人を減らした方が売上が下がる――AI時代の皮肉
工場の機械を動かす制御装置、自動車のブレーキを監視する電子制御ユニット、医療機器の内部に組み込まれたコンピューター。こうした「組込みシステム」は普段、消費者の目に触れない。それでも日本の製造業の品質と安全性を支える、重要な技術基盤である。いま、そのソフトウェアを開発する会社の稼ぎ方が根本から問われている。
一般社団法人組込みシステム技術協会(JASA)は2026年11月16日、「JASAレポート2026」を公表した。副題は「組込みソフトウェア企業は、次に何で稼ぐのか」。高度なAIが開発業務を効率化した場合、技術者の作業時間を請求する従来の「人月モデル」では、効率化によって請求可能な工数が減り、受託企業の売上まで細る恐れがある――。報告書が投げかけたのは、技術の未来像だけではなく、企業経営の仕組みにかかわる問題だ。
JASAが指摘する矛盾は、AI導入が必ず収益悪化を招くという統計的な結論ではない。契約方式や価格設定によって結果は変わる。問題は、成果が大きくなるほど対価も増える制度に変えられるかどうかにある。
三つの変化は一つの産業構造につながる
報告書が柱に据えたのは「SDx」「AI駆動開発」「フィジカルAI」の三つだ。SDxはSoftware-Defined Everythingの略称として使われ、製品の機能や価値をソフトウェアによって継続的に変えていく考え方を指す。従来の工業製品は完成・出荷が大きな節目だったが、ソフトウェアで定義される製品は、販売後の更新、接続、保守まで含めて競争する。
二つ目のAI駆動開発では、プログラムの作成、試験案の作成、設計文書の整理などにAIを利用する余地が広がる。ただし生成したコードが安全で正しいかどうかを確認する責任は消えない。三つ目のフィジカルAIは、センサーで周囲を認識し、判断し、機械を動かすAIを広く指す。産業用ロボット、物流機器、移動体などが適用候補になる。
三つは独立した流行語ではない。製品が更新され続け、開発作業の一部をAIが担い、機械の行動そのものがデータから学習するようになるほど、設計・試験・保守・保証が一続きの事業になる。JASAはこの構造変化を2030年まで見据えた戦略課題と位置づけた。
「完成したら終わり」ではない品質保証
ソフトウェア更新によって機能を追加できる製品は、使い手には便利だ。一方で更新が別の機能を壊す可能性、外部との通信が攻撃経路になる可能性、製造後に発見された不具合に長く対応する必要も生まれる。自動車や医療機器、工場設備では、一般的なスマートフォンアプリ以上に厳しい安全性が求められる。
JASAは製品寿命の全期間を通して信頼性を守る姿勢を「継続的ディペンダビリティ」と表現する。これは、更新を何度も行えば品質が自動的に高まるという意味ではない。変更の影響を追跡し、異常を発見し、必要なら復旧できるようにする設計・検証・運用の仕組みを指す。誰が出荷後の保証を担い、その費用をどの契約で回収するのかが、企業の競争力を左右する。
1984年のTRONから続く、日本の組込み技術
日本の組込みソフトウェアには長い歴史がある。1984年に坂村健氏を中心として始まったTRONプロジェクトは、機器に組み込むリアルタイムOSの研究開発を進め、公開仕様や実装を通じて多様な機器の制御技術に影響を与えた。TRON Forumによれば、その成果は自動車、工業機器、家電など幅広い分野で使われてきた。
ここで重要なのは、過去の成功をそのままAI時代の勝利と見なさないことだ。決められた時間内に確実に処理を終えるリアルタイム制御と、学習データに依存するAIの判断は同一ではない。長年蓄積した制御、安全設計、ハードウェアとの統合経験を、新しい機械学習とどのように組み合わせるかが課題となる。
JASA自体も1986年8月に設立された。今回の提言は、約40年にわたり組込み産業と向き合ってきた業界団体が、自らの収益構造を問い直す動きとして読むことができる。
自動車が示す「ソフトで進化する製品」の現実
SDxを具体的に考えるうえで、自動車は分かりやすい。経済産業省と国土交通省は2024年に「モビリティDX戦略」を策定し、2025年に改訂した。ネットワークを通じて機能を更新するSDV(ソフトウェア・ディファインド・ビークル)を競争の重要領域と位置づけ、2030年と2035年の世界市場における日系企業の販売台数シェア3割を目標としている。これは政策上の目標であり、達成予測ではない。
車両機能がソフトウェアで変わるなら、車メーカーだけでなく、半導体、制御OS、検証ツール、セキュリティ、通信などの企業が継続的に関与する。製品の寿命が長いほど、更新と部品供給の責任は重い。機械を一台売る収益と、機能を長期間支える収益をどう組み合わせるのかという問いは、製造業全体へ広がる。
AIがコードを書く時代、何に対価を払うのか
例えば従来10人月かけていた工程を、AIを活用して6人月で終えられたとする。工数に比例する単価契約なら請求額は減る可能性がある。しかし発注者にとって価値があるのは作業時間そのものではなく、期限内に、安全で保守可能な製品を手にできることだ。JASAはこの差を企業経営上の論点としている。
とはいえ成果報酬ならすべて解決するわけでもない。受託側が負担する試験・品質保証・セキュリティリスクは大きくなり、成果の測り方を曖昧にすれば紛争が生じる。知識資産の再利用、要求仕様の明確化、独立した検証、長期保守の価格設定が伴ってこそ、工数中心の契約から移行できる。
三つの経営戦略――企業ごとに答えは違う
JASAが示した第一の方向は「高効率・規模型」。AIを使って開発を効率化し、顧客企業による内製以上の費用対効果を提供する。第二は「専門課題解決型」で、要求の定義から継続改善まで、顧客が容易には解決できない難題を引き受ける。第三は「新市場創造型」。フィジカルAIなどの新領域で製品や事業そのものをつくる。
これは三つを全社一律で選ぶという提言ではない。規模を持つ企業は共通化による効率を追い、専門企業は安全性、リアルタイム処理、業種固有の知識を強みとし、別の企業は新市場への投資を選ぶかもしれない。実行には人材、資金、顧客との関係、品質管理の再設計が必要になる。
日本の技術者不足と、AI導入の落とし穴
情報処理推進機構(IPA)が公表した「DX動向2025」では、DX推進人材が不足していると回答した日本企業の割合が8割を超えた。調査対象と設問に限定された数字であり、組込みエンジニアだけの不足率を示すものではない。それでも、専門人材を確保しながら新技術を導入する難しさを示している。
AIでコード作成を早めても、ハードウェアとの適合、実環境での試験、故障時の安全動作、知的財産の取り扱いは残る。誤動作が人命や設備に影響する現場では、AIの出力を検証する仕組みに投資することが、単なる開発速度より重要になる場合がある。品質保証のコストを過小評価したまま契約単価だけを下げれば、効率化はむしろ経営を危うくする。
2027年の「事業PoC」は何を試すのか
報告書は2027年に、選択した戦略を会社の仕組みまで含めて試す「事業PoC(概念実証)」を勧める。技術デモを一つ完成させるだけでは不十分ということだ。顧客が成果に対価を払うか、検証費用を回収できるか、更新後の責任を負えるか、知識を複数案件に生かせるか。こうした事業の仮説を小さく試して確かめる必要がある。
2026年11月18日には横浜の展示会「EdgeTech+ 2026」で、JASAが2030年から逆算する産業の未来をテーマにしたセミナーを予定している。本稿は11月16日の発表に基づくものであり、セミナーで新たに何が議論されたかを報じるものではない。
日本のものづくりの強みは、次の収益源になるか
工場で休まず働くロボットの手先を見れば、精度の高い機械加工だけでなく、センサー、制御ソフトウェア、学習データ、検証、人間による監督が組み合わさっている。機械が賢くなるほど、価値の中心は装置本体から、その装置が長期間にわたって安全に仕事を続ける能力へ広がる。
ただしJASAレポートは未来の市場規模や日本企業の成功を実証した論文ではなく、業界団体による戦略提言である。AIによる実際の生産性向上率、契約方式の転換率、フィジカルAI事業の収益性は、企業ごとのデータを確かめなければ断定できない。問われているのは、日本が優れた機械をつくれるかだけではない。その機械を進化させ、守り、使い続ける価値を、自らの事業として獲得できるかである。
一次資料・参考文献と確認上の限界
資料と検証範囲:JASAの公式発表を主要根拠とし、関連する政府機関・TRON Forumの一次資料を参照した。2026年版レポート全文PDFは調査時に直接取得・照合できず、本文中の具体的な報告書主張は公式要約で裏付けられる範囲に限定した。企業への独自取材は実施していない。
