配車担当の電話・書類作業を支援するAIアシスタント、物流現場で実証実験

物流業界では慢性的なドライバー不足に加え、働き方改革にともなう2024年問題によって労働力の目減りが懸念されています。限られた人と車で運び続けるには、荷主・元請・実運送会社のあいだで情報を密にやり取りすることが欠かせず、その結節点に立つ配車担当に負荷が集まります。route-Dが着目したのも、配車担当が日々の業務で感じているコミュニケーション上の課題でした。

編集部の見立てでは、この困りごとの本質は連絡回数の多さそのものではなく、割り当てを決めるという判断のまわりに、確認・伝達・記録という別種の作業が大量にぶら下がっている点にあります。どの車にどの荷物を載せるかを決めるには、荷主の条件と元請の指示、現場の車両状況を電話でつなぎ合わせ、その結果を書類とシステムへ書き写す工程が必ず付いてきます。判断と手作業が一本の流れとして絡み合っているため、担当者を増やす以外の打ち手が見えにくかったのではないでしょうか。

配車担当がこれまでの働き方を変えずに済むことを前提に置いた設計が、この取り組みの起点になっています。業務のやり方を作り変えてAIに合わせるのではなく、電話で確認し、書類を読み、システムに書き写すという既存の流れを残したまま、その一部をAIアシスタントが引き受ける構図です。現場に新しい操作を覚え直させる負荷が小さいほど、検証の段階でも使われ続けやすくなります。

コミュニケーションという輪郭のぼやけた課題を、AIが担える作業の単位まで分解した点も、この設計の要と言えます。社内外への電話による情報共有、AI-OCRを使った書類の読み取りと作成、システムへの入力と、対象が具体的な動作として切り出され、それぞれを独自の生成AIモジュールが支えています。課題を「連絡がうまく回らない」というかたまりのまま扱えばAIの出番は決まりませんが、電話・書類・入力へ割り付ければ、どこまで任せるかを一つずつ判断できるようになります。

実運送を担う企業と組んで実証実験という段階を踏み、AIの精度と人とAIの協業体験の向上を継続的な課題に据えたうえで、サービスの適用先を広げる順序を後ろに置いた進め方も理にかなっています。配車の手順は荷主や元請との関係によって現場ごとに変わるため、どの作業までAIに渡せるかは机上では確定しません。

現時点では実証実験の段階にあり、削減時間や費用といった定量的な成果は公表されていません。示されているのは、配車担当が従来の進め方を変えないままAIアシスタントと業務を進められる形になっている点と、それが働き方改革につながるという位置づけです。route-Dは今後、AIの精度と協業体験を高めつつ、ドライバー不足や積載効率の低下という物流全体の課題に取り組む方針を掲げています。