CRYPTO & AI
無料で登録

【Shift】無料の家事代行と引き換えに、ロボットの"目"を育てる

データ収集を"無料サービス"として配る——エンボディドAI(身体を持つAI)の新しい燃料調達法

【Shift】無料の家事代行と引き換えに、ロボットの"目"を育てる

おはようございます。
AIリサーチャーのmitsuiです。

今日は「Shift」をリサーチしました。


TL;DR

  • Shiftは、ドイツ発のスタートアップMicroAGIが2026年5月28日にニューヨークでローンチした、家事代行を無料で提供するアプリです。ただし無料の裏側には仕掛けがあり、清掃にあたる作業者(オペレーター)が一人称視点のカメラを装着し、その映像をロボットAIの学習データとして収集します。
  • 狙いは、いま最も不足している「日常タスクを人間の手元視点で撮った大量の動画データ」を、低コストかつ大規模に集めること。「データ収集にお金を払う」のではなく「無料サービスの副産物としてデータが集まる」という発想の逆転が核心です。
  • エンボディドAI(家庭用ロボット)の実用化に向けた"燃料調達"の新しい形ですが、家庭内を撮影するという性質上、プライバシー・データ削除・規制(GDPR/CCPA)という重い論点が同時についてまわります。

概要|Shiftとは?

Shiftは、一言でいえば「無料の家事代行 × AI学習データ収集」を掛け合わせたプラットフォームです。運営は、ドイツ・アーヘンに本社を置くMicroAGI。ミッションに「Accelerating embodied AGI(身体を持つAGIの加速)」を掲げる、2025年設立のスタートアップです。

ユーザーはアプリから1分以内で清掃を予約でき、審査を通過した「Shiftオペレーター」が来宅して、洗濯物たたみ・バスルーム清掃・キッチン清掃・掃除機がけ・冷蔵庫整理など30種類以上のタスクをこなします。標準は2時間のセッションで、料金は基本的に無料です。

無料が成立するからくりが、データです。オペレーターは特製のカメラ/ヘッドセットを装着し、清掃プロセスをエゴセントリック(一人称視点)動画として記録します。この映像が、家庭用ロボットや身体性AIの学習データとして活用され、本来かかるはずの家事代行コストを相殺する、というモデルです。MicroAGIは2026年5月28日にこのShiftをNYCでローンチし、直後に「数千件規模の予約」が入ったと伝えられています。

解決する課題

Shiftは、2つの異なる立場の課題を同時に解こうとしています。

  • ユーザー側: ニューヨークの家事代行は高額で、手が出しにくい。これを「無料」で開放する。
  • AI開発側: 家庭用ロボットを動かすには、人間が日常タスクをどう手で行うかを撮った大規模・高品質な動画データが要る。しかし、こうしたデータは決定的に不足しており、従来のデータ収集・ラベリング企業に頼ると高コストになる。

つまりShiftは、「家事を無料で受けたいユーザー」と「現実世界のタスク動画が欲しいAI開発」のニーズを、1つのサービスで噛み合わせる設計になっています。

プロダクトの柱

1. 無料の家事代行サービス

30種類以上のタスク(洗濯物たたみ、皿洗い、床モップ、ベッドメイキング、ダスティングなど)に対応。予約は1分以内、審査済みオペレーターが2時間のセッションで対応します。ユーザーが立ち会い、清掃内容をガイドするのが前提で、ユーザーが不在の場合やサービスを拒否した場合のみ支払いが必要、という料金設計です。

2. 一人称視点の動画収録システム

オペレーターが装着デバイスで清掃の手元を記録します。MicroAGIは、クラウドへアップロードする前にAIで顔・個人特定情報を自動マスキング(ぼかし)し、匿名化するとしています。

3. オペレーター・ネットワーク

MicroAGIは、Shift以前からグローバルに作業者ネットワークを構築しており、2026年第1四半期時点で15カ国・10,000人超のオペレーターに対し$5M超を支払ったとされています(この$5Mは資金調達額ではなく、オペレーターへの支払い実績である点に注意)。

"データをサービスとして配る"という発想

Shiftの面白さは、データ収集のビジネスモデルを反転させた点にあります。従来は「AI企業がデータ収集企業にお金を払って集めてもらう」のが常識でした。Shiftは「ユーザーに無料で家事を提供し、その副産物としてデータが集まる」構造にすることで、ユーザー側にデータ提供のインセンティブを内蔵させました。理屈の上では、ユーザーが増えるほどデータが自律的に増える、スケーラブルな収集機構になります。


変遷|F1出身エンジニアが挑む「ロボットのデータ問題」

創業背景

MicroAGIは2025年、ドイツ屈指の工学系大学RWTH Aachen(アーヘン工科大学)に縁のあるエンジニアたちによって立ち上げられました。Formula One(F1)や航空宇宙といった、極限の精密さが要求される現場の出身者が集まっているのが特徴です。背景にあるのは、エンボディドAI/ロボット・マニピュレーション(物を掴む・操る動作)の学習データ需要が急増しているという業界トレンドで、その"燃料不足"を埋めるために事業を起こした、という構図です。

創業者プロフィール

  • Bercan Kilic(Co-founder & Co-CEO): Red Bull Racing/Red Bull Technologyや、RWTH Aachenの溶接・接合研究所での経験を持つとされます(名前の英字表記はBercan/Berkanで揺れがあり要確認)。
  • Yoan Iliev(Co-founder & COO): Mercedes-AMG PETRONAS F1チーム、Airbusでの経験を持つ機械工学エンジニア(RWTH Aachen、2019〜2024)。ミュンヘン拠点。
  • Nico Nussbaum(Co-founder & CTO): RWTH AachenのFormula Studentチーム出身。アーヘン拠点。

F1・航空宇宙という「現実世界の物理を相手にしてきた」チームが、家庭という別の物理空間のデータに挑んでいる、という人選は示唆的です。

創業からのタイムライン

  • 2025年: MicroAGI設立(ドイツ・アーヘン)
  • 2026年Q1: 15カ国・10,000人超のオペレーター網に対し$5M超を支払い(オペレーター支払い実績)
  • 2026年5月28日: ShiftをNYCでローンチ、X・LinkedInで大々的に告知
  • 2026年5月29〜30日: Semafor、Digital Trends、Android Authorityなど海外メディアが相次いで報道
  • 直後: 「数千件規模」の予約が入る
  • 近期計画: サンフランシスコ・ロンドン・チューリッヒ・ミュンヘンへ展開予定

資金調達履歴

MicroAGIのシード資金は、ロボティクス/AI特化のVCEarthling VC(創業者はMeta Reality Labs出身のArian Ghashghai。Marc Andreessen、Chris Dixonらが支援)と、スイス・チューリッヒの老舗VCRedalpineがリードしたとされます。具体的なラウンド種別・金額・評価額は現時点で公表が確認できておらず、本稿では断定を避けます(PitchBook/Crunchbase等に断片情報あり)。

業界全体の変遷

2026年のロボティクス/エンボディドAI領域は、「モデルよりデータがボトルネック」という認識が共有された時期です。汎用ヒューマノイドや家庭用ロボットの開発が加速する一方、人間の手元の繊細な動作(ファインマニピュレーション)を再現するには、現実世界のタスクを撮った膨大な一人称視点データが要る——という構造的課題が前面化しました。Shiftは、この「データ問題」に対し、ラボでの収集ではなく実際の家庭での無料サービスという現実世界寄りのアプローチで挑んでいます。

競合プレイヤー

  • Scale AI: AI学習データの業界標準的プロバイダー。汎用・エンタープライズ向けで、自動運転やAR/VRにも対応。Shiftより企業向けの色が濃い。
  • Claru: ロボティクス/フィジカルAIに特化し、100以上の都市で1万人超のコレクター網を持つとされる。データ品質が高い一方、基本は有償。
  • EgoVerse: 大規模なエゴセントリック・ロボット学習データに強み。
  • Encord / Appen: マルチモーダル対応の統合ラベリング基盤や、30年の実績を持つグローバル規模のデータ企業。いずれも有償ラベリング。
  • Shift(MicroAGI): 「無料サービスの副産物としてデータが集まる」モデルで、現実の家庭という一次データの収集コストを劇的に下げにいく点が差別化。

考察|"無料"の裏で何が起きているのか

Shiftは、ビジネスモデルとして非常に巧妙です。ただ、その巧妙さがそのままリスクの源泉にもなっています。強みと弱みを整理します。

強み

  1. データ収集コストの構造的優位: 「データに金を払う」のではなく「無料サービスでデータが集まる」反転モデルは、競合のラボ収集や有償ラベリングよりスケールしやすい。
  2. 一次データの質: ラボの作り込まれた環境ではなく、実際の家庭の雑然とした現場を一人称視点で撮るため、現実世界寄りで学習価値が高い可能性。
  3. 既存のオペレーター網: 15カ国・1万人超の作業者ネットワークを既に持ち、NYCローンチはその拡張の実証点。
  4. 強い後ろ盾: Earthling VC/Redalpineなど、ロボティクス・AIに目利きのあるVCがついている。

弱み・リスク

  1. プライバシー: 最大の論点。家庭内を撮影し、顔・個人情報を自動マスキングするとしていますが、ぼかしの完全性や、撮影された家族・同居人の同意、データ削除リクエストへの対応は不透明です。
  2. 規制リスク: GDPR(EU)やCCPA(カリフォルニア)など、個人データ保護規制に正面から触れる事業です。家庭という最もセンシティブな空間を扱う以上、規制当局の関心を集めやすい。
  3. "労働の自動化"という皮肉: 集めたデータは、いずれ家事を担うロボットの学習に使われます。つまりオペレーターは「自分の仕事を置き換えるロボット」を訓練している、という構図への倫理的・社会的な反発が起こり得ます。
  4. データの有用性の未検証: 集めた一人称動画が、実際にロボットの性能向上にどれだけ寄与するかは、まだ公開された成果で示されていません。

個人的な見解

Shiftが突いているのは、AI業界で繰り返し語られてきた「データこそが堀(モート)」という命題の、最も泥臭い実装です。LLMがインターネット上のテキストを学習し尽くしつつある今、次のフロンティアは「現実世界の身体的データ」であり、それは勝手にネット上に転がっていません。誰かが現実世界で動いて、撮るしかない。Shiftは、その"撮る作業"を「無料家事代行」というユーザーが喜ぶ皮で包んだ、という点で発明的です。

一方で、これは「タダより高いものはない」という言葉を地で行くサービスでもあります。ユーザーが差し出しているのは現金ではなく、自宅の映像という極めてセンシティブなデータです。DEBUNKの読者には、「無料の裏で何が交換されているか」を見抜く題材としてこそ読んでほしい事例です。今後のウォッチポイントは、プライバシー・データ削除の運用が実際に機能するか、そして集めたデータがロボット性能の向上として可視化されるかの2点だと考えています。


DEBUNK編集長

次に読む

【Model ML】銀行員・コンサル・投資家に1人1つの AIエージェントを付ける会社

金融のプロ向けに AIエージェントを作る Model ML が11月17日、$250Mの Series B を発表しました。評価額は$1.5Bです。何を作っていて、どう動き、発表の数字のどこがまだ確かめられないのかを整理します。

AI 2026.11.22

【Isomorphic Labs】Google DeepMind から生まれ、AI で薬を設計する会社

Isomorphic Labs は11月17日、Series C で$5Bを集めたと発表しました。今週の AI の資金調達では、ドル建てで最も大きな案件です。この記事では、AlphaFold の開発元が薬そのものをどう作ろうとしているのか、そしてまだ確かめられていないことは何かを整理します。

AI 2026.11.22

【Genesis AI】人の手の動きを手袋で集め、シミュレーターで確かめてロボットを動かすパリの会社

ロボットとその AI を作る Genesis AI が11/17(火)、Series A で$500Mを集め、評価額は$3.5Bになりました。この記事では、同社がどうやってロボットに作業を覚えさせようとしているのか、そして評価額の裏でまだ確かめられていない点を整理します。

AI 2026.11.22

【Superhuman】旧 Grammarly が、AI アシスタント「Go」を全製品に広げた

文章の校正で知られた Grammarly の運営会社は、いまは Superhuman という社名です。11/19、同社は AI アシスタントの「Go」を文書とメールの製品の中でも動かすと発表しました。Superhuman がどんな会社で、Go がどう動き、どこを見ておけばよいかを整理します。

AI 2026.11.21

あわせて読みたい用語解説

用語解説をすべて見る →
【シム・トゥ・リアル】仮想空間で練習したロボットを現実で動かすとき、何がずれて、どう埋めるのかロボットの学習のニュースでよく出てくる「シム・トゥ・リアル」を、現実とのずれが生まれる理由、ずれを埋める方法、よくある誤解とあわせて整理します。【タンパク質の構造予測】AlphaFold は何を当てていて、薬の候補との結合の予測とはどう違うのか今週の資金調達で目立った AI 創薬の土台にある「タンパク質の構造予測」を、仕組み、結合の予測との違い、よくある誤解とあわせて整理します。【グリーンシュー】Anthropicの上場で引受会社が使った「追加購入権」は、何のための仕組みかIPOのニュースに出てくる「グリーンシュー(追加購入権)」の仕組みを、引受会社が先に多めに売っておく理由と、上場後の株価による使い分けとあわせて、Anthropicの数字で整理します。【OCR(光学文字認識)】紙やPDFの文字をテキストに直す仕組みと、AIのモデルで変わったこと紙の書類やスキャンしたPDFから文字を取り出す OCR(光学文字認識、Optical Character Recognition)の仕組みを、従来のやり方と、画像と文章を一緒に扱う AI のモデルによるやり方の違いとあわせて整理します。【循環取引的な資金調達】出資した相手が、そのお金で自社の製品を買う仕組みAnthropic の上場で話題になった「循環取引的な資金調達(circular financing)」を、仕組み、SEC が訴追した取引との線引き、よくある誤解とあわせて整理します。【ミスアラインメント】AIエージェントの「指示にない行動」とは。訓練中のモデルがメールを複写する道具を作った例から整理するAIの行動が作り手の意図からずれる現象、ミスアラインメント(misalignment)を、OpenAI が11/18に公開した報告とあわせて整理します。【プロンプトキャッシュ】同じ前置きを2回目から安く読ませる仕組みを、Gemini 4 Neon の価格から整理するAI の API で、前回と同じ入力の読み込みを2回目から安くするプロンプトキャッシュ(Prompt Caching)の仕組みを、Google・OpenAI・Anthropic の条件の違いとあわせて整理します。【モデルルーティング】AIの呼び出しを「どこへ送るか」を決める仕組みと、その2つの種類Hugging Face が切り替えたルーターを入口に、モデルルーティングの仕組みと2つの種類、よくある誤解を整理します。