物流の配送ルートをAIで最適化｜内製と外注を分ける3つの軸

毎朝、配車表に追われるところから1日が始まる——『朝5時に出社して、配車表をExcelで組み直す。1日のうち最初の2時間は、もう配送ルートを引くだけで消えていく』。中小の運送会社や自社配送を持つ卸・ECの配車現場では、この構造の悩みが定番です。担当ドライバーが10人を超えたあたりから、配送先が日々30件、50件と動くたびに、ベテラン配車係のカンと手作業だけでは追いつかなくなっていきます。再配達が積み上がり、ドライバー不足はさらに深刻になり、2024年からの労働時間規制が追い打ちをかけます。

この記事では、物流の配送ルートをAIでどこまで最適化できるのか、その効果はどう表れるのか、そして「自前で入れる」のか「外注する」のかを分ける3つの判断軸を整理します。手順書ではなく、経営判断に使える考え方としてお伝えします。

配送計画が属人化する3つの構造

本記事のテーマに関連するサービスとして、BoostXでは物流業界の支援を提供しています。

配送ルートの最適化が難しいのは、配車係の能力が低いからではありません。むしろ逆で、優秀なベテランほど膨大な条件を頭の中で処理しているため、その判断が外から見えなくなり、結果として属人化が進みます。配車業務では、この「見えない最適化」が定番の悩みになっています。属人化そのものを責めても解決にはつながらず、なぜそうなるのかという仕組みの側を理解することが、AIを入れるかどうかの判断にも直結します。ここでは属人化を生む3つの構造を順に見ていきます。

構造1：配送条件が毎日変わり、組み合わせが爆発する

配送先が20件あれば、回る順番の組み合わせは天文学的な数になります。これに「午前指定の3件」「冷蔵が必要な5件」「2t車しか入れない4件」「ドライバーAは土地勘がある10件」といった制約が重なると、最適な1本のルートを見つけるのは人間の手作業の限界を超えます。配車係は毎朝、この爆発する組み合わせを30分から1時間かけてExcelとカンで近似解に落とし込んでいます。1日の配送先が50件、ドライバーが10人を超えると、もはや「最適」ではなく「とりあえず回せる」配車表になりがちです。

構造2：ベテランの頭の中にしかルールが存在しない

この道は午後2時から渋滞する「この納品先は裏口に回したほうが早い」「この客は時間に厳しいから先に行く」——こうした判断のほとんどは、ベテラン配車係が10年、20年かけて蓄積した暗黙知です。マニュアル化されておらず、Excelの配車表のどこにも書かれていません。その人が休んだ日、新人が組んだルートは2割増しの時間がかかり、再配達が3件、4件と増える。中小物流の配車現場では、この「1人依存」のリスクが珍しくありません。

構造3：再配達とドライバー不足が悪循環を生む

非効率なルートは1日あたりの配送件数を押し下げ、残った荷物が翌日に繰り越され、再配達としてさらにルートを圧迫します。国土交通省は宅配便の再配達率を継続的に公表しており、再配達はドライバーの労働時間とコストを直接押し上げる要因とされています（国土交通省「宅配便再配達削減」関連公表資料・2024年時点）。ここに2024年4月施行のトラックドライバーの時間外労働の上限規制（厚生労働省「自動車運転者の労働時間等の改善のための基準」2024年4月施行）が重なり、「1人のドライバーが1日に働ける時間」そのものに天井ができました。同じ荷物を、より短い時間で、より少ない人数で運ぶ——この要求に、手作業の配車表で応え続けるのは構造的に厳しくなっています。

AIで配送ルートはどこまで最適化できるか

配送ルートのAI最適化と聞くと「ボタン1つで完璧なルートが出てくる」とイメージされがちですが、実態はもう少し現実的です。AIが得意なのは「制約だらけの大量の組み合わせから、良い解を高速に出す」こと。逆に「この客は気難しいから配慮する」といった文脈判断は、まだ人の領域です。どこまでAIに任せ、どこから人が握るのか、3つの観点で見ていきます。

この領域でつまずきやすいのは、ツール選定よりも「業務の中のどこに組み込むか」の設計です。BoostXの生成AI伴走顧問は、業務ヒアリングから設計・定着支援までをサービス対応範囲としてカバーできる領域です。

できること1：制約を満たす配送順を高速で計算する

時間指定、車両の積載量、車格制限、エリア分け、ドライバーの稼働時間といった複数の制約を同時に満たしながら、移動距離や所要時間を短くする配送順を、AIは数十秒から数分で計算します。人間が30分から1時間かけて組んでいた配車表の「たたき台」を、ごく短時間で複数パターン出せるのが大きな違いです。配車係は、ゼロから引くのではなく、AIが出した3案を見比べて手直しする立場に変わります。たとえば1日40件、10台規模の配車でも、車両ごとの積載順や立ち寄り順をまとめて計算できるため、これまで朝の1時間を費やしていた作業が、確認と微調整だけの15分程度に圧縮されるイメージです。重要なのは、ここで生まれた30分や45分の余白を、配車係がより付加価値の高い段取りや顧客対応に回せることです。

できること2：暗黙知をルール化してAIに渡せる

「この道は午後渋滞する」「この客は午前優先」といったベテランの暗黙知は、AIの制約条件やコスト設定として登録すれば、計算に反映できます。これは単なる効率化ではなく、属人化の解消につながる効果が期待できます。1人の頭の中にあったルールを、チーム全員が使える仕組みに移していく——AI導入の本質はここにあります。生成AIを使えば、配車係への聞き取りメモを整理してルールの候補に落とす作業も、以前よりずっと楽になりました。

できること3：日々の結果を蓄積して精度を上げる

実際に走った時間と計画の差、遅延が出た区間、再配達になった配送先——こうした実績データを溜めていくと、ルートの計算精度は少しずつ上がっていきます。最初の1〜2ヶ月は計画と実績がずれても、3ヶ月、半年と運用するうちに、自社の道路事情に合った計算に近づいていく。ここが「導入して終わり」ではなく「運用して育てる」ものだと理解しておく必要があります。効果は一気にではなく、属人化の解消や計画時間の大幅な短縮として、運用設計とセットで表れます。

自前(DIY)でAIルート最適化を入れる限界とリスク

「ルート最適化のツールを契約すれば自社だけでできるのでは」と考える会社は少なくありません。実際、月額数万円のサービスもありますし、生成AIを使えば設定の相談も以前より楽になりました。それでも、自前で進めると4つの壁にぶつかりやすいのが現実です。順に見ていきます。

限界1：データが整っていないと、AIは動かない

配送先の住所表記が揺れている、緯度経度が取れていない、車両の積載条件がExcelの別ファイルに散らばっている——この状態でツールを契約しても、AIは正しく計算できません。多くの会社で、実際の作業時間の大半は「ツールの操作」ではなく「データを整える前段」に消えます。住所の表記ゆれを名寄せし、過去半年から1年分の配送実績を使える形に整え、車両ごとの制約を1つの台帳にまとめる——この下ごしらえだけで数週間から1〜2ヶ月かかることも珍しくありません。ここを見誤ると、月数万円の高機能なツールを契約したのに3ヶ月使われずに解約、という結末になりがちです。AIは魔法ではなく、整ったデータがあって初めて力を発揮する道具だと押さえておく必要があります。

限界2：情報漏洩リスクを自社で管理しきれない

配送先の住所、顧客名、納品時間は、立派な個人情報・取引情報です。これを安易にクラウドツールや生成AIに流すと、情報漏洩のリスクが生じます。私は、中小企業のデータ流出リスクの9割は人的ミスから生まれると考えています。「API版にすれば安心、は思考停止です」——契約形態だけ整えても、誰がどのデータをどこに入れるかという運用ルールがなければ、リスクは残ります。ここは自前で詰め切るのが難しい領域です。

限界3：現場に定着せず、結局Excelに戻る

ツールを入れても、ベテラン配車係が「自分で組んだほうが早い」と言って使わなくなる——これはAI導入の現場で最も多い失敗です。新しいやり方を1人の頑張りで回している間は、その人が休んだら止まります。定着には、業務フローへの組み込み、配車係への説明、最初の1〜2ヶ月の伴走が要りますが、本業の配送を回しながら自社だけでこれをやり切るのは、想像以上に負荷が高い作業です。実際、ツールの機能そのものよりも「毎朝の配車をこの画面で完結させる」という運用ルールを全員に守ってもらうほうが、はるかに難しいことが多いものです。最初の30日をどう設計するかで、その後の半年が決まると言っても言い過ぎではありません。

限界4：トラブル時に止まり、保守の担い手がいない

ツールがエラーを出した、計算結果が明らかにおかしい、車両を1台増やしたら設定が崩れた——こうしたとき、自社に詳しい人が1人もいなければ、配送が止まります。属人化を解消するために入れたはずのAIが、今度は「分かる人が1人だけ」という新しい属人化を生む。保守と改善を誰が担うのかを決めずに導入すると、ここで行き詰まります。

内製と外注を分ける3つの判断軸

では、自前で進めるべきか、外部の伴走を入れるべきか。これは「どちらが優れているか」ではなく「自社の状況にどちらが合うか」で決まります。私がおすすめするのは、次の3つの軸で自社を採点してみることです。手順そのものはケースで変わるので、ここでは判断の物差しをお伝えします。

軸1：社内にデータとITを引っ張れる人が「専任」でいるか

配送データの整備、ツールの設定、現場への定着まで、片手間ではなく一定の時間を割ける人が社内にいるなら、内製の芽があります。逆に、社長や配車係が本業の合間に進める前提なら、ほぼ間違いなく途中で止まります。目安として「週に5〜10時間、3〜6ヶ月、この取り組みに専念できる人がいるか」を1つの線にしてみてください。いない場合は、外部の伴走でその穴を埋めるほうが、結果的に早く安く進みます。

軸2：失敗したときのコストを自社で吸収できるか

DIYで進めて3ヶ月使われずに解約した場合、失うのはツール費用だけではありません。整備にかけた人件費、現場の混乱、「やっぱりAIは使えない」という社内の空気——この目に見えないコストが一番高くつきます。自社で何度か失敗を許容できる規模ならDIYで試す価値はありますが、配送が止まると経営に直結する規模なら、最初から伴走を入れてリスクを下げるほうが合理的です。

軸3：費用相場と、自社の本気度が見合っているか

外部に伴走を頼む場合の費用感も、判断材料として押さえておきましょう。AI顧問サービスの月額相場は、中小企業向けでおおむね10万〜30万円、アドバイス特化型で4万〜10万円、実装まで踏み込む実装支援型で10万〜35万円、最低契約期間は3〜6ヶ月が一般的です（出典：一次情報DB登録の相場値）。BoostXの生成AI伴走顧問はライトで月11万円〜です。この金額を「高い」と感じるか「専任を1人雇うより安い」と感じるかは、削減したい工数と止められない業務の重さ次第です。月10〜20時間レベルの配車・調整作業に追われ続けているなら、相場と本気度は十分見合います。逆に、配送が小規模で配車の負荷もそれほど高くないなら、無理に外注せず、まずは身近な範囲でデータ整備から始めるという判断も十分に合理的です。3つの軸のうち2つ以上が「内製では厳しい」に振れたときが、外部の伴走を検討する1つの目安だと考えてください。

ビフォーアフター：配車の毎日がここまで変わる

Before：現状の苦しい1日

朝5時に出社。まずExcelを開き、前日からの繰り越し4件と当日の新規38件を見ながら、10台のトラックに荷物を割り振っていきます。午前指定が6件、冷蔵が5件、2t車限定が3件——制約をにらみながら配車表を組むのに、毎朝1時間以上。組み終わるころには6時半。それでも完璧ではなく、午後には1件の再配達連絡、夕方にはドライバーから「この順番だと回り切れない」と電話が入ります。配車係が休んだ日は、新人が組んだルートが2割増しの時間になり、その日の配送が1時間遅れる。1日の終わりには、また明日の配車表のことが頭をよぎる。この繰り返しが、属人化したまま何年も続いています。

After：導入後の楽な1日

朝5時、出社して当日の配送データを取り込むと、AIが制約を満たす配車案を3パターン、数分で出します。配車係の仕事は、ゼロから引くことから「3案を見比べて、勘どころで手直しする」ことに変わりました。組み終わるのは5時半、以前より30分以上早い。ベテランの「この道は午後渋滞」といったルールは制約として登録済みなので、新人が当番でも計算結果は大きくぶれません。再配達の連絡は減り、ドライバーからの「回り切れない」という電話も少なくなりました。配車係が1人休んでも配送は止まらない——属人化が解消に向かい、1日の終わりに明日の不安を持ち越さなくなりました。

違いを生んでいるのはツールではなく運用設計

BeforeとAfterを分けたのは、高価なツールそのものではありません。暗黙知をどうルール化するか、データをどう整えるか、現場にどう定着させるか——この運用設計の差です。同じツールを入れても、設計がなければBeforeのまま使われずに終わります。もし今、自社がBefore寄りだと感じるなら、次のセクションで具体的な相談導線を案内します。

よくある質問

公開日：2026年6月