2026-06-18 — views
自動運転の乗客体験——WaymoとTeslaロボタクシーに乗るとはどういうことか
乗客調査とGフォースデータが示す：WaymoとTeslaの乗り心地が採用率とリピート利用率を直接左右する理由。
フィジカルAIベンチマークシリーズ 第51回——消費者の視点
フィジカルAIベンチマークシリーズは第40回から運用指標を追跡してきた：週間乗車件数、フリートサイズ、100万マイル当たりの介入解除率、衝突調整後安全比率。これらの数値は機械のパフォーマンスを測るものだ。本稿が測るのは人間の体験である。乗客の乗り心地は「ソフトな指標」ではない。それはリピート利用率、ネットプロモータースコア（NPS）、そして無人運転車がアーリーアダプターの好奇心から大衆市場の実用品へと転換するペースを最も直接的に左右するドライバーだ。技術的には印象的でも乗り心地が不快なロボタクシーは、ロータリーを通過できないシステムと同様に商業的に失敗する。乗車体験を理解すること——ユーザーが何を報告しているか、なぜAVのブレーキは人間の運転と異なって感じられるか、初の無人運転乗車の心理的メカニズムはどのようなものか、そして乗り心地がどのように収益に転換されるか——は、現在の運用リーダーたちがスケールアップ競争でその優位性を維持できるかどうかを理解するための前提条件だ。
（推定）と記載されたすべての数値は、公表された調査、学術研究、業界レポートに基づく推計値であり、独立した検証は行われていない。方向性の参考として扱うべきであり、精確な数値ではない。
第1節——無人運転乗車体験：ユーザーの実際の報告
公表されたWaymo One乗客調査、AV乗客受容性に関する独立した学術研究、およびオンラインレビューコミュニティが、自動運転車の乗車体験について現在最も明確な全体像を提供している。以下の表は、2026年中頃時点での2大主要システムの各次元の報告を比較したものだ。
| 次元 | Waymo One（報告された体験） | Teslaロボタクシー・オースティン（初期監視付き、推定） |
|---|---|---|
| 初回乗車の反応 | 大多数が初期不安を報告し、5〜10分以内にリラックス（Waymoユーザー調査、推定） | 同様のパターン——安全ドライバーの存在が初期不安を軽減 |
| ブレーキの滑らかさ | 初期のWaymo乗車は「ロボット的」なブレーキで知られていた——交差点でやや唐突；ソフトウェア世代ごとに改善 | FSD v12/v13は以前のバージョンよりも加減速が滑らか；幽霊ブレーキが散発的に発生 |
| ルーティングの判断 | 一部のユーザーがAVが予期しないルートを取ったり、エッジケースの交差点で停止すると報告 | FSD全体的に効率的；稀に過度に慎重な車線変更 |
| 安全性の認識 | Waymo乗客の73%がトリップ完了後、人間の運転と同等以上に安全と感じると報告（Waymo調査、推定） | 監視付き——安全性の認識は人間の安全ドライバーの存在に依存 |
| 快適さ：ドライバーとの対話不要 | 高く評価——雑談不要、チップのプレッシャーなし、車内でのプライバシー | 無人運転モード導入まで該当なし |
| アプリ体験 | クリーンなWaymo One App；リアルタイム乗車追跡、遠隔ドアロック解除、車内温度管理（推定） | Teslaアカウント統合；初期ロボタクシーUI開発中（推定） |
| アクセシビリティ | ドライバーとのインタラクションがゼロ——社交不安、聴覚障害、非英語話者に特に有益 | 監視段階では安全ドライバーとのインタラクションが必要 |
乗客調査で最も一貫して見られる発見は、「乗車前の不安」から「乗車後の確信」への感情の弧だ。初回乗車者は緊張して乗り込み、コンバートされた状態で降車する——その転換効率はいかなるマーケティングキャンペーンも比肩できない。この体験の変化こそが、フェニックスとサンフランシスコにおけるWaymoの口コミ成長の核心的メカニズムだ。
第2節——AV乗り心地の物理学：Gフォースプロファイル
人間のドライバーは乗客のフィードバック——視覚的な手がかり、社会的なプレッシャー、乗客が座り直したりドアハンドルをつかんだりアイコンタクトをとることによって長年校正された筋肉の記憶——に基づいて無意識にスムーズな運転をする。AV システムは、乗り心地が明示的にトレーニング目標に組み込まれていない限り、主に安全性と法規遵守に最適化されている。その結果、一般的なマニューバにおけるGフォースプロファイルに測定可能な差異が生じる。
| マニューバ | 熟練した人間のドライバー | 初期AVシステム（第1〜2世代） | 現代のAV（Waymo Gen 6 / FSD v13、推定） |
|---|---|---|---|
| 通常制動 | 漸進的で予測可能な減速；Gフォースが滑らかに低下 | 黄信号/赤信号で急激；ほとんどの初期乗客が「ロボット的な感触」と報告 | 大幅に滑らか；道路文脈を使った予測制動（推定） |
| 停車からの加速 | 滑らか、周囲の交通の流れに比例 | 力強く効率的；十分だが乗り心地最適化はされていない | より人間に近い感覚；EVの高トルク発進でやや力強さが残る（推定） |
| 車線変更 | 流動的；自然にギャップを利用し乗客の期待に沿う | 過度に慎重；非常に大きなギャップを待つため断続的な感触 | ギャップ選択が改善；依然として保守的バイアスあり（推定） |
| ロータリー | 自信を持って進入、交通の流れを維持 | 進入前に停止し交通の流れを断絶；後続車に影響 | 進入タイミングが改善；ロータリーは依然として既知の課題（推定） |
| 緊急制動 | 力強く、制御されている；ドライバーが乗客に警告可能 | 急停止；警告なし；乗客が前のめりになる | 安全のために急停止を維持；乗り心地は明示的に衝突回避の次に位置付け |
| 対向車線左折 | 自信を持ってギャップを判断；スムーズに実行 | 慎重に停止；ギャップを待つ間に交差点を塞ぐことも | 改善されているが依然として保守的なギャップ受け入れ（推定） |
世代間で最も重要な改善ドライバーは、明示的な乗り心地トレーニングだ。Waymoはすべてのトリップ後に乗客から乗り心地評価を収集し（推定）、安全指標に加えてトレーニングシグナルとして活用している。Teslaのシャドーモードは「ジャーク」——加速度の変化率——をトレーニングパイプライン内の品質シグナルとして含んでいる。ジャークを減らすこと——乗客が制動の開始や終了時に感じる不快な「前のめり感」として体験される——は、フリートスケールのデータで直接測定し改善できる指標だ。
第3節——「無人運転の瞬間」：初回乗客の心理
自動運転車の初回乗客に関する研究は、採用率と口コミの結果を形作る3フェーズの感情の弧を一貫して特定している。
フェーズ1——乗車前の不安（車に乗る前）
初の無人運転乗車者の約70%が乗車前に緊張を報告しており（推定）、これはAV事故に関するメディア報道と、機械に制御を委ねることへの一般的な不慣れさに起因している。この不安は年齢が高い層で強く、以前に高度運転支援システムを使用したことがある乗客では低い。
フェーズ2——乗車中の移行期（最初の5分間）
車に乗ると、初回乗客は高い警戒心を示す：前方の道路を注視し、ステアリングホイールを監視し、制御できるものがないにも関わらず「介入」する準備の姿勢を維持する。AV研究における学術的なアイトラッキング研究は、初回無人運転乗客が前方道路に費やす注視時間が、経験豊富な無人運転乗客——電車やバスの乗客のように行動する——よりも大幅に長いことを一貫して示している。
フェーズ3——乗車後の再評価（トリップ完了後）
再評価フェーズは採用転換が起きる場所だ。車が事故なくトリップを完了すると——これはWaymo Oneのすべてのトリップの圧倒的多数の統計的現実だ——初回乗客の約80%が再び乗車すると答えている（推定、WaymoおよびAcademic調査より）。この初回乗車転換率はAV大衆市場採用において最も重要な単一指標だ。なぜならそれがアーリーアダプターベースが拡大するか停滞するかを決定するからだ。
Waymoの信頼できる乗客プログラム戦略——招待制コホートから徐々に広い市場へ拡大——は、大規模商業ローンチ前に管理されたスケールでフェーズ3転換を引き起こすために設計されたものだ。フェーズ3をポジティブな結果で完了したすべての乗客が口コミチャネルになる。TeslaのAustinロボタクシーローンチは同じ3フェーズの心理に直面しており、監視付き段階での安全ドライバーの存在がフェーズ2の体験を大幅に変えるという追加変数もある。
第4節——乗り心地が採用を促進する理由：快適さのビジネスケース
乗り心地と商業的成果の関係は、複数の次元で直接的かつ測定可能だ。
| 指標 | 重要性 |
|---|---|
| リピート乗車率 | スムーズで安全な初回体験をした乗客が定期ユーザーになる可能性は推定3〜5倍高い（推定、Waymo内部データより）——一回限りの好奇心と継続的な収益源の差 |
| 口コミNPS | ロボタクシーのNPSが自然な獲客を直接促進；不快または恐ろしい乗車体験が競合他社に対してゼロの限界費用で否定的なソーシャルメディアコンテンツを生み出す |
| ピーク時需要 | 通勤者——最高価値の乗客セグメント——は一貫した予測可能な快適さを必要とする；朝の通勤で一度悪い体験をすると潜在的な毎日の高頻度ユーザーを失う |
| プレミアム価格許容度 | 体験を高く評価する乗客はより高い価格を受け入れる；乗り心地は価格設定力であり、ロボタクシーと通常のライドヘイルの価格差こそがユニットエコノミクスが成立する領域 |
| アクセシビリティリテンション | 非ドライバー人口（高齢者、移動困難者、視覚障害者）は商業規模では代替手段がない——しかし快適さがサービスを利用する頻度と推薦するかどうかを決定する |
Waymoは運営市場で主要なライドヘイル競合他社を上回るNPSスコアを報告している（具体的な数値は非公開、推定）。このNPSアドバンテージは上記のフェーズ3転換データの商業的な複利効果だ：快適な初回乗車はそれぞれ、同等の効率で複製できる有料獲客が存在しないオーガニック成長を生み出す。
第5節——注目すべき点：拡張指標としての乗り心地
フィジカルAIベンチマークシリーズは運用指標を追跡している——週間乗車件数、フリートサイズ、介入解除率。乗客の乗り心地は過小評価されているが同様に重要な拡張追跡指標だ。以下は今後の運用レポートに組み込むべき具体的な観測次元だ。
ジャーク低減率——加速度の変化率（ジャーク、単位m/s³）は制動と加速の快適さの最も正確な物理的指標だ。ソフトウェア世代を超えた低下するジャーク指標は、安全性と同じペースで乗り心地が改善していることを示す。WaymoとTeslaの両方がこのデータを持っている；2026年中頃時点でどちらも公開していない。
乗車後の評価平均——WaymoはすべてのWaymo Oneのトリップ後に星評価を収集している（推定）。時間の経過とともに上昇する評価平均は、ソフトウェア改善サイクルが安全性だけでなく乗り心地においても改善をもたらしていることの証拠だ。Tesla Austinは初日から同等の収集を実施すべきだ。
1,000回乗車あたりの苦情率——品質のフロア指標。低下する苦情率は、最悪体験のロングテールが系統的に排除されていることを示す。これは中央値体験の改善と同様に重要だ。
リピーター乗客シェア——週間乗車件数のうち、帰ってきたユーザー（初回乗客ではなく）からの割合は、フェーズ3転換がスケールで成功しているかどうかの最も直接的な代理指標だ。2026年中頃時点で、WaymoもTeslaもこの数値を公開していない。
採用フライホイールは双方向に機能する。ポジティブなフライホイール：乗り心地→リピート乗車→より多くのトレーニングデータ→より良いモデル→より良い乗り心地。ネガティブなフライホイール：一度の不快または恐ろしい乗車→ソーシャルメディアでの否定的レビュー→新規乗客獲得の遅延→データシグナルの弱体化→改善の遅れ。Waymoが現在運用しているスケール——2026年Q2に週約25万回の乗車——ではポジティブなフライホイールが明らかに回っている。Tesla Austin拡大に対するオープンな問いは：監視付き段階での乗り心地が安全ドライバーの撤退後に無人運転段階へ移行するか、それとも3フェーズの心理がその移行点で完全にリセットされるかだ。その移行と、その反対側での乗り心地とNPSデータが、2026年後半に注目すべき消費者次元の指標だ。
出典：Waymo One乗客調査および安全レポート（waymo.com/blog/、waymo.com/safety/）；Transportation Research Part F: Traffic Psychology and Behaviourに掲載の自動運転車乗客受容性研究（sciencedirect.com）；Tesla FSD v12およびv13オーナーレビュー、Tesla Motors Clubフォーラム（teslamotorsclub.com）。（推定）と記載されたすべての数値は、公表された調査、学術研究、業界レポートに基づく推計値であり、独立した検証は行われておらず、一次資料とは異なる場合がある。
ソース
- Waymo One乗客調査 — Waymo公式ブログ ↗
- 自動運転車乗客受容性研究 — Transportation Research Part F ↗
- Tesla FSD v12オーナーレビュー — Tesla Motors Clubフォーラム ↗
- Waymo安全・乗り心地評価 — Waymo安全レポート ↗