服を店や購入者へ届ける物流の現場で、人型ロボットに仕事を任せるための商業契約が結ばれました。Figureは2026年5月26日、Catalyst Brandsの配送・物流網に人型ロボットを配備する契約を発表しました。
同社の発表によると、開始場所は米国ネバダ州リノの物流拠点で、体力を要する供給網の作業を対象とします。Catalyst Brandsは、JCPenney、Aéropostale、Brooks Brothersなどを運営しています。
発表されたのは契約と導入の方向性です。人員削減や確定した稼働台数、稼働率の実測に基づく成果発表としては読めません。それでも、衣料品を扱う事業者の物流網で、人型ロボットの配備に向けた商業上の合意ができたことは、物流の仕事をどう任せるかを考える具体的なきっかけになります。
箱を移す仕事から、試せる範囲を切り出す
日本のアパレル物流に引き寄せるなら、たとえば物流センターの改善担当者が、入荷した衣料品の箱を所定の場所へ移し替える作業を試験対象にする場面が考えられます。これは今回公表された作業内容や国内の導入事例ではなく、用途を検討するための例です。
手元に集めたいのは、入荷予定表、箱の寸法と重量の記録、移動経路、破損や荷崩れの報告です。担当者はそれらを突き合わせ、箱の大きさや置き場所がどれほど変わるかを確かめます。そのうえで、条件のそろった箱を運ぶ区間を切り出せば、試験で確かめることと、人が引き取る場面を決めやすくなるでしょう。
人型であることだけで、多様な箱を扱えるとは判断できません。日本の現場への適合性を考えるには、想定した箱や経路で実際に作業できるかを確かめる必要があります。国内で利用できることを前提にせず、自社のどの仕事なら試す価値があるかを整理する段階でも、この視点は役立つと考えられます。
品目の多さと、箱を動かす難しさを分けて考える
色やサイズの異なる商品を扱う現場では、品目の多さにも目が向きます。ただ、同じ形の箱を移動させる仕事と、箱の中の商品を識別して仕分ける仕事では、確かめる能力が違います。試験範囲を決める際は、この二つを分けて考えたいところです。
たとえば出荷管理の担当者なら、品目一覧や出荷指示に加え、ラベルを読めなかった箱、傷んだ箱、行き先を変更した記録を確認する方法が考えられます。箱の移動を任せる候補にしつつ、商品や行き先について判断が必要になったら人へ戻す、という役割分担です。これもFigureの公表済み機能ではなく、試験を設計する際の考え方です。
試験では、繁忙期に何箱動かせるかに加えて、破損や例外の件数、停止後に誰がどの状態から作業を再開したかを観察するとよいでしょう。移動が速くても、引き継ぎのたびに周囲の作業が滞れば、現場全体の改善にはつながりにくいからです。運べた数量と、人が対応した手間を合わせて見ることで、任せる範囲を判断しやすくなります。
別の拠点でも任せられる条件が、事業性の判断材料になる
投資家や事業開発の担当者にとって、商業契約は事業の進展を考える材料です。一方、契約の存在だけでは、別の物流拠点でも同じ成果が出るかは判断できません。今後、任せた作業の範囲、人が介入した場面、安定して動いた条件が示されれば、ほかの現場への展開を検討しやすくなるでしょう。
日本の担当者が今できる準備は、運ぶ対象、判断が必要な場面、停止時の引き継ぎ先を整理することです。作業を一括して「ロボットに任せたい」と捉えるより、どこまでなら条件をそろえられるかを具体化する。その整理が、導入を検討する機会に、試験の範囲と評価方法を決める土台になります。