Somniは、単に「昨夜の睡眠は何点だったか」を表示する睡眠トラッカーの先を狙う、Fullive.aiの開発中デバイスだ。画面を持たないベッドサイド機器として、睡眠者と寝室の状態を捉え、環境に小さな変更を加え、その結果を次の夜のプランに反映する。同社はこの考え方を**レスポンス・ラーニング（response learning）**と呼ぶ。58

ただし、これは意欲的な製品構想であって、確立された臨床効果を意味するものではない。現時点の報道は開発段階の製品と、より大規模な検証を目指す企業の方針を伝えるものだ。購入を検討する人は、目指す機能と、独立した研究で実証された睡眠・健康上の効果を分けて考える必要がある。5

中心にあるのは「睡眠スコア」ではなく、反応を学ぶ仕組み

多くの睡眠製品は、体動や就寝時刻などを測定して、スコアや要約を示すことが中心だ。Fulliveが提案するデータの循環は、それとは異なる。

1. 状態を計測する――睡眠者と部屋から信号を取得する。
2. 範囲を限定した介入を選ぶ――音、光、香りなどを調整する。
3. 反応を観察する――夜間の変化を評価し、次回以降の計画に反映する。

Fulliveは、このデータセットを**「状態 → 介入 → 反応」**と位置づける。目的は、その時点の状態を分類するだけでなく、特定の環境入力に対して個人がどう反応するかを学ぶことだ。同社は、このデータで訓練されるモデルを「レスポンスモデル」と呼んでいる。5

たとえば、ある音や照明の組み合わせが期待した反応につながらなければ、翌晩は別のパターンに調整する。一方、より良い反応と結び付いたパターンがあれば、それを次の提案の材料にする。毎晩を一回限りの睡眠レポートではなく、小さく制約されたフィードバックのサイクルとして扱う発想である。5

Somniが捉えようとする信号

Somniは、高ストレス環境で働く知識労働者を想定した、非装着・画面なしのベッドサイド製品として位置づけられている。報道によれば、ミリ波レーダー、マイクアレイ、環境センサーを組み合わせ、呼吸、心拍、体動、寝室の環境条件などを夜間にモニタリングする設計だ。8

ベッドサイド型であることは、製品戦略上の要点でもある。就寝中に身に着ける機器を必要とせず、人だけでなく睡眠環境も同時に観察できるからだ。Fulliveは、比較的安定した寝室を何時間も連続して観測できることが、個人ごとの反応を学び始める実用的な場になると考えている。5

もっとも、非接触センシングは、透明性のある検証が特に重要な領域である。生理学的な測定をうたうなら、精度ベンチマークや臨床的根拠と照らして評価されるべきであり、とりわけ健康やウェルネスに関する判断へ影響し得る場合はなおさらだ。

計測から環境への働きかけへ

Somniを一般的な睡眠トラッカーと分けるのは、構想上の「介入」レイヤーだ。音、光、香りを環境への入力として使い、入眠の支援、夜中に目覚めた際の対応、より穏やかな目覚めを目指すとしている。58

Fulliveは、生成AIに無制限の制御を任せるのではなく、行動の範囲を狭く保つ設計だと説明する。センサーの情報は基盤モデルを使う計画レイヤーに渡され、「Bio-OS Harness」が計測・出力モジュールを連携させるという。信頼度の上限、根拠、限定された介入セットを安全上の境界としている。5

こうした境界は重要だ。寝室での自動化が個人に適応するからといって、当然に有益とは限らない。役立つシステムであるためには、介入を安定して選べること、睡眠を乱す選択を避けられること、効果が時間を経ても維持されることを示さなければならない。

なぜ「閉ループ」と呼ぶのか

閉ループ型の製品は、データを集めるだけではない。計測、判断、実行、フィードバックをつなぐ。

• 計測する：睡眠者と寝室から信号を検出する。
• 推定する：現在の状態と関係する状況を見積もる。
• 働きかける：制約された環境介入を行う。
• 学習する：その後の反応を過去のパターンと比較し、将来の方針を調整する。

Fulliveのより大きな狙いは、実際の家庭で行動と反応が対になったデータを蓄積することにある。同社は、この証拠が将来的に、環境条件に応じて身体状態がどう変化し得るかを予測するAIの基盤になり得ると主張している。5

これは睡眠ダッシュボードを作るより難しい目標だ。夜ごとの自然な変動、交絡要因、センサーの誤差から意味のある効果を切り分ける必要があり、製品が使われること自体では答えが出ない。

プライバシーに関する説明も、検証すべき製品上の主張

Fulliveは、レーダーの生波形をまず端末内に保存し、クラウドに送る情報は暗号化・最小化して、個人のプライバシーを再構成し得る生データをアップロードしないようにすると説明している。5

常時寝室に置かれる機器にとって重要な設計目標ではあるが、これを第三者認証済みのプライバシー保証と受け取るべきではない。実装を評価するには、データ保存期間、クラウド処理、アカウント管理、第三者との共有、セキュリティ対策について、明確な文書化が求められる。

睡眠コンパニオンから「レスポンスモデル」へ

FulliveはSomniを、より広いプラットフォーム戦略の第一歩として提示している。同社によれば、睡眠に焦点を当てた試験と量産から、より大きな臨床検証へ進み、その後は日中向け製品へ拡張する可能性を見据える。長期的には、物理環境を通じて身体状態を予測し、安全に影響を与える「生理学的ワールドモデル」が構想されている。57

現段階では、これは研究・製品のビジョンである。注視すべき最も強い根拠は、独立した設計による臨床研究、非接触計測の精度試験の公表、そして多様な利用者で持続する結果であり、同社が意図する仕組みの説明だけではない。5

次に注目すべき3つの点

Somniが興味深いのは、睡眠を測ることから、個人に合わせた小さな環境変化が本当に役立つかを検証する方向へ目標を移している点にある。価値を左右する未解決の問いは、主に次の3つだ。

• 非接触センサーは、個別の判断に必要な信号を十分な精度で測定できるのか。
• 音・光・香りによる介入は、通常の夜ごとの変動やプラセボ効果を超えて、意味のある睡眠上の結果を改善するのか。
• 厳密で独立した研究により、安全性、プライバシー、持続的な便益を示せるのか。

これらの問いに答えが出るまでは、Somniは検証済みの医療ソリューションではなく、個別化された回復を目指す初期段階のAIハードウェア構想として理解するのが適切だ。58

Somniは、単に「昨夜の睡眠は何点だったか」を表示する睡眠トラッカーの先を狙う、Fullive.aiの開発中デバイスだ。画面を持たないベッドサイド機器として、睡眠者と寝室の状態を捉え、環境に小さな変更を加え、その結果を次の夜のプランに反映する。同社はこの考え方を**レスポンス・ラーニング（response learning）**と呼ぶ。58

ただし、これは意欲的な製品構想であって、確立された臨床効果を意味するものではない。現時点の報道は開発段階の製品と、より大規模な検証を目指す企業の方針を伝えるものだ。購入を検討する人は、目指す機能と、独立した研究で実証された睡眠・健康上の効果を分けて考える必要がある。5

中心にあるのは「睡眠スコア」ではなく、反応を学ぶ仕組み

多くの睡眠製品は、体動や就寝時刻などを測定して、スコアや要約を示すことが中心だ。Fulliveが提案するデータの循環は、それとは異なる。

1. 状態を計測する――睡眠者と部屋から信号を取得する。
2. 範囲を限定した介入を選ぶ――音、光、香りなどを調整する。
3. 反応を観察する――夜間の変化を評価し、次回以降の計画に反映する。

Fulliveは、このデータセットを**「状態 → 介入 → 反応」**と位置づける。目的は、その時点の状態を分類するだけでなく、特定の環境入力に対して個人がどう反応するかを学ぶことだ。同社は、このデータで訓練されるモデルを「レスポンスモデル」と呼んでいる。5

たとえば、ある音や照明の組み合わせが期待した反応につながらなければ、翌晩は別のパターンに調整する。一方、より良い反応と結び付いたパターンがあれば、それを次の提案の材料にする。毎晩を一回限りの睡眠レポートではなく、小さく制約されたフィードバックのサイクルとして扱う発想である。5

Somniが捉えようとする信号

Somniは、高ストレス環境で働く知識労働者を想定した、非装着・画面なしのベッドサイド製品として位置づけられている。報道によれば、ミリ波レーダー、マイクアレイ、環境センサーを組み合わせ、呼吸、心拍、体動、寝室の環境条件などを夜間にモニタリングする設計だ。8

ベッドサイド型であることは、製品戦略上の要点でもある。就寝中に身に着ける機器を必要とせず、人だけでなく睡眠環境も同時に観察できるからだ。Fulliveは、比較的安定した寝室を何時間も連続して観測できることが、個人ごとの反応を学び始める実用的な場になると考えている。5

もっとも、非接触センシングは、透明性のある検証が特に重要な領域である。生理学的な測定をうたうなら、精度ベンチマークや臨床的根拠と照らして評価されるべきであり、とりわけ健康やウェルネスに関する判断へ影響し得る場合はなおさらだ。

計測から環境への働きかけへ

Somniを一般的な睡眠トラッカーと分けるのは、構想上の「介入」レイヤーだ。音、光、香りを環境への入力として使い、入眠の支援、夜中に目覚めた際の対応、より穏やかな目覚めを目指すとしている。58

Fulliveは、生成AIに無制限の制御を任せるのではなく、行動の範囲を狭く保つ設計だと説明する。センサーの情報は基盤モデルを使う計画レイヤーに渡され、「Bio-OS Harness」が計測・出力モジュールを連携させるという。信頼度の上限、根拠、限定された介入セットを安全上の境界としている。5

こうした境界は重要だ。寝室での自動化が個人に適応するからといって、当然に有益とは限らない。役立つシステムであるためには、介入を安定して選べること、睡眠を乱す選択を避けられること、効果が時間を経ても維持されることを示さなければならない。

なぜ「閉ループ」と呼ぶのか

閉ループ型の製品は、データを集めるだけではない。計測、判断、実行、フィードバックをつなぐ。

• 計測する：睡眠者と寝室から信号を検出する。
• 推定する：現在の状態と関係する状況を見積もる。
• 働きかける：制約された環境介入を行う。
• 学習する：その後の反応を過去のパターンと比較し、将来の方針を調整する。

Fulliveのより大きな狙いは、実際の家庭で行動と反応が対になったデータを蓄積することにある。同社は、この証拠が将来的に、環境条件に応じて身体状態がどう変化し得るかを予測するAIの基盤になり得ると主張している。5

これは睡眠ダッシュボードを作るより難しい目標だ。夜ごとの自然な変動、交絡要因、センサーの誤差から意味のある効果を切り分ける必要があり、製品が使われること自体では答えが出ない。

プライバシーに関する説明も、検証すべき製品上の主張

Fulliveは、レーダーの生波形をまず端末内に保存し、クラウドに送る情報は暗号化・最小化して、個人のプライバシーを再構成し得る生データをアップロードしないようにすると説明している。5

常時寝室に置かれる機器にとって重要な設計目標ではあるが、これを第三者認証済みのプライバシー保証と受け取るべきではない。実装を評価するには、データ保存期間、クラウド処理、アカウント管理、第三者との共有、セキュリティ対策について、明確な文書化が求められる。

睡眠コンパニオンから「レスポンスモデル」へ

FulliveはSomniを、より広いプラットフォーム戦略の第一歩として提示している。同社によれば、睡眠に焦点を当てた試験と量産から、より大きな臨床検証へ進み、その後は日中向け製品へ拡張する可能性を見据える。長期的には、物理環境を通じて身体状態を予測し、安全に影響を与える「生理学的ワールドモデル」が構想されている。57

現段階では、これは研究・製品のビジョンである。注視すべき最も強い根拠は、独立した設計による臨床研究、非接触計測の精度試験の公表、そして多様な利用者で持続する結果であり、同社が意図する仕組みの説明だけではない。5

次に注目すべき3つの点

Somniが興味深いのは、睡眠を測ることから、個人に合わせた小さな環境変化が本当に役立つかを検証する方向へ目標を移している点にある。価値を左右する未解決の問いは、主に次の3つだ。

• 非接触センサーは、個別の判断に必要な信号を十分な精度で測定できるのか。
• 音・光・香りによる介入は、通常の夜ごとの変動やプラセボ効果を超えて、意味のある睡眠上の結果を改善するのか。
• 厳密で独立した研究により、安全性、プライバシー、持続的な便益を示せるのか。

これらの問いに答えが出るまでは、Somniは検証済みの医療ソリューションではなく、個別化された回復を目指す初期段階のAIハードウェア構想として理解するのが適切だ。58