第4回物流DX会議2026 登壇レポート。「初心者でも作れる？」「本当に当たる？」に未来予測AIで答えました

需要予測・AI公開 2026年11月9日7分で読めます

第4回物流DX会議2026の登壇資料の表紙。未来予測AIによる物流リソース最適化

2026年10月28日から30日にかけて配信された、物流の専門メディアLOGISTICS TODAY主催のオンラインイベント「第4回物流DX会議2026」に、MatrixFlowの営業部長の畑本裕之が登壇しました。テーマは「未来予測AIによる物流リソース最適化」です。

物流の現場で予測AIの話をすると、決まって2つの質問が返ってきます。「データの専門家がいなくても作れるのか」と「作ったところで、本当に当たるのか」です。今回のセッションでは、この2つに正面から答えることにしました。この記事では、登壇で使ったスライドを見せながら、話した中身を順にまとめます。

登壇したのは、LOGISTICS TODAY主催の「第4回物流DX会議2026」です

物流DX会議は、荷主・物流会社・ソリューション企業が物流の現場で使える取り組みを持ち寄る、LOGISTICS TODAYのオンラインイベントです。4回目となる今回は3日間の限定配信で行われ、MatrixFlowは30分の単独セッションを担当しました。

第4回物流DX会議2026の収録会場 — 収録の様子。スクリーンの前で、右側が畑本（LOGISTICS TODAY「第4回物流DX会議2026」の配信画面より）

表1　登壇の概要

イベント	第4回物流DX会議2026
主催	LOGISTICS TODAY
配信	2026年10月28日〜30日（オンライン・3日間の限定配信）
セッション	未来予測AIによる物流リソース最適化
登壇	株式会社MatrixFlow 営業部長畑本裕之

セッションの録画は、LOGISTICS TODAYのアーカイブ配信で見られます。11月末までは新しく申し込んだ方への限定公開です。お申し込みはLOGISTICS TODAYのアーカイブ配信のご案内から。

出荷物量は毎日ゆれるので、現場はベテランの経験と勘に頼らざるを得ません

セッションの最初に置いたのは、出荷物量が一定ではないという、現場ならだれもが知っている事実です。曜日、祝日や連休、月末と月初、季節、セールやキャンペーン、荷主の販売の動き、商品カテゴリ。いくつもの要因が重なって、物量は日ごとに上下します。

だから現場では、ベテランの担当者が「来週は増えそう」「月末だから忙しくなる」「この荷主はセールのあとに物量が増える」と読んで、人と車を手配しています。畑本は、この経験と勘を悪いものだとは言いませんでした。現場に積み上がった大事なノウハウそのものです。困るのは、人によって判断が分かれることと、引き継ぎができないことです。担当者が休めば読みが外れ、異動すればノウハウごといなくなります。

「経験と勘」への依存を説明するスライドと、話す畑本 — 「予測業務が、ベテランの経験と勘に依存していないか？」と問いかけたスライド（LOGISTICS TODAY「第4回物流DX会議2026」の配信画面より）

経験と勘で人員と車両を手配する流れと、AIの物量予測で先に準備する流れを比べたスライド — 「先回りする物流」へ。左は物量が急に増えてから残業や応援で埋める流れ、右は過去のデータから物量を先に読んで、人員・車両・設備を前もって準備する流れ

目指すのは、物量が増えてから残業や応援でしのぐ物流ではなく、増える前に人と車をそろえておく「先回りする物流」です。そのために過去の出荷データから物量を予測する、というのがセッション全体の筋でした。人員の組み方は倉庫のシフト作成が属人化する理由と、抜け出し方でも詳しく書いています。

1つ目の疑問「初心者でも作れる？」には、プログラミングなしで組める画面で答えました

予測AIを社内で作ろうとすると、ふつうは現場の業務知識に加えて、プログラミングと数学・統計の知識がそろわないと進みません。MatrixFlowは、このうちプログラミングと数学・統計の部分を道具の側で引き受けるノーコードのAIツールです。使う人に求めるのは、自社の業務がわかっていることだけです。

MatrixFlow 営業部長畑本裕之 — セッションで話す畑本裕之（MatrixFlow 営業部長）（LOGISTICS TODAY「第4回物流DX会議2026」の配信画面より）

セッションでは、実際の画面を見せながら3つの点を説明しました。

課題に合ったテンプレートを選べば、そのままAIの土台ができる
データの読み込みや学習の処理がブロックになっていて、つなぐだけで組める。最短4クリック、5分ほどで構築が終わる
データを入れると、精度の高いアルゴリズムと設定を自動で探す（AutoFlow）。選んだ設定は隠さずに見せる

ブロックをつなぐだけでAIを組めるMatrixFlowの画面。最短4クリックで構築が完了 — ブロックをつなぐだけでAIを組める画面。テンプレートにない予測も、同じ操作で組み替えられる

もう1つ伝えたのは、作って終わりではないということです。季節が変われば、AIが学んだ傾向と実際の物量がずれていきます。ノーコードなら、データが変わったときに自分たちで学習をやり直せます。外注のように、作り直すたびに別の予算と打ち合わせが要ることはありません。データの集め方や前処理でつまずくところは、データサイエンティストが2〜4週間に1回のWeb面談で伴走します。

2つ目の疑問「本当に当たる？」には、3PLの拠点で出た精度で答えました

当たるかどうかは、言葉で説明するより数字を見せた方が早い、というのが畑本の考えです。紹介したのは、物流の現場で実際に予測を回している事例でした。

表2　セッションで紹介した事例

会社	導入前	予測したもの	結果
大手3PL物流会社（A社）	センター長の経験と勘でシフトを組み、繁閑の波に追いつけず残業と欠員が続いていた	出荷先（拠点）別の1週間先の出荷物量	精度96.7%（拠点によって89.5%〜96.7%）。複数の物流センターで展開中
大手3PL物流会社（B社）	営業所別・寄託者別の出荷量を前年実績と経験則で読み、実際と15〜20%ずれることがよくあった	温度帯別・寄託者別の出荷量（6営業所・3年分のデータ）	導入を検証中。初回のデモで良い精度を確認し、本格的な展開に進んでいる
大手ライフケアカンパニー（東証プライム上場）	各現場の熟練者がエクセルで予測し、二重チェックの手間がかかっていた	部門をまたいだ需要	精度98%超。欠品と余った在庫が減り、輸配送のコストも下がった

大手3PL物流会社A社の1週間分の出荷物量予測。拠点ごとの精度96.7%、89.5%、96.7% — A社の1週間分の出荷物量予測。曜日ごとの波を学んで、拠点単位で1週間先の物量を読んでいる

精度を支えているのは、MatrixFlowが未来予測のために作った独自のアルゴリズム（MfTransformerV2）です。一般的な需要予測の道具は、日付と過去の実績から周期性を読むものが多く、使えるデータの形が決まっています。MfTransformerV2はデータの形を選ばないので、曜日や祝日に加えて、天気や外部のデータまで入れて読ませられます。さらに、なぜその数字になったのかを、要因ごとの影響の大きさで表示します。予測がブラックボックスにならないので、現場で数字を説明できます。

このほか、内閣府のSIP（スマート物流サービス）の実証で、化粧品とアパレルの商品別の入出荷データから翌月の出荷量を予測し、倉庫の配置を最適化するAIにつないだ例も紹介しました。精度の考え方は需要予測の精度はどこまで上がるのかで詳しく書いています。

何を予測するかは、AIのモデルからではなく「何に使うか」から決めます

事例のあとに畑本が強調したのは、予測の設計の順番です。うまくいかない導入の多くは、AIのモデルを先に選んでから、何に使うかを考えています。順番は逆で、現場の目的から下へたどっていきます。

何を良くしたいか（目的）

↓

何を決めたいか（人員か、車両か、設備か、スペースか）

↓

何を予測すれば決められるか（予測の対象）

↓

どの細かさで要るか（日別か、時間帯別か、荷主別か、カテゴリ別か）

↓

そのために要るデータ（出荷実績・曜日・季節・セール・カテゴリなど）

たとえば翌日のシフトを決めたいなら、要るのは出荷先や作業の種類ごとの日別の物量です。トラックの台数を決めたいなら、方面別の物量が要ります。同じ「出荷予測」でも、何に使うかで予測の細かさも、集めるデータも変わります。この考え方は出荷予測と需要予測は何が違うのかにもまとめています。

何を予測するかを目的から逆算して決める流れのスライド — 予測は、現場の目的から逆算して設計する

最後に、生成AIに話しかけて予測を動かす新しい機能を紹介しました

セッションの終わりに紹介したのが、MatrixFlowの新しい機能である生成AIとの連携（MCP）です。ChatGPTやCopilot、Gemini、Claudeといった生成AIに話しかけるだけで、MatrixFlowの未来予測AIを作って動かせます。TeamsやSlackとつなぐこともできます。

生成AIは文章を書いたり要約したりするのは得意ですが、数字の予測は得意ではありません。それらしい数字は出しても、当たる保証はありません。数字は過去のデータから学んだ予測AIに出させ、その入口に生成AIを使う、という分担です。画面を開いて操作しなくても、会話の中で「来週の出荷物量は？」と聞けば数字が返ってくるようになります。仕組みはMCPとは。生成AIとの会話から需要予測を動かすMatrixFlowの新機能で詳しく紹介しています。

生成AIに話しかけてMatrixFlowの未来予測AIを使うMCP連携のスライド — 倉庫・3PLの出荷物量予測と、卸・商社の販売数予測を、生成AIとの会話から動かすデモ動画を紹介した

よくある質問

セッションの録画は見られますか

LOGISTICS TODAYのアーカイブ配信で見られます。11月末までは新しく申し込んだ方への限定公開です。お申し込みはアーカイブ配信のご案内からどうぞ。

データの専門家がいない会社でも使えますか

使えます。プログラミングや統計の知識がなくても、テンプレートを選び、ブロックをつなぐだけでAIを組めます。データの集め方や前処理で迷うところは、データサイエンティストが伴走します。

エクセルの出荷実績しかありませんが、予測できますか

多くの場合、できます。日付と出荷量があれば、曜日の波から読み始められます。祝日やセールの予定を足していくと、精度が上がっていきます。どこまで読めそうかは、お手元のデータを見ながら無料の相談でお答えします。

登壇資料はもらえますか

登壇資料そのものはお渡ししていませんが、同じ内容を物流向けにまとめた資料をダウンロードいただけます。事例の数字や、予測を人員と車両の手配につなぐ手順も入っています。

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。