倉庫におけるAI導入の3段階は、倉庫現場で実際に起きていることを説明するのに役立つ考え方です。倉庫におけるAIの話題は、実際の導入をはるかに上回る勢いで大きくなっているからです。ある業界カンファレンスでは、1人のオペレーターが梱包ベンチでの初めてのビジョンカメラについて話し、別のオペレーターは移動ロボットの連携について話し、さらに別のオペレーターは、システムに翌日の波動計画を夜のうちに提案させることについて話すでしょう。業界レポートやベンダーの事例資料によれば、3者は何を買うか、組織が何を変えなければならないか、リターンをどう測るかが異なり、ある段階を別の段階と取り違えることこそ、無駄な支出の多くが始まる場所です。

倉庫におけるAI導入の第1段階:1つの作業を直し、元が取れることを証明する

第1段階は、設計上、範囲が狭いものです。AIは明確に定義された1つの作業を引き受け、ワークフローの残りは手つかずのままで、例外を確認するために人がループの中に残ります。典型的な出発点は、目視検査、書類認識、損傷検出、ピッキング経路の提案です。問題は頻繁に発生し、正解は比較的明確で、結果はその日のうちに確認できます。

2024年の秋、カリフォルニア州オンタリオにある約80,000平方フィートのサードパーティ・ロジスティクス倉庫が、出荷品質管理にビジョン検査カメラを設置し、破損したカートンや誤って貼られたラベルを検出しました。変更前は、検査員が目視で1つずつ荷物をチェックしており、ピークシーズンには1日数千個にのぼり、見逃しや手直しが繰り返しコストとなっていました。変更後、カメラはすべてのカートンを撮影し、問題のないものはそのまま通過させ、疑わしいものだけを人の再確認に回しました。倉庫管理システムを作り直す必要はなく、新しいコンベヤも追加されませんでした。検査基準は今やシステムの中にあり、新入社員もベテランと同じルールを適用できるようになりました。

第1段階の経済性は、それに応じてシンプルです。支出はハードウェア、導入、そして最初の数か月の調整に集中し、リターンはその1つのステーションで節約される労働力、エラーの減少、スループットの向上として現れます。天井もまた低いものです。1つのステーションで労働力を節約しても倉庫全体が速くなるわけではなく、認識精度を90%台前半からほぼ完璧に近づけるには、元の調整作業の数倍のコストがかかる場合があり、人のレビュー工程のほうが安いことも少なくありません。したがって第1段階に入るためのテストは、技術が新しいかどうかではなく、その作業が十分に頻繁で、十分に定義されており、最初の数か月にわたってシステムに修正を送り続ける意思のある担当者がいるかどうかです。

倉庫におけるAI導入の第2段階:フローをつなぎ、データに気を配る

単一ポイントのツールが確実に稼働するようになると、一部の倉庫は第2段階に進みます。ここではAIが複数のステップを一度に調整します。移動ロボット、コンベヤ、倉庫管理システム、波動計画が連携して働かなければならず、システムは助言するだけでなく作業を割り振り始めます。投資は急激に増え、リスクも同様です。

2025年の春、米国中西部のeコマース・フルフィルメント倉庫が、移動ロボットの台数を12台から数十台に増やし、注文の緊急度、商品の位置、ステーションのリアルタイムの負荷に基づいて、システムにgoods-to-personステーションを動的に再割り当てさせました。以前の設定では、ロボットは固定ルートをたどり、ラックをピッカーのもとへ運んでいたため、一部のステーションが暇な一方で、ほかのステーションには行列ができていました。新しい設定では、システムは状況の変化に応じてキューを再調整できるようになりました。設備そのものが遅い部分ではありませんでした。遅い部分は2か月にわたる準備でした。位置データを整理し、例外ルールを書き直し、シフトのリズムを調整する必要があり、ベンダー、インテグレーター、運用チームが毎週会議を開きました。

ここには直感に反するパターンがあります。多くの倉庫は、第2段階で第3段階よりも多く支出しながら、リターンを説明するのが最も難しいと感じます。第2段階が試すのはアルゴリズムではなく、倉庫の基礎だからです。位置が間違っていれば在庫も間違いますし、注文データが汚れていれば、より能動的なスケジューリングシステムは間違いをより速く犯すだけです。一部のオペレーターは、第1段階のパイロットに勇気づけられ、第2段階を設備をもっと買うことだと考え、設備は届いたのにプロセスがついてこないことに気づきます。本当の問いは、倉庫がそもそもシステムにスケジューリングされる準備ができているかどうかです。データを信頼できるか、例外に定められたフォールバックがあるか、チームが割り当て判断の一部を手放す意思があるか、ということです。

第3段階:システムが作業を計画し始める時

第3段階は、実行から計画への移行が目印です。AIは予測と準備に参加し始めます。たとえば、注文履歴と季節パターンから翌日の波動構造を予測したり、事前に位置変更を提案したり、入荷量に対して予約容量が必要になると警告したりします。技術的な障壁が必ずしも最も高いわけではありません。組織的な障壁こそが最も高いのです。倉庫に計画の土台を手放すこと、そしてシステムの判断が経験豊富なマネージャーの直感と異なる場合があることを受け入れることを求めるからです。

これまでのところ、この段階を機能させている倉庫は、狭いプロフィールを共有する傾向があります。比較的安定した注文ミックスと、比較的完全な履歴です。たとえば、安定した商品範囲を持つ小売流通倉庫や、明確な季節リズムを持つeコマース倉庫などです。そのような倉庫の1つでは、システムが毎晩、翌日の推奨事項を作成する日課が回っています。波動の分割、人員配置、優先位置をカバーし、マネージャーは調整できますが、その理由を記録しなければならず、次のラウンドでその調整を考慮できるようになっています。価値は、ある1日の提案が正しいことにあるのではなく、人の経験とシステムの判断を時間をかけて互いに照らし合わせることができる意思決定の記録を蓄積することにあります。

回収期間も、以前の段階より長くなります。1か月の生産性向上だけでは正当化は証明できず、クリーンなデータへの要求は、以前にとられた近道を暴き出します。第2段階の間に作られた一時的な修正が、計画システムが解釈できないノイズとして戻ってくるのです。3つの段階は、スキップが難しい順序をなしています。中間の作業なしに予測へ急ぐことは、通常、不足している土台作りを後で、より高い価格で支払うことを意味します。

3つの段階を並べて見る:異なる支出、異なるリターン

項目 第1段階:単一作業 第2段階:つながったフロー 第3段階:システムによる計画
典型的な倉庫AI導入の作業 目視検査、書類認識、1つの作業の支援 ロボットのスケジューリング、波動の最適化、複数ステップの連携 需要予測、波動計画、位置と人員配置の助言
投資の規模 比較的控えめで、1つのツールとその導入が中心 設備、統合、プロセス変更が重なり、実質的に高い データガバナンスと組織の調整に比重が置かれる
リターンの現れ方 1つのステーションでの労働力節約とエラー削減 チェーン全体のフロー高速化、待ち時間と空走の削減 より安定した計画とピーク期へのより良い備え
主なリスク 天井が低く、調整コストが急上昇する 汚れたデータが増幅され、長い調整期間 推論が不透明で、短期的な検証が難しい
最も適しているのは 明確で頻繁な、独立した問題を抱える倉庫 データが健全で注文量が安定している倉庫 注文ミックスが安定し履歴が完全な倉庫

表が示すのは、予算会議で見失いやすい1つの点です。段階をまたいでリターンを直接比較することはできません。第1段階のROIは計算が最も簡単で、全体の答えと取り違えやすいのも最も簡単です。第2段階のリターンはチェーン全体で判断しなければなりません。ロボットの稼働率だけでは誤解を招くからです。第3段階のリターンは四半期または1年単位で判断しなければなりません。1日の提案は、それだけではほとんど意味がないからです。支出を承認する前に、倉庫はどのベンダーを選ぶかよりも素朴な問いを立てるべきです。今最も不足しているのは、1つのステーションでの効率か、チェーン全体の連携か、それとも再利用できる計画手法か、ということです。

段階は、すべての倉庫が登らなければならないはしごではありません。第1段階にとどまることは健全な判断であり得ますし、第2段階にとどまることも失敗ではありません。懸念すべきは、第3段階の物語を使って第2段階の支出を正当化したり、第1段階のツールで第2段階の問題を解こうとしたりすることです。データとプロセスがまだ整っていないのに。より多くの倉庫が実際の稼働データを蓄積するにつれ、段階の境界はぼやけるかもしれません。変わる可能性が低いのは、その背後にある規律です。自分がどの段階にいて、なぜそこにとどまり、次に進む前に何を変えなければならないかを言える倉庫は、技術ロードマップしか説明できない倉庫よりも強いのです。あなたの倉庫はどの段階にあり、その判断を裏づける証拠は何ですか?

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。