2026.11.13 AI

物流のAIとは：需要予測・配車・倉庫・検品の適用範囲と効果が出る条件

物流でAIが実務に入るのは、出荷量や必要人員の予測、配車と運行計画の作成、倉庫内の作業順序の組み立て、そして検品や送り状の読み取りの4か所です。どれも「AIを入れれば人手不足が解消する」ほど単純ではなく、入力するデータが揃っているか、制度上の制約をAIに守らせられるかで効果が大きく変わります。この記事では4つの領域ごとにAIが出す成果物と人が判断を残す工程を整理し、改善基準告示や改正物流効率化法が求める記録とAIの関係、既製サービス・汎用の生成AI・個別開発の比べ方、外注に進むべき規模と見送るべき条件までを示します。

まとめ：物流でAIが効く4領域と、効果が出る会社と出ない会社の分かれ目

結論から書きます。物流のAIで最初に成果が出やすいのは、配車計画の作成と、出荷量にもとづく人員計画です。どちらも毎日同じ形の判断を繰り返しており、ベテランの経験に頼っていた作業時間をそのまま削れます。倉庫の検品や送り状の読み取りは、帳票の書式が揃っているほど効果が安定する領域です。

効果が出るかどうかを分けるのはAIの性能ではなく、データの状態です。受注・出荷・運行の実績が日単位で2年分ほど電子データで残っていれば、予測も配車も組めます。一方、配車表がホワイトボードや個人のExcelにしか無い会社では、AIに渡す材料がそもそもありません。その場合はAIの前に、到着・荷役開始・荷役終了・出発の時刻を記録する仕組みを入れるのが先です。この記録は改正物流効率化法の定期報告にもそのまま使えるため、AIを見送ったとしても無駄になりません。

個別開発に進むのは、車両が数十台規模に達し、自社の受注データや倉庫管理システムとの連携が既製サービスでは組めない場合に限ります。その手前の規模なら、既製の配車・需要予測サービスか、法人契約の生成AIで十分です。

物流業務でAIが担う4領域と、AIに渡すデータ・人が判断を残す工程

「物流にAIを入れる」と一括りにすると、何のデータを用意し、どこに確認者を置くかが決まりません。AIが作る成果物ごとに分けて見ていきます。

需要予測AIで出荷量と必要人員を見積もる仕組みと、外れやすい条件

需要予測AIは、過去の出荷実績に曜日・季節・天候・販促の予定といった要因を加えて、日別や品目別の出荷量を推定します。物流の現場で効くのは、推定した出荷量から逆算する「翌日・翌週に何人、何台必要か」の見積もりです。派遣スタッフの手配や傭車の確保を前日の夕方に慌てて行う状態から、数日前に決められる状態へ移れます。

外れやすいのは、荷主の大型キャンペーンや新商品の投入、取引先の追加といった、過去に例のない変化が入る週です。AIは過去の繰り返しから学ぶため、初めての出来事は予測に織り込めません。荷主から届く販促予定を予測の入力に足す運用と、予測値を人が上書きできる画面の両方を用意しておくと、外れた日の被害を抑えられます。予測手法の種類と導入の進め方は需要予測のAI・機械学習による手法とシステム導入の進め方で詳しく扱っています。

配車・運行計画のAIが組む車両割当と、改善基準告示を制約に入れる設計

配車のAIは、配送先・荷量・時間指定・車両の積載量を入力に取り、どの車両にどの荷物を載せ、どの順に回るかを短時間で組み立てます。熟練の配車係が毎夕1〜2時間かけていた計画づくりが、候補を出して人が直す作業に変わる点が効果の中心です。

ここで見落とされやすいのが、運転者の労働時間の制約です。厚生労働省のトラック運転者の改善基準告示は、2024年4月1日から、1日の拘束時間を13時間以内（最大15時間）、休息期間を継続11時間以上を基本として9時間を下回らないこと、連続運転は4時間以内と定めています。距離と積載率だけで組んだ計画は、この上限を超える運行を平気で提案します。配車AIを選ぶときは、運転者ごとの前日の終業時刻と当月の拘束時間の累計を入力として受け付け、上限を超える割り当てを候補から外せるかを必ず確かめてください。AI配車の仕組みと既製品・受託開発の選び分けは自動配車システムのAI配車の仕組みと導入条件で整理しています。

倉庫内のAIによる作業量予測・ピッキング順序とAIカメラでの荷待ち把握

倉庫でAIが担うのは、時間帯ごとの作業量の予測、ピッキングの順序や作業者への割り当て、そして入出荷バースの状況把握です。出荷量の予測から時間帯別の必要人数を出し、ピッキングリストの順番を通路の配置に合わせて並べ替えるだけでも、歩行距離と残業時間が目に見えて減ります。

国土交通省が2026年3月にまとめた総合物流施策大綱（2026年度〜2030年度）は、倉庫の自動化・機械化の項目で、入場ゲートや入出荷バースに設置したAIカメラによるトラックの荷待ち・荷役時間の把握を推進する施策として挙げています。車両のナンバーや入退場を画像で捉えれば、運転者に受付端末を操作してもらわなくても到着時刻が残ります。ロボットや自動倉庫まで含めた工程別の手段の選び方は倉庫自動化の工程別の手段選定と着手順序で扱いました。

検品と送り状・納品書の読取で画像認識AIとAI-OCRが得意な場面と苦手な場面

検品では、カメラの画像から数量や外装の破損、ラベルの貼り間違いを判定する画像認識AIが使われます。バーコードやRFIDで個体を識別できる商品であれば、AIを使うまでもなく読み取り機で足ります。AIが意味を持つのは、ラベルの無いばら積みの部品の数量確認や、段ボールの潰れ・濡れのように判定基準が目視に頼っていた検査です。検品の方法ごとの向き不向きは入荷・出荷検品のやり方とバーコード検品で比べています。

帳票の側では、紙の納品書や送り状、FAXで届く発注書から品番・数量・届け先を拾ってシステムに入れる作業をAI-OCRで減らせます。得意なのは取引先ごとに書式が揃った帳票で、苦手なのは手書きの追記やFAXで潰れた文字、取引先ごとに配置が違う書類です。導入前に、自社に届く帳票を数十枚集めて読み取り率を測り、確認画面で人が直す件数を見積もる手順はAI-OCRと従来OCRの違い・精度の実測で解説しています。

生成AIが物流の事務で削れる作業と、配送先住所を入力する前の確認点

生成AIは、荷主や着荷主からの問い合わせへの返信文、運行日報や事故報告書の下書き、作業手順書の多言語化といった文章の仕事に向いています。外国人スタッフが多い倉庫では、手順書を母語に訳して配る作業が短時間で済みます。

注意が要るのは、配送先の氏名・住所・電話番号を含むデータを入力する場面です。個人情報保護委員会が2023年6月2日に公表した生成AIサービスの利用に関する注意喚起は、個人情報を含むプロンプトの入力が利用目的の範囲内か確かめること、本人の同意なく入力した個人データが応答の出力以外の目的で扱われると法違反になり得るため、提供事業者が機械学習に使わないことなどを確認するよう求めています。通販の個人宛て配送を扱う会社では、入力データを学習に使わない法人プランを選び、担当者が個人のアカウントで配送先データを貼り付ける運用は禁止しておきます。

改正物流効率化法と総合物流施策大綱から読む、物流AIに求められる記録

物流のAIは、業務効率の話だけでなく、制度が求める記録をどう取るかと切り離せません。2026年4月以降、荷主と物流事業者が残すべきデータが法律で決まったためです。

2026年3月の総合物流施策大綱が物流分野のAIに挙げた3つのユースケース

総合物流施策大綱は、物流のデジタル化・自動化・機械化による業務効率化の項目で、生成AIをはじめとするAI、ビッグデータ、デジタルツインといった新技術を踏まえ、先進的なユースケースの創出を支援するとしています。例として挙がっているのは次の3つです。

多数の荷主・物流事業者が関わる集配送のマッチング
配車・運行計画の効率化
トラックの荷台やコンテナへ、荷姿・重量の異なる貨物を積み合わせる計画

同じ大綱は冒頭で、日本ではデータの蓄積と生成AIなどの導入が進んでいない点を課題に挙げ、AIに学習させるデータを整備する必要を述べています。国の方針としても、AIそのものより先にデータの整備が問われているわけです。物流DX全体の中でAIをどの段階に置くかは、2024年問題と改正物流効率化法・新大綱を踏まえた物流DXの進め方で順番を示しています。

定期報告の荷待ち時間・荷役等時間の計測をAIカメラとバース予約で取る方法

改正物流効率化法では、前年度の取扱貨物が9万トン以上の荷主などが特定事業者に指定され、中長期計画と毎年度の定期報告を提出します。制度の全体像は国土交通省の物流効率化法のページにまとまっており、2026年度に指定された企業は初回の定期報告が2027年7月末の締切です。

AIと関わるのは、報告の中身です。改正物流効率化法ポータルの定期報告のページは、荷待ち時間と荷役等時間を原則として分けて計測し、施設ごとの平均時間を報告するよう示しています。サンプリングの方向性として、取扱重量の半分程度を把握できる施設を選び、四半期ごとに任意の連続した5営業日以上を計測する案も掲載されています（2026年11月時点では検討中の扱い）。

この「到着」「荷役開始」「荷役終了」の3つの時刻を人手で書き留めるのは、施設と運行の数が増えるほど続きません。到着はゲートのAIカメラかバース予約システムの受付で、荷役の開始と終了はバースのカメラかハンディ端末の操作で自動的に残すのが現実的です。こうして取った時刻データは、そのまま配車AIや作業量予測の学習データにもなります。制度の要件と記録データの項目は物流効率化法の特定荷主の義務と記録データの要件、予約システムの選び方はバース予約管理システムの7つの選定軸で扱っています。

改善基準告示の上限を配車AIの入力に持たせるときに必要な勤怠データ

配車AIに労働時間の上限を守らせるには、運転者ごとの拘束時間と休息期間を計算できるデータが要ります。改善基準告示は、1か月の拘束時間を原則284時間、1年を原則3,300時間としています。月末に近づくほど残り時間の少ない運転者が出てくるため、配車AIは「今月あと何時間拘束できるか」を毎日知っていなければなりません。

必要なのは、デジタルタコグラフや点呼記録から取れる始業・終業・休憩の時刻です。勤怠システムと運行管理システムが別々に動いていて、配車担当がその数字を見られない会社は少なくありません。この連携を作らないまま配車AIを入れると、AIの案を人が毎回手で直すことになり、効果が消えます。拘束時間・休息期間の数え方をシステムの判定条件に落とす方法は改善基準告示を運行管理システムの判定要件に翻訳した解説で詳しく書いています。

物流のAI導入を既製サービス・汎用生成AI・個別開発で比べた向き不向き

導入の形は3つに分かれます。費用の桁と、自社データとの連携のしやすさが形ごとに大きく違います。

既製の物流AIサービス・汎用生成AI・個別開発の費用と連携範囲の比較

それぞれの性質を並べると次のとおりです。費用は要件で大きく変わるため、ここでは桁の違いだけを示します。

形態	初期費用	継続費用	自社データとの連携	向く会社
配車・需要予測の既製サービス	小さい	月額の利用料	提供元が用意した連携先	標準的な業務の中小規模
法人契約の汎用生成AI	ほぼ不要	1人あたりの月額	手作業での貼り付け	文章の仕事が中心の会社
個別開発（API組込み含む）	数百万円規模から	保守費と従量課金	受注・WMS・勤怠と直接連携	独自の制約が多い会社

既製サービスで詰まりやすいのは、自社にしか無い制約です。特定の荷主は午前中しか受け付けない、この車両は冷凍品専用、この運転者は大型の免許を持っていない、といった条件が既製品の設定項目に収まらないと、AIの案を毎回人が直すことになります。条件の数が少ないうちは既製品で足り、条件が増えて手直しが毎日発生するようになった時点が、個別開発を検討する目安です。需要予測の側の比較軸と価格の相場観は需要予測システムの比較で先に決める5つの軸で整理しました。

AIの精度より先に確かめる、需要予測と配車で必要なデータの粒度と期間

AIの導入相談で最初に確かめるのは精度の目標ではなく、手元にあるデータの粒度と期間です。目安を領域ごとに並べます。

領域	最低限ほしいデータ	粒度	期間の目安
需要予測	品目別の出荷実績	日別	季節を2周分
人員計画	工程別の作業時間	時間帯別	繁閑を含む数か月
配車	届け先の住所と時間指定	1件ごと	直近数か月
荷待ちの把握	到着と荷役の時刻	運行ごと	四半期ごとに計測

需要予測で季節を2周分求めるのは、年に1度の繁忙期を少なくとも2回見ないと、季節の波と偶然の増減を区別できないためです。配車は過去の長さより、届け先の住所が正しく緯度経度に変換できるかが効きます。住所の表記揺れが多いと、AIは同じ届け先を別の場所として扱い、無駄な経路を組みます。

物流AIを外注開発に進める条件と、既製サービスで止めて見送る場面

ここからは判断の話です。「まずは小さく試しましょう」で終わらせず、発注するかどうかを規模と条件で決めます。

配車係の作業時間と車両台数から見る、個別開発の費用を回収できる分岐点

個別開発が回収できるのは、次の2条件が重なる場合です。1つは、配車や人員計画の作成に毎日まとまった時間がかかっていること。もう1つは、その作業が自社の受注データ・倉庫管理システム・勤怠データとの連携を必要とし、既製サービスの標準機能では組めないことです。

仮の数字で試算します。車両50台の配車を3人の配車係が毎日2時間ずつかけて組んでいるとすると、年間の稼働250日で1,500時間です。AIの案を確認して直す作業に置き換えて半分に減らせれば750時間が浮き、時間単価を3,500円と置けば年約260万円相当になります。ここに積載率の改善による傭車費の削減が加われば、開発費800万円でも3年前後で回収の見通しが立ちます。車両が10台で配車係1人が30分で組めている会社では、浮くのは年約125時間・44万円相当にとどまり、個別開発の費用は回収できません。台数と作業時間を数えないまま見積もりを依頼すると、この計算が抜け落ちます。

物流AIの導入を見送るべき会社の条件と、先に片付ける実績データの問題

見送るべき条件を言い切ります。配車表がホワイトボードか個人のExcelにしか無く、過去の運行実績が電子データで残っていない会社は、AI開発を発注しないでください。AIに学ばせる材料が無いため、開発費の多くがデータの入力と整備に消え、AIの部分にたどり着く前に予算が尽きます。

出荷実績はあっても、品目コードが荷主ごとにばらばらで名寄せされていない会社も同じです。この状態で需要予測を入れても、同じ商品が別の品目として予測され、数字が合いません。順序は、受注・出荷・運行の実績を1か所に集め、到着と荷役の時刻を記録する仕組みを整えるのが先です。この記録は定期報告にも使えるため、手戻りにはなりません。

最初の1業務の選び方と、PoCで測る指標を1つに絞って本番へ進む手順

最初の1業務は、毎日繰り返され、AIの案が外れても人が直せば運行に影響しないものから選びます。翌日の配車案の作成か、翌週の人員計画が典型です。無人搬送や自動倉庫との連動は、社内で運用が定着してから対象に加えます。

対象業務の現状を1か月計測する（作成にかかる時間と、当日の手直しの件数）
成功の指標を1つだけ決める（例：配車計画の作成時間、または平均積載率）
既製サービスで2〜3か月試し、指標の変化を測る
自社の制約が設定に収まらず手直しが減らない時点で、個別開発の要否を判断する

指標を複数置くと、作成時間は減ったが積載率は下がった、といった結果になったときに続けるか止めるかを決められなくなります。精度目標の置き方と本番移行の判断はAI PoCで精度目標を決めて本番移行を判断する基準で詳しく扱いました。受注データや倉庫管理システム、勤怠データと連携した配車・需要予測のAIを検討する段階では、生成AI開発・AI受託開発で要件整理から相談を受け付けています。

よくある質問

物流のAI導入について寄せられやすい質問を5つ取り上げます。

物流でAIを使うと、どの業務から効果が出ますか？

配車計画の作成と、出荷量にもとづく人員計画から効果が出やすい傾向があります。どちらも毎日同じ形の判断を繰り返していて、作業時間の削減がそのまま数字に表れるためです。検品や帳票の読み取りは、帳票の書式や商品の形がそろっている現場ほど成果が安定します。いずれの場合も、過去の実績が電子データで残っていることが前提になります。

配車AIを入れれば、配車係は不要になりますか？

不要にはなりません。AIが担うのは計画の候補づくりで、当日の急な追加や車両の故障、荷主からの時間変更への対応は人が判断します。運転者の体調や得意な配送先といった、データに表れない事情も配車係が持っている情報です。導入後の配車係の仕事は、計画を一から組む作業から、AIの案を確認して直す作業へ移ります。

中小の運送会社や倉庫でもAIは導入できますか？

中小規模の会社も導入の対象です。車両が数台から十数台なら、月額制の既製の配車サービスや、法人契約の生成AIで問い合わせ対応や日報の下書きを始めるだけでも作業時間は変わります。初期費用はほとんどかからず、主な負担は月額の利用料です。個別開発は、台数が増えて既製品の設定に収まらない制約が出てから検討すれば足ります。

物流AIの導入にはいくらかかりますか？

形によって桁が変わります。汎用の生成AIなら1人あたりの月額、配車や需要予測の既製サービスなら月額の利用料が中心です。自社の受注データや倉庫管理システムと連携する個別開発は、数百万円規模からの初期費用に、保守費と従量課金が続きます。金額の妥当性は、対象業務の作業時間と積載率の改善から浮く費用を試算し、何年で回収できるかで判断してください。

物流のAI導入で使える補助金はありますか？

物流の効率化やデジタル化を対象にした国の補助事業は年度ごとに公募されていますが、対象経費・補助率・公募時期は年度で変わります。申請を考えるときは、その年度の公募要領で、AIの開発費やクラウドの利用料が対象経費に入るかを先に確かめてください。補助金を前提に計画を組むと、採択されなかった場合に導入そのものが止まるため、補助金が無くても回収できる計画かどうかを先に確認しておくのが安全です。