—·
全てのコンテンツはAIによって生成されており、誤りが含まれる可能性があります。ご自身でご確認ください。
ウーバーはリビアンに最大12.5億ドルを投資。自律の費用は認識性能より、遠隔支援の記録・事故対応・ガバナンス証跡に宿る――という再定義だ。
2026年3月19日、ウーバーはリビアンに最大12.5億ドル（約125億ドルではなく、原文の「up to $1.25 billion」）を投資し、規模化したロボタクシー事業の立ち上げを支援すると発表しました。最初の展開は2028年にサンフランシスコとマイアミで開始され、その後2031年までに25都市へ拡大する見通しです。さらにウーバーは、完全自律型のリビアンR2ロボタクシーを1万台購入すると見込み、加えて2030年には追加で最大4万台を購入できるオプションも示しています。初期の3億ドルの投資についても、規制当局の承認を条件に既に拠出済みだとされています。これらは単なる技術のパイロット数ではありません。フリート（車両群）を前提にした計画の数字であり、つまり採用・人員配置、インシデント（事故・異常事象）対応、記録、そして運用上の「証明」が直ちに問われる数字なのです。
（出典：AP News apnews.com
この戦略的含意は、微妙に見えて決定的です。「自律（autonomy）」が、知覚の達成競争や計画上の勝負から切り離され、実運用とガバナンスの規律として立ち上がってくる、ということです。デモからロボタクシーのフリート運用へ移ると、重要な失敗の形は必ずしも華やかなものではありません。多くの場合、問題は「ワークフローの失敗」――たとえばテレメトリーが欠けること、事故対応のトリアージ（緊急度・種別に応じた振り分け）の手順が不明確なこと、遠隔支援のログが途切れること、そして事後に再構成できないコンプライアンス証跡（説明可能な記録）です。
ウーバーのリビアン賭けに組み込まれたストレステストは、まさにここにあります。リビアンは物理的なプラットフォームを供給する。一方で、「エンドツーエンド」と呼ばれる自律の主張は、フリートの可観測性（observability）と安全プロセスの間に連続するループが成立して初めて成り立ちます。ウーバー自身の説明では、テレメトリーとAVフリートからのシグナルを取り込み、車両の状態を判定する「サプライ・ステート・マシン（supply-state machine）」に加え、アクションや人の介入を用意するオーケストレーション層が強調されています。また、オペレーターが理解し介入できるようにする「エージェント・コンソール（agent console）」を通じた、遠隔支援プラットフォームにも言及があります。
（出典：ウーバー投資家向け情報 investor.uber.com
自動運転の性能は、しばしば「単一の曲線」として語られます。精度が上がれば安全になる。スケールできる。ところがフリート展開は、その物語を複雑にします。境界条件（モデルが想定する範囲の端で起きる事象）で「何が起きたか」は、単一のモデル出力だけでは答えにくいからです。問われるのは、境界条件を解釈するための「証拠（evidence）が何に基づくのか」、そして自律が劣化したとき、人が安全に介入するまでにどれほどの時間を要するか――という点に移っていきます。
ウーバーが公開するフリート運用アーキテクチャの言葉は、この転換を直接指しています。ウーバーの「Uber Autonomous Solutions」説明では、サプライ・ステート・マシンが、AVフリートからの生テレメトリーとシグナルを継続的に取り込み、各車両の正確な状態を判定するとされます。そこから、可能なアクションや人の介入を準備するインテリジェントなオーケストレーション層が続くという構造です。
（出典：ウーバー投資家向け情報 investor.uber.com
さらに、遠隔支援プラットフォームについても、ウーバーの「エンドツーエンドのサポート能力」の上に組み上げ、エンドツーエンドの支援能力を前提に設計していることが述べられています。加えて、オペレーターがAVの状態を理解し行動できるようにカスタムのエージェント・コンソールが用意される、とされています。
（出典：ウーバー投資家向け情報 investor.uber.com
市場が「定量化しようとしている運用上のボトルネック」は、まさにこの語彙――テレメトリー取り込み、サプライ・ステート、オーケストレーション、コンソールが与えるオペレーターの文脈――と対応しています。ロボタクシーのフリート運用には、単なる診断ではなく、意思決定を支える可観測性の層が必要です。実務上、それは次のような要素になります。
運用ガバナンスは、一種の「影のシステム（shadow system）」として設計されねばなりません。自律スタックと同じ真剣さで扱う必要があります。AIは「運転の意味でエンドツーエンド」でも、組織が意思決定や介入を確実に再構成できないなら、「ガバナンスの意味でエンドツーエンド」にはならないからです。
フリートが拡大すると、安全のコンプライアンス証跡は「一度作って終わり」になりません。それは、継続的なストリームになります。すなわち、素早く、しかも一貫して答えなければならない問いが増えます。たとえば「運用設計領域（operational design domain）の状態はどうだったか」「どのアラートが発火したか」「オペレーターには何が提示されていたのか」「どんなアクションが取られたのか」「どの対抗策ステップに従ったのか」です。
米国では、規制当局や捜査側が、衝突の結果だけでなく、監督機関に提出された情報の網羅性や質にも焦点を当てる傾向を強めています。具体例としてNHTSA（米運輸省道路交通安全局）が、歩行者事故をめぐりCruiseに対して行った同意命令があります。NHTSAは、2023年10月2日に行われた、ADS（自動運転システム）を運転手なしで作動させていたCruise車両が歩行者を引きずった事案に関して、事故後の詳細を2つの報告書が開示できていなかったとしています。また、CruiseからNHTSAが求めた動画を確認した後に、欠落が判明したとも述べています。
（出典：NHTSA nhtsa.gov
NHTSAはさらに、このコンプライアンス不備に関してCruiseが150万ドルの制裁金を支払う必要があるとし、あわせて、同社が自動運転システムが関与する事故に関する現行の一般命令への適合をどう改善するかに関する是正措置計画の提出も求めたとしています。
（出典：AP News apnews.com
ロボタクシー運用にとっての要点は、「不注意になるな」といった道徳訓ではありません。インシデント・トリアージのワークフローと遠隔支援のログが、緊急対応の事後的な組み直しではなく、コンプライアンス品質の証拠をデフォルトで生み出すよう設計されねばならない、ということです。自律のモデルが統計的に強くても、ガバナンスのスタックが律速（limiting factor）になる可能性は残ります。特に、フリートが迅速に対応し、明確に記録し、外部当局とも調整しなければならない局面では、その傾向が強まります。
ロボタクシーの導入経済は、しばしばハードウェアのコスト、計算リソース、あるいは1マイルあたりのライセンスといった「目に見える」費用に焦点が当てられます。しかし、形になりつつあるコスト構造は、別の重心を示しています。エッジケースを扱うために必要な運用フットプリントです。重要なのは「モデルがどれだけ正確か」ではなく、「監査可能な証跡を維持しながら、1,000マイルの自律走行あたりにどれだけオペレーター時間を燃やすか」です。
その視座を与えるのが、カリフォルニア州が公開している自動車試験の運用と、解除（disengagement）に関する報告の環境です。どれほど人がループに入っているかを、複数の試験プログラム横断で見通せるからです。カリフォルニア州自動車局（DMV）は、年次の解除報告のリポジトリを管理し、また、自動運転テスター（Autonomous Vehicle Tester／AVT）やAVT Driverless Programで州内試験を行うメーカーが、車両が自律モードからどれだけ解除されたか、そして技術的故障などの理由、さらに試験運転者／オペレーターが手動制御に切り替える必要があった場合などを含め、年次報告を提出することが求められていると説明しています。
（出典：カリフォルニア州DMV dmv.ca.gov
これはフリートのコストモデリングに効きます。解除報告は、事実上「運用回復の努力」を代理する指標になるからです。たとえ解除が安全に処理されたとしても、人の手順が発動します。車両回復、インシデントのレビュー、そして記録です。これらは、ロボタクシーの遠隔運用（remote ops）に似ており、多くの場合、同じように規模化します。言い換えると、解除の頻度は終点の指標ではなく、むしろ「自動化から人が管理するプロセスへ切り替える頻度」を示す先行指標なのです。
さらに、カリフォルニアのデータは、異なる構成のシステムを展開する企業が扱う運用のばらつきも裏付けます。カリフォルニアDMVに関連する報告を基にした報道として、TechCrunchは、カリフォルニア州の自動運転テスト走行距離が2024年に450万マイルまで落ち込み、前年から50％減少したと伝えました。これは、同データと並行して公開されたDMVの年次解除報告を参照しています。
（出典：TechCrunch techcrunch.com
重要なのは「試験が遅くなった」という事実だけではありません。プロセス上の制約やガバナンス負担が、スループット（処理能力）を上限づける可能性がある、という点です。試験走行距離が減れば、エッジケース対応を反復で滑らかにする機会も減ります。その結果、残るマイルあたりで、人の介入を要する出来事の比率が相対的に上がりうる。運用の準備（readiness）は直線的ではありません。試験の縮小は、学習と運用上の保証コストを押し上げる形で作用し得ます。
もう一つのデータポイントは、「自律がどれくらい解除するか」から、「特定の展開でどれくらい人の介入が必要か」へと焦点を移します。Consumer Watchdogによる分析は、カリフォルニアDMVデータを引用し、ウーバーのロボタクシー提携パートナーであるNuroが、2025年にカリフォルニア州での試験走行が16万マイル未満であり、人の介入なしで700マイル走り続けることができなかったと主張しています。
（出典：Consumer Watchdog consumerwatchdog.org
ただし、一次ソースはDMVデータであり、この分析は二次的な解釈です。企業側は社内で検証すべきでしょう。それでもビジネス上は測定可能な問いです。人の介入がゲート（条件）になるなら、人員体制、シフト設計、エスカレーション（エスカレーション手続き）のコストは、ソフトウェアのマーケティングではなく介入率にほぼ比例して拡大するからです。「エンドツーエンド自律」のための、効く経済学はここにあります。遠隔支援がまれで迅速に解決されるのか、それとも頻繁で、オペレーターの負荷や証跡収集が律速になるのか――その分岐が収益性を分けます。
Cruiseは、事故の出来事と報告・コンプライアンスの結果が結びついており、ガバナンスと運用の観点から非常に学びの多いケースです。Cruiseは、カリフォルニア当局の判断を受けて全国的にドライバーレス運用を停止しました。その後NHTSAは、Cruiseのロボタクシーについて予備調査を閉じたとされ、さらなる措置は取らずに判断した一方で、2023年10月に、CruiseのADSが歩行者に対して適切な注意（caution）を払っていたかどうかを判断するための予備評価を開いていたことが報じられています。背景には、歩行者に関わる事故報告が2件あったことが挙げられていました。
（出典：AP News apnews.com
またNHTSAは、Cruiseが特定した衝突に関する2,759件の報告を分析し、そのうち1,113件が「歩行者との競合（pedestrian conflict）」の報告だったとし、さらに、Cruise車両と歩行者の衝突で3人が負傷した5件の事案に言及したと報じられています。
（出典：AP News apnews.com
しかし、このガバナンスの教訓を締め付けたのは、後になって明らかになった報告の完全性に関する同意命令です。NHTSAは、2023年10月2日の事故に関して、Cruiseの報告が事故後の詳細を十分に開示していなかったとし、その欠落はCruiseからNHTSAが求めた動画を確認した後に判明したと述べています。
（出典：NHTSA nhtsa.gov
同じ出来事は、150万ドルの制裁金と、事故報告義務の遵守を改善するための是正措置計画の提出という要求につながりました。
（出典：AP News apnews.com
エンドツーエンド自律のフリートにとって、このリマインダーは明確です。「遠隔支援のログ」は、社内の学習のためだけのものではありません。外部からの信頼を支える材料でもあるのです。インシデント・トリアージのワークフローが、必要なパラメータを捕捉できない（または捕捉したが報告可能な証拠に翻訳できない）場合、二次的なリスクが生じます。運用の遅延、規制当局へのエスカレーション、そして運用許可を失う可能性です。
Cruiseが出来事の後にガバナンスの失敗を見せたのに対し、Waymoは先手の実践としての成熟を示しています。2025年11月、Waymoは、遠隔支援プログラム（同社はFleet Responseと呼びます）と安全ケース（safety case）プログラムの双方について、独立した第三者監査を完了したと発表しました。
（出典：Waymo waymo.com
WaymoはFleet Responseについて、Waymo Driverが、人が周囲状況を文脈づけるために追加情報を提供できるよう、人のエージェントへ連絡できる仕組みだとしています。難しい、または珍しい状況に文脈を与えるためです。
（出典：Waymo waymo.com
本質は「Waymoが遠隔支援を持っていること」ではありません。遠隔支援と安全ケースを、監査に耐える「証拠を生み出すシステム」として扱っている点です。Fleet Responseのようなプログラムの独立監査が通常狙うのは、遠隔運用チームがその場の裁量で済ませられない運用上の二つの問いです。
（1）人への連絡を発動する判断基準が、一貫して定義されているか。
（2）その人が介在する瞬間に生成される記録が、現実の結果に照らして安全ケースを再構成し、検証するのに十分か。
これらの統制が存在するなら、「遠隔支援」は安全性能の中でコントロール可能な変数になります。例外時にその場しのぎで運用する裁量行為ではなくなるからです。
別の文脈として、Waymoは安全ドキュメントのアプローチを、運用上の証拠と影響ベンチマークに結び付けて説明しています。同社のSafety Impactページでは、フェニックス、サンフランシスコ、ロサンゼルス、オースティンといった運用エリアで、衝突記録と車両走行距離を比較し、ベンチマークと安全への影響を算出すると説明されています。
（出典：Waymo waymo.com
これらは遠隔支援ログそのものではありません。それでも、証拠志向の安全物語は、頑強な社内データ捕捉とガバナンスのワークフローなしには維持しにくいことを示しています。
ウーバーのリビアン賭けに対する運用上の関連性は、直結しています。フリート規模の遠隔支援ログとインシデント・トリアージのワークフローは、安全ケースの生データを形づくります。第三者レビューが求める証拠を確実に生成できなければ、法的に運用できたとしても、自信を持って規模拡大はしにくい。都市を増やせば運用のばらつきが拡大するだけに、躊躇が生じます。
多くの導入物語では、遠隔支援は「非常時の保険」として登場します。自律が難しいものに直面したときに人が入る、という位置づけです。ところがフリートの現実では、遠隔支援は構造化されたワークフローになります。明確なトリガーがあり、オペレーターのインターフェースがあり、エスカレーションのルールがあり、そしてログがあります。ところが、このワークフローが設計不足なら、コスト漏れ（コストの垂れ流し）とコンプライアンス・リスクの両方になり得ます。
ウーバーの遠隔支援プラットフォームやエージェント・コンソールへの言及は、偶然ではありません。エンドツーエンド自律の運用には、人が介在する仕組みが含まれることの認めにも等しいからです。
（出典：ウーバー投資家向け情報 investor.uber.com
ロボタクシーのフリート運用の経済は、少なくとも次の点に依存します。どれくらいの頻度で支援が要請されるか。オペレーターはどれだけ迅速にトリアージできるか。そしてオペレーターの行為が、エンジニアリングの反復と安全コンプライアンス証拠の双方に使える形式で、どれだけ一貫して記録されるかです。
運用上のワークフローには、ガバナンス上のボトルネックが少なくとも4つあります。
これらは、AIがワークフローの一部を加速していたとしても、実体としては組織やデータ・ガバナンスの課題であることが多いのです。
ウーバーのスケジュール――2028年にサンフランシスコとマイアミで開始し、2031年までに25都市へ拡大――は、運用のスケールを測る現実的な時間軸を与えます。
（出典：AP News apnews.com
本質は、ロボタクシーの成否を予測することではありません。複数都市への拡大は、規制当局が見える形で運用の一貫性を強制する要因（forcing function）になる、という点です。都市が増えるごとに運用設計領域の多様性が拡張します。道路形状、交通の流れ、天候のパターン、そして地域ごとのインシデントの特徴が変わるからです。遠隔運用の文脈でより重要なのは、オペレーターが素早く認識しなければならない「運用上の文脈（operational contexts）」が増え、トリアージの時間と証拠の完全性が市場ごとに大きくぶれられなくなることです。
ウーバーはテレメトリー取り込み、サプライ・ステートのモデリング、アクションまたは人の介入を準備するオーケストレーション、そして遠隔支援のプラットフォームに重点を置いているように見えます。すでにそうした前提で設計を考えている可能性が高いからです。
（出典：ウーバー投資家向け情報 investor.uber.com
ただし、経済のストレステストは、ガバナンスを単位経済（unit economics）に翻訳したときに測定可能になります。実務的には、投資家や規制当局は都市スケールが遠隔運用の負荷にどう連動するかを示す運用KPIを求めるはずです。たとえば、遠隔支援イベント1回あたりのオペレーター時間、インシデント種別別のエスカレーション率、境界条件の検知から人のアクションまでの平均時間、そして最初の提出段階で監査に耐えるログが成立している介入の割合などです。これらのKPIが都市拡大とともに上向くなら、「自律」が研究室（ラボ）の指標では良く見えても、稼働する車両あたりの実コストは悪化している可能性があります。
フリートがインシデント・トリアージと遠隔支援のログをスケールで一貫して維持できないなら、自律モデルの限界改善（marginal improvements）がフリートの生産性へと転換されないかもしれません。ここに、ウーバーのリビアン投資が露わにした逆説があります。「エンドツーエンド自律」は、運用の証拠の連鎖もまたエンドツーエンドであるときに、初めて本当にエンドツーエンドになるのです。
ウーバーのリビアンへの12.5億ドルの投資は、車両と自律ソフトへの賭けにとどまりません。日々のワークフローに安全コンプライアンスの証跡を内蔵しながら、ロボタクシー・フリートを回すための運用システムへの賭けでもあります。
（出典：AP News apnews.com
クルーズの報告失敗から業界が学ぶべきなのは、ガバナンスの崩れが、技術的な修正が存在する状況でも支配的な失敗モードになり得る、ということです。実際、同社は同意命令と是正措置計画に直面しました。
（出典：NHTSA nhtsa.gov
一方の対照として、Waymoが遠隔支援プログラムと安全ケースについて独立した第三者監査を行ったことは、証拠の規律を製品品質の属性として扱い、後回しにしないことが可能であることを示しています。
（出典：Waymo waymo.com
米国運輸省（DOT）は、NHTSAを通じて、ADSの監督の仕組みの一部として、遠隔支援のログに関する標準化された記録項目と、インシデント・トリアージのワークフローに関する文書化を義務付けるべきです。オペレーターがリアルタイムで入力しなければならない明確な証拠のスキーマを定めることが狙いです。これは、NHTSAが正確で透明な事故報告を重視していること、また最初から安全性と透明性を求める必要があることと整合します。
（出典：NHTSA nhtsa.gov
標準化は、企業の自律エンジニアリングを置き換えるものではありません。問題はむしろ、現状のガバナンス層において曖昧さが残り、その結果として事故後の高コストな再構成が発生している点にあります。標準化は、その曖昧さを取り除く役割を果たし得ます。
2027年Q4までに、ロボタクシーの運用者は、内部統制と第三者監査への準備を通じて、遠隔支援のログとインシデント・トリアージのワークフローが標準化された証拠パッケージの枠組みの中で、コンプライアンス品質の安全証拠を生み出せることを示せるようになるはずです（例：数週間ではなく「数時間」の範囲で、といった粒度）。この見通しが現実的である理由は、ウーバーの展開が2028年に始まり、2031年までに拡大する計画であるため、都市目標に到達する前から、運用上の証拠準備がスケーリングの許可や保険者の信頼を左右するゲート条件になり得るからです。
（出典：AP News apnews.com
業界はついモデルの改善を称えがちです。しかし次の競争上の「堀（moat）」は、運用側に宿ります。介入のたびに、それが記録され、トリアージされ、証拠として成立し、その結果として自律スタックとガバナンスの双方の間に信頼できるフィードバックループができるかどうか――そこが勝敗を分けるのです。