3か月経っても効果が横ばいで、かつアラームも上がっていない状態は、指示の供給が律速になっている典型的な兆候です。

まとめ

自動化のリスクと失敗を分けるのは、選んだロボットの性能ではありません。分かれ目は3か所にあります。1つ目は、稼働率・統合コスト・教育コストまで含めて投資回収を計算しているか。2つ目は、既存の生産管理システムやMESとの応答速度・データ粒度・例外処理の分担を、購入前に設計しているか。3つ目は、導入後18か月にわたって設備を使い続けるための教育・保全・指標の仕組みを予算に入れているか。

タイでは最低賃金が2025年7月にバンコク全域で400バーツに達し、年4%台の賃金上昇が続いています。BOIのスマート・サステナブル産業向け優遇では、国内製造の自動化・ロボティクス機械が30%以上を占める場合に恩典上限が100%になるという条件も設けられています。2026年上半期の投資申請が前年比37%増となるなか、自動化そのものを見送るという選択肢は現実的ではありません。だからこそ、判断軸を先に固めることが最大のリスク低減策になります。

自動化の検討は、機種の比較から始めるより、現状工程の数字と既存システムとの境界を確認するところから始めるほうが結果的に早く進みます。まだ構想段階で仕様が固まっていない、あるいは既存の生産管理システムとの連携範囲がはっきりしないという状況でも、要件の整理から一緒に考えることは可能です。現状のライン構成や課題感を伺うところからで構いませんので、お問い合わせよりお気軽にご連絡ください。

参考情報

• The robot didn’t fail. The factory did. – AdvancedManufacturing.org
• Why Most Automation Projects Fail – Zelu AI
• AI, Robotics and Automation in Smart Factories 2026 – iFactory
• Thailand’s BOI in 2026 – From Investment Incentives to Accelerated Project Delivery – Mahanakorn Partners Group
• 2026年最新版 タイ労務・タイ労務管理の最新動向 – 久野康成公認会計士事務所
• Thailand investment applications surge 37% in first half of 2026 – The Nation Thailand