先月、AI画像ピッキングシステムの営業担当者が私のオフィスに来て、ノートパソコンを開き、動画を再生しました。ロボットアームが荷物を仕分けし、精度99.7%が画面で点滅しています。次に来たのが価格、年間約380,000元で、AIのない倉庫は取り残されるという穏やかな警告付きでした。私は一つ質問しました。その金額は毎日800件の注文を想定したものですか、それとも8,000件ですか。彼は黙り込みました。その沈黙こそ、小規模事業者にとっての倉庫AIを買うか作るかという問いそのものです。大規模倉庫はあるやり方でAIを買い、私たちはまったく別のやり方で買います。そうでないふりをするベンダーは、他人の解決策をあなたの問題に売りつけているのです。この記事の価格と回収の数字はすべて、私が実際に見た見積もりをもとに組み立てた例示的なシナリオです。数字は価格表ではなく、考え方として受け取ってください。

倉庫AIを買うか作るかは、1日の注文数から始まる

結論を先に言います。倉庫の出荷が毎日1,000件未満なら、市販品を買い、自分で何かを作るのは避けてください。毎日3,000件を超えて出荷し、プロセスがすでに順調に回っているなら、作る話をする価値があります。その中間にいるなら、小さなモジュールを一つ買い、実証し、そこで止めてください。なぜ注文量で線を引くのか。AIの請求はソフトウェアの請求ではなく、注文あたりのコストの請求だからです。年間380,000元の画像検査システムは、毎日800件なら注文あたり約1.30元、毎日8,000件なら注文あたり約0.13元かかります。同じシステム、同じ価格。小規模倉庫では負担、大規模倉庫では小銭です。

東莞の同業者がこれを痛い目に遭って学びました。彼は3Cアクセサリー向けに3,000平方メートルの倉庫を運営し、毎日約1,200件の注文を処理しています。2026年3月にAIピッキング検証システムをそのまま買いました。三か月後、彼の誤ピッキング率は0.8%から0.5%に下がりました。お金の面を見るまでは素晴らしく聞こえます。毎月の追加支出があれば、経験豊富なピッカー二人を丸一年雇えたのです。彼の言葉はシンプルでした。システムは良かった、ただ私の注文量には見合わなかった。

業界データも彼を裏付けています。そしてそれは、ほとんどのベンダーが認めるよりも醜いものです。MITのNANDAチームは『The GenAI Divide: State of AI in Business 2025』で、企業の生成AIパイロットの約95%が損益に測定可能な影響を与えず、実際に価値を生んだのは約5%にすぎないと報告しました。同じ報告書では、外部パートナーと組んで作ったパイロットは、純粋に社内で作ったものと比べて約二倍の成功率だったとされています。Gartnerの数字も似た話を伝えています。AIプロジェクトが本番稼働に至るのは約48%にすぎず、そこに到達するまで平均八か月かかります。小規模倉庫にその確率を賭ける余裕はありません。ですからベンダー選定の第一歩は機能の比較ではなく、出口の比較です。潰す余裕のある選択肢が、始まる前に戦いの半分を勝ち取ります。

デモでは決して教えてくれない五つのこと

私はあまりにも多くのデモが、実際の倉庫に触れた途端に崩れるのを見てきました。あるベンダーのAI波動計画ツールは、標準カートンと標準SKUでは見事に動きましたが、私の倉庫の奇妙な形の商品だらけの現場に直面すると、ベテランピッカーが経験で立てる波動よりも悪い波動を作りました。大事な質問は五つあり、そのすべてが署名前に契約に入るべきです。

第一に、ベンダーのサンプルデータではなく、自分の実際の注文で一週間試してください。サンプルデータには、あなたの倉庫の雑然とした現実が何も含まれていないからです。第二に、例外は誰の責任か聞いてください。システムがラベルを誤読したとき、ラインを自分で止めるのか、それとも人間が後始末をするのか。その答えを文書でもらってください。第三に、導入にどれくらい時間がかかり、あなたの従業員が何人必要か聞いてください。小規模倉庫には専任のITチームがいませんから、一か月を超える導入は自動的に見送りです。長引けば長引くほど、日常業務を乱します。第四に、データの所有者は誰か聞いてください。契約が終わったとき、注文履歴と設定したルールを持ち出せますか。データを人質に取るシステムは、借りている檻です。第五に、去るのにいくらかかるか聞いてください。早期解約の違約金は何か月分か、そして統合を切った日にあなたのプロセスは崩壊しますか。営業担当者がこの五つのうち一つでも曖昧にしたら、見積もりがどんなに安く見えても立ち去ってください。

私自身の倉庫も2025年11月にこの授業料を払いました。繁忙期を前に便利さを求めて、カスタマーサービスのチケットを振り分けるAIチャットボットを導入しました。ピークが来ると精度が落ち、返品・交換の問い合わせが人間のチームに殺到し、二人のスタッフが四夜連続の夜勤をこなしました。それ以来、私には一つのルールがあります。新しいAIツールはまず閑散期に二週間試し、繁忙期の一か月以内に新しいシステムを本番稼働させません。

倉庫AIを買うか作るか:三年の計算

議論は安いので、毎日約1,000件の注文を処理する3,000平方メートルの倉庫の計算を示します。

| | 市販品を買う | 自分で作る | | 初期費用 | 導入に約50,000元 | 開発とハードウェアに約600,000元以上 | | 年間固定費 | 購読料に約300,000元 | エンジニア二人に約500,000元以上 | | 本番稼働まで | 約一か月 | 6か月から12か月 | | 失敗した場合 | 購読を解約し、導入費を失う | 埋没費用で、抱え込まざるを得ない | | 向いているのは | 数量が不安定、技術チームなし | 数量が安定、本当に特殊なプロセス |

ここが直感に反する部分です。買う場合に最も高いのは購読料ではなく、従業員が導入で失う時間です。私の倉庫にはシステムを担当する人がちょうど一人しかいません。彼が導入の間ずっとベンダーの手を引いていたら、例外注文は誰が見るのでしょうか。そして作る場合に最も高いのはモデルを書くことではなく、データを食べさせることです。モデルは三か月で作れますが、エッジケースをカバーするきれいでラベル付けされたデータが蓄積されるには一年かかります。ベンダーのカンファレンスでは誰も言わない率直な真実もあります。小規模倉庫がAIに使うべき最良のお金は、AIそのものではなく、まずロケーションコードとマスターデータを整理することです。AIは雑然とした台帳を読めません。重複した間違った商品レコードを食べさせれば、あなたのミスを十倍に拡大します。2025年上半期、私の倉庫はまさにその整理、ロケーション監査、マスターデータの粛清を行い、ピッキングエラー率はAIに一元も使わずに自力で半分に下がりました。その作業が終われば、ベンダーのデモを冷静な頭で見られます。あなたの問題を解決するのか、それとも営業担当者の売上目標を達成するだけなのか、見分けられるからです。

小さな予算でAIを買うための三つの家訓

ルール一:特定の痛みを直すものを買い、プラットフォームは決して買わない。ベンダーが平易な言葉で「このシステムは毎日20件の誤ピッキングを減らします」と言えるなら、話ができます。「知能レベルを上げます」としか言えないなら、無料でも要りません。ルール二:買う前に借り、展開する前にパイロットする。ベンダーが月払いを認め、一つの繁忙期の後に決めさせてくれるかどうか、それ自体がフィルターです。認めるベンダーは自社製品に自信があり、断るベンダーは自社契約に自信があります。ルール三:AIに赤い線を引く。助言はするが、決定は決してしない。波動は計画できても、出荷の確認は人間が行う。例外は指摘できても、停止の判断は人間が行う。機械が一度間違えれば、それは事故。人間が一度間違えれば、それは経験です。その線を守れば、失敗したAI導入も、小さくて乗り越えられる混乱で済みます。ベンダー選定は結局、技術を選ぶことではありません。パートナーを選ぶことです。あなたの実データで検証してくれるか、成果で課金してくれるか、出口の条件を平易な言葉で書いてくれるか。その三つすべてにイエスなら、少し高く払う価値があります。一つでもごまかすなら、オファーが無料に見えても立ち去ってください。

小規模倉庫には小規模倉庫なりの生き残り方があります。大規模倉庫はシステムがどれだけ高く届くかで競います。私たちは一元一元を大事なところに落とすことで競います。倉庫AIを買うか作るかには普遍的な答えはありません。答えはあなたの毎日の注文数と台帳の中にあり、営業担当者のスライドにはありません。

Xiao Ma(小規模倉庫のオーナー)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。