Pepper が医療現場に来なかった 10 年から、AI が学ぶべきこと
2015 年。SoftBank が Pepper を発売しました。 価格は本体 19.8 万円、月額サブスクリプション 1 万 4,800 円。発表時の見出しは、感情を持つロボットを名乗るものでした。同時期に発表された医療領域への期待は、受付対応、案内、問診、患者の話し相手、認知症ケア、リハビリ補助。
2015 年。SoftBank が Pepper を発売しました。
価格は本体 19.8 万円、月額サブスクリプション 1 万 4,800 円。発表時の見出しは、感情を持つロボットを名乗るものでした。同時期に発表された医療領域への期待は、受付対応、案内、問診、患者の話し相手、認知症ケア、リハビリ補助。
10 年経ちました。2025 年の現場で、Pepper はどこにいるでしょうか。
一部の病院・クリニックの受付に名残として残っています。電源が入っているのは多くない。SoftBank Robotics は 2021 年に Pepper の生産を停止したと報道されました (一部議論はあるものの、量産は終了)。当時、関連事業の人員削減も発表されています。「ロボットが医療を変える」という物語の中心にあった製品は、医療現場の標準装備にはなりませんでした。
第 18 回はこの 10 年を振り返ります。第 III 幕の最終回として、Pepper を含む日本のロボット医療幻想がなぜ普及しなかったのかを解剖し、AI 時代に同じ過ちを繰り返さないために何を学ぶべきかを書きます。
第 13-17 回で見てきた日本の構造的歪み (労働 / 規制 / 教育 / 健診 / JART) は、Pepper の物語と無関係ではありません。10 年前のロボット幻想を生んだのと同じ institutional 構造が、AI 時代にも作用しています。
1. 2010 年代日本のロボット医療幻想
2010 年代、日本ではロボット医療が国家戦略の柱の 1 つでした。経産省「ロボット新戦略」(2015)、内閣府「ロボット革命イニシアティブ」など、政策レベルで humanoid robot の医療応用が大きく期待されました。
主要登場人物:
- ASIMO (ホンダ、1996 年初公開、2018 年開発終了)
- Pepper (SoftBank、2014 年発表、2021 年生産停止)
- HSR (Toyota Human Support Robot、2012 年-、研究用に存続)
- Robear (理化学研究所、2015 年、介護リフト用)
- パロ (産総研、1993 年-、認知症ケア用ぬいぐるみ型ロボット)
医療応用への期待:
- 受付・案内 (病院ロビーで Pepper が患者を案内)
- 問診 (Pepper が患者の症状を聴取して医師に申し送り)
- 認知症ケア (パロが認知症高齢者の話し相手)
- リハビリ補助 (HSR が患者の動作を支援)
- 介護リフト (Robear が要介護高齢者を移乗)
国立病院・大学病院・大手私立病院で複数の実証実験が行われ、メディアで頻繁に報じられました。2015-2018 年の医療系メディアは「Pepper が病院に来る」という見出しに溢れています。
2. なぜ普及しなかったか — 5 つの理由
2.1 ROI が成立しなかった
Pepper の医療現場運用コストは年間 30-50 万円 (本体減価償却 + サブスク + メンテ + コンテンツ更新)。これに対して、Pepper が削減できる人件費は限定的でした。受付業務を Pepper に置き換えても、人間の受付スタッフを多くの場合外しきれない。バックアップ体制が必要、と。結果として「人 + ロボット」の二重コストになり、ROI 計算が成立しなかった。
2.2 言語処理が不十分だった
2014-2018 年の自然言語処理は、医療文脈での会話 AI として未成熟でした。Pepper の対話エンジン (NUANCE 系 + 独自) は、患者の発話を医療文脈で正確に解釈できる水準ではなかった。「胸が痛い」「呼吸が苦しい」などの発話を Pepper が問診として記録しても、医師の臨床判断に直接活用できる構造化データにならない。
LLM (大規模言語モデル) が登場したのは 2020 年以降。GPT-3 (2020)、ChatGPT (2022)、GPT-4 (2023) で初めて医療文脈での会話 AI が実用域に。Pepper はこの transformation の前の時代に発売されました。
2.3 信頼性問題とバックアップコスト
医療現場は機械故障時のバックアップが必須。Pepper が故障したら受付業務が止まる、という状態は許容できません。常時稼働を保証するために予備機・人員の二重体制が必要、結果として運用コストが膨らむ。同じ理由で、医療機関の IT インフラは冗長化が標準ですが、humanoid robot は冗長化が難しい (本体価格が高い)。
2.4 患者・職員の受容度
患者にとって、Pepper との対話は novelty として最初は楽しまれましたが、繰り返し利用には向きません。高齢患者は対話に時間がかかる、若年患者は人間スタッフを好む、という傾向が複数の実証実験で観察されました。職員側も Pepper の管理負担 (起動・コンテンツ更新・トラブル対応) が業務に追加され、ネット負担増として捉えるケースが多かった。
2.5 法的・制度的不確実性
Pepper による問診は、医師法 17 条 (医業の医師独占) との関係で「医療行為」に該当するか不明確でした。受付・案内は問題ないが、症状聴取・トリアージに踏み込むと法的グレーゾーン。Pepper の発話を診療記録として残す場合の電子カルテ連携、個人情報保護法との整合性も整理されていませんでした。
これは第 14 回で書いた「6 部屋の隙間」と同じ構造で、Pepper の医療応用は複数省庁・複数法律の隙間に落ち、誰も明確な許諾を出せなかった。
3. 普及したロボットとの対比
すべてのロボットが普及しなかったわけではありません。日本の医療現場で確実に普及したロボットもあります。
| ロボット種別 | 普及状況 | 特徴 |
|---|---|---|
| 手術ロボット (Da Vinci 等) | 2024 年時点で日本に約 600 台 | 医師の延長としての道具、人件費削減ではなく精度向上が主張 |
| 薬剤調剤ロボット | 大学病院・調剤薬局で標準装備化 | 単純反復作業の代替、人件費・正確性両面で ROI 成立 |
| 自動搬送車 (AGV) | 大学病院の物資搬送で普及 | 院内物流の自動化、24 時間稼働 |
| 内視鏡支援ロボット | 試験段階から実装へ | 医師の動作補助、精度向上 |
これらの共通点:
- 人間の補助であって人間の置き換えではない
- 単機能特化であって万能 humanoid ではない
- ROI 計算が明確 (人件費削減 or 精度向上で定量化可能)
- 法的位置づけが明確 (手術・調剤・物流は既存法の枠内で運用可能)
Pepper のように「humanoid + 万能 + 人間置き換え」を目指したロボットは、医療現場で生き残れませんでした。
4. AI 時代の対比 — humanoid robot ≠ AI
ここで重要な区別をします。Pepper の失敗から「ロボット医療は普及しない」と読むのは雑です。Pepper の失敗は「humanoid 万能ロボット」の失敗であって、現在進行中の AI 医療とは構造が違います。
| Pepper (2015-2025) | AI 医療 (2020-2030) | |
|---|---|---|
| 形態 | humanoid 物理ロボット | software-as-a-service |
| 機能 | 万能 (受付・問診・案内・対話) | 単機能特化 (画像 AI / voice / triage) |
| 配置 | 物理空間に 1 台 | クラウド経由で全施設に展開可能 |
| 言語処理 | 当時の NLP (限定的) | LLM (実用域) |
| ROI 計算 | 不明確 | 明確 (画像 AI なら 1 件 100-300 円 vs 工数削減) |
| 法的位置 | 問診・トリアージは医師法 17 条に抵触可能性 | 画像 AI は薬機法 + 診療放射線技師法で位置づけ可 |
つまり AI 医療は Pepper の失敗を繰り返していません。形態も機能も配置も法的位置も違う。Pepper の失敗を「日本はロボットが下手」と一般化するのは、現在進行している AI 医療の理解を阻害します。
ただし、Pepper の失敗から学ぶべき教訓は確かに存在します。
5. Pepper から学ぶべき 3 つの教訓
教訓 1: ROI 計算の明確化
Pepper が普及しなかった最大の理由は ROI 不成立です。AI 医療でも、ROI 計算が不明確な領域は普及しません。第 16 回で書いた健診 AI は、ROI 計算が施設規模 (1 日 50 件以上) で成立する領域から普及しています。「導入したい」ではなく「導入で何円・何分が浮くか」を明示できる領域が動く。
教訓 2: 法的位置の明確化
Pepper の問診・トリアージは法的グレーゾーンに落ちました。AI 医療でも、第 14 回の「6 部屋の隙間」に落ちた領域は普及しません。AI 結果確認業務、AI assist による再撮影判断、AI patient triage 等が「誰の業務か」を明確にしないと、現場は導入を躊躇します。
教訓 3: 万能を目指さず、単機能特化
Pepper は受付・問診・案内・対話を 1 台で目指しました。AI 医療で成功している製品は単機能特化です。Lunit INSIGHT CXR は胸部 X 線特化、Olympus EVIS X1 は内視鏡特化。「万能 AI 医療プラットフォーム」を目指す製品は失敗のリスクが高い。
これら 3 教訓は、第 24 回 (日本提言) でも繰り返し戻ってきます。
6. 第 III 幕の総括
第 13-18 回で日本の 5 つの構造的歪みを見てきました。
| 回 | 歪み | 鍵を握る組織 |
|---|---|---|
| 13 | 労働 (技師 8.6 万 / 医師 7,000 / 5 極ガバナンス) | NHO + 中医協 + 厚労省 |
| 14 | 規制 (6 部屋構造) | 内閣官房医療 DX 推進室 + PMDA + 中医協 |
| 15 | 教育 (養成校 65 + 医学部 82 + 看護校 1,000+) | 文科省 + JART + JSRT |
| 16 | 健診 (5,000 万件 / 4 系統支払い) | JADHA + 健診学会 + 厚労省 |
| 17 | JART | JART 単独判断 + 都道府県技師会 + JMA |
| 18 | ロボット幻想 (Pepper の教訓) | (連載通しの教訓) |
第 III 幕の通底テーマ「AI 単体では日本の構造的歪みは解決しない」を、Pepper の事例が裏返しから証明します。Pepper が普及しなかったのは Pepper の技術問題ではなく、医療制度の構造問題が大きかった。AI も同じ構造の中に置かれる。違いは AI が software として柔軟に展開できる点。
第 24 回の日本提言では、この 5 つの歪みを束ねて動かすための具体的提言を書きます。
7. 残された問い
- Pepper の生産停止 (2021) から SoftBank が学んだ教訓は、後継製品で活かされているか?
- 日本のロボット医療政策は、AI 医療政策と統合されているか?
- 「万能 humanoid 幻想」は概ね消えたか、それとも形を変えて残っているか?
- AI 医療の単機能特化を、患者から見て「統合された体験」にどう繋ぐか?
第 IV 幕は技術深掘りです。第 19 回は案内ロボット (病院案内ロボの現実)、第 20 回は voice AI (Ambient documentation)、第 21 回は VR / AR の医療応用、第 22 回は humanoid robotics 再考。Pepper の失敗を踏まえた上で、現在進行している技術を 1 つずつ評価します。
著者: LifeLink Insights | 監修: YOSHI.TOMO FURUSAWA Gloversal, Inc. CEO — "Turning healthcare technology into human-centered operations." https://gloversal.com/