100隻超を運航する日本郵船、配船計画をAIで自動化し10分で数百万通り試算

起点がAIモデルの選定ではなく、配船業務に関わる情報や判断要素を整理・構造化するところに置かれた設計は、この取り組みの土台にあたります。数百航海分の計画を人が組み立てるとき、何を優先し何を避けるかの重みづけは、担当者の頭の中で暗黙のうちに処理されています。それを条件とKPI（評価に使う指標）の形に書き出す作業を先に済ませたからこそ、船舶稼働率・輸送効率・輸送コストという物差しで計画の良し悪しを機械的に比べられるようになったと考えられます。

評価に織り込む制約として、顧客ニーズだけでなく、船隊の稼働状況や修繕予定、港での滞船リスクまで並べた設計も、実務で使えるかどうかを分けた要素でしょう。計画は、数字の上で最適でも現場が無理だと判断すれば動きません。修繕で船が抜ける期間や、港が混んで待たされる可能性といった、運航の現場が必ず確認する条件を候補づくりの内側に最初から入れておく作り方は、机上の最適解が結局使われずに終わる事態を避ける現実的な選択です。

環境対応を別立ての施策にせず、次世代燃料船の有効活用やカーボンプライスを日々の計画評価そのものに組み込んだ点も特徴的です。排出削減を目標として掲げるだけなら計画業務の外側で管理する話になりますが、評価軸の一つに据えれば、通常の配船判断がそのまま排出量の抑制につながる余地が生まれます。3社が共同開発という形をとったことも、この構造と切り離せません。実際の配船実務を持つ日本郵船、船舶運航技術・情報技術の研究開発を担うMTI、AIエンジン開発を手がけるグリッドという顔ぶれからは、業務知識・海事技術・AI実装のどれが欠けても成立しない設計だったことがうかがえます。