AIが倉庫の仕事を奪うかどうかをめぐる議論は、長年感情論で回ってきた。どちらの陣営も都合のいい論拠を見つけられるからだ。より有益な問いの立て方は、問いを分解することだ。「奪うかどうか」ではなく、「どの職種が、どのタスクから、だいたいどのタイムラインで」変わるのか。2025年以降の公開データと業界の動向をもとに、エビデンスに裏打ちされた暫定的な答えが今なら可能になっている。
現象
まず、起きたことから始めよう。2025年7月のAmazonの公式発表によると、同社は世界各地の倉庫に展開したロボットの総数が1,000,000台を超えた。同時期にAmazonは、ロボットフリートの走行ルートを調整する生成AIの基盤モデルDeepFleetを公開。同社によれば、フリートの走行時間を約10%削減できるという。そして、ルイジアナ州シュリーブポートの次世代フルフィルメントセンターは、従来型施設の約10倍のロボット密度で稼働している。これらを合わせると、シグナルは明確だ。倉庫へのAIの参入は、10年前の「一度に1台の自動化機械」の時代を超え、施設全体の知的オーケストレーションへと移行した。機械の数も調整の複雑さも、桁違いのステップアップだ。
データ
2025年1月に発表された世界経済フォーラムのFuture of Jobs Report 2025は、最も広く引用されるマクロの枠組みを提供している。2030年までに、技術変化によって世界で約170 millionの新規雇用が生まれ、約92 millionが失われ、差し引き約78 millionの純増になるという見通しだ。この報告書は全産業を対象としており、倉庫業はその一部にすぎない。しかし構造的な結論は直接当てはまる。置き換えは、業界全体が一気にではなく、反復的でルールベースのタスクに集中する。
見落とされがちな、倉庫固有のもう一つの背景がある。業界調査では一般に、倉庫の総運営コストの約半分が人件費であり、単一項目としては最大だと推定されている。つまり、労働依存を実質的に下げる技術は、この環境で最も強い経済的追い風を受ける。導入の制約条件は、たいてい「やりたいかどうか」ではなく「技術が準備できているか、計算が合うか」だ。
原因：なぜこれらの職種が先に変わるのか
倉庫の職種を、AIが変えていく順に並べると、その順番は各職種の給料の多寡では決まらない。順序を決める3つのメカニズムがある。
1つ目は、物理タスクがどれだけ構造化できるかだ。ピッキング、搬送、荷降ろしは反復性が高く、比較的制御された環境で行われる。ロボティクスが最初に獲得した領域だ。2023年初頭、DHL Supply ChainはBoston Dynamicsと複数年契約を結び、北米の倉庫にコンテナ荷降ろしロボットStretchを展開した。同社によれば、1台あたり1時間に数百ケースを処理できるという。荷降ろしは、倉庫の中でも最も汚く、過酷で、人が集まりにくい仕事の一つだ。技術が最初に取るのは、コストが最も高い仕事ではなく、人が最もやりたがらない仕事だ。
2つ目は、仕事がすでにどれだけデジタル化されているかであり、多くの人が見落とすポイントだ。シフト編成、補充、需要予測はすべてシステムの中で完結する。データはすでに存在するので、生成AIはそれを読み取り、物理世界の課題を先に解くことなく直接意思決定を出力できる。対照的に、ロボットが棚の前で実行しなければならない「見る、掴む、置く」という一連の動作は、把持技術の信頼性にいまだに縛られている。この非対称性が意外な結果を生む。後ほど立ち戻る。
3つ目は、採用圧力が強制関数として働くことだ。米国の主要な倉庫集積地では、現場の離職率が何年も高止まりし、繁忙期の採用不足は恒常的な運営制約になっている。「設備を買えない」より「人を雇えない」のほうが確実なとき、自動化の意思決定はコスト削減ではなくスループット確保の問題に変わり、導入は大きく加速する。
見通し：今後3年の再編タイムライン
技術の成熟度と上記の3つのメカニズムを組み合わせると、2026–2029年の倉庫職種の再編は、おおむね次の順序で進むだろう。最初に一言断っておく。「再編される」は「消滅する」ではない。はるかに多いのは、仕事の中身が書き換えられることだ。
| 職種 | 影響を最も受けるタスク | 主要技術 | 実質的な影響が予想される時期 | 人が移動する先 |
|---|---|---|---|---|
| ピッカー | 商品を探して歩くこと、反復的な把持 | AMR（goods-to-person）、ロボットピッキングアーム | 2026–2027年から加速 | ピックステーションのオペレーター、例外処理 |
| フォークリフト運転手、資材運搬 | 点から点へのパレット搬送 | 無人フォークリフト、AMR | 2027–2028年から加速 | フリート配車、現場の安全 |
| 受入・品質検査員 | 段ボール開梱、数量確認 | 画像AI、自動計量・スキャン | 2026–2027年から | 抜き取り監査、クレーム判定 |
| シフトリーダー、現場スーパーバイザー | シフト編成、タスク割り当て | アルゴリズムによるスケジューリング、配車AI | すでに進行中、2027年頃に広範化 | 例外処理、人員マネジメント |
| 在庫プランナー、補充アナリスト | 補充提案、安全在庫の計算 | 生成AI意思決定アシスタント | 2026–2028年に徐々に浸透 | 戦略策定、モデル検証 |
ペースは地域によって一様ではなく、その理由は文化ではなく算数だ。フルロードの倉庫人件費が最も高い地域（米国、西欧、東アジアの一部）では、上記の投資回収計算が最も早くハードルをクリアし、導入が先行する。人件費が依然安い地域では、同じ設備でも回収期間が長くなり導入は遅れるが、採用が難しい場所やスループットが不安定な場所では前進は続く。この地域勾配は多国籍オペレーターにとって重要だ。「未来の倉庫」は市場ごとに異なるスケジュールで到来し、単一のグローバルタイムラインで組んだ人員計画は外れる。
ペースを説明するので、裏紙の計算を一つやっておく価値がある。業界のおおまかな計算はこうだ。米国の現場倉庫作業員のフルロード年間コストを約$50,000と置き（明示的に粗い仮定）、AMRの償却年間コスト（減価償却、保守、ソフトウェアサブスクリプション）を約$15,000-$20,000と置く（こちらも粗い仮定で、ベンダーや展開規模で実数は大きく変わる）。この前提では、約1.5人分の仕事をする1台のAMRは、およそ2〜3年で元が取れる。数字自体は精密ではないが、2024–2025年に大手3PLやEC倉庫でAMR導入が目に見えて加速した理由を説明する。投資回収が3年を切れば、自動化は「戦略的賭け」ではなく、財務的に正当化できる日常的な意思決定になるからだ。
意外な発見
先ほど指摘した非対称性に立ち戻ろう。今後3年で、AIが実質的に最初に書き換えるのは、最も歩くブルーカラーではなく、企画と分析を担うホワイトカラーかもしれない。
論理はシンプルだ。需要予測、補充計画、シフト最適化は、データを入力し、意思決定を出力する。生成AIは、把持を学んだロボットを待たなくても、今日から参加できる。一方、ピッカーが1日に歩く数万歩は、まさに物理世界の中で完全な置き換えが最も難しい部分だ。AMRは歩行を解決したが、「変な形の商品を棚から取ってトートに入れる」は、複雑なSKU環境ではいまだにロボット把持の信頼性を超えている。つまり今後3年の現実的な姿はこうだ。ブルーカラーは人を残しつつタスクが変わる（ピックパスを歩く仕事から、ピックステーションの見守りと例外処理へ）。一方で分析職は人数が減り、1人あたりの意思決定半径が大幅に広がる。AIアシスタントを連れた1人のプランナーが、かつてはチームでやっていた仕事をこなす。この判断の根拠は、技術成熟度の非対称性だ。モデルの推論はすでに使える。汎用把持はまだ信頼できない。
マネージャーへの問いかけ
3年先を見据えたとき、倉庫マネージャーが備えるべき問いは、「自分の役割は消えるか」ではなく、別のものかもしれない。シフト編成も、ピックパスも、補充提案も、すべてアルゴリズムから来て、しかもアルゴリズムがほとんどの場合正しいとしたら、マネージャーの中核能力に何が残るのか。設備とデータのリテラシーを深めることか、それとも人のリテラシーを深めることか。すなわち、アルゴリズムが処理できない10%の例外を人が喜んで引き受けるよう、人と機械の混成チームを運営する方法を知っていることか。
まだ標準的な答えはない。技術への賭け方は依然大きく分かれる。人型ロボットが倉庫に入ってくると賭ける向きもあれば、AMRとアームの組み合わせが今後3年の現実解だと見る向きもある。生成AIはスケジューリングではすでに実戦投入されている一方、補充の意思決定（一つ間違えれば欠品）では、助言はさせても発注はさせない企業が大半だ。比較的確かなのはペースだけだ。2025年のAmazonの1,000,000台マイルストーンは、「自動化するかどうか」の議論の終わりを告げた。今後3年で議論すべきは、どのプロセスが先か、展開をどう順序立てるかだけだ。そのタイムラインは、すべての倉庫マネージャーが自社のオペレーションに照らして、丁寧に、そして早急に描く価値がある。
Dr. Chen（サプライチェーン研究者）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。
