物流でAIは何ができるのか。使いどころと導入の順番

需要予測・AI公開 2026年10月9日更新 2026年11月8日7分で読めます

先に結論

物流でAIが役に立つのは、主に「先の物量を読む」「人と車の割り当てを組む」「書類や画像を読み取る」の3つです。どれも、人が経験と勘でやっていた判断を、データで下支えする使い方です。
使い始めている会社は国内で3割台、海外の大手でも全社規模に広げられたのは1割ほどです。止まる理由は技術ではなく、効果の測り方と社内の体制にあります。
手をつける順番は「物量の予測」が先です。何日先にどれだけ荷物が来るかが読めないと、シフトも配車も、AIで組み直す前提がそろいません。

「物流にもAIを」という話は増えましたが、実際に何を任せられて、何が任せられないのかは、売り込む側の説明だけではわかりにくいものです。この記事では、物流の仕事を業務ごとに分けて、AIが得意なこと、導入している会社の実態、そして現場が最初に手をつけるべきところを順に整理します。

物流でAIは何ができるのか

答えを先に書くと、物流のAIは「判断の材料を早く、そろえて出す」道具です。トラックを運転したり荷物を運んだりする部分は、AIというよりロボットや自動運転の領域で、別の話になります。日々の現場で効いているのは、過去のデータから先を読む、たくさんの組み合わせの中から無理のない割り当てを探す、紙や画像の情報を読み取って入力の手間を減らす、という3種類の仕事です。

業務ごとに分けると、次の表のようになります。左から順に、AIが何をして、何のデータを使い、どんな現場で効きやすいかを並べました。

図1　物流の業務別に見た、AIの使いどころ

業務	AIがやること	主に使うデータ	効きやすい現場
出荷物量の予測	数日〜数週間先の出荷件数・物量を出す	出荷実績、曜日、販促、天候、取引先の計画	波動が大きく、前日まで物量が確定しない
人員計画・シフト	予測した物量から必要な人数と時間帯を出す	物量予測、作業ごとの処理速度、出勤可能者	派遣・パートの手配を毎週組み直している
配車・ルート	車両と荷物の組み合わせ、回る順番を組む	届け先、時間指定、車格、道路条件	配車担当が1人に固定され、休めない
倉庫内の作業	保管場所の配置やピッキングの順番を組む	WMSの出荷明細、商品の出荷頻度	歩く距離が長く、繁忙期に人を足しても追いつかない
書類・検品	伝票の読み取り、画像での数量・破損の確認	伝票の画像、カメラ映像	手入力や目視確認に人手が取られている

MatrixFlow編集部が業務単位で整理したもの。個別の製品や事例の効果を示すものではありません。

表の上の3行はつながっています。出荷物量の予測があって、はじめて人員計画と配車の数が決まります。逆に言えば、物量が読めないまま配車やシフトだけをAIで最適化しても、前提の数字がずれていれば組み直しが起きます。予測そのものの考え方は、需要予測とは。物流現場での使いどころで詳しく説明しています。

実際にどれくらいの会社が使っているのか

国内では、使っている会社は3割台です。Hacobuとロジ・トゥデイが2025年10月に荷主企業と物流事業者268人に聞いた調査では、業務でAIを「積極的に活用している」が6.7%、「一部の業務で活用している」が29.9%で、合わせて36.6%でした。一方で、今後使いたいと答えた人は95.9%にのぼります。関心は高いのに、実際の業務にはまだ入りきっていない、というのが現在地です。

図2　国内の物流関係者のAI活用状況

積極的に活用している

6.7%

一部の業務で活用している

29.9%

活用している（合計）

36.6%

今後活用したい（合計）

95.9%

出典：Hacobu・LOGISTICS TODAY「物流×AI活用に関する実態調査」（2025年10月16日〜29日、インターネット調査、荷主企業・物流事業者268人）

海外でも事情は似ています。ボストンコンサルティンググループが2026年1月に欧州・北米・アジア太平洋・中東の物流事業者と荷主180社以上を調べたところ、試験導入の段階を越えた物流事業者は約4割でした。ところが、中核業務で全社規模に広げられたのは約1割、AIから測れる価値を得ていると答えたのは13%にとどまります。

図3　海外の物流事業者で、AIはどこまで進んでいるか

試験導入の段階を越えた

約40%

AIから測れる価値を得ている

13%

中核業務で全社規模に展開

約10%

出典：ボストンコンサルティンググループ「AI Is Already Moving the Logistics Industry Forward」（2026年3月27日発表。調査は2026年1月、物流事業者と荷主の計180社以上）

同じ調査で、価値が大きいとされた領域は輸送計画・実行、需要予測、可視化の3つでした。図1の表でいえば上の3行にあたります。物流のAIは、まず「先を読んで計画する」ところから成果が出始めている、と読めます。

なぜ、入れても成果が見えにくいのか

理由は、技術よりも「効果をどう測るか」と「誰が使い続けるか」が決まっていないことにあります。BCGの調査でも、広がらない主な理由に挙がったのは費用対効果の不透明さと社内の能力不足で、技術のコストや複雑さはもはや主な理由ではないとされています。

現場でよく見るのは、次のような流れです。

図4　AIを入れても成果が見えなくなる典型的な流れ

「AIで何かできないか」から検討が始まる

▼

何の数字を良くするかが決まっていない
→ 導入前と後を比べられない

使うデータが部署ごとに散らばっている
→ 準備だけで数か月かかる

▼

試験導入で止まり、担当者の異動とともに使われなくなる

反対に、うまくいく現場は最初に測る数字を一つ決めています。たとえば「翌週の必要人数の見込みと実績の差」や「当日の追加手配の回数」です。数字が決まっていれば、AIの予測が人の見立てより良かったのか悪かったのかを、数週間で判断できます。AIに限らず、物流DXの道具を入れる前にどの数字をデータで残しておくかは、物流DXは何から手をつけるかの記事で順番に並べました。

AIの予測は、過去のデータに似たことが起きる前提で当たります。新しい取引先の立ち上げや、大きな販促、災害のように過去に例のない出来事は、AIだけでは読めません。予測を出したあとに人が上書きできる運用にしておくことが、実務では欠かせません。できること・できないことの線引きは需要予測AIとは。できることと、できないことにまとめています。

どこから手をつければいいのか

最初に手をつけるのは、出荷物量の予測です。配車もシフトも倉庫内の作業も、「何日先にどれだけ荷物が来るか」を入力にして組み立てる仕事だからです。物量の見込みがずれたままでは、どれだけ賢い配車やシフトの仕組みを入れても、前日や当日の組み直しはなくなりません。

順番を図にすると、次のようになります。

図5　物流でAIを使う順番

①出荷物量を数日〜数週間先まで予測する

▼

②必要な人数と時間帯を決める
派遣・パートの手配を前倒しできる

②必要なトラックの台数を決める
傭車の確保や混載の相談がしやすくなる

▼

③当日の割り当て（シフト・配車・作業順）を最適化する

①から②へのつなぎ方は、出荷物量から必要人員を決めるで具体的に説明しています。②まで回るようになれば、③の当日の最適化は、すでに決まった人数と台数の中での組み合わせの問題になり、ずっと扱いやすくなります。

この順番は、制度の面からも理にかなっています。2026年4月から、一定規模以上の荷主には物流統括管理者（CLO）の選任と中長期計画の提出が義務づけられ、荷待ち時間の短縮や積載効率の向上に向けた計画を書くことになりました。計画に書いた数字を現場で動かすには、先の物量を読んで車と人を前もって決めることが前提になります。制度の中身は改正物流効率化法とは。2026年4月に何が変わるのかで整理しています。

AIの検討を始める前に確認したいこと

良くしたい数字が一つに決まっている（例：当日の追加手配の回数、人件費の見込みと実績の差）
過去1年以上の出荷実績が、日別・拠点別に取り出せる
物量が確定するのが何日前か、実際の日数で答えられる
予測を見て人数や台数を決める担当者が決まっている
予測が外れたときに、人が上書きして記録を残す運用がある

生成AIと予測AIは、物流でどう使い分けるのか

生成AIは文章や書類を扱う仕事に、予測AIは数字を先読みする仕事に向いています。ChatGPTのような生成AIは、問い合わせへの返信文、マニュアルの下書き、議事録の要約などで手間を減らせます。一方で、来週の出荷件数を出すような仕事は、過去の数字の規則性を学ぶ予測AIの領域です。

図6　物流での生成AIと予測AIの違い

	生成AI	予測AI
得意なこと	文章を書く、要約する、質問に答える	過去の数字から先の数字を出す
物流での使いどころ	問い合わせ対応、手順書の作成、報告書の下書き	出荷物量の予測、必要人数・台数の見込み
主に使うデータ	文章、社内の資料	出荷実績などの時系列データ
答えの確かめ方	人が読んで内容を確認する	予測と実績の差を数字で比べる

MatrixFlow編集部作成。

どちらか一方を選ぶ話ではありません。事務の手間は生成AIで減らし、人と車の計画は予測AIで前倒しする、という分担が現実的です。2026年11月からは、ChatGPTやClaudeとの会話から予測AIを動かせるMatrixFlow公式MCPサーバーも使えるようになり、この2つを1つの会話の中でつないで使う方法も選べます。物流業界がこれから5年でどう変わるかは、物流業界の今後。2030年度までに何が変わるのかでまとめています。

よくある質問

中小の物流会社でもAIは使えますか

使えます。大がかりな仕組みを入れなくても、出荷実績が日別に残っていれば、物量の予測から始められます。最初は1拠点・1つの数字に絞り、人の見立てと予測を数週間並べて比べるのが現実的な入り方です。

AIを入れると、配車担当や現場リーダーの仕事はなくなりますか

なくなりません。AIが出すのは判断の材料で、取引先との調整や、例のない出来事への対応は人の仕事として残ります。むしろ、毎日の数字の組み立てに使っていた時間を、調整や改善に回せるようになります。

どれくらいのデータがあれば予測できますか

季節の波を捉えるには、少なくとも1年分の日別の出荷実績があると安心です。データの粒度（日別か週別か、拠点別か全体か）は、何を決めたいかによって変わります。

AIの予測が外れたら、どうすればいいですか

外れること自体は前提にしておき、どれくらい外れたかを毎週記録します。外れ方に偏りがあれば、販促や新規取引先などAIが知らない情報が抜けていることが多く、その情報を入力に足すことで精度が上がります。

執筆

株式会社MatrixFlow需要予測AI「MatrixFlow」の開発元。内閣府SIP 国家実証プロジェクトに参画し、物流センターの出荷物量予測と人員・配車計画の支援を行っています。記事の内容は公開時点の情報です。