配車変更に悩む中小物流会社が生成AIで再配車候補をつくるまで

午前五時半。青葉運送の配車室には、まだ薄い青色の朝が残っていた。壁の時計が小さく時を刻み、電話機は目を覚ましたように鳴り、プリンターは紙を吐き出している。窓の外では、出発を待つトラックのエンジン音が低く響いていた。

配車担当の美咲は、地図が映る大きなモニターの前に座っていた。画面には、町の道を進む車両の印がいくつも浮かんでいる。机の上には紙の伝票、開いたノートパソコン、受信箱に並ぶメール、取引先から届いたPDFが重なっていた。

美咲は人の話をよく聞く。ドライバーの小さな変化にも気づく、穏やかな人だった。けれど朝の配車室では、やさしく返事をする間もなく、次の音が重なっていく。

「はい、青葉運送です。……納品時間の変更ですね」

受話器を肩ではさみ、美咲はメモを取った。配送番号は電話の向こうから聞こえた。新しい希望納品日時は、取引先から届いたメールに書かれているという。集荷先と荷量は、先ほど開いたPDFに載っていた。

電話を切ると、別のメールが届いた。そこには「至急」と赤い文字があり、変更後の納品先が書かれていた。美咲がPDFを見直すと、納品先は変更前のままだった。

「電話では新しい場所。PDFには古い場所……どちらが正しいの？」

美咲はすぐに取引先へ確認のメールを返した。その間にも、机の端に置いた紙の伝票が目に入った。小さな文字で、「冷蔵車指定」と書かれている。さらにその下には、荷物を積み下ろすときの車両条件が、鉛筆で追記されていた。

配送番号は電話のメモ。集荷先はメール。希望納品日時は新しいメール。荷量と住所はPDF。車両条件は紙の伝票に残っている。美咲は資料を一枚ずつ横に並べながら、必要な情報を拾っていった。

「この変更は、荷物一つだけの話じゃないわ」

モニターの地図では、変更対象の荷物を担当する車両が、すでに市街地へ入っていた。車両の現在地はGPSの表示で確認できる。けれど、その車両には別の配送先の荷物も載っていた。積載状況を見れば、追加できる余裕があるかもしれないが、冷蔵の荷物と常温の荷物を同じように扱うことはできない。

美咲は運行中のドライバーへ電話をかけた。呼び出し音の向こうで、道路の音がざわざわと聞こえた。

「いま、どの荷物まで積んでいますか？　冷蔵庫の温度は大丈夫ですか？」

「変更になった荷物は、荷台の奥です。次の納品先の荷物も手前にあります。少し待てば確認できます」

ドライバーの返事を聞きながら、美咲は配車表を見た。新しい納品先を先に回れば、別の配送先への到着が遅れるかもしれない。順番を変えなければ、変更依頼の希望時間に間に合わない可能性がある。荷待ちの時間、休憩の時刻、勤務の終わりまで確認すると、一本の電話だけでは答えが出なかった。

隣の席の健太が、束になった伝票を抱えて戻ってきた。彼は美咲の机を見て、少し驚いた顔をした。

「また変更ですか？」

「ええ。しかも、届く場所が一つじゃないの」

美咲は、電話のメモとメール、PDF、紙の伝票を指で示した。どの紙にも大事なことが書かれている。けれど、どれか一枚を見ただけでは、車両を動かす判断はできなかった。

「変更依頼は一枚の紙ではなくて、いくつもの場所に散らばった情報なんだ」

その言葉が、静かになった配車室に落ちた。美咲はこれまで、頭の中で情報をつなぎ合わせていた。配送番号を見ればメールを探し、住所を見ればPDFを開き、条件を確かめるために紙の伝票へ戻る。そのたびに、地図の車両は少し先へ進んでいた。

机の端には、試しに開いていた生成AIの受付画面があった。美咲はメールを画面へ移し、PDFを読み込ませ、紙の伝票をスキャンした。生成AIは、配送番号、集荷先、希望納品日時、荷量、車両条件、緊急度を一つの受付情報へまとめていった。

画面には、住所が食い違っていることや、温度管理の条件が紙にしかないことも表示された。美咲が確認できていない項目には、「要確認」という印がついている。生成AIは車両を勝手に決めなかったし、配車表を自動で確定もしなかった。

「まずは、散らばった情報を同じ場所へ集めるんだね」

美咲は画面を見つめた。受付情報が一つにまとまると、どこが足りないのかが見えた。変更の影響を受けそうな車両と、同じ荷台に載る配送先も、確かめる順番が少しだけわかりやすくなった。

電話はまだ鳴っている。プリンターからは新しい伝票が出ている。それでも美咲は、先ほどまでのように紙を探して机の中を何度も開けなかった。次の変更依頼を受付画面へ取り込みながら、再配車を考えるための最初の一歩を踏み出していた。

午前九時すぎ、青葉運送の配車室に、納品時間を変えたいという電話が入った。その一本の電話は、走り出した一台と、午後の配送先まで動かそうとしていた。

窓の外では、白いトラックがゆっくり門を出ていく。美咲は受話器を肩ではさみ、机の端に積んだ配車表をめくった。

「はい、青葉運送の美咲です。納品時間の変更ですね」

電話の相手は、いつもの荷主だった。午前中に着く予定の荷物を、午後一時から二時の間に届けてほしいという。美咲は青いペンで、配車表の小さな枠を押さえた。

「承知しました。車両の状況を確認して、折り返します」

受話器を置くと、美咲はすぐに検索画面を開いた。けれど、荷主から先に届いていたPDFには、納品希望時間が「午前十時から正午」と書かれている。電話で聞いた「午後一時から二時」と、時間が合わなかった。

「どちらが最新なの……？」

隣の机で、健太が紙の伝票を束ねていた。美咲はPDFを画面に表示し、電話のメモを横に並べた。片方を消してしまえば、あとで別の変更を見落とすかもしれない。

「健太さん、この荷物の担当車両、どれか分かる？」 「たしか、青の四トン車です。朝の便に混載していたはずです」

美咲は配車表の車両番号を追った。青の四トン車は、すでに最初の配送先へ向かっていた。運転席のタブレットに表示される現在地は、営業所から離れた幹線道路の上にある。

電話をかけると、運転していた佐藤からすぐに返事があった。

「今、東町の手前です。荷台の前のほうに午前の荷物、後ろに午後の荷物が積んであります」 「積み下ろしは、もう始まっていますか？」 「まだです。ただ、次の倉庫へ向かう途中です」

美咲は配車表の上に、佐藤の現在地を示す小さな印を置いた。変更された荷物だけを後ろへ回せばよい。最初は、そう思った。

「東町の荷物を先に届けて、変更分を午後に回せば……」

しかし、青の四トン車には、同じ方面の別の荷物も載っている。その荷物は正午までの納品指定だった。変更分を待ってから動けば、別の荷物が遅れる。先に別の荷物を下ろせば、変更分を積み替える場所と時間が必要になる。

美咲は佐藤の勤務表を開いた。朝の出発から、すでに何件かの配送が組まれている。午後の納品先には、荷待ちが起きやすい倉庫もあった。そこで車が止まれば、走る時間だけでなく、佐藤の拘束時間も伸びてしまう。

「一台を少し動かすだけの話じゃないわ」

そのとき、健太が営業所の車両一覧をのぞき込んだ。

「近くに白の二トン車がいます。距離だけなら、そっちのほうが短いですよ」 「空きはある？」 「荷台は空いています。でも……」

健太は紙の車両台帳をめくった。白の二トン車は、冷蔵機能がない。変更された荷物には、紙の伝票の隅に「要冷蔵」と小さく記されていた。しかも、荷物の重さは二トン車の余裕をほとんど残さない。

「近い車両でも、条件を満たしていない」 「はい。積めるかどうかだけで選ぶと、温度も時間指定も守れません」

美咲は画面の地図を拡大した。青の四トン車を途中で止める案。別の車両に荷物を移す案。配送先に時間を相談する案。どれを選んでも、同じ車両に載った別の荷物、倉庫での待ち時間、佐藤の勤務時間がつながって動く。

さらに、午後の配送先へ向かう道路では工事が始まっていた。地図に表示された所要時間は、朝に作った配車表より長い。美咲は電話のメモ、PDF、紙の伝票、GPSの現在地を何度も見比べた。

「変更された荷物を、別の枠に差し替えるだけでは無理ね」 「全体を組み直す、ということですか？」 「そう。誰が、どの荷物を、どの順番で届けるか。そこまで見ないと、次の遅れが分からない」

美咲は荷主へもう一度電話をかけた。納品時間の変更が本当に確定なのか、荷物は冷蔵のままか、待ち時間に上限はあるのかを尋ねる。返事を待つ間にも、青の四トン車の現在地の印は地図の上を進んでいった。

佐藤から無線が入った。

「美咲さん、東町の倉庫が混み始めています。先に入っていいですか？」 「少し待ってください。今、順番を確認しています」

答えながら、美咲の指は配車表の端を強く押さえていた。変更依頼を受けた時点で、配車表はもう昨日の計画ではない。走っている車両と、これから向かう配送先を含めて、もう一度計算しなければならない表になっていた。

午後三時、青葉運送の配車室に、改善担当の直人が入ってきた。美咲は電話を肩ではさみ、片手でPDFを開き、もう一方の手で紙の伝票を押さえていた。地図の上では、変更の影響を受ける車両が赤い線を引いて走っている。

「また、全体が動いてしまったのね」

電話を終えた美咲の前で、直人は細長い設計図を広げた。そこには、「変更依頼を受け付ける場所」「情報を整える場所」「計算する場所」「候補を見せる場所」と、四つの箱が並んでいた。

「今日は、生成AIを配車の決定者にしない方法を見せたいんだ」

美咲は設計図の端を指でなぞった。

「決定者にしない？　それなら、何をしてくれるの？」

直人は、届いたばかりのメールを画面に映した。そこには、「納品を午後四時までに変更。冷蔵品あり」と書かれていた。別のPDFには午前中の時間が残り、紙の伝票には冷蔵車指定が小さな文字で記されている。

「生成AIは、まず文章を読んで、必要な項目に分けるんだ。配送先、希望時間、荷物の大きさや温度、緊急度。それから、メールとPDFの食い違いや、足りない情報も見つけてくれる」

「つまり、散らばった情報を、同じ形の表にするのね」

「そう。人が読む文章を、配車システムが読める形に変える。これを構造化というけれど、難しく考えなくていい。『誰に、いつ、何を、どんな車で届けるか』を並べ直すだけさ」

直人は設計図の二つ目の箱に、住所、時間枠、重量、温度帯、車両の現在地、ドライバーの勤務時間と書き込んだ。交通渋滞や工事の情報も、その隣に加えた。

「でも、生成AIが『この車に決めました』と言うわけではないよ。実際の走行時間、車両の割り当て、時間指定、積載量、交通状況、休憩や労働時間は、最適化エンジンで計算するんだ」

「最適化エンジンって？」

「たくさんの条件を同時に比べる計算機だよ。既存の配車システムや、Google CloudのRoute Optimization APIのような仕組みが、車両と訪問先の順番を計算する。生成AIは、その計算に渡す材料を整えたり、結果を人にわかる言葉で説明したりするんだ」

美咲は、四つの箱をもう一度見た。受付でメールや電話を受ける。次に、生成AIで情報を整え、不足や矛盾を確認する。その後で計算機が候補をつくり、最後に人が比べて決める流れだった。

壁には、物流のこれからを示す資料が貼られていた。そこには、2024年からドライバーにも時間外労働の上限への対応が必要になったこと、2030年には輸送力不足が想定されていることが記されている。赤い文字で、「平均7％、最大25％」と書かれていた。

「人が減るのに、守る時間は増える。だから、変更のたびに一から悩んでいたら、配車室もドライバーも苦しくなるんだ」

直人は小さなテスト画面を開いた。美咲が先ほどの変更依頼を入力すると、数秒後に二つの候補が表示された。

「候補Aは、納品時間の約束を優先しています。冷蔵車をそのまま使い、別の荷物を近い車両へ移します。候補Bは、積載効率を優先しています。二つの荷物を同じ車両にまとめますが、到着には少し余裕がありません」

「候補を一つに決めず、理由まで見せるのね」

「うん。Aは時間遵守を優先、Bは積載効率を優先。ほかにも、ドライバーの労働時間に余裕を持たせる案を出せる。けれど、優先顧客への配慮や、ドライバーの体調、事故や災害のときに運ぶか止めるかは、人が判断する」

画面の下には、走行距離、到着予定、積載率、勤務終了予定が並んでいた。美咲は、いつも頭の中で比べていた数字が、同じ場所に並んでいることに気づいた。

「AIに任せるのは決定ではなく、迷わず比べるための地図なんですね」

その言葉を口にすると、胸の奥にあった重い石が、少しだけ動いた。AIが間違えないと信じるのではない。足りない情報を聞き返し、候補の理由を確かめ、最後は自分たちで選ぶ。その役割なら、現場の経験も置き去りにならない。

美咲は紙の伝票を設計図の横に置いた。

「やってみよう。まずは、このエリアの変更依頼だけでいい。人の配車表も残して、同じ一週間を並べて比べたい」

直人はうなずき、四つ目の箱に小さな丸をつけた。画面の地図には、一本だった道のほかに、時間を守る道と荷物をまとめる道が現れていた。美咲は初めて、その複数の道を落ち着いて見比べられる気がした。

青葉運送は、届いた変更依頼を一つの画面に集め、実際の荷物で再配車を試した。美咲はGmailのメール、添付されたPDF、机の端に置かれた紙の伝票を、Google Driveの「変更受付」フォルダへ順に入れた。直人は横でGoogle Sheetsを開き、受付時刻と担当者名を記録した。

「まず、入口を一つにします。電話で聞いた内容も、ここへ書き残せば、あとで誰かが探し回らなくてすみます」

紙の伝票は複合機でスキャンした。AI-OCRが文字を読み取り、生成AIが、配送番号、変更内容、集荷先、希望納品日時、荷量、車両条件、緊急度、現担当車両、現在地、影響を受ける配送先の欄へ整理した。美咲は画面を見ながら、空欄が残っている箇所も同じ表に並ぶことを確かめた。

ところが、表の端に赤い印が三つ現れた。PDFには午後の納品とあり、メールには午前の納品とある。車両条件は空欄で、配送番号は別の荷物の番号と一致していなかった。

「希望納品日時の確認が必要です。冷蔵条件の記載が不足しています。配送番号は別の荷物と一致しません」

画面の文章は、答えを急がなかった。美咲が「午後の指定として進めて」と入力しても、生成AIはそのまま書き換えず、「依頼元への確認が必要です」と返した。空欄の車両条件も、冷蔵車だと勝手に補わなかった。

美咲は依頼元へ電話をかけ、倉庫の担当者にもPDFを見てもらった。正しい配送番号は紙の伝票にあり、納品は午後の受付だった。荷物は冷蔵品で、現在担当している車両ではなく、近くを走る冷蔵車へ移せる可能性があることも分かった。美咲は確認した内容を受付欄に入力し、元のメールとPDFを残したまま、確定情報を新しい版として登録した。

直人は、画面の別の欄を指でなぞった。配送先の実績には、到着時刻、受付時刻、指示時刻、荷役開始時刻が記録されていた。

「到着から荷役開始までを、ひとまとめにしないのが大事です。指示を待った時間は荷待ち時間。荷役を始めてから終えるまでが荷役時間です。ここを分けると、遅れの理由が見えます」

その説明を聞き、美咲は影響を受ける配送先を確認した。現担当車両の現在地から冷蔵車へ荷物を移すと、次の納品先の到着も動く。そこで直人は、確定した依頼、車両の位置、ドライバーの勤務状況、既存の配送順を、検証用の最適化エンジンへ渡した。Google CloudのRoute Optimization APIを紹介する資料を参考に、JSON形式で小さなデータを送る手順にしていた。

「最短距離だけで並べません。時間指定の遵守、車両条件への適合、ドライバーの労働時間、燃費、積載率、荷待ち時間、追加費用、遅延リスクを合わせて見ます」

計算が終わると、三つの候補が表示された。候補Aは近くの冷蔵車へ荷物を移し、午後の納品を守る案だった。候補Bは現担当車両の順番を少し変え、積み替えを避ける案。候補Cは別の配送先へ連絡し、納品時間を調整してドライバーの労働時間に余裕を持たせる案だった。

生成AIは、各候補を文章でも説明した。「候補Aは冷蔵条件と時間指定を優先します。積載率を保ちやすい一方、積み替え場所で荷待ちが生じる可能性があります。候補Bは追加費用が少ない一方、遅延リスクが高まります。候補Cは労働時間に余裕がありますが、配送先への確認が必要です」と画面に出た。変更点、メリット、リスク、優先した制約、担当者が確認する事項が、候補ごとに並んでいた。

美咲が候補Aを開いたとき、指が止まった。冷蔵品を積むはずの便に、常温車が含まれていた。生成AIが、紙の伝票に押された青い「冷蔵」の印を読み損ね、「常温」と抽出していたのだ。

「これは採用できないわ。原本を見直しましょう」

美咲は紙の伝票とスキャン画像を並べ、車両条件を冷蔵へ修正した。直人は修正理由を「OCRの誤読」と記録し、同時に「冷蔵条件に合わない車両を候補に含めた」と制約違反の履歴も残した。修正後に再計算すると、常温車は候補から消え、冷蔵車への移管案だけが残った。

美咲は候補Aをそのまま確定しなかった。現在地、積み替え場所、荷待ちの見込み、次の配送先の時間指定を電話で確認し、最後にドライバーへ変更理由を伝えた。承認欄に名前を入れると、生成AIが作った説明文が配車表と指示メモに変わった。

机の上には、まだ紙の伝票がある。けれど今は、紙だけが判断の根拠ではない。原本を人が確かめ、AIの抽出結果を直し、計算された候補を人が選ぶ。その小さな手順が、青葉運送の再配車の形になり始めていた。

変更依頼を受け付けた画面に、三つの再配車候補が並んだ。前なら美咲は、メールとPDFと紙の伝票を何度も探し直していた。今日は、同じ画面で候補の違いを見比べられた。

「候補が、理由つきで出ているわ」

画面の上には、変更対象の配送先、割り当てる車両、変わる経路が表示されていた。時間指定に合うかどうかも、ほかの配送にどんな影響が出るかも、横に並んでいる。

変更依頼の文章は、生成AIが配送先、希望時間、荷物の条件、緊急度に分けていた。足りない情報や、PDFと紙の伝票の違いも印で示される。そこから数理最適化エンジンが、車両と順番を組み直していた。複数の車両と時間枠を扱う考え方は、Google CloudのRoute Optimization APIにも紹介されている。

候補Aは、時間指定を守ることを一番にしていた。別の車両を回すため、追加費用が発生する可能性がある。ただし、画面には「この候補では車両条件を満たす」と表示され、午前の納品への適合も緑色で示されていた。

候補Bは、荷物を一台にまとめ、積載率と車両の効率を優先していた。走行距離は抑えやすいが、交通状況が変わると遅延のリスクが高い。地図には工事区間が重なり、「この候補では別配送の時間に余裕が少ない」と説明が添えられていた。

候補Cは、いま組まれている配車への影響を小さくしていた。車両の入れ替えは少ないが、受け入れ先で荷待ち時間が長くなる可能性がある。荷役の順番まで確認すると、画面の注意欄にその見込みが残った。

美咲は、推薦順位だけを見て決めなかった。まず、車両の現在地を地図で確かめ、車載端末に届いた積載状況と照らし合わせた。予定より荷台に余裕がない車両も、一台だけ見つかった。

「運転中の佐藤さんに、積み方を聞いてみるね」

美咲が電話をかけると、佐藤は停車してから荷台を確認した。追加の荷物は載せられるが、奥の荷物を先に降ろす必要があることがわかった。美咲はその情報を画面に戻し、候補Bの条件を修正した。

次に、美咲は荷主へ連絡した。到着時間を少し動かせるかを尋ねると、荷受け担当は「早い時間なら受け取れます」と答えた。候補Aの経路をその情報に合わせ、別配送との間にあった余裕も確認した。

修正後の候補Aには、車両の現在地、積載状況、荷主の受け入れ条件が反映された。美咲は説明欄を読み、時間指定、車両条件、ドライバーの休憩、ほかの配送への影響を一つずつ確認した。画面の下には、修正した項目と、その理由も残っていた。

「この案なら、荷主にも佐藤さんにも説明できる」

美咲が承認ボタンを押すと、決まった経路が配車システムに反映された。佐藤の端末には、新しい配送順と注意点が届き、荷主には変更後の到着予定が送られた。配車室に響いていた電話の音は、しばらく静かになった。

以前の美咲は、変更が入るたびに、紙の伝票をめくり、メールを開き、地図を戻していた。そのたびに、なぜその車両に変えたのかを自分の記憶から探していた。今は候補の理由が画面に残り、手作業で情報を探し直す時間が減っている。

効果測定の画面には、候補提示までの時間と手作業での再計算時間を記録する欄がある。走行距離、配送時間、車両台数、積載率、時間指定遵守率、遅延件数、再配達件数も並んでいる。荷待ち・荷役時間、候補採用率、修正率、抽出誤り、制約違反件数も、次の判断のために残される。

画面を閉じる前に、美咲は承認理由を確認した。候補をそのまま受け入れたのではない。現場の声と荷主の事情を加え、自分で直してから選んだのだ。隣の担当者も、候補の説明を読みながら、次の変更依頼に手を伸ばしていた。

午後の青葉運送では、電話やメール、PDF、紙の伝票が、机の上に積まれたままにならなくなった。美咲たちは変更依頼を受けるたびに、一つの受付画面で候補を比べ、確かめてから車両を送り出していた。

電話が鳴ると、受付画面に新しい行が現れた。メールの本文は依頼内容に変わり、PDFの納品書と紙の伝票はAI-OCRで読み取られる。画面には、配送先、希望時間、荷物の大きさ、温度帯、車両条件が並び、不足している項目には小さな印がついた。

「まず、何が変わったのかを見ましょう」

美咲が画面を開くと、次に既存配車への影響が表示された。青い線は予定どおりの配送で、黄色い線は到着が遅れるかもしれない配送だった。その下には、走行距離を抑える案、時間指定を守る案、ドライバーの労働時間に余裕を残す案が、理由とともに並んでいた。

直人は画面の端を指でなぞった。

「生成AIは、依頼の文章を配車に使える項目へ整理します。でも、道順を決める計算や制約の確認は、別の最適化の仕組みが受け持ちます」

美咲は候補Aの理由を読んだ。追加の荷物は現在地に近い車両へ載せられるが、午後の荷待ちが長くなる可能性がある。候補Bなら別の車両へ移せるものの、遠回りになり、帰庫時刻が遅くなる。美咲は荷主へ受け入れ時間を尋ね、ドライバーには道路の混み具合を聞いた。

「この荷主さんは、少し早く着いても受付まで待つそうです。候補Aで、荷待ちの記録を残しましょう」

承認された変更は、ドライバーの端末へすぐに届いた。新しい配送先と時間だけではない。冷蔵車が必要な荷物、建物の裏側にある荷卸し口、二人で運ぶ荷物、狭い道を避ける注意も、ひとつの指示に整理されていた。紙の配車表を使う車両には、美咲が確認した内容を印刷して渡した。

夕方、荷待ちが発生すると、ドライバーは端末で到着を記録した。受付を済ませた時刻、現場から受けた指示、荷役を始めた時刻も、同じ配送の記録につながった。遅延が起きた理由を探すとき、電話の記憶だけに頼らずにすむようになった。

直人は、その日の履歴を静かに保存していた。採用されなかった候補も、美咲が手で直した配送順も、次の候補をよくする材料になる。画面には、誰がどの理由で変更したのかが残り、あとから見ても配車室の判断をたどることができた。

窓の外が薄紫色になるころ、地図の上で車両の印がそれぞれの配送先へ進んでいた。美咲は、AIが出した候補を人が確かめ、人の判断をAIが支えている今の配車室を見渡した。電話の音はまだ聞こえるのに、机の上には、探し続けるための紙の山がなかった。

そのとき、新しい変更依頼が画面に届いた。美咲は慌てずに通知を開き、抽出された配送先と時間を確認した。

「では、候補を比べましょう」

地図の上に、いくつもの細い線が静かに伸びていった。