革命は、それが起きている最中には気づかないものだ。古い習慣がすでに消え去った後に、初めてその存在に気づくのである。
10年、15年前の貨物輸送がどのようなものだったか、思い返してみてほしい。配車担当者は紙の地図と電話帳を手に座っていた。顧客から荷物の現在地を尋ねられれば、誰かがドライバーに電話をかけた。もしドライバーが出なければ、返ってくるのは沈黙だけだった。ルートは記憶と直感、そしてたまたまラジオの交通情報で流れた内容に基づいて構築されていた。配送の遅れは緊急事態ではなかった。それは、単なる「火曜日の日常」だった。
その世界はもう存在しない。今や顧客は、荷物の追跡を天気予報アプリと同じ感覚で扱う。画面を更新し、ピンが動くのを期待する。彼らが求めるのは、数時間単位ではなく、数分単位のタイムウィンドウだ。同時に、燃料価格は予測不能に変動し、有資格のドライバーの確保は難しくなっている。市場の要求と、手作業のプロセスが提供できる能力との乖離は、広がり続けている。
人工知能は、未来的な追加機能ではない。それは、数年前に人間の処理能力を超えてしまったシステムに適用される「パッチ」なのだ。そして重要なのは、AIは人間を排除するために存在するのではないということだ。ソフトウェアの方がよりうまく処理できる仕事に、人間が時間を浪費するのを防ぐために存在するのだ。
全員が同じ地図を見られるとき
AIが日々の業務を劇的に変える最初の要素は、「可視性（ビジビリティ）」だ。
従来の運用において、「可視性」とは電話をかけ、祈るようなものだった。輸送マネージャーは、トラック14号車が午前8時頃に倉庫を出発したことくらいは把握しているかもしれない。しかし、その後、ドライバーが目的地でチェックインするまで、貨物はブラックホールに消えたも同然だった。正午に顧客から電話があれば、マネージャーは自信満々に嘘をつくか、あるいはそのストレスをドライバーに転嫁するしかなかった。
現代のプラットフォームは、GPS、テレマティクス、電子ロギングデバイス（ELD）、倉庫スキャナーからデータを収集する。AIはこれらを処理し、一つの整合性のある全体像を作り上げる。マネージャーは、200人に電話をかけることなく、一つの画面を見るだけで200件の出荷状況を確認できる。ソフトウェアは、国境でのトラックの長時間アイドリング、トレーラーの温度変化、突然の道路封鎖によるルート逸脱などの例外を自動的にフラグ立てする。アラートを確認するのは依然として人間の目だが、もはや「干し草の山から針を探す」ような作業をする必要はない。
これが重要なのは、規模の拡大によって旧来のモデルが崩壊したからだ。毎朝50人のドライバーに電話をかけて、精神の平穏を保つことは不可能だ。すべての顧客に「私たちを信頼してください」と丁寧なメールを送ることもできない。可視化ツールがあれば、小規模なチームは大企業のように振る舞うことができ、大規模なチームは業務に溺れるのを防ぐことができる。
到着時間の予測はコストがかかる
トラックがいつ到着するかを予測するのは、単純に聞こえる。だが、実際はそうではない。
人間の担当者は、基本的な地図ツールに住所を入力し、交通渋滞を考慮して直感的なバッファを加えるかもしれない。それは、うまくいっている間はいいが、そうでない時もある。港の遅延、税関検査、メンフィス上空での突然の雷雨、あるいは昼食のために閉まる荷受側のドック。これらすべてがスケジュールを台無しにする可能性がある。企業が3時間の配送枠を提示してそれを守れなかった場合、そのコストは単なる顧客の不満に留まらない。生産ラインの停止、荷受ドックでの労働力の待機、そして契約に定められた違約金が発生するのだ。
AIの予測エンジンは、過去のデータを学習する。木曜日の午後に、その特定の検問所を通過するのに通常どれくらいの時間がかかるかを分析する。繁忙期における特定の配送センターの混雑確率を考慮する。そして、新しい条件がデータに投入されるたびに、継続的に調整を行う。その結果、到着予定時刻（ETA）は、トラックが目的地に近づくにつれて曖昧になるのではなく、より正確になっていく。
受け手側のプランナーにとって、これは一日を変える。念のために6時間の枠を確保しておく代わりに、90分の枠で人員をスケジュールできる。倉庫の運営はより効率的になる。トラックが列に並んで待機する時間は減る。燃料は、実際に準備が整ったドックに向かって車輪が回転している時にのみ消費される。
すべての走行から学ぶルート
ルートの最適化も、人間の経験が限界に突き当たる領域の一つだ。
経験豊富な配車担当者は、確実なルートを構築できる。特定の荷受先はいつも荷降ろしに時間がかかることや、地元の学校が放課後になると特定の高速道路が駐車場のように混雑することを知っている、といった20年間の経験をアルゴリズムが完全に再現することはできない。しかし、経験は「組み合わせ爆発」には太刀打ちできない。たとえ中規模のフリートを管理する場合であっても、可能なルートの組み合わせの数は、いかなる人間の脳でもリアルタイムで整理できる範囲を遥かに超えてしまう。
AI駆動のルート最適化は、数百万通りの組み合わせを数秒で評価します。冷蔵貨物、ドライバーの勤務時間制限、顧客の指定時間枠といった厳格な制約条件を考慮します。また、平坦な地形や一定の速度を優先したり、帰り荷を統合したり、都市部でトラックがジグザグ走行しないように停車順序を調整したりすることで、燃料消費を抑えます。
燃料の節約効果は蓄積されていきます。ドライバーの定着率も同様です。コンピューターがより賢い配送順序を提示したからといって、辞める人はいません。人々が辞めるのは、理由もなく自宅から遠ざかるような、非合理的な長距離走行を強いられた時です。優れたルートは、燃料タンクと運転席にいる人間の両方を尊重します。
衝撃を吸収する
サプライチェーンは常に脆弱なものでした。ハリケーンが港を閉鎖し、地政学的な事象が国境検問所を停滞させ、サプライヤーが製造期限に間に合わなければ、突然、出荷する貨物がなくなります。今との違いは「スピード」です。かつて混乱がネットワーク全体に波及するには数日かかりましたが、今ではツイートが拡散するような速さで広がります。
混乱を管理するAIツールは、悪天候を防ぐわけではありません。それらが短縮するのは「対応時間」です。嵐で州間高速道路が閉鎖されたとき、システムはドライバーがコーヒーを飲み終える前に、影響を受けるルートの再計画を行うことができます。ある地域で需要が急増し、別の地域で急落した場合、アルゴリズムはその不均衡を検知し、空の資産の再配置を提案します。運送業者が貨物の集荷に失敗した場合、プラットフォームは手動の入札争いを始めることなく、事前に審査済みのバックアップネットワークから代替手段を確保できます。
鍵となるのは、これらのシステムが学習することです。一度限りの回避策が、次の危機の際のデータとなります。どの代替案が実際に機能したかを学習しているため、モデルはより適切な代替案を提案できるようになります。
人間の座る席は、依然としてドライバーの席である
輸送におけるAIの導入は、ロボットトラックの登場と配車担当者の失業を意味するという根強い懸念があります。