AIは5年以内に3PL料金表を書き換えるか

結論を先に言う。5年以内に、3PLのAI価格設定は「勘による見積もり」を「アルゴリズムが下書きを作る」に変える。これは一世代前のWMSの倉庫への登場と同じだ。誰もが現場監督を置き換えると思った。実際に最初に殺したのは紙の伝票と不透明な会計だった。

今日の3PL料金表の作り方：原価＋マージン、過去実績、勘

原則から始めよう。3PL契約の見積もりとは、不確実な将来コストをひとつの固定価格にパッケージすることだ。今日そのパッケージは3つのものに頼っている。

原価＋マージン。 財務は保管・人件費・消耗品の単価原価を計算し、マージンを載せる。科学的に聞こえるが、原価データ自体がいい加減なことも多い。多くの3PLは原価を建物単位でしか把握できず、顧客別、ましてSKU別に切り分けられない。

過去の料金。 「前回この顧客にはこう見積もったから、同じように」。アンカリングの問題だ。3年前に安く見積もりすぎていたら、それ以降の改定はすべて安い基準の上での微調整になってきた。利益率は削られ続け、顧客が離れるのが怖くて値上げできない。

勘。営業責任者が顧客の規模・物量・交渉スタイルを一瞥して、頭の中で割引を選ぶ。モデルなし、純粋な経験だ。熟練者の手では芸術だが、未熟者の手ではギャンブルだ。

この3つを足すと、手元の料金表になる。その精度は、見積もる人のその日の調子に依存する。

3PLのAI価格設定が本当に効く3つのリンク

AI価格設定の原理は神秘的ではない。需要予測＋原価モデル＋ベンチマークデータだ。こう考えよう。見積もり担当者が経験から「この顧客の繁忙期の物量は伸びる」と当てていたところを、モデルは3年分の出荷カーブを読んで直接計算する。「相場はいくらか」が電話をかけ回すことだったところを、匿名化されたデータプールがパーセンタイルを手渡してくれる。

動かせるリンクは3つある。

第一に、需要予測→ダイナミックプライシング。 季節は変わり、SKU構成は変わり、価格もそれに連れて動く。たとえ話をしよう。同じ飛行機の座席は、30日前に予約したのと3日前に予約したのでは倍の値段になる。3PLの保管・人件費にも山と谷があるのに、料金表が1年間凍結されているのはなぜか。ダイナミックプライシングは、価格と真のコストカーブの距離を縮める。

第二に、料金ベンチマーク。 自社の見積もりが市場の分布のどこにあるか、AIがずばり教えてくれる。3PLが恐れるのは2つだ。高すぎる見積もりで入札に負けること、安すぎる見積もりで損を出すこと。ベンチマークデータは解毒剤だ。見積もりを出す前に、自分の立ち位置が正確にわかる。

第三に、契約の自動監査。 PDFの契約書が条項ごとに分解されて構造化された条件になり、請求書の一枚一枚が自動的に照合される。過剰請求か過少請求か、一目でわかる。今日これは財務の手作業照合だ。顧客ごとに数十ページの契約書を、疲れた目がチェックしている。

	手動見積もり	AI支援の見積もり	ダイナミックプライシング
見積もり回答時間	日単位	時間単位	リアルタイム
価格の粒度	顧客ごとの一括パッケージ	SKU・季節別に分解	週単位、場合によっては日単位
透明性	見積もる人の機嫌次第	条件が追跡可能	完全に監査可能
誰が使うか	今日のほとんどの3PL	2年以内の大手	5年以内の中堅3PL

ドックでトラックのトレーラーにパレットを積み込むフォークリフト

逆説的だが：AIが最初に殺すのは見積もり担当者ではない。料金表の不透明な明細だ

2025年、アメリカ中西部の中堅3PLが、3年分の契約と請求書にAIツールを走らせた。付帯費用の請求根拠が契約文言と一致していなかった。契約上の明確な根拠なく徴収されていた費用もあれば、契約にはあるのに請求されていなかった費用もあった。定義を統一して、回収すべき分を回収しただけで、利益率は目に見えて改善した。これが「不透明な元帳」だ。誰も何も盗んでいない。ただ誰もきちんと計算したことがなかった。

2024年、家庭用品のEC販売者が、同じSKU構成・同じ物量で5社の3PLに見積もりを依頼した。最高値と最安値の差は40％近くあった。どこで差がついたか。保管料ではほとんど差がなかった。付帯費用だ。入荷受付料、ラベル貼り料、返品処理料。各社で明細も定義も違った。販売者は真ん中の見積もりを選んだ。最安だったからではない。読めた料金表がそれだけだったからだ。

逆説的な予想はこうだ。AIが最初に殺すのは見積もり担当者ではない。料金表の不透明な明細を殺す。 隠れた費用は日の光にさらされる。見積もり担当者は仕事を失わない。アルゴリズムができない特別条件と交渉を扱う、見積もりのレビュー担当者になる。だが、情報の非対称性に寄生していた利益率は消える。

先に冷水を浴びせておこう。「ワンクリックでAI自動見積もり」は偽のニーズだ。クリーンな過去データ（受注・原価・サービス時間がきちんと整合するデータ）がなければ、AIは優雅に当てずっぽうをしているだけだ。データがぐちゃぐちゃの3PLがAI価格設定ツールを買うのは、アルゴリズムにゴミを食べさせることだ。出力はベテラン見積もり担当者の勘より悪くなる。その責任はアルゴリズムにはない。データにある。