倉庫におけるAIエージェント：例外処理が「機械が先に動く」に到達するまであとどれくらいか

倉庫の例外処理におけるAIエージェントについての私の結論：今後数年、本当の価値は「自動解決」ではなく「自動監視」にある。夜勤は機械に任せ、判断は人間が下す。この役割分担は今後5年変わらない。

2021年の感謝祭ピーク。カリフォルニア州オンタリオの3PL倉庫でコンサルをしていたとき、夜勤のスーパーバイザーから午前1時40分に電話があった。WMSでウェーブがリリースされたのに、300件以上の注文のピッキングタスクが一度も生成されず、コンベヤが20分間空回りしていた。40分かけて現場に駆けつけ、2人でインターフェースのログを1行ずつ確認した。犯人は、上流の注文システムがバッチデータを丸ごと落としていたことだった。何も届いていないのだから、WMSに非はなかった。根本原因の特定に2時間以上。2,000件以上の注文は夜明けまで出荷されなかった。翌日、顧客からクレームメールが届き、その月のサービス料から1ポイント差し引かれた。

AIエージェントなら、私たちの2時間の仕事を10分で終えていただろう。「インターフェースで受信した注文とウェーブで作成されたタスク」を自動照合し、ギャップを指摘して怪しいバッチを特定する。それが監視の価値だ。検知と診断、機械が人間を桁違いに上回る領域である。

だが「先に動く」の部分は？ 落ち着こう。この話には裏表がある。

AIエージェントによる例外処理：自動化は今どこまでできるか

まずコストの話。私は「自動解決」の惨劇を見過ぎてきた。2019年、別の倉庫が自動調整ルールをオンにした。許容範囲内の実地棚卸差異はすべて人間の承認なしで自動償却される。素晴らしい話に聞こえるだろう？ 3か月連続で、システムは組織的な入荷不足をせっせと「平準化」した。仕入先が毎回2％ほど少なく納品していて、エージェントは毎回それを覆い隠した。四半期の棚卸では、帳簿と実在庫が数十万ドルも乖離し、どのリンクで商品が消えたのか再現できなくなった。さらにひどいのは責任のなすり合いだった。ITは運用部門がルールを定義したと言い、運用部門はシステムが勝手に動いたと言い、仕入先へのクレーム期限はずっと前に過ぎていた。誰もその損失を負えなかった。経営者が被った。

ぶっちゃけた真実を言おう。例外処理における最大のコストは遅さではなく、間違いだ。人間は遅いが、間違えたら止まる。10倍速い機械は、10倍速く間違い、しかも静かに。AIエージェントの最大のリスクは、馬鹿なことではなく、勤勉なことだ。小さな例外を、勤勉に、監査不能な大惨事に変えてしまう。

だから私は線を明確に引く。情報の集約、根本原因の診断、推奨アクション——それらはエージェントに渡す。帳簿、お金、顧客との約束に触れるものは、すべて人間が握る。

AIエージェントに例外処理を渡す前に、この計算をしよう

計算してみよう。約100,000平方フィートの倉庫では、1晩に3～5件の例外コールがある。詰まったウェーブ、インターフェース障害、AMRのライン停止、在庫差異アラーム。例外1件あたり、起きてから「出向く必要があるか」までの判断に当直スーパーバイザーの30～40分を食い、実際の現場訪問は往復2時間かかる。ピーク月には「人間が対応するのを待つ」アイドル時間が積み上がり、夜勤スーパーバイザーの給与の半分に相当する。

エージェントの価値はその人を置き換えることではなく、40分を約5分に圧縮することだ。例外発生から30秒以内に、エージェントはWMSログ、インターフェースの状態、機器テレメトリを取り込み、「原因候補、推奨アクション、影響範囲」を提示する。人間がやることは1つだけ。判断を下すこと。中規模倉庫なら、1年分の出荷遅延ペナルティと残業代の回避で、エージェントプロジェクトの費用は余裕で回収できる。ただし、償却とリリースからは遠ざけておくこと。

顧客に描いて見せる役割分担表がこれだ。エージェントと人間の境界が一目で分かる。

顧客向けの私のパイロット候補リストは3つ。いずれも今すぐ安全に始められる。

1つ目、夜勤の例外集約。エージェントはWMS、注文インターフェース、設備のアラームストリームを24時間監視する。重複排除、優先度付け、根本原因の診断。人間が受け取るのは1つのメッセージ。結論と推奨策。どのパイロットよりもROIが高く、リスクはほぼゼロ。

2つ目、ウェーブ前のヘルスチェック。各ウェーブリリースの15分前、エージェントは4つを照合する。注文量、利用可能な在庫、人員シフト、設備の状態。不足があれば説明付きでウェーブをブロックする。この1つのチェックで、あの午前1時40分の電話の半分は防げていたはずだ。

3つ目、差異のトリアージ。在庫差異アラームが鳴ったら、エージェントはまずそのSKUの30日分の移動履歴、カウント記録、隣接ビンの移動を取り込み、差異分析を起草する。それから人間が調整するか判断する。覚えておこう。レポートを書けるのは機械だが、調整を記帳する手は人間でなければならない。

3つのレッドライン：触れてはならないもの

レッドライン1：在庫の自動調整。上記の話が教訓だ。帳簿がひとりでに動き始めた瞬間、責任の鎖は断ち切られる。そして3か月後には、商品がどこで消えたのかさえ分からなくなる。

レッドライン2：顧客への自動コミット。エージェントに「明日出荷、保証付き」と顧客に約束させたり、特急注文を自動受注させたり。明日3人が病欠することなどエージェントは知らない。顧客への約束は機械が助言し、人間が決める。

レッドライン3：システムを跨ぐ自動実行。WMSでのスロット移動、TMSでの運送会社変更、ERPへの仕訳記帳。1つのシステム内の小さな動きは交渉の余地がある。3つのシステムを跨ぐワンクリック実行は、壊れたときにロールバックチームすら編成できないことを意味する。

以上が話の両面だ。倉庫の例外処理をAIエージェントが担う。方向性は買う。人間が画面を睨む時代は終わるべきだ。午前3時の電話など誰も望まない。だが「機械が先に動く」は急げない。3年間は夜勤の目として働かせ、信頼を稼がせ、それからスーパーバイザーにする話をしよう。

エージェントを導入する前の1つの助言。自問しよう。午前3時に例外を自動処理して間違えたとき、翌朝10分で「何をして、なぜそうしたのか」を説明できるか？ できなければ、動かせてはいけない。説明できるようになったその日が、電話を転送する日だ。

Lao Mi（サプライチェーンのベテラン（20年））著

英語版からの翻訳。内容に相違がある場合は英語版を優先します。