2024年初頭、カリフォルニア州オンタリオの3PLオーナーがテーブル越しに請求書を滑らせてきた。$87,000だ。設備ではない。人件費でもない。「倉庫向けAIプラットフォーム」への支払いで、稼働から6か月経っても生み出した成果物は1つだけ——誰も開かないダッシュボードだった。ベンダーは未来を売りつけていた。本当に必要だったのはカメラだ。
この記事の主張はシンプルだ。最初のAIパイロットは地味であるべきだ。400,000平方フィートの建物のデジタルツインではない。プラットフォームでもない。具体的な痛みを1つ、測定可能な成果を1つ、そして「うまくいかなければ60日で安く殺せる」期間を1つ。
地味さ順に並べた4つの候補
倉庫向けAIの売り込みのほとんどは4つの類型に分かれる。いくつか実際に見た後で、本当の優劣はこうなる。
パックアウト工程の画像による品質管理は私の一押しで、たいていの場面でこれを推す。天井から吊ったカメラが、出荷される梱包1つ1つを注文と照合する。正しい商品か、正しい数量か、正しいラベルか。ハードウェアはステーションあたり$15,000–$30,000——カメラ、照明、小型の演算ボックス——ソフトウェアはその上にサブスクか一括課金。計算は残酷なほど単純だ。1日5,000カートンを出荷し、エラー率1.5%の中規模DCは、毎日75個の不良カートンを出している。手直し・再送・小売りからのチャージバック込みで1件$25–$40なら、1日$2,000以上がドアの外へ歩いて出ている。カメラがその半分でも拾えれば、回収は「年」ではなく「週」単位だ。構造的に低リスクな理由もある。最悪の場合でも、手元に残るのは「誰も使わない写真を撮るカメラ」だけだ。コンベアはどちらにせよ回り続ける。
書類OCRは2位だ。受入書類——BOL、パッキングリスト、請求書、POD——はいまだに人手で入力している倉庫が、誰も認めたがらないほど多い。まともなパイロットは、1つの受入ドックで1種類の書類に絞る。スキャン、抽出、ASNとの照合。導入費込みで予算は$20,000未満。ROIの根拠はこうだ。受入事務が1日3時間を入力に費やしていて、OCRが98%以上のフィールド精度でその70%を消し去るなら、誰も解雇せずにほぼ1人分の人員を浮かせられる——その人を、人が本当に必要な例外処理に回せる。ただし、パイロットが死ぬ落とし穴はここだ。ベンダーの精度の数字は、きれいなデモスキャンで測られたものだ。ドライバーが渡してくるのはコーヒーの染み付きのくしゃくしゃのBOLだ。POCは「あなたの実際の紙」「あなたの実際のドック」で回すことを要求せよ。さもなければサインするな。
ピッキングの異常検知は3位——有望だが、データの大食いモンスターだ。出荷前に「間違っている可能性の高いピック」にフラグを立てる。終業間際の焦ったピック、カウントミスの履歴があるSKU。効くは効くが、タイムスタンプ・ユーザーID・例外コード付きの、きれいなピック履歴が6～12か月分要る。自分に正直になろう。WMSのデータがぐちゃぐちゃなら、このパイロットは生涯の80%をデータクリーニングに費やす。デモに惚れ込む前に、そう値付けせよ。
AI強化型ボイスピッキングは最初のパイロットとしては最下位だ。ボイスは馴染みがあるので意外に思われるかもしれない。だがそこがまさに問題だ。現場の全ピッカーの働き方を、一度に全部変えることになる。従来のボイスシステムは、この手の売り文句のほとんどをすでに解決済みで、現場チームが信頼しているものを剥がすほどの増分利益は滅多にない。パイロット3号にとっておけ。多少の信用を稼いでからだ。
パターンは見えただろうか。良い最初のパイロットは人の働き方を変えない。見て、チェックして、フラグを立てるだけだ。危険なのはフロアを並べ替えるやつだ。
受け入れ条件はスライドではなく契約書に入れよ
私がレビューするPOC契約のほぼすべてに同じ欠陥がある。成功指標を、パイロット終了後に、ベンダーが「パイロットがたまたまやったこと」に基づいて書いている。これは逆だ。結果ではなく物語にお金を払うことが確定する。
条件はサイン前にあなたが書く——平易な言葉で、契約書そのものに。3要素だ。成功とは何か、どう測るか、失敗したらどうなるか。画像品質管理ならこう書く。「レーン2で30営業日連続、誤ラベルカートンの検出精度99%以上、誤検知率2%以下。500カートンの目視監査で検証する」。OCRなら「受入書類から正しいPO番号と数量を抽出。フィールド単位の精度98%以上。直近60日の実書類200件で試験する」。ここにないものに注目せよ。形容詞だ。「大幅に改善」など要らない。数字か、なかったことか。
そしてベンダーが飛ばしてほしがっている条項。出口だ。「条件を満たせなければ、ハードウェアを返却し、パイロット料金（上限$X）以外は支払わない」。これに同意しないベンダーは、自分のデモを信じていない。丁重に、だが立ち去れ。
もう1つ書面に残すこと。パイロットが生むデータの所有権だ。あなたの画像、あなたのスキャン、あなたのラベルはあなたのものだ。ベンダーがこっそり学習データを保持し、隣の倉庫に売るモデルに組み込んだ契約を見たことがある。その条項は2度読め。
データ準備：スライドに載らない部分
どのベンダーも「データはうちでやります」と言う。翻訳すると「データはあなたがやります。毎週金曜にメールします」だ。
最低ラインは地味だ。WMSやTMSから関連レコード3か月分を、1日で、構造化ファイルでエクスポートできる。フィールドの意味があなたの思っている通りである。画像品質管理なら、実際の商品、実際のラベル、実際の照明の下で、ラベル付き画像が2,000～5,000枚要る——そしてラベリングはあなたのチームの誰かがやるか、少なくとも検証しなくてはならない。リーダーの時間を20～40時間見積もれ。上司がリーダーを1か月空けてくれないなら、あなたにパイロットはない。あるのは願望だ。
そして常に、きれいなデータではなく一番汚いデータで試せ。くしゃくしゃのBOL。そっくりなバリエーションが5つあるSKU。ちらつく照明の下の夜勤。それがベンダーの実験室でしか動かないなら、動いていないのと同じだ。技術の現時点の限界が本当に不明瞭なところ——そういうところは実際にある——は、自分のメモに「ベンダーの最新仕様で確認」と書いて先へ進め。推測は$87,000の請求書のもとだ。
パイロットを本当に殺す2つの落とし穴
1つ目は、パイロットを飛ばしていきなり大きく行くことだ。2023年、フォンタナの卸売業者がAIプラットフォーム丸ごとの$250,000契約にサインした——画像、需要予測、スロッティング、全部いっぺんに、パイロットなし。18か月後もまだ「統合中」だった。技術が問題なのではない。複雑さは掛け算だ。半人前のモジュール4つを足しても、動くシステム1つにはならない。動くカメラステーション1つは、PowerPointのモジュール4つに毎回勝つ。地味なパイロットを避ける近道はない。
2つ目はあなた自身の人々だ。パックステーションの上にカメラが付いた日、チームの半分は「自分たちを監視するためだ」と決めつける。それに目を白黒させるな——正当な問いだし、はぐらかせばパイロットは毒される。設置日の前に現場へ、カメラが何を見て何を見ないかを正確に伝えよ。さらに良いのは、パックのリーダーをパイロットチームに入れ、ベンダーを採点する目視監査を任せることだ。一番疑っていた人が「動くかどうか」を判定する側に回れば、抵抗はオーナーシップに変わる。その一手でパイロットの運命がひっくり返るのを、私は何度も見た。
明日の朝、これを試してみよう。クリップボードを持って、一番忙しいパックステーションに2時間立て。誤出荷、再ラベル、戻ってくるカートンを1つ残らず数えよ。シフト数を掛け、1件あたり$30として掛けよ。その数字——ベンダーのスライドではなく、あなたの現場が書いた数字——が、1ページに収まるパイロットの予算であり根拠だ。そして1ドル使う前に私が全オーナーに聞く問いを自分に問え。「このパイロットが60日で静かに死んでも、笑って去れるか」。答えがイエスなら、正しいものを選んだ。
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。
