埼玉県の物流会社で起きていた配車の詰まり
埼玉県南部にある従業員約120人、車両52台の中小物流会社では、毎朝の配車づくりが慢性的な負担になっていました。食品・日用品を中心に、1日あたり約180件の配送先を回る事業です。配車担当は3人いましたが、実質的にはベテラン1人の経験に依存し、前日の夕方から当日朝までに電話、表計算ソフト、紙のメモを行き来していました。ここで検討したのが、物流 AI 配車 効率化です。
課題は単に配車表を作る時間だけではありません。急な欠勤が1人出ると、出発前の30分で4台分を組み直す場面がありました。納品時間の指定、車両サイズ、ドライバーごとの得意エリア、荷下ろし条件まで考えるため、若手が引き継ごうとしても判断の根拠が見えにくい状態だったのです。現場ではこう言われました。ある配車担当者は、朝の点呼前に地図と電話を見比べながら、今日も勘で穴を埋めている感覚がある、と話していました。
特に大きかったのは、空車回送と残業の連鎖です。導入前の平均空車率は18％、月間残業は配車関連だけで約210時間。配送遅延は月9件前後あり、荷主からの問い合わせ対応にも1日40分ほど取られていました。物流 AI 配車 効率化は、派手な最新技術を入れる話ではなく、こうした見えない負荷を数字に置き換えるところから始まりました。等身大の現場に合わせて、まずは困っている順に手をつける設計にしたのが、この事例の出発点です。
物流 AI 配車 効率化の前にルールを棚卸し
最初に行ったのは、AIツール選定ではなく配車ルールの棚卸しでした。3週間かけて、配送条件、車両条件、人員条件、時間指定、積載制限を約70項目に分解。たとえば、Aエリアは午前指定が多い、B店舗は4トン車が入れない、Cドライバーは冷凍品の積み替えに慣れている、という暗黙知を1つずつ言語化しました。物流 AI 配車 効率化では、AIに考えさせる前に、何を守らせるかを決める工程が欠かせません。
先日ある管理部門の方とお話した時にも、似た話がありました。勤怠管理で、15分単位の丸め、残業申請の有無、開始時刻の扱いをシステムに入れ込む相談です。人が頭の中で処理していた判断を、先にルールとして置いておくと、後工程の給与計算まで迷いが減るという内容でした。配車も同じで、AIが賢いかどうか以前に、現場の例外処理をどこまでルール化するかで成果が変わります。
この会社では、まず過去2か月分、約3,600件の配送実績を整理しました。配送先の住所、到着予定、実着時刻、積載量、担当ドライバー、再配達の有無を表に集約。そこから、絶対条件と調整可能条件に分けました。絶対条件は納品時間、車両制限、法定休憩など。調整可能条件は担当エリア、積み順、帰庫時間の目安です。無理に背伸びさせず、最初は全自動ではなく、AIが作った案を人が確認する形にしたことで、現場の抵抗はかなり抑えられました。
AIに任せた範囲と人が残した判断
取り組みの2段階目では、AIに任せる範囲を明確にしました。この会社で自動化したのは、配送先の並び替え、車両ごとの積載バランス、到着予測、空車回送の削減案、そして急な欠勤時の代替案作成です。一方で、荷主との関係性、ドライバーの体調、難しい納品先への担当割り当ては人が判断する領域として残しました。物流 AI 配車 効率化を進める際、すべてをAIに渡すほど現場は不安になります。
具体例として、ある火曜日にドライバー2人が体調不良で休みました。従来なら配車担当が20件以上に電話し、1時間以上かけて組み直していました。導入後は、AIが5分ほどで3パターンの代替配車を提示。担当者はその中から、荷下ろしが難しい納品先を経験者に寄せる案を選びました。結果として、出発遅れは最大12分に収まり、遅延連絡が必要だった配送先は1件だけでした。
先日の別の打合せで、ある事業責任者の方が、パソコンを触る作業を減らすために何を作るかを考えている、と話していました。採用するか、仕組みで減らすかを分けて考えるという視点です。この物流会社でも同じでした。配車担当を1人増やす案もありましたが、まずは反復作業を減らす選択をしました。AIはベテランの代わりではなく、ベテランが毎朝繰り返していた候補出しを肩代わりする存在。そう位置づけたことで、現場に受け入れられやすくなりました。
3か月で変わった配車表と現場の会話
導入から3か月後、数字ははっきり変わりました。配車表の作成時間は1日180分から55分へ短縮。平均空車率は18％から12％に下がり、配車関連の月間残業は210時間から143時間へ、約32％減りました。配送遅延は月9件から2件に減少。荷主への確認電話も1日平均26件から11件まで下がりました。物流 AI 配車 効率化の効果は、単なる時短だけではなく、朝の空気の変化にも表れていました。
現場ではこう言われた、という言葉が印象的でした。あるドライバーは、出発直前に積み順が変わる回数が減って、朝の焦りが少なくなったと話していました。別の配車担当者は、以前は全員が自分に聞きに来るので、電話が鳴るだけで身構えていたそうです。今はAI案の画面を見ながら、なぜこの順番なのかを説明できるようになり、若手にも判断を渡しやすくなりました。
小さな改善も積み重なっています。たとえば、毎週金曜日に混みやすい幹線道路を避ける提案がAIから出るようになり、特定エリアの帰庫遅れが平均22分短縮されました。荷量が多い日には、午前便と午後便の境目を自動で示すため、積み替えミスも月6件から2件へ減っています。もちろん、天候や事故のような突発要因は残ります。それでも、判断材料が1画面に集まるだけで、現場の迷いは減ります。伴走しながら数字を見直したことで、改善が一過性で終わりませんでした。
採用不足を補う人を採らない仕組み
この事例で重要だったのは、採用難への向き合い方です。物流業界ではドライバー採用だけでなく、配車や運行管理を担う人材も不足しています。この会社でも、配車経験者を半年間で2人募集しましたが、面接につながったのは4人、採用は0人でした。求人票を整える余地はありましたが、同時に、今いる人が疲弊し続ける構造を変える必要がありました。物流 AI 配車 効率化は、人を採る支援と人を採らない仕組みづくりの間にある実務的な打ち手です。
アスカレッジでは、採用で解決する課題と、業務設計で減らせる課題を分けて見ます。この会社の場合、荷主対応や安全管理は人の経験が必要でした。一方で、配送先の並び替え、所要時間の再計算、配車表への転記は仕組みで減らせます。先日ある現場支援の打合せでも、応募者情報を2時間に1回自動で取得し、シートに追記する仕組みの話がありました。人が画面を開いて転記する作業は、採用担当者の判断力を使う場所ではないという考え方です。
物流の配車も同じです。AIを入れても、ドライバー不足そのものが消えるわけではありません。ただ、1人の配車担当が抱える判断量を30％減らせれば、定着に効いてきます。この会社では、導入後に配車担当者の有給取得が月平均0.5日から1.4日に増えました。欠員補充の前に、業務の詰まりをほどく。等身大の改善を積むことで、採用できないから現場が壊れる、という悪循環を避けやすくなります。
導入でつまずいた3つの実務ポイント
順調に見える事例でも、つまずきはありました。特に大きかったのは、住所データの表記揺れ、ドライバーの感覚値、そして例外ルールの多さです。住所は同じ納品先でも、丁目の書き方や建物名が違うだけで別地点として扱われることがあります。最初のテストでは、約180件中14件が重複候補になり、距離計算がずれました。物流 AI 配車 効率化を始める前に、データ整備の時間を確保しておく方が安全です。
この会社で実施した対応は、かなり地味です。配送先マスタを1,200件確認し、よく使う納品先300件から優先して表記を統一しました。ドライバーの得意不得意も、主観のままでは使いにくいため、狭い道、手降ろし、待機時間が長い先、初回同行が必要な先、という4分類に変換。AIに入れる情報を、現場の言葉からシステムが扱える言葉へ置き換えた形です。
もう1つの壁は、AI案への不信感でした。初週は、ベテラン担当者がAI案をほぼ毎日修正していました。そこで、修正理由を記録する欄を作り、10営業日分を見返しました。すると、修正の約60％は、荷主ごとの暗黙ルールが未登録だったことが原因でした。残りは、ドライバーの希望休や車両点検の反映漏れです。先日ある業務自動化の相談でも、請求書や番号確認をAIだけでなくRPA的に処理する話がありました。何でもAIで解決するのではなく、向いている処理を分ける。この切り分けが、現場定着の差になります。
次に着手するなら小さな自動化から
これから物流 AI 配車 効率化に取り組むなら、いきなり全社導入を目指すより、1拠点、1エリア、1か月分の実績から始めるのが現実的です。たとえば、車両10台、配送先300件、ドライバー15人程度の範囲で、現状の配車作成時間、空車率、残業時間、遅延件数を測ります。数字がないままツールを入れると、成果が出たのか、現場が慣れただけなのか判断しにくくなります。
最初のステップは3つに絞れます。
- 過去1〜2か月分の配車表と実績を集める
- 守るべき条件と調整できる条件を分ける
- AI案を人が確認する試験運用を10営業日行う
このくらいの範囲なら、現場への負荷を抑えながら始められます。今回の会社でも、初期段階では全52台ではなく、比較的ルートが安定している18台だけで試しました。そこで配車作成時間が95分から38分に短縮できたため、次のエリアへ広げる判断がしやすくなりました。
アスカレッジが伴走する場合も、最初から大がかりなシステムありきでは進めません。採用で人を増やすべきか、配車や事務の反復作業を減らすべきかを見立て、現場に合う順番を設計します。物流 AI 配車 効率化は、最新技術を入れるためのプロジェクトではなく、朝の電話、紙のメモ、属人的な判断を少しずつ軽くするための選択肢です。配車担当者の負担や採用難に悩んでいる場合は、まず現状の業務量を一緒に棚卸しする無料相談をご活用ください。