まず結論から。小規模倉庫はAIを導入できるのか?答えはイエス。ほとんどの倉庫は今すぐにでも導入できる。ただし、営業資料に描かれているようなやり方ではない。大きなシステムはやめておくこと。月に数百ドルの軽いツールから一つだけ始め、一つの工程で効果を確かめてから、次を足していく。私はこの同じ間違いを三回見てきたが、どの倉庫も同じように潰れた。お金が最初に間違った場所に行ったのだ。

去年の3月、私は小さな日用品倉庫の診断をした。約35,000平方フィート、従業員は十数人、月におよそ6,000件の出荷。まだ四十歳になっていないオーナーは、近所の競合がAIピッキングシステムを入れて生産性を二倍にしたと話し、自分も欲しいと言った。予算はおよそ$200,000が承認済みだという。私の最初の質問はこうだった。今のロケーション精度はどのくらいですか?彼は少し間を置いて、おそらく九十パーセントくらいだ、と答えた。その場で五十か所を抜き打ちで確認してもらった。十一か所が間違っていた。ロケーション精度は八十パーセントを下回っていた。

その数字がすべてを決めた。データが間違っている倉庫をAIが助けることはできない。AIピッキングは、システムが在庫の場所を知っていることを前提にしている。ロケーションが間違っていれば、AIはピッカーを間違った通路へより速く送り込むだけだ。間違いをより速く犯すだけである。私たちはAIを一切導入しなかった。ロケーション監査、棚番ラベルのルール、入荷チェックの修正に三週間をかけた。精度が九十八パーセントを超えたところで、私は彼にリストを渡した。それが小規模倉庫のAIについての第一の真実だ。AIは汚いデータを直してくれない。増幅するだけだ。基礎データが乱れていればいるほど、リターンは小さくなる。

小規模倉庫がAIを買うとき、お金は実際にどこへ行くのか

ほとんどの人は、ソフトウェアの料金だけでAIの値段を考える。それがこの話全体で最大の間違いだ。あの日用品倉庫を例に、実際の請求を分解してみよう。

ソフトウェアのサブスクリプションは、機能によって月に数百ドルから数千ドルかかる。導入は一度きりの費用で、軽いツールならほぼゼロ、重いシステムなら数万ドルになる。ハードウェア——スキャナー、タブレット、プリンター——はほとんどの小規模倉庫がすでに持っているので、新たな出費はない。本当のお金は最後の二行にある。データのクレンジングと、稼働直後の生産性低下だ。

データのクレンジングとは、すべてのロケーション、すべての商品マスタ、すべての過去の受注を一つひとつ確認することだ。その倉庫には35,000平方フィートの中に一万を超えるSKUがあった。二人が三週間フルタイムで監査にあたった。現地の人件費で計算すると、その請求はソフトウェアのサブスクリプション一年分よりも大きかった。だがここを飛ばせば、その後のすべてのドルが無駄になる。

稼働直後の生産性低下は、値段をつけるのが難しい。稼働開始後の最初の月は、ピッキング速度は上がる前にたいてい一度下がる。ベテランはフローを学び直さなければならず、新人は再教育が必要だ。オーナーはその一か月をじっと耐え、最初の遅い週に慌ててはいけない。速度が落ちたからといって、稼働三日目にプロジェクトを潰したオーナーを私は見たことがある。導入費用はそのままゴミ箱行きになった。

だから小規模倉庫がAIを導入できるかどうかを正直に判断するには、サブスクリプションの料金ではなく、請求の総額で考えることだ。「小規模倉庫はAIを導入できるのか」と問えば、本当の答えは常に二つ目の問いになる。どの請求を払えるのか——サブスクリプションだけか、それとも導入全体か、と。

お金はどこへ行くのか 軽いツール 中規模システム エンタープライズシステム
ソフトウェアのサブスクリプション 月に数百ドル 月に数千ドル 年に六桁以上
導入 ほぼゼロ 数万ドル、一度きり 数十万ドル
データクレンジングの人件費 一〜二週間 三〜四週間 一〜二か月
稼働直後の生産性低下 小さい 約一か月 二〜三か月

この表を読めば、コスト曲線は明らかだ。直線ではない。崖なのだ。軽い一歩は、痛みなく越えられるほど低い。エンタープライズの一歩は、落ちればひどく痛むほど高い。

もう一つの事例が、反対側を示している。今年の6月、小さな自動車部品倉庫が私のところに来た。規模は似たもので、月に約7,000件の出荷。違いはこうだ。基礎データがすでにきれいで、ロケーション精度は九十九パーセント、商品マスタは専任の担当者が維持していた。私たちはステップ一を丸ごと飛ばし、月に千ドル未満でロケーション推奨機能を一つだけオンにした。ピッカーは探索時間のおよそ三割を節約した。オーナーは後になって、思っていたよりずっと安かったと私に言った。同じお金だ。きれいな倉庫では投資になる。汚い倉庫では寄付になる。

コストを抑える四段階の導入法

ステップ一:まずデータをきれいにする。ロケーション精度が九十五パーセントを下回っているなら、AIの話は一切しないこと。監査し、ラベルを貼り、入荷をチェックする。三つの仕事を、まずきちんとやる。このステップにかかるのは人件費と時間であって、ソフトウェア代ではない。

ステップ二:最も痛い工程を一つ選び、機能を一つだけオンにする。最もエラー率が高いのが出荷時か?検証チェックを足す。探す時間がかかりすぎるのか?ロケーション推奨を足す。在庫切れが絶えないのか?補充アラートを足す。一つの問題に、一つの機能。機能が少なければ、稼働も早く、回収も早い。

ステップ三:三か月動かしてから計算する。三つの数字を追うこと。エラー率がどれだけ下がったか、探索時間をどれだけ節約できたか、一人が一日あたり何件多く処理できるようになったか。三つのうち二つがはっきり動いていれば、次の機能を足す。一つも動いていなければ、立ち止まって理由を突き止める——データが悪いのか、工程が間違っているのか、それ以外か——アップグレードにもう一ドルも使う前に。

ステップ四:ここで初めて、もっと大きなシステムを検討する。ここまで来れば、自分のデータがどうなっているか、工程がどこで詰まるか、チームが何を受け入れるかが分かっている。ベンダーの口車に乗せられることはもうないし、お金をどこへ向けるべきかも正確に分かっている。

私はこの間違いを三回見てきた。ステップ二を飛ばして、初日からフルスイートを要求した三人のクライアントだ。六か月にわたる導入、スタッフの反発、失望したオーナー、そして放置されたシステム。四つのステップを守ったクライアントは?一人も失敗しなかった。

小規模倉庫がAIで火傷する三つのパターン

一つ目の落とし穴は、AIを万能薬として扱うことだ。AIは在庫をより速く見つける手助けはできるが、在庫をどこに置くべきかは決められない。スロット配置は商品の出荷頻度についての判断であり、その判断はビジネスを理解する人間のものだ。アルゴリズムは提案できる。最終的に承認するのは今も人間だ。

二つ目の落とし穴は、ベテランの反発を過小評価することだ。新しいシステムが稼働すると、ベテランはこう聞こえる。昨日まで得意だったことが、今日からは価値が下がるのだと。それは頑固さではない。誇りだ。唯一の解決策は、稼働前に彼らを巻き込み、意見を真剣に受け止め、彼らが最も嫌う工程のステップを最初に直すことだ。ベテランが納得すれば、システムは生きる。納得しなければ、世界最高のソフトウェアもただの置物になる。

三つ目の落とし穴は、契約書に書かれた、誰も読まない解約コストだ。年間契約のシステムもあり、やめようとするとデータがエクスポートできない——あるいはエクスポートに追加料金がかかる。署名する前に、一つだけ質問すること。更新しなかった場合、どうやってデータを外に出すのですか?この一文には本当のお金の価値がある。

そして、まだ決めかねているすべての小規模倉庫のオーナーに私が残す、直感に反する判断はこうだ。AIを買う最も安いタイミングは、ソフトウェア契約に署名する日ではない。基礎データがきれいになった翌日だ。きれいなデータがあれば、軽いツールはほぼ無料で、驚くほど効果的になる。汚いデータがあれば、最も高価なシステムさえ飾り物になる。

小規模倉庫のAIは予算の問題ではない。順番の問題だ。順番を間違えなければ、月に数百ドルで始められる。順番を間違えれば、二十万ドルが蒸発する。では、小規模倉庫はAIを導入できるのか?イエス——順番さえ正しければ、コスト曲線はあなたに逆らうのではなく、味方する。

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。