結論から先に言います。AIパイロットがうまくいったのに本格展開が止まっているなら、問題はまず間違いなく技術ではありません。パイロットは、再現できない条件の下で成功したのです。AIパイロットを倉庫ネットワーク全体に広げるとは、まったく別の関門——データ定義、スタッフの能力、ハードウェアの基準、プロセスのばらつき——を通過することであり、そのどれか一つでもプログラム全体を止めてしまいます。パイロットの出来がよかったかどうかを問うのはやめましょう。第二の倉庫が、誰の手助けもなしに自分だけで動かせるかどうかを問うべきです。

私はこの失敗をちょうど三回見てきました。最も最近の例は2025年秋、中国東部のサードパーティ物流事業者でのことです。旗艦倉庫がAIによる目視検証を導入し、三か月でエラー率は一万件あたり六件から約一・五件まで下がりました。プロジェクトは年次会議で称賛されました。六か月後、本格展開はさらに四つの倉庫に到達しました。そのうち二つでは結果はおよそ半分ほどしかよくなく、一つは二週間でシステムを停止し、四つ目では監督者たちが手作業の確認の方が速いという理由でAIのプロンプトを単に切ってしまいました。同じシステム、同じベンダー、まったく異なる結果です。

AIパイロットが本格展開の段階で行き詰まる理由

パイロット倉庫と普通の倉庫は同じ種類のものではありません。パイロット拠点は手作業で選ばれます。最も規則的な製品構成、最も標準的なプロセス、最もきれいなロケーション、プロジェクトチームが三か月間常駐し、ベンダーのアルゴリズムエンジニアが毎週訪れてパラメータを調整します。普通の倉庫は一つの建物で三社の顧客を扱い、五種類のカートンサイズがあり、繁忙期の人員の半分は臨時契約で、ネットワーク接続は予告なしに切れます。パイロットの数値は温室の中で測られたのです。

二つ目の問題はもっと静かです。パイロットの間、システムが残す隙間を埋める大量の作業を人間が担っています。2025年春、私は中国北部のEコマース倉庫でAMRピッキングのパイロットを追いました。ピッキング効率は約四十パーセント上がり、数値は素晴らしく見えました。しかし検証してみると、二名のエンジニアが毎日現場にいて例外対応をし、システムエラーは日常的に手作業で解消されていました。本格展開の計画には、その作業のための人員も予算もありませんでした。第二の倉庫での最初の週、AMRが通路を四回ふさぎ、現場の誰も解消方法を知らず、リモートサポートを待つ間ラインが止まりました。パイロットが測ったのは粗利益であり、本格展開が測らなければならないのは純利益です。

それからデータの問題があります。倉庫Aは「ピッキング完了」を注文がピッキングされたことと定義します。倉庫Bは注文が検証されたことと定義します。倉庫Cにはそのステータスがシステムにそもそもありません。AIモデルはパイロット倉庫のデータで学習したもので、うまく移りません。この罠を私は三回見てきましたが、根本原因はいつも同じです。本格展開の前に誰も定義をすり合わせなかったのです。誰もが、一つの共有システムがあれば一つの共有データセットがあるものと思い込んでいたからです。

AIパイロットの本格展開でお金が実際にかかる場所

最もよくある予算の間違いは、ソフトウェアとハードウェアだけを数えて、最も大きな三つのコスト項目を見落とすことです。下の表は、私がクライアントと本格展開を見積もるときに使う枠組みです。数字は例示的なシナリオです。ご自身の数字に置き換えてください。

コスト項目 パイロット倉庫(1拠点) 5拠点への展開 備考
ソフトウェアライセンスと導入 1単位 おおむね4~5倍 複数拠点の価格はめったに線形にはならない。ここで交渉すること
ハードウェア改修(カメラ、ネットワーク、ステーション) すでに設置済み すべての拠点で工事が必要 古い拠点ほど高くつく。配線が予算を超えることが多い
データガバナンスと定義のすり合わせ ほぼゼロ 総予算の三分の一になることが多い 最も過小評価される項目
研修と現場サポート プロジェクトチーム常駐 すべての拠点で対応が必要 臨時スタッフの離職率が高いため研修は継続的なコストになる
例外対応とロールバックへの備え ベンダーが負担 自社で負担 稼働開始後にベンダーの対応は遅くなる

直感に反する点はここです。パイロットで最も安かった項目が、本格展開では最も高くつくのです。多くの経営者は本格展開を「パイロットのコストに倉庫の数を掛けたもの」として予算化します。その計算式は間違っています。パイロットのコストは補助金付きでした。ベンダーが人員、調整、試行錯誤を無償で提供し、その補助金はすべて本格展開では消えます。正しい計算式は「パイロットのコストからベンダーの補助金を引き、データガバナンスと研修を足したもの」に拠点数を掛け、さらに二十パーセントのバッファを加えたものです。

一つの倉庫からネットワーク全体への拡大

すべてを一度に展開してはいけません。四つのステップで進め、それぞれに明確なリリース条件を設けます。

第一歩:第二の倉庫を慎重に選ぶこと。パイロット拠点に最も似た倉庫を選んではいけません。中程度で代表的な拠点を選びます。もっと乱雑な製品構成、高いスタッフの離職率、古いハードウェアです。第二の倉庫がうまくいけば、本格展開には土台ができます。最も簡単な拠点を選べば、単に二回目のパイロットをやっただけになります。

第二歩:システムを導入する前に定義をすり合わせること。二〜三週間かけて、主要なステータス定義、例外コード、マスターデータの項目を拠点間でそろえ、一ページの定義マップを公開します。そのマップなしに導入するのは、砂の上に建てるようなものです。受け入れテストは具体的です。同じ注文番号について、どの二つの倉庫のシステムも同じステータス、数量、タイムスタンプを返さなければなりません。

第三歩:一度に一つの倉庫を稼働させ、それぞれの後にロールバック期間を設けること。次の拠点を開く前に、少なくとも二回分の完全なピッキング波を見守り、エラー率、効率、例外対応時間のすべてがパイロット水準の八十パーセント以上に回復したことを確認します。拠点の間は少なくとも一週間空けます。急いだ本格展開は、後で火消し作業として支払うことになります。

第四歩:パイロットの人間による隙間埋めを標準作業に変えること。パイロットのエンジニアが毎日対応していたすべての例外——それが何で、どう直し、どれだけ時間がかかったか——を手順、研修動画、パートタイムの現場サポート職に変えます。AIを拡大するとは、実のところ専門家の即興を、普通のスタッフが実行できる行動に変えることです。

稼働前夜のチェックリスト

稼働前チェックリストは、どのプロジェクトでも私が決して省かない唯一の儀式です。新しい倉庫が稼働する前に、すべての項目にチェックを入れ、一つでも漏れがあれば稼働しません。定義マップの承認済み。現場でのネットワーク帯域のテスト済み。カメラのカバー範囲の確認済み。例外コードの読み込み済み。シフトの全員に対する研修の完了。ロールバック計画のリハーサル済み。ベンダーの対応時間の書面での確認済み。手作業への切り替え手順の掲示済み。モニタリングダッシュボードの接続済み。初週のサポート体制の手配済み。顧客への事前通知済み。振り返り会議の予約済み。

最もよく省かれる項目はロールバックのリハーサルです。システムが本当に故障した日、ロールバックスイッチがどこにあるのか誰も覚えておらず、損失は時間単位で測られます。リハーサルは大げさである必要はありません。ネットワーク障害、カメラの停止、バッチエラーを想定し、三つとも三十分以内に手作業に戻せれば合格です。

明日使える最後の提案です。まだ第三の倉庫を開けてはいけません。第二の倉庫を丸一か月動かし、それから実際のデータ——実際のコスト、実際の効率、実際の例外量——から本格展開の事業計画を作り直します。その表を次の予算会議に持ち込めば、今日勝ち取れるどんなものよりもはるかに大きな支援が得られます。AIパイロットの拡大は技術の競争ではありません。一つの倉庫の成功を、特定の誰にも依存しない手順書に変える規律なのです。

Lin Xiao(WMS導入コンサルタント)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。