今年、WMSベンダーのブリーフィングを7〜8回聞いたが、ある点が繰り返し現れる：3枚目あたりのスライドに、必ず同じ言葉が出てくる——エージェンティック（agentic）。3年前のそのスライドには「クラウドネイティブ」とあり、5年前には「マイクロサービス」とあった。ベンダーが製品より先に物語を語るのは昔から変わらない。変わったのは、買い手が今回はそれを本気で信じているように見えることだ。
Deloitteと共同で作成されたMHIの2024年年次産業レポートによると、調査対象のサプライチェーン企業の84%が今後5年以内にAI技術の導入を計画し、27%がすでにAIを使用中と回答、導入の可能性が低いとしたのは15%にとどまる。一方、企業の55%がサプライチェーン技術・イノベーション予算を増やしており、42%が$10 million以上の支出を計画している。IoT Analyticsのイントラロジスティクス市場レポートの別のデータによると、世界のイントラロジスティクス市場は2025年に$96 billionに達し、ソフトウェア部門は年平均成長率11.4%で2030年までに$10.8 billionに成長すると予測されている。資金と意図は同じ方向に動いており、これはマーケティングだけでは説明できない。
プラグインAIの天井：「AIモジュールの追加」では足りない理由
AIネイティブを理解するには、それが置き換えるものをはっきり見る必要がある。今日ほとんどの倉庫で稼働しているWMSは、本質的には記録のシステムだ：在庫、注文、タスクを忠実に記録し、ルールエンジンが事前のロジックで波（ウェーブ）を生成し、ロケーションを割り当てる。本当の判断——どの波を先にリリースするか、どこに人員を振り向けるか、補充を早めるべきか——は今も現場監督の経験の中にある。この2年でベンダーが出してきた「AIプラグイン」は、その多くがコパイロットだった：推奨が表示される——「SKU 4821をゾーンBに移すことを検討してください」——それを誰が実行するかは人間に委ねられる。
この形には明らかな天井がある。推奨型のAIは実行ループを変えない。古いプロセスの上に、少し賢い提案レイヤーを足しているだけだ。そして倉庫で最も高くつくのは、まさに提案と実行の間の時間差だ：繁忙期に、2時間遅れでリリースされた波計画は、ピッキングライン全体のリズムを狂わせる。プラグインは個別の点を最適化するが、感知・判断・実行をつなぐマスタースイッチには手が届かない。
転換点は2025年に訪れた。Amazonは100万台目の倉庫ロボットの導入を発表し、同時に車両群を調整する基盤モデル「DeepFleet」を発表して、フリートの移動時間を10%改善した。10%は劇的に聞こえないが、出どころを見れば話は変わる：より良いロボットからではなく、既存のロボットをどこに行かせるかという、より良い判断から生まれたのだ。これは純粋なソフトウェアの利益であり、ハードウェアにどのロゴが付いているかは関係ない。同じ頃、Manhattan Associatesは一連のAIエージェントを商用化した：Wave Coordinatorエージェント、Labourエージェント、Dockエージェント、そして顧客が平易な言葉で独自のエージェントを構築できるAgent Foundryだ。これらのエージェントが引き継いだ仕事を見てみよう：波計画、人員配置、ドックスケジューリング——20年間WMSの監督画面が担ってきた中核だ。違いは、かつては表示するだけだったのが、今は行動することだ。
AIネイティブWMSの三層アーキテクチャ
ベンダーが公開する技術ロードマップと、Gartnerが2026年WMSマジッククアドラントで挙げた3つの技術トレンド——コア機能を超えたクラウドネイティブなコンポーザビリティ、AI・自動化対応プラットフォーム、サプライチェーン実行と融合したWMS——を総合すると、AIネイティブアーキテクチャは3つの層に収束しつつあり、それぞれが従来のWMSからの断絶である：
第1層は感知とデータだ。従来のWMSは、バッチ処理で遅延したデータを土台に動く：夜間のジョブ、日中の照合。AIネイティブは統一されたリアルタイムイベントストリームを要求する——注文、在庫、人員の出退勤、設備の状態、ドック予約がすべてイベントとして同じデータ基盤に入ってくる。この層がなければ、その上のエージェントは現場と切り離された机上の演習に過ぎない。
第2層は推論と判断だ。これが「ネイティブ」の本当の意味だ：エージェントはもはや固定ルールでは発火せず、目的関数に対して継続的に最適化する——サービスレベル、コスト、労働負荷を動的にバランスさせる。DeepFleetが行っていることは、本質的には「ロボットはどの経路を取るべきか」を静的な経路問題からリアルタイムの学習問題に変えることだ。
第3層は実行とオーケストレーションだ。判断はそのままタスクに流れる：WESへの指示、労働力プールへの波、ロボットへの経路。そして実行結果が判断層にフィードバックされてループを閉じる。従来のWMSでは、このループは人手で閉じられる：システムが例外を表示し、監督が電話し、現場が調整する。AIネイティブは人をループから外し、監督の席に座らせる。
この変化を一言で表すとこうだ：従来のWMSは脳をシステムの外——人の経験とルールエンジン——に置いているが、AIネイティブWMSは脳を内部で育てる。だから「強化（enhanced）」ではなく「ネイティブ」と呼ばれる：古いビルにエレベーターを後付けするのではなく、最初からエレベーターを前提に設計された平面図だからだ。
切り替えの見積もり：AIネイティブWMS移行の5枚の請求書
アーキテクチャは魅力的だが、請求書は冷静になる。世代交代のWMS変更には、ベンダーの資料よりも厚い台帳が必ずついてくる。コストを5項目に分け、プラグイン路線とネイティブ再構築を比較する：
| コスト項目 | プラグイン路線（AIモジュール追加） | AIネイティブ再構築 | 備考 |
|---|---|---|---|
| ソフトウェアライセンス | 増分サブスクリプション、低 | プラットフォーム置き換え、高 | ネイティブはベンダー切り替えを伴うことが多い |
| 実装期間 | 数週間で稼働 | 最低数か月 | 時間の大半はデータ層の再構築 |
| 統合の作り直し | 既存インターフェースを再利用 | インターフェースとデータモデルを再構築 | ERP、TMS、自動化接続がすべて移行 |
| データガバナンス | 任意 | 必須 | エージェントはリアルタイムのクリーンデータを消費する。汚いデータは誤った判断に複利で増幅する |
| 組織とプロセス | 教育主導 | SOPの書き換え | スケジューリングの権限が人からシステムへ移る |
直感に反する判断はこうだ：5枚の請求書の中で最も高いのは最初のライセンスではなく、4枚目と5枚目だ。AIネイティブはデータ品質に対して厳格な要求を持つ。従来のWMSでは、1つの誤った在庫レコードがせいぜい1件のピッキング例外を引き起こす。AIネイティブシステムでは、同じ誤ったレコードをエージェントは最適化すべき事実として扱い、誤った判断の連鎖を引き起こしかねない。データガバナンスはITプロジェクトではなく、AIネイティブの土台だ。これがなければ、エージェントが賢いほど、間違いも速くなる。
トレンド判断：AIネイティブは切符であり、今四半期のリターンではない
私の評価：AIネイティブWMSは5〜8年以内に主流のアーキテクチャになるが、その経済的価値曲線はマーケティングの売り文句とは逆に動く。過去のWMSアーキテクチャの転換——メインフレームからクライアントサーバーへ、クライアントサーバーからクラウドネイティブへ——はいずれも真の普及に5〜8年を要し、AIネイティブも例外ではない。今後3年間は、プラグイン路線が最も良いROIをもたらす可能性が高い：投資が小さく、回収が速く、リスクが制御可能だ。AIネイティブを買うことは、今年の効率改善を買うことではなく、古いアーキテクチャに閉じ込められないという選択肢を買うことだ。
いつ切り替えるべきか。私の枠組みはウィンドウを見る：新設倉庫（グリーンフィールド）、あるいは新規顧客を迎える3PLが最良のウィンドウだ——ゼロから作るなら、新しいものを作る。すでに安定した大規模な現場、特にデータ基盤が弱い場合は、プラグイン路線が適している。そこで再構築を強行すれば、リターンの前に授業料を払う可能性が最も高い。ロジックは単純だ：移行リスクとデータの準備度が、あなたが切符を買っているのか、授業料を払っているのかを決める。
最後に3つの問いを残す。ご自身の倉庫に照らしてほしい：第一に、リアルタイムデータは本当に準備できているか——レポート用データではなく、エージェントが直接消費できるイベントストリームデータは。第二に、組織は「機械がスケジューリングを決め、人が監督する」を受け入れられるか——これはまず経営の問いであり、技術の問いはその次だ。第三に、5年後、あなたの現在のWMSベンダーはまだAIのテーブルについているか。この3つの問いの答えが、本質的に決めるのは、今切り替えるか、3年後に切り替えるか、様子見を続けるかだ。
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。
