まず結論を申し上げます。今日、ほとんどの倉庫は第二段階で止まるべきです。第四段階をスムーズに運用している現場を、私はまだ一つも見たことがありません。それは技術への批判ではありません。倉庫についての事実です。倉庫の現場における誤りへの許容度は、オフィスよりもはるかに低いのです。

率直に言えば、倉庫における生成AIは「話せる」から「決められる」へと進みます。その二つの地点の間にあるのは、より優れたアルゴリズムではありません。データ、責任、そしてフォールバック計画です。一つのステップを飛ばせば、損失は本物のお金になります。

第一段階:生成AIによるQ&Aアシスタント——価値があるかどうか

Q&Aアシスタントにまず良いお金をかけてしまう倉庫を、私はあまりにも多く見てきました。作業員が商品の置き場所を尋ねると、システムが運用マニュアルから答えを引き出します。新入社員が返品の扱い方を尋ねると、システムが手順を貼り付けます。素晴らしく聞こえます。実際には、二つのうちどちらかの展開になります。

一つ目は、倉庫自身のマニュアルが混乱している場合です。十数件の文書に散らばり、バージョンが食い違っています。アシスタントはその混乱を忠実に学び、完全な自信を持って答え、そして間違えます。ある自動車部品倉庫が2025年の夏にQ&Aアシスタントを導入しました。新入社員がその答えに従い、返品の一ロットを直接検査ゾーンへ移動させました。実際の手順では、まず証拠として写真を撮ることが求められていました。顧客がクレームを申し立てたとき、倉庫には写真がなく、$20,000以上を支払いました。AIが問題だったのではありません。投入されたデータが間違っていたのです。

二つ目は、文書が整っている場合です。アシスタントは本当に時間を節約します。家庭用品を扱う3PLは、繁忙期に40人以上の臨時作業員を迎え入れ、シフトリーダーは一日に百件の繰り返し質問に対応していました。アシスタントが稼働し始めると、リーダーへの割り込みはおよそ半分に減り、空いた時間は例外オーダーの監視に回されました。その計算は合います。

つまり第一段階のテストはシンプルです。運用文書は見せられる状態ですか。混乱しているなら、まず文書を整え、AIは飛ばしてください。文書の整理は、AIの間違いの代償を払うよりはるかに安上がりです。

第二段階:コパイロット——人間がブレーキになる段階

第二段階はコパイロットです。システムは答えるだけでなく、提案します。このロットをどのスロットに入れるべきか、次の波をどう組むか、どのオーダーが締め切りに間に合わなさそうか。より有用で、より危険です。

2026年の初め、私はピック経路を提案するシステムを持つアパレル倉庫を訪れました。提案は理論上は問題ありませんでした。問題は責任でした。提案が間違っていたとき、誰も責任を負わなかったのです。システムはかつて、空きスペースがあるという理由で、動きの速い冬物アパレルを遠い通路へ移すよう提案しました。ピッカーたちは二週間にわたってその助言に従い、毎日余分な距離を歩きました。繁忙期の労働力はすでに逼迫しており、スーパーバイザーは苛立ちながらその機能をオフにしました。

これには二つの側面があります。コパイロットが真価を発揮するのは、全体像が見えるところです。どのゾーンが埋まりつつあるか、波の中のオーダーミックスがどう変わったか。しかし、重要なことの多くは見えません。明日到着する緊急出荷、梱包要件をちょうど変更した顧客、今朝故障したフォークリフト。その情報がシステムになければ、AIは知ることができません。

つまり第二段階には厳しいルールが必要です。提案はあくまで提案です。それを実行する人はそれを却下でき、すべての却下は記録されます。記録は非難のためではありません。システムがどこで間違えたかを学ぶためのものです。却下もフィードバックループもない提案機能は、三か月以内に現場スタッフに無視されるようになります。

第三段階:半自律、人間がループの中にいる段階

第三段階は、人間がループの中にいる半自律です。システムは定められた範囲内で自ら行動し、人が監視していつでも止めることができます。補充タスクの優先順位を付け直し、例外オーダーをフラグし、翌日の波の計画を起案し、スーパーバイザーが毎朝それを確認して承認します。

私が見た中で、実際に機能しているものに最も近い例は、ある電子部品ディストリビューターです。補充はスーパーバイザーの経験に頼っており、毎朝一時間以上かかっていました。システムが順序を起案し、スーパーバイザーが確認するようになってから、朝の計画は20分未満に短縮されました。鍵は明確な境界でした。システムが触れるのは日常の補充だけです。高額商品や顧客指定ロットに関わるオーダーは手動のまま、例外なしでした。

ある食品倉庫はそれほど幸運ではありませんでした。廃棄削減のため、賞味期限が近い商品をシステムに自動的に順序付けさせました。システムは、顧客がロット番号で指定していたロットも出荷してしまいました。顧客は到着時に誤ったロットを見つけ、コンテナ全体を返品しました。損失はそれほど大きくありませんでしたが、信頼は一夜にして蒸発し、プロジェクトは六か月間放置されました。

ここが直感に反する部分です。半自律の段階では、最も難しいのは技術ではありません。システムが止まって人間に尋ねなければならない条件を、正確に書き出すことです。その停止リストは、アルゴリズムの十倍重要です。リストが具体的であればあるほど、システムは遠くまで行けます。曖昧なリストは、遅かれ早かれ重大な事故を保証します。

もう一つ、正直に向き合うべきトレードオフがあります。節約した時間はどこへ行くのか。スーパーバイザーの朝の計画時間を一時間節約することは勝利です。代わりに品質チェックの人員を削減してシステムを監視させることはリスクです。私の助言は、節約した時間を例外処理に再投資すること、人員削減に使わないことです。システムが自律的になればなるほど、例外はまれになります。そして一件あたりのコストは高くなります。

第四段階:制限付き自律的意思決定——生成AIがまだできないこと

第四段階は、制限付き自律的意思決定です。定められた範囲内で、システムは自ら決定して実行し、監査証跡を残し、オーダーごとの人間の承認は不要です。低価格消耗品の自動補充、日常の波の自動リリース、標準的な例外の自動処理。

今日に至るまで、これを完全に運用していると主張する倉庫を私は見たことがありません。三つの障害が立ちはだかっており、どれも回避できません。

第一に、データです。自律的な意思決定には、在庫、オーダー、スロット、設備状況がすべてリアルタイムで、同時にすべて正確であることが必要です。その四つのうち一つでも信頼できなければ、決定は砂の上に築かれます。多くの倉庫は、自社の在庫精度を保証できません。その上に自律的な意思決定を語るのは、空中楼閣です。

第二に、責任です。出荷が誤って出たとき、それはシステムの責任か、スーパーバイザーの責任か。契約は何と言い、保険は何を認め、顧客は誰に請求するのか。これらの問いに決着がつくまで、倉庫のオーナーは署名権をシステムに渡しません。

第三に、フォールバックです。システムが故障したとき、手動運用に戻すスイッチはあるのか、切り替えにどれくらいかかるのか、その間のオーダーはどうなるのか。その三つの問いに答えられなければ、第四段階は飾りです。

私の判断はこうです。今後三から五年で、ほとんどの倉庫は第三段階をうまく運用するようになり、第四段階は小さな閉じたシナリオでのみ試験されるでしょう。単一の商品カテゴリー、低価格、高度に標準化された補充です。来年には生成AIが倉庫を運営すると期待する人は、おそらく失望するでしょう。

ご自身の倉庫への四つの質問: ベンダーの言うことは忘れて、自らに四つの質問を投げかけてください。第一に、運用文書とマスタデータは、在庫精度を文書で保証できるほど正確ですか。第二に、今日の例外処理の責任者は誰で、何か問題が起きたときに誰に電話がかかりますか。第三に、システムの提案が間違っているとき、現場スタッフは安心してノーと言えますか。第四に、システムがダウンしたとき、半時間以内に手動運用に引き継げますか。

四つすべてに答えられれば、第二段階は十分に射程内であり、第三段階は試験する価値があります。どれか一つでも答えがなければ、まずその問題を直してください。倉庫における生成AIは、誰が最新のモデルを持っているかの競争ではありません。誰の基盤がきれいで、誰のルールが明確かの競争です。

あなたの倉庫は今日どこにいて、どの質問で行き詰まっていますか。

Lao Mi(サプライチェーンのベテラン(20年))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。