倉庫の必要人数をAIが判断する「倉庫人員AI」の活用シーン

倉庫人員AIは、入出荷量の見込みをもとに、工程ごとに必要な人数と応援の配置をAIが判断し、センター長や現場責任者の人員計画を支えるしくみです。クラスフォックスが設計した Vertical Decision AI SaaS の一つです。この記事では、倉庫の人員計画で起きていること、AIが判断すること、導入後の1日、任せる範囲の決め方、小さく始める手順を順に紹介します。

倉庫の人員計画で起きていること

物流センターの人数は、多くの場合、前日までの経験と勘で決まります。センター長や現場責任者が、翌日の入荷予定と出荷指示の件数を見ながら、パートやアルバイト、派遣スタッフの人数を手配します。

この方法は、現場をよく知る人がいれば成り立ちます。ただし、その人の頭の中にある基準は、ほかの人には見えません。担当者が休むと、計画の質が変わってしまうこともあります。

物量は、曜日、販促、天候、取引先の都合で毎日動きます。見込みが外れて人が足りなければ、残業や出荷の遅れにつながります。逆に人が多すぎれば、手の空く時間が生まれ、人件費がむだになります。

さらに難しいのは、工程ごとに忙しさが違うことです。入荷検品が落ち着いた時間にピッキングが混み合う、といったずれは、全体の人数を見ているだけでは気づきにくいものです。結果として、朝の時点で応援を決められず、昼過ぎに慌てて人を動かす日が続きます。

倉庫人員AIが判断すること

倉庫人員AIが判断するのは「必要人数」です。判断のパターンでいえば「資源の配置」にあたり、限られた資源をどう配るか、という問いに答えます。ここでの資源は、その日に使える作業者の人数と時間です。

AIは文章をつくるのではなく、判断だけを確率と確信度つきで返します。答えの型は3つあります。はい／いいえ、どれを選ぶか、どの程度か、です。倉庫の人員計画では、次のように使います。

たとえば「この時間帯は増員が必要か」という問いには、必要か不要かが確率つきで返ります。「どの工程からどこへ何人移すか」では、応援の候補が並びます。「各配置案の評価」では、案ごとのサービス水準、残業、生産性の見通しが示されます。

倉庫人員AIを入れた1日のシーン

ここからは、仮定の例で1日の流れを描きます。たとえば、通販向けの商品を扱う中規模の倉庫を考えてみます。入荷から検品、保管、ピッキング、梱包、出荷までの工程があり、センター長と各工程のリーダーが人員を決めているとします。

朝、センター長は管理画面を開きます。そこには、当日の入出荷量の見込みと、工程ごとの必要人数が時間帯別に並んでいます。前日までは、WMS（倉庫管理システム）の出荷指示数を見て頭の中で計算していた作業です。

午前の早い時間に、AIが「午後のピッキングで増員が必要」と判断したとします。理由には、出荷指示が昼前に集中する見込みであることが示されます。センター長は、検品のリーダーに相談し、昼前から2名をピッキングへ移す案を選びます。

日中は、実績が見込みからずれたときに、AIが配置案を出し直します。入荷が遅れて検品が空いたなら、その人数をほかの工程へ回す案が出ます。現場責任者は案を見て、実際の作業の都合を足して決めます。

夕方には、残業が必要かどうかの判断が出ます。出荷の締め時刻に間に合う見通しなら、残業は不要と示されます。間に合わない見通しなら、どの工程に何人残ってもらうかの案が並びます。

翌日の手配にも、同じ見込みが使えます。派遣スタッフや応援の人数を前日に決めるとき、勘だけでなく、物量の見込みと必要人数の根拠を見ながら話せます。担当者が替わっても、判断の筋道が残るのが利点です。

AIに任せる範囲を確信度で決める

人の配置は、現場の事情に大きく左右されます。そのため、すべてをAIに任せるのではなく、確信度で任せる範囲を分けます。確信度は、AIが自分の判断にどれだけ自信があるかを示す数字です。

• 95%〜：自動で処理します。たとえば、いつもの曜日で物量も平常どおりの日の、標準シフトの確認がこれにあたります。
• 70〜95%：担当者が確認します。たとえば、午後の増員が必要という判断を、リーダーが見てから確定します。
• 〜70%：上長や専門家へ回します。たとえば、大型の販促や取引先の急な変更で、見込みが読みにくい日の配置です。

この閾値（線引きの数字）は、あらかじめ決め打ちにはしません。PoC で過去のデータと照らし合わせ、現場と一緒に確かめて決めます。人の雇用や勤務に関わる最終判断は、人の承認を前提に設計します。

小さく始める手順と測る指標

倉庫人員AIは、今使っているシステムを入れ替えずに始められます。WMSや勤怠管理の上にのる「判断レイヤー」として入れるため、現場の入力のしかたは変わりません。まずは、手元のCSVから始めます。

最初に用意するのは、次のようなデータです。

• 日ごと・時間帯ごとの入荷と出荷の実績（件数や行数）
• 工程ごとの配置人数と、勤務時間の記録
• 残業の実績と、欠員が出た日の記録

PoC の期間は、4〜6週が目安です。最初の週にデータを整え、次の週に過去の物量で予測を試します。その後、現場のリーダーと一緒に、AIの提案と実際の配置を見比べます。

PoC で測る指標は、次の5つです。数値の目標をここで決めるのではなく、まず現状を測ることから始めます。

• 予測誤差：見込みと実際の物量のずれ
• 残業時間：工程別・日別の残業の長さ
• 人時生産性：1人が1時間に処理できる量
• 欠員時間：必要人数に対して人が足りなかった時間
• 計画作成時間：人員計画をつくるのにかかる時間

効果は、貴社のデータで測るまで分かりません。だからこそ、小さく始めて、数字で確かめながら広げます。Vertical AI SaaS は、1業務から始められ、初期費用0円、月額10万円（税別）〜で使えます。

倉庫人員AIと一緒に考えたい判断

人員計画は、倉庫の中の判断の一つにすぎません。同じ物流の現場には、車両の割り当てや出荷の優先順位など、似た構造の判断がいくつもあります。クラスフォックスの Decision AI は、260の業務判断を1件ずつ設計しています。

人数の判断で慣れたら、隣の判断へ広げる進め方もあります。判断の型が同じなら、準備したデータや確信度の決め方を活かせます。まずは、いちばん困っている判断を一つ選ぶところから始めてください。

よくある質問

本記事で紹介する活用シーンは、クラスフォックスが設計した活用構想です。効果は、貴社のデータを使ったPoCで確かめます。