紙製品の荷積み計画を10秒以内で作成、熟練者の判断を再現したAIの実証

紙製品の出荷では、製品の形も車両の積載量も届け先の条件もそろっておらず、さらにドライバーの負担を軽くするため、配送先はできるだけ一か所に、難しければ近い地域にまとめるという配慮まで求められます。従来の最適化技術は、目的と制約がこうして増えるほど計算のロジックを組むこと自体が難しくなり、計画づくりに要する時間も延びていきます。自動化が進まないまま、後継者の育成にも課題が残っていました。

編集部の見立てでは、困りごとの核心は一件あたり何時間かかるかではなく、熟練者が当たり前のように払っている配慮が、本人以外には読めない形のままだった点にあります。積載効率のように数えられる条件と、荷下ろし場の事情やドライバーへの気遣いのように数式へ落としにくい条件が、同じ頭の中で同時に処理されていた。だからこそ、どこから仕組みに移せばよいのか、その糸口自体がつかみにくかったのではないでしょうか。

効いたのは、荷積みを数式の最適化問題として定義し直すのではなく、熟練者が実際にたどっている判断の順序をそのまま写し取るという設計の向きです。開発にあたってはAIコンサルタントが匠の思考プロセスを詳細に聞き取り、現場の状況を理解したうえで専用のAIを組み立てています。制約を網羅的に並べて解かせる方法では、条件が増えるほど組み立てが破綻しやすくなる。その壁を、正解の作り方を人から学び取る側に回り込んで越えた構図と読めます。

もう一つは、これまで要件として扱われてこなかった「気遣い」を、はっきり設計の対象に引き上げたことです。各トラックの配送先をできるだけ一か所にまとめる、複数になるなら近接した場所に寄せる、そのうえで積載量も踏まえる。効率という一本の物差しだけなら切り捨てられかねない配慮を、計画の中に最初から組み込んだ点に、この事例固有の判断が表れています。

進め方の面では、いきなり本番運用に移さず実証実験として成立性を確かめ、その結果をもって正式導入を判断する段取りが取られました。属人化した業務をAIに載せ替える場合、出力が現場の納得を得られるかどうかは実際に動かすまで読み切れません。検証の場を先に置く順序は、その不確実さを抱えたまま投資判断を迫られる状況を避ける現実的なやり方です。

実証実験では、出荷品や車両、届け先の指定条件といった複雑な要素を踏まえながら、一回分の荷積み計画を10秒以内に正確に作成できることが確認されました。あわせて、各トラックの配送先を可能な限り一か所にまとめる、複数ある場合は近接地に集約するといった匠特有の気遣いを反映し、積載量も考慮した計画が立てられることも確かめられています。この成果を踏まえ、北越コーポレーションと北越物流は2025年7月からの正式導入を決めました。数字の短縮以上に、人が担ってきた配慮を保ったまま自動化の見通しが立った点が大きいと言えます。