スマホを額に巻きつけて皿洗い――ギグワーカーがロボットを育てる時代

病院での長い一日を終えて帰宅した医学生が、iPhoneを額に装着して皿を洗い、床を掃き、洗濯物をたたむ。ナイジェリアに住むZeusにとって、これは奇妙なアルバイトだ。しかしこの映像は、地球の裏側でヒューマノイドロボットを作る企業が喉から手を出すほど欲しがっているものでもある。

「人間の動き」が最も高価なデータになった

ロボティクス企業各社が人型ロボットの開発を加速させる中、AIに「人間らしい動き」を教えるためのデータが深刻に不足している。工場の生産ラインや自動車の走行映像と違い、「冷蔵庫を開けて牛乳を取り出す」「散らかった机の上を片付ける」といった日常動作のデータは、既存のデータセットにほとんど存在しない。

そこに目をつけたのがMicro1だ。同社はデータ収集プラットフォームを構築し、インド、ナイジェリア、アルゼンチンをはじめ50カ国以上で数千人のギグワーカーを採用。彼らに日常の家事や作業を一人称視点で録画させ、そのデータをロボティクス企業に販売している。報酬は現地の物価水準に照らすと「割の良い仕事」とされており、医学生や学生など副業を求める層が参加している。

この手法が注目される背景には、ヒューマノイドロボット開発の競争激化がある。Tesla、Figure AI、Boston Dynamics、そして中国勢を含む各社が、2025年から2026年にかけて商業展開を本格化させようとしている。MIT Technology Reviewの読者投票でも、ヒューマノイドロボットは「2026年の注目ブレークスルー技術」に選ばれた。

便利さの裏側にある問い

しかしこのビジネスモデルには、解決されていない問題が積み重なっている。

まずプライバシーの問題だ。ワーカーが録画するのは自分の自宅だが、映像には家族の顔、部屋の間取り、生活習慣が映り込む可能性がある。そのデータが最終的にどの企業に渡り、どのように使われるか、ワーカーが完全に把握しているとは言い難い。「インフォームド・コンセント（十分な説明に基づく同意）」が本当に機能しているかという疑問は、研究者やプライバシー擁護団体から繰り返し指摘されている。

広告

広告掲載について

[email protected]

広告

次に労働の持続可能性だ。ギグワーカーは雇用保障も福利厚生もなく、プラットフォームの都合でいつでも契約を打ち切られる。彼らが育てたロボットが普及した暁には、そのロボットが彼ら自身の仕事を奪う可能性すらある。

日本社会への接続点

この話題は、日本にとって他人事ではない。

日本は世界有数の高齢化社会であり、介護・製造・物流の現場で深刻な人手不足が続いている。ヒューマノイドロボットへの期待は高く、川崎重工やホンダ（ASIMOの開発元）、ソフトバンクロボティクスなどが関連技術を持つ。しかし「ロボットに人間の動きを教える」という段階では、日本企業もデータ不足という同じ壁に直面する。

興味深いのは、日本でも類似の取り組みが生まれる素地があるという点だ。クラウドワーキングやタスク型副業は若年層を中心に定着しており、「自宅での録画作業」という形態は技術的には参入障壁が低い。一方で、日本社会が持つプライバシー意識や「自宅を外部に見せることへの抵抗感」は、参加率に影響するかもしれない。

企業側から見ると、トヨタのTRI（Toyota Research Institute）はすでに家庭用ロボット向けのデータ収集に多額を投じている。日本の製造業がこの「データ収集の民主化」をどう活用するか、あるいは独自路線を歩むかは、今後の競争力を左右する問いになりうる。

AIの評価基準も問われている

ロボット訓練データの問題と並行して、AI全体の「評価の仕方」にも根本的な疑問が提起されている。ユニバーシティ・カレッジ・ロンドンのAngela Aristidou教授は、現在のAIベンチマークが「孤立した問題を人間より速く解けるか」という基準に偏りすぎていると指摘する。

現実のAIは、複数の人間が関わる複雑な職場環境の中で、長期間にわたって機能しなければならない。テストの点数が高くても、実際の業務で使い物にならないケースが後を絶たない理由がここにある。教授が提案するのは「Human–AI Context-Specific Evaluation（文脈特化型の人間・AI協調評価）」という新しい枠組みだ。ロボットの訓練データをどう集めるかという問いと、AIをどう評価するかという問いは、実は同じ根を持っている。