実施 2026.02 ・ 更新 2026.09.04
ブックオフの買取集荷、自動配車と動態管理の連携でデータ受け渡しを1分に
※イメージ画像です

取り組み概要
やさしく事例解説
プロジェクト解析
実施・導入企業
こんな方へおすすめのAI解説です
- 配車を組むのに毎日時間がかかる
- システム間のデータ移し替えが手作業
- ベテランしか配車を組めない
どのようなAIの取り組み?
自動配車クラウドと動態管理サービスを直接つなぎ、買取集荷のデータ連携にかかる時間を15〜20分から1分へ縮めたAI取り組み
業種
総合リユース業(小売・流通)
取り組み領域
買取品の集荷・配車業務
使ったAI
LYNA 自動配車クラウド(自動配車)+TCloud for SCM(動態管理)
主な成果
システム間のデータ連携工数を15〜20分から1分へ削減
書籍やアパレルなどを扱う総合リユース大手のブックオフコーポレーションは、出張買取・宅配買取で預かった品物の集荷業務に、ライナロジクスの「LYNA 自動配車クラウド」を採用しています。積載率を高めて車両台数を抑える配車へ切り替えたものの、配車データを動態管理システムへ渡すには自社の基幹システムをいったん経由させる必要があり、毎日15〜20分の手作業が残っていました。そこで、基幹システムを改修することなく自動配車クラウドと直接つながる都築電気の動態管理サービス「TCloud for SCM」を組み合わせ、配車の作成から集荷当日の状況把握、過去実績の追跡までを一つの流れに束ねる形へ移行しました。
出典:ブックオフコーポレーション株式会社様 - 株式会社ライナロジクス 発行元:株式会社ライナロジクス
やさしく事例解説
何に困って、AIを入れたのか
出張買取センターの集荷は積載率が低く、車両台数が膨らみやすい状態にありました。エリアに紐づけた配車で申し込みの取りこぼしを防ぐことが優先され、そこに積載率の改善まで重ねようとすると人の判断だけでは追いつかない。担当者が東京・神奈川の土地勘を持たなかったことも、システムに頼る判断を後押ししています。自動配車の運用が軌道に乗ってからも、動態管理システムへデータを渡すために基幹システムを経由する作業が毎日15〜20分残り、基幹システムの改修を社内に依頼するかどうかが検討されるところまで来ていました。
編集部の見立てでは、この15〜20分の重さは作業時間そのものではなく、その時間を織り込んで配車を前倒しで固めなければならなかった点にあります。締め切りが実質的に手前へずれれば、追加や変更を吟味する余白は削られ、判断の質が落ちる。数分の作業が計画の精度に跳ね返る構造こそが、困りごとの本体だったのではないでしょうか。
どうやって、うまくいったのか
基幹システムを経由しない連携経路を選んだ判断が、この取り組みの起点になっています。基幹システムの改修は費用も期間もかかり、情報システム部門の手も借りることになりますが、動態管理サービス側が自動配車クラウドと直接つながる仕組みを備えていたため、その重い工事を回避できました。業務を担う部門の側で完結する構成にしたことが、意思決定の速さにも効いています。
二つのシステムが算出する移動時間の基準が揃ったことも、見逃せない要因です。以前の組み合わせでは移動時間に差が出て、どちらを信じるべきか判断できず、余裕を持たせた安全側の計画に寄っていました。運行実績とほぼ一致することが確認できれば、計画の根拠は一本に定まります。判断の土台が揺れなくなったことで、件数を詰める踏み込んだ配車が選択肢に入りました。
配車業務を、機械に任せる部分と人が最後に見る部分へ切り分けた設計も効いています。最終チェックは業務に精通した社員が担い、そこへ至るまでの工程はアルバイトや派遣のスタッフでも進められるようにマニュアル化されました。全部を自動化しようとせず、責任の重い判断だけを人に残す線引きが、人員の入れ替わりに耐える運用を可能にしたと考えられます。
具体的に、どんな成果が出たのか
改善・向上したこと
推進したこと
この事例で出た成果
システム間のデータ連携は、ボタンを数回押すだけで完了する作業になり、住所不備や位置情報の修正がなければ1分もかからない状態になっています。検討していた基幹システムの改修も不要になりました。配車そのものへの波及も大きく、東京出張買取センターの車両台数は月間500台超から350台程度へと約3割減り、宅配買取では月間1万〜1万5000箱相当の削減につながっています。前倒しで固める必要がなくなったぶん、計画を練る時間も確保されました。
うちでも使える?
参考になりやすいのは、複数の業務システムをまたいで人がデータを移し替えている職場です。特に、片方の出力をいったん基幹システムへ戻し、加工してもう一方へ流すような回り道が日次で発生している場合は、既製サービス同士が直接つながる経路がないかを確かめる価値があります。基幹システムに手を入れずに済めば、投資判断のハードルは大きく下がります。
一方で、そのまま持ち込みにくい条件もあります。この事例の配車最適化が効いたのは、集荷先が広く分散し、月に数百台規模の車両を動かす量があったからで、日々の配送先が固定的で件数の少ない業務では、自動化の余地はそもそも小さいでしょう。協力会社ごとに仮オーダーと確定オーダーの締め切りが異なるといった商習慣を、システム側ではなく運用の組み立てで吸収する必要がある点も見ておきたいところです。
まず着手するなら、いま契約している業務システムのベンダーに、隣で使っている別システムとの標準連携メニューがあるかを問い合わせてみてはどうでしょうか。改修見積もりを取る前に確認できる、費用のかからない一手です。
この事例は2026年2月時点の情報です。AI分野は変化が速いため、現在は同様の取り組みをより短い期間・少ない負担で実現できる場合があります。
プロジェクト解析
プロジェクト内容
AI導入・支援形態
AIツール・サービスの提供形態
導入部門・データ活用
導入部門:全社共通・汎用業務
活用したデータ:数値・Excel・ログ
採用したAI技術・ツール
AIモデル・ツール
連携ツール
連携したシステム・外部サービス
プロジェクト実施・導入企業
株式会社ライナロジクス
「LYNA 自動配車クラウド」をはじめとする「LYNA」シリーズを提供する企業。
ブックオフコーポレーション株式会社
掲載企業の方へ:本記事は公開情報をもとに作成しています。内容の修正・削除、または貴社確認のうえでの公式掲載をご希望の場合はこちらからご連絡ください。
