3月にロサンゼルスの物流展に行き、AIベンダーの「スマート倉庫」デモに目を奪われ、帰り道は頭がくらくらしていた。

経緯はこうだ。営業担当が輝かしいピッチを披露した——仕分けするロボットアーム、ウェーブを組み立てるアルゴリズム、巨大スクリーン上のデジタルツイン。私は当然の質問をした。「それで、おいくらですか？」彼は微笑んで見積書を手渡し、私は静かに彼の名刺をポケットに戻した。

払えないのではない——払い続けられないのだ。そんなふうにお金を燃やすわけにはいかない。

だが帰りの車中で考え続けた。本当にAIは大手のものなのか？私は数か月かけて、倉庫でAIが実際にどう使われているかを調べ尽くした。結論はこうだ。小規模倉庫でもAIは導入できる。だがまずコストカーブをあるがままに見る必要がある——文字通り無料から「家の頭金が消える」まで幅があり、間違った層を選ぶことこそが本当の金の燃やし方だ。

倉庫AIの実際のコストは？ スペクトラム全体を見よう

実際、倉庫AIはコストのフルスペクトラム上に位置する。私は3つの層に分ける。

層 月額の目安 姿 対象
タダ拾い $0〜数十ドル 伝票処理のオープンソースOCR、無料LLM枠、スプレッドシートでの需要予測 うちのような小規模倉庫——ここから始めよう
ライトなサブスク 数百〜数千ドル WMSやヘルプデスクに組み込まれたAI機能、月額課金 物量と整ったプロセスを持つ中規模
重い投資 数万ドル〜上限なし プライベート導入、カスタム開発、AIオーケストレーション付きAMRフリート 大規模倉庫、3PL大手

（この業界は価格変動が激しい——まず各ベンダーの現在の価格ページを確認しよう。）

要点は分かっただろう？私たちの問いは「AIを使うべきか」ではなかった。「どの層からタダ拾いを始めるか」だ。大手ベンダーの営業は第3層しか見せない。なぜなら第1層では彼らは儲からないから。だが第1層こそ小規模倉庫が勝つ場所だ。

第一のタダ拾い：受入伝票のOCR——うちの倉庫の実話

うちでは毎日40〜60件の受入書類、納品書、パッキングリストが届き、事務のシャオワンが全部手入力している。毎朝、入力だけで2〜3時間、目はうつろになり、たまに数量を間違えて午後いっぱい照合に費やすこともあった。

今年初め、彼女に手作りの解決策を試してもらった。中古スキャナー（$100以下）で書類を画像に取り込み、Tesseract——コストが文字通りゼロのオープンソースOCRエンジン——に通す。彼女はシステムに入れる前にスプレッドシートで出力を確認する。

データ入力は今や1日約20分。完璧ではない——雑な手書きは今も人の目が必要だ——だが印刷文書の80%以上は一発で通る。総投資はほぼゼロ、習得は半日。

小規模倉庫のAMRロボット

計算してみよう。1日2.5時間のデータ入力は月50時間以上。今は1日20分で、月40時間以上が浮く——事務員4分の1人分をタダで手に入れたようなものだ。これがタダ拾い層のROIだ。投資はほぼゼロ、節約は本物の人間の時間。

オープンソースすら面倒に聞こえるなら、もっと楽な道もある。GoogleのCloud Vision OCRは月1,000回まで無料（その後は1,000回あたり約$1.50）、OCR.spaceは月25,000リクエスト無料だ。うちの量なら有料層に触れることすらない。タダ拾い、もらっておこう。

第二のタダ拾い：需要予測——スプレッドシートも占いができる

昨年の第4四半期の前に、ひどく痛い目に遭った。ホーム収納の顧客が10月に突然バズり、勘で在庫を積み、11月に需要が移り、在庫の半分が2か月死んだ。追加の保管料だけで数千ドル燃えた。

そこで自作の粗い予測を作った。12か月分の出庫データを無料スプレッドシートに吐き出し、SKUごとに3か月移動平均を取り、上位50 SKUに手で季節性を付ける（収納ボックスは9月〜11月に必ず跳ねる）。毎月初めに半日かけて更新し、購買は数字に従う。

笑わないで——その粗い仕組みで昨年第4四半期の死に在庫を約30%減らせた。原理は神秘的ではない。予測の本質は「履歴の加重平均」だ。大手ベンダーのアルゴリズムは数十万SKUのカタログ用だ。うちは数百SKU——スプレッドシートで十分だ。

第三のタダ拾い：AIカスタマーサービス——「貨物はどこ？」から始めよう

うちの規模の倉庫に専任サポートはいない。「出荷はどこ？」「在庫はあとどれ？」は全部私が直接答えるか、シャオワンを仕事から引き離す。1日十数件〜二十数件——うっとうしいが、返さないわけにはいかない。

私の抜け道：月$20のChatGPT Plusサブスク（OpenAIの価格ページは2026年もまだ月$20と書いている）。標準の照会手順書と在庫確認手順を小冊子にまとめてボットに食わせた——基本24時間365日のインターンだ。定型質問には即座に一次回答、本当に無理なものだけ人間にエスカレーションする。

月20ドルで、毎日バラバラの私の1時間が取り戻せる。元は取れる——ただし顧客との交渉やクレーム処理はさせないでほしい。派手なオウムだが、正しい仕事に向けたオウムはそれでも生産性だ。

大手ベンダーのAIプレイブックがうちに合わない理由

ここまで読んで疑問に思うだろう。AIがそんなに良いなら、なぜ大手の「スマート倉庫」パッケージを買わないのか？もっともな質問だ——私も同じことを考えた。だが小規模倉庫には登れない3つの壁にぶつかった。

第一に、データが足りない。大手ベンダーのAIモデルは学習に数十万件の受注が必要だ。うちは年間数万件。うちのデータで学習させれば、モデルはベテラン班長の勘より賢くならない。これは技術の問題ではなく数学の問題だ。

第二に、プロセスを先に標準化しなければならない。AIは増幅器だ。整ったプロセスを入れれば効率が出る。ぐちゃぐちゃを入れれば、もっと大きなぐちゃぐちゃが出る。大企業はAIが来る前にプロセス可視化に6か月かける。うちにはそのコンサル料は払えない。

第三に、餌をやる人がいない。大手ベンダーの導入はMLエンジニア、導入コンサル、運用チームを求める。うちは12人、一人三人分の仕事をしている——AIチームの人員枠はない。

だから私の逆説的な見方はこうだ。**AIの最大のコストはソフトウェアライセンスでは決してない。腐ったデータとぐちゃぐちゃのプロセスを、AIが読めるまで掃除するコスト——そしてその隠れた請求書はしばしばソフトウェア価格の数倍になる。**その項目はどのベンダーの見積書にも載っていない。

だが裏返せば、小規模倉庫には巨人にない利点がある——方向転換が速い。朝にプロセス変更を決めれば昼には稼働している。大企業は会議3回と2週間の承認が必要だ。データの家を整える勝負では、小規模倉庫の方が実際は速い。

小規模倉庫のための3ステップ計画

話は十分だ——行動計画だ。3ステップ、余計な飾りなし。

**ステップ1：プロセスをまっすぐにする。コスト$0。**スプレッドシートのテンプレートを標準化し（同じSKUの表記ゆれ3種類はもうなし）、ロケーションコードを統一し、受入・出荷・循環棚卸の手順書を書く。これを飛ばせば砂上の楼閣だ。

**ステップ2：無料と格安のタダ拾いを集める。月$0〜数十ドル。**伝票のOCR、スプレッドシート予測、サポート対応の$20 AIアシスタント。一番痛いところから、ひとつずつ。

**ステップ3：データが固まりプロセスがきれいになったら、サブスク型AI機能を検討する。**月額課金、いつでも解約——初日から年契約もプライベート導入もなし。生存ルール：月払いできるなら年払いするな。サブスクできるなら買い切るな。

そして最後に「AIをやるな」の目安：SKUが500未満、1日200件未満なら、まずABC分析、スロット最適化、ウェーブピッキングだ。基礎のROIはどんなAIにも勝つ。AIはアイシングであってケーキではない——基礎がぐらつけば、AIを買うのはソフトウェア会社への寄付だ。

結局のところ、大企業は計算資源と予算で競う。私たちは機動力と現場の知恵で競う。無料と格安のタダ拾いをきちんと集めれば、節約した時間と避けたミスが、これから何年も私たちを元気に生かしてくれる。

小規模倉庫には小規模倉庫の生き方がある。

Xiao Ma（小規模倉庫オーナー）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。