まずお金の話から始めましょう。倉庫AIプロジェクトのROIビジネスケースは、お金で決まるからです。先月、家庭用品のEC事業の経営者が、ベンダーの提案書を持ってきました。AI画像検証、第1フェーズの価格は$800,000、営業担当は1年で回収できると約束していました。私は、3年間の合計を出すまで何も署名するなと伝えました。ソフトウェアのサブスクリプション、カメラとエッジコンピューター、倉庫管理システムとの連携、過去データの整理、スタッフ研修、さらに年間の保守とモデルの調整です。合計を出すと、3年間の投資額は$2百万に近づき、彼の受注量での年間純便益は$400,000をかろうじて上回る程度でした。回収期間は5年。ベンダーの言う1年での回収は、1年目の価格をでっち上げの便益で割ったものにすぎません。倉庫AIプロジェクトのROIビジネスケースがまさに防がなければならないのは、そういうことです。(この例の数値はすべて仮定のもので、方法を示すためのものです。)
AIプロジェクトには5つのコスト項目がある。ベンダーが見積もるのは1つだけ
ビジネスケースで最も多い欠陥は、コストの欄が1行しかないことです。実際のコストには5つの項目があります。第1にソフトウェアです。サブスクリプションか買い切りライセンスか、価格は毎年上がるのか、受注量に応じて変わるのか。第2にハードウェアです。カメラ、エッジコンピューター、ネットワークの増強、そして繁忙期の熱に産業用グレードの機器が必要かどうか。第3に連携です。倉庫管理システムとERPに接続するための人日、インターフェース変更1件あたりのコスト、そしてリスクを誰が負うのか。第4にデータ準備です。過去データのクリーニング、ラベリング、マスターデータのガバナンス、最も過小評価されがちな項目です。第5に研修と変革管理です。スタッフが新しいフローを学ぶ時間、パイロット期間中の二重の手動検証、プロセス変更のための停止時間です。
Gartnerはこの罠を何年も前に指摘していました。2024年7月の予測では、生成AIプロジェクトの少なくとも30%が、2025年末までに概念実証の後で放棄されるとされ、原因はデータ品質の低さ、リスク管理の不備、コストの増大、ビジネス価値の不明確さでした。2026年初めのGartnerの記事では、その数字はさらに上がっていました。生成AIプロジェクトの少なくとも50%が、2025年末までに概念実証の後で放棄されていたのです。2つの数字は違いますが、死因は同じです。パイロットは安い。本番は高い。そして予算はすべてを数えたことがなかったのです。見積もりには載らない隠れたコストもあります。稼働開始後の最初の3か月間、モデルの精度がまだ上がっている間、検証の人員は減りません。倍になります。その行は自分で書き加えてください。ベンダーは書きません。
AIのビジネスケースが認める便益は3つだけ:人件費、処理能力、誤出荷
便益の側では、私は3つの項目だけを認めます。人件費の削減です。回避できた時間を、フルコストの人件費で掛けます。処理能力の向上です。1時間あたりの追加受注数を、1件あたりの利益で掛けます。誤出荷の回避です。誤出荷率を何ポイントか下げた分に、1件あたりの手直しと補償のコストを掛けます。便益の欄にあるそれ以外のものには、まず疑問符を付けます。「顧客体験の向上」や「データ資産の強化」は提案書に載せてもかまいません。回収期間の計算には載せられません。
業界データは参考の枠組みとして使い、約束として使ってはいけません。MIT Intelligent Logistics Systems LabとMecaluxによる調査は、2025年12月に発表され、21か国のサプライチェーンと倉庫の専門家2,000人超を対象としたもので、倉庫の60%がすでにAIを組み込んでおり、典型的な回収期間は2〜3年、AI予算は倉庫技術予算の11%から30%を占めていることがわかりました。ベンダーの依頼で実施されたForrester Total Economic Impactの調査では、倉庫インテリジェンスプラットフォームについて、3年間で219%のROI、6か月未満での回収が報告されています。これはベンダーが依頼し、聞き取りをした顧客をもとに作られた複合値であり、あなたの倉庫についての約束ではありません。その限定条件を付けて引用してください。人件費は、よく引用される業界の範囲では倉庫運営コストの50%から70%を占めており、だからこそ人件費の削減が最大の便益項目なのです。母数がそれだけ大きいのです。
ここが直感に反する部分です。人件費削減の計算は、最も間違えやすいのです。10人減らすことは、10人分の給与を減らすこととイコールではありません。夜勤手当、残業、埋没した採用と研修のコスト、そして残る人たちに昇給が必要かどうか、すべて計算に入れなければなりません。McKinseyの2024年グローバル物流調査についての業界報道によると、企業の41%が、初期モデルで人件費の削減を35%超も過大評価していました。パターンはいつも同じです。パイロットのピーク時の効率を定常状態として扱い、閑散期の人員を削減分として扱うのです。パイロットから得た数字はどれでも、30%差し引いてからビジネスケースに入れてください。
倉庫AIプロジェクトのROIが成り立つ回収期間の計算方法
計算式は2行で、ビジネスケースの1ページ目に載せるべきものです。回収期間(年)は、総投資額を年間純便益で割ったものです。年間純便益は、年間便益から年間運営コストを引いたものです。計算式はシンプルです。難しいのは3つの入力です。総投資額は3年間の合計であり、1年目の見積もりではありません。年間便益は3つの便益の合計で、それぞれに裏付けとなる基準データがあります。現在の誤出荷率、現在の1時間あたりの受注数、現在の1人1日あたりの処理受注数です。基準がなければ、便益はでっち上げです。
私はすべてのプロジェクトに3つのシナリオを示すことを求めます。楽観的、基準、悲観的です。悲観的ケースのルールは、便益を30%削減し、コストを20%引き上げることです。仮定の例を挙げます。
| シナリオ | 3年間の投資額 | 年間純便益 | 回収期間 |
|---|---|---|---|
| 楽観的 | $1.8百万 | $900,000 | 2年 |
| 基準 | $2.0百万 | $600,000 | 3.3年 |
| 悲観的 | $2.4百万 | $420,000 | 5.7年 |
表の読み方はこうです。楽観的ケースはベンダーのためのもの、基準ケースは上司のためのもの、悲観的ケースはあなたのためです。悲観的な回収期間が5年を超えるなら、今はプロジェクトを承認してはいけません。基準ケースが3年を超えるなら、何かを承認する前に範囲を絞ってください。私がビジネスケースの却下理由として最もよく見る5つは次のとおりです。基準データがないため便益が推測になっている。残る人のコストを入れずに人件費の削減を数えている。パイロットのピーク時の数字を通常時として扱っている。繁忙期の変動を無視し、閑散期の計算をピークに当てはめている。そして出口計画がないため、失敗したパイロットをどう止めるか誰も知らない。5つのうち2つに当てはまれば、ビジネスケースは書き直しに戻ります。
承認前チェックリスト:10項目、すべて通るまで署名なし
このチェックリストをビジネスケースの最終ページに貼ってください。10項目、署名する前にすべて通らなければなりません。1つ目、基準データがあること。誤出荷率、1件あたりの処理時間、フルコストの人件費です。2つ目、5つのコスト項目がすべて含まれ、3年間の合計が出ていること。3つ目、3つの便益それぞれに独自の計算シートがあること。4つ目、3シナリオの回収期間の計算ができていること。5つ目、データの準備状況です。過去データはそのまま使えるのか、それとも何週間のクリーニングが必要か。6つ目、連携の一覧です。システムはいくつか、各インターフェースの責任者は誰か。7つ目、パイロットの範囲です。1つのゾーンか1つのラインか、そして成功を定義する数字は何か。8つ目、出口計画です。パイロットを止めるまでどれくらいか、埋没コストの上限はいくらか。9つ目、名前入りの責任者です。ビジネス責任者と技術責任者を、部署名ではなく名前で挙げること。10個目、レビューの日程です。稼働開始後の30日目と90日目に、数字が外れたら止める権限を持ってレビューすること。
各項目は、私が見てきた実際の失敗に対応しています。9番目は最もごまかしやすい項目です。責任者が部署名で書かれていると、壊れたときに誰も何も決められません。10番目は最も先延ばしにされやすい項目です。レビュー会議は月を追うごとにずれ込み、予算が使い果たされ、モデルが一度も便益を生まなかったことに誰かが気づくのです。
ですから、計算できる結論をここに示します。基準ケースの回収期間が3年を超えるなら、承認する前に範囲を絞ってください。悲観的ケースが5年を超えるなら、今はプロジェクトを承認してはいけません。その表をビジネスケースの1ページ目に載せてください。10ページの技術提案書よりも価値があります。技術は順番を待てます。お金は待てません。
Lao Zhou(物流コストアナリスト)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。








