2026.08.12 DX

自動配車システムとは？AI配車の仕組みと導入条件・受託開発の判断

自動配車システムを検討する会社が最初に迷うのは、機能の有無ではなく「うちの配車が計算で組めるのか」という一点です。製品ページには削減率が並びますが、その数値がどんな配送形態を前提にしているかは書かれていません。この記事では、自動配車のエンジンが何を計算し何を計算していないのか、精度を決める入力データは何か、効果をどの指標で測るのか、そして既製品で足りる条件と受託開発に踏み込む条件を順に整理します。配車管理システム全般の定義や費用相場、製品比較の軸は別記事に譲り、ここでは自動で割当を出す仕組みだけを扱います。

まとめ：自動配車システムの導入可否を分ける3つの前提

自動配車が成立するかどうかは、製品の性能ではなく自社の配送形態で決まります。分かれ目は3つ。1日の配送先が多く組合せの余地が大きいこと、荷物と車両の条件が事前にデータとして揃うこと、そして荷主との交渉ではなく条件の突き合わせで配車が決まることです。1日の訪問先が数十件を超える宅配型や共同配送では計算が人を上回りますが、1台あたり数件のスポット輸送では、条件を入力し終える前に電話で行き先が決まります。

もう一つ押さえるべきは、AI配車という呼び名の中身が製品によって別物だという点です。ゼンリンデータコムのAI自動配車は公式ページで「機械学習AIではございません」と明記し、与えられた情報から解を計算する方式だと説明しています。一方でLoogiaは1000万回分の走行実績を学習させたと説明しており、同じ呼び名でも計算の土台が異なります。呼称ではなく、自社の制約条件を何項目まで受け取れるかで比べてください。

判断の順序も決まっています。まず繁忙日の実データ1日分で計算させ、出てきた配車表を担当者が何件手直ししたかを数える。修正が3割以内なら運用に乗り、7割を超えるなら制約条件が製品側の項目に収まっていない証拠です。そこで残った差分が運賃の按分や共同配送の配分といった業務ロジックなら、既製品の改修ではなく受託開発の見積と並べる段階に入ります。

自動配車システムとは｜手動の配車と分かれる作業範囲と計算の対象

自動配車システムは、配車管理システムの中でも割当そのものを計算で導く製品群のことです。まず、人が担う部分との境界を確定させます。配車管理システム全体の業務範囲と主要機能は配車管理システムの定義と機能・費用相場で整理しているため、ここでは計算部分に絞ります。

自動配車が引き受ける計算と、配車担当に残る交渉と例外の判断基準

エンジンが受け取るのは、その日運ぶ荷物の一覧と、動かせる車両とドライバーの一覧、そして両者を結ぶ制約条件です。出力されるのは、どの車両にどの荷物を何番目に積むかという訪問順つきの割当表になります。人が数十分から数時間かけて組んでいた突き合わせが、数分の計算に置き換わる形です。

置き換わらない領域もはっきりしています。当日朝に飛び込んだ案件を誰の便へ押し込むか、繁忙期にどの荷主を優先するか、無理を頼める協力会社はどこか。関係性と力加減を含む判断は条件式に落ちません。自動配車を入れても配車担当の役割は消えず、突き合わせ作業から計算結果の検証と例外処理へ移ります。導入前の説明で人員削減を掲げると現場が抵抗するのは、この構造を飛ばしているためです。

手動の配車業務との違いを入力と出力・所要時間の3点で具体的に比べる

手動の配車では、入力は担当者の記憶とExcelの配車表、出力は1通りの配車表、所要時間は受注が固まってから完成まで1時間から3時間というのが標準的な形です。自動配車では、入力がマスタに登録された制約条件と当日の荷物データ、出力は複数案の比較が可能な割当表、計算そのものは数分で終わります。

ただし総所要時間は単純に短くなりません。荷物データを取り込む工程と、計算結果を担当者が検証する工程が新たに発生するためです。受注をFAXや電話で受けている会社では、データ化の手間が計算で浮いた時間を食い潰すこともあります。効果を見積もるときは、計算時間ではなく「受注が固まってから指示書を配るまで」の全体で比べてください。

AI配車と呼ばれる製品の実体｜機械学習とは限らない計算の方式

製品名や広告に付くAIという語は、計算方式を示していません。ゼンリンデータコムのAI自動配車は、燃料代・人件費・車両固定費・有料道路代から荷積み荷卸しの時間的コストまでを数値化して計画を作ると説明する一方、公式ページで「機械学習AIではございません」と明示しています（2026年8月時点）。与えられた条件から解を計算する方式であり、過去データから学習する仕組みとは別です。

対してオプティマインドのLoogiaは、1000万回分の走行実績を学習して制約条件を考慮した計画を作ると説明しています。TOMASは数理計画法を用いた計算による自動配車機能という表現です。3社とも自動配車を掲げていますが、土台にあるのは組合せの計算、実績データからの学習、数理計画とそれぞれ異なります。比較の段階では、AI搭載という表記を根拠にせず、次章で扱う計算の中身と受け取れる制約条件の範囲で判定してください。

自動配車の仕組み｜配送計画問題を解くエンジンが計算している中身

自動配車が解いているのは、配送計画問題（VRP）と呼ばれる古くからある組合せの問題です。この問題の性質を知っておくと、製品ごとの制限がなぜ生じるのかが読めるようになります。

配送計画問題が組合せの数で総当たり計算できなくなる具体的な構造

配送先が10か所なら回る順序は約36万通り、15か所では約870億通りになります。ここへ車両の割当が乗り、時間指定や積載上限が重なるため、総当たりで最良の解を確かめる方法は現実の件数では成立しません。この問題は計算量の理論でも難しい部類に分類され、件数が増えるほど解を確かめる手間が跳ね上がります。

そこで実務の製品は、確実に最良と証明できる解ではなく、実用的な時間で得られる十分よい解を返す設計を採っています。同じ荷物データを2回計算させると別の配車表が出る製品があるのはこのためで、不具合ではありません。評価すべきは解の一意性ではなく、出てきた案が現場で使えるかどうかです。

数理計画法と探索型の計算で解を導く手順の違いと実務上の使い分け

実装の方向は大きく2つに分かれます。数理計画法は、走行距離やコストを数式で表し制約式を満たす解を求める方式で、条件がきれいに数式化できる配送に向きます。TOMASが数理計画法を用いた計算と説明しているのがこの系統です。もう一方は探索型で、まず実行可能な配車案を作り、荷物の入れ替えを繰り返して改善していく方式を指します。大量の配送先を短時間で処理する場面で使われます。

利用者側で方式を選ぶ必要はありませんが、方式の差は制限の出方に現れます。件数が増えると計算時間が延びるのか、精度が落ちるのか。どちらが起きるかは製品ごとに違うため、繁忙日の最大件数で試すのが確実です。平常日のデータで試して契約すると、繁忙期に計算が終わらない事態が起こります。

走行実績データが計算に効く場面と、効かずに人が上回る場面の具体例

走行実績の学習が効くのは、移動時間の見積もりです。地図上の距離から機械的に算出した所要時間は、実際の到着時刻と乖離します。時間帯ごとの渋滞、荷降ろしにかかる実時間、駐車場所を探す時間が乗るためです。実績データを持つ製品は、この差を埋めた時間で計画を組めます。

効かないのは、データに残らない条件です。特定の荷主が求める納品の作法、ドライバーと荷受担当の関係、新人に任せられる区間の判断。これらは走行ログにも受注データにも記録されていません。実績を取り込む側の仕組みは車両運行管理IoTとデジタコ連携の仕組みで扱っていますが、記録されている範囲を超えた学習は起こらないという前提は変わりません。

自動配車の精度を決める入力｜制約条件をどこまで詳しく登録できるか

計算エンジンの性能差より、入力できる条件の範囲のほうが結果を大きく左右します。ここが自社業務と合わないと、どの製品を選んでも手直しが減りません。

製品が計算の前提として置いている境界と必須入力の具体的な項目

各製品は計算を成立させるための前提を公表しています。Loogiaは必須入力として出発地と帰着地、車両情報と車種、配送先の名称と住所、配送先ごとの作業時間を挙げ、一度に計算できる時間幅は24時間で宿泊を伴う計画には対応しないこと、積み付けを考慮する機能がないことを明示しています（2026年8月時点）。長距離の幹線輸送や、荷室への積み方が成否を分ける輸送では、この前提が壁になります。

確認すべき前提は次の4点です。

  • 計算の対象期間（当日1日か、複数日にまたがる運行を含められるか）
  • 積載可否の判定方法（重量だけか、容積や積み付けの順序まで見るか）
  • 配送先の登録上限と1回の計算で扱える件数の上限
  • 車両の使い回し（1台が1日に2回転する運行を組めるか）

製品ページの機能一覧には出てこない項目のため、商談の際に文書で確認してください。この4点のいずれかが自社の運行と食い違うと、計算結果は使えないまま残ります。

荷主ごとの暗黙のルールを条件式へ落とすときに生じる実務上の限界

配車が属人化する理由は、荷主ごとの制約が担当者の記憶にしかないためです。自動配車を導入する工程の大半は、この記憶を項目として書き出す作業に費やされます。「A社は必ず自社便」「B倉庫は4トン車まで」といった条件は、車両区分や荷主コードと紐づけて登録できます。

一方で落とせない条件も残ります。「今月クレームが出たので当面はベテランを当てる」「先方の担当が代わったので当面は様子を見る」といった時限つきの判断です。この種の条件を無理にマスタへ固定すると、状況が変わった後も計算結果を歪め続けます。落とすのは恒常的な制約だけにとどめ、時限つきの条件は計算後の手直しで吸収する運用が現実的です。

マスタの精度が計算結果の採用率へ直結する仕組みと実務上の整備順序

最大積載量が実態と違う、納品先の車両制限が入っていない、作業時間が一律15分で登録されている。こうした状態で計算させると、成立しない配車表が出てきます。担当者が数回それを見た時点で、計算結果は見られなくなります。信頼を失った機能は、後からマスタを直しても使われません。

整備の順序は、影響の大きい順に3段階です。第一に車両マスタ（車格・最大積載量・容積・使える設備）、第二に配送先マスタ（車両制限・時間指定の窓・実際の作業時間）、第三にドライバーマスタ（保有資格・担当エリア・勤務予定）。とくに配送先ごとの作業時間は、実測せず一律で入れると計画全体が崩れます。数日分の運行記録から代表値を取り、荷降ろしに時間がかかる先だけ個別に設定する進め方で足ります。

自動配車の効果｜公表値の読み方と自社での削減見込みの試算方法

製品の公表値は前提が揃っていないため、そのまま自社に当てはめると見込みを外します。数値の読み方と、自社で測る指標を分けて扱います。

公表されている効果の数値と、その前提になっている配送形態の条件

オプティマインドはLoogiaの事例として、ユアサ商事で自社便の積載効率が10パーセント向上し、自社便の配送小口数が月間15パーセント拡大したと公表しています（2026年8月時点）。数値が示しているのは、同じ車両でより多く運べるようになったという結果です。一方でTOMASは車両台数・走行距離・拘束時間の削減効果を事前に確認できると案内し、削減率そのものは個別のシミュレーション結果として示す形を採っています。

読み方の注意は2つあります。1つは配送形態の確認で、1台あたりの訪問先が多い形態ほど改善幅が出ます。訪問先が1台2件の運行では、組み替える余地がそもそもありません。もう1つは比較対象で、Excel運用からの移行なのか、既存の配車システムからの乗り換えなのかで意味が変わります。自社と形態が近い事例だけを参考にしてください。

効果を測る4つの指標と、計算結果が採用された割合の数え方の基準

自社で測るなら、次の4指標を導入前後で比べます。受注が固まってから指示書を配るまでの所要時間、1日の総走行距離、使用した車両台数、そして積載率です。所要時間だけを見ると、データ入力の増加分が隠れます。走行距離と車両台数は季節変動を受けるため、前年同月と比べるか、同じ荷物データで手動と計算の両方を組んで比べる方法が確実です。

もう1つ、定着を予測できる指標が採用率です。計算が出した割当のうち、担当者が手を加えずに採用した件数の割合を数えます。目安として、修正が3割以内なら運用は続き、5割を超えると担当者は計算前の手順へ戻り始め、7割を超えるなら制約条件が登録しきれていないと判断できます。導入初月は毎日この数字を記録し、修正の理由を分類してください。理由が特定の荷主や車両に偏っていれば、マスタの追加で解消します。

自動配車が成立する条件と、手動の配車が上回り続ける現場の特徴

ここで判断を言い切ります。自動配車は汎用の改善策ではなく、条件が揃った現場でだけ人を上回る仕組みです。なお建設業のように車種と法令の制約が業種固有な現場では前提そのものが変わるため、建設業の配車システムの要件と選び方も併せて確認してください。

採用してよい条件｜件数と定型度・データの揃い方で線を引く判断基準

次の3条件がすべて揃うなら、導入する価値があります。第一に、1日の配送先が1台あたり10件以上、全体で50件以上あること。組合せの余地が計算の利得を生む水準です。第二に、荷物の重量・容積・時間指定・納品先の制約が、配車を組む時点でデータとして手元にあること。電話で聞かないと分からない情報が残る間は、計算の前提が揃いません。第三に、運行が定型的で、日々の判断が条件の突き合わせで決まること。

宅配、ルート配送、共同配送、そして食品や飲料の多頻度小口配送がこの条件に当てはまります。逆に条件を2つしか満たさない場合は、自動計算まで踏み込まず、割当画面と制約チェックだけを持つ製品を選ぶほうが投資効率は高くなります。製品タイプごとの守備範囲は配車管理システムの比較と選び方で整理しました。

見送るべき現場｜スポット中心と交渉で運行が決まる形態の判断基準

見送ってよい条件も明確です。1台あたりの訪問先が数件でスポット案件が中心、荷主との電話交渉で当日の運行が決まる形態では、条件を入力し終わる前に配車の結論が出ています。ここに計算エンジンを入れても、入力作業が純増するだけです。

もう1つの見送り条件は、下請専業で元請から運行指示を受けている場合。自社で組む余地がないため、割当の計算に価値が出ません。この場合は実績記録と車両管理へ投資したほうが効きます。3つ目が、繁忙日と閑散日で件数が10倍以上動く形態です。閑散日は手動で足り、繁忙日だけ計算が要る状態では、ライセンス費用が年間を通して発生する分だけ回収が遠のきます。まず配車表の様式統一と制約条件の文書化を進め、件数が安定してから検討する順序が現実的です。

既製エンジンと受託開発の判断｜制約の独自性で調達方法を分ける

既製品で決着しない場合の進路を整理します。判断材料は費用の大小ではなく、埋まらない差分の性質です。

既製の自動配車製品で足りる条件と、標準機能に載らない要件の違い

既製品で足りるのは、配送が業界の標準形に収まっている場合です。単一拠点から当日中に回り、荷物の積載可否が重量と容積で判定でき、運賃計算を配車側で行わない。この3つが揃えば、標準機能の範囲で運用に乗ります。この条件下では業務を製品側の型に寄せるほうが、早く安く終わります。

載らない要件の代表は、積み付けの順序が成否を分ける輸送、複数日にまたがる長距離運行、そして荷物と車両の組合せに社内独自の等級を持つ運行です。前述のとおり積み付けや24時間を超える計画に対応しない製品があるため、この要件を持つ会社は候補が一気に絞られます。候補が1つも残らないなら、既製品の中から選ぶ前提そのものを見直す段階です。

受託開発へ踏み込む条件｜按分と共同配送・基幹連携の3点で判定

受託開発が採算に乗るのは、次の条件に該当するときです。

  • 運賃や原価の按分ロジックが自社独自で、割当と同時に計算する必要がある
  • 共同配送や協力会社への配分ルールが競争力の源泉になっている
  • 既存の受注・請求システムと双方向で連携し、計算結果をそのまま請求へ流したい
  • 倉庫の出荷計画と配車を同じ画面で判断する必要がある

2つ以上に該当すると、既製品の改修見積が受託開発と大差ない金額になります。とくに按分と配分は業務ロジックそのものの書き換えにあたり、改修に踏み込んだ時点で標準改版への追随が難しい状態です。計算エンジンだけを外部の部品として組み込み、受注取込から割当結果の反映までを自社仕様で作る構成も選べます。この設計は基幹システム開発の領域で、配車だけを切り出すより受注から請求までを通して設計するほうが総額は収まる構造です。現行の配車表と運賃表を持ち込み、要件の当たりを付けるところから始められます。

契約前に実データで再現テストを行う手順と評価に使う指標の基準

判断を確実にする方法は1つで、繁忙日の実データを使った再現テストです。TOMASのように無償のシミュレーションテストを提供する製品もあるため、サンプルデータのデモで終わらせないでください。手順は次の4段階です。

  • 直近の繁忙日を1日選び、その日の荷物データと制約条件を製品側へ渡す
  • 計算結果と、その日に実際に組んだ配車表を並べて比較する
  • 成立しない割当と手直しが必要な割当を数え、理由を分類する
  • 手直しの理由がマスタ不足か、製品の前提と自社運行の食い違いかを判定する

マスタ不足なら整備で解消しますが、前提の食い違いは埋まりません。ここで残った差分の数と性質が、既製品を選ぶか作るかの分岐になります。テストを飛ばして契約すると、稼働後に同じ判定を高い費用で行うことになります。

よくある質問

自動配車システムの検討で寄せられることの多い質問を、5つに絞って回答します。

自動配車システムと配車管理システムはどう違いますか？

配車管理システムは割当を人が組むための画面と制約チェックを提供する仕組みで、自動配車システムはその割当自体を計算で導く機能を持つ製品を指します。両者は排他ではなく、配車管理システムの上位機能として自動計算が載る構成が一般的です。まず配車業務の可視化から始めるなら配車管理側、割当を組む時間が突出して長いなら自動計算まで含めた製品が候補になります。守備範囲の全体像は配車管理システムの定義記事を参照してください。

自動配車の計算結果はそのまま指示書として使えますか？

そのまま使える会社は限られます。荷主との関係やドライバーの慣れはデータ化されていないため、配車担当が最終確認を挟む運用が現実的です。判断材料になるのが採用率で、手を加えずに採用できる割合が7割を超えていれば、確認は数分で済みます。逆に半数以上を手直ししている状態が続くなら、制約条件の登録が不足しているか、製品の前提が自社の運行と合っていません。

車両10台程度の会社でも自動配車を導入する価値はありますか？

台数ではなく、1台あたりの訪問件数で判断してください。10台でも1台が1日20件以上回る宅配型なら、組合せの余地が大きく計算が効きます。逆に30台あっても1台2件の長距離輸送であれば、計算する対象がほとんどありません。訪問件数が少ない場合は自動計算に費用を払わず、割当画面と制約チェックだけの製品を選ぶほうが投資効率は高くなります。

自動配車の導入にはどのくらいの期間がかかりますか？

既製のクラウド型で標準機能のみなら、契約から稼働まで2か月から4か月が目安です。期間の大半を占めるのはマスタ整備で、とくに配送先ごとの作業時間と車両制限の実測に時間がかかります。ここへ手動との並行運用を2か月程度加えてください。基幹システムとの連携や独自の按分ロジックを含む受託開発では、要件定義から本稼働まで6か月以上を見込みます。

AI搭載と書かれた製品を優先して選ぶべきですか？

表記だけを根拠に優先する判断は避けてください。AIという語の中身は製品ごとに異なり、機械学習を用いていないと明示している製品もあれば、走行実績の学習を土台にしている製品もあります。比較で見るべきは呼称ではなく、自社の制約条件を何項目まで登録できるか、繁忙日の件数を実用的な時間で処理できるか、そして実データの再現テストで手直しが何割に収まるかの3点です。

関連記事

資料請求

RELATED POSTS 関連記事

一覧へ戻る