【AI変革事例＿小売・流通業界】個々のユーザーに最適化された「配車計画最適化システム」の開発

現場ユーザーの修正履歴を学習し、配車計画をパーソナライズするAI最適化システムの開発事例です。
従来はAIが生成した計画に多くの手動修正が必要でしたが、現場の判断基準をAIモデルに反映することで配車精度を改善。
手動修正工数の削減と業務効率化を実現するとともに、OJTを通じてAI開発の内製化基盤も構築しました。

課題

物流業務の根幹を支える配車計画において、大手エンジニアリング企業は「AIによる自動生成」を導入していましたが、実用上の大きな課題に直面していました。
最大のボトルネックは、AIが提示する計画に対して現場ユーザーが多大な「手動修正」を加えなければならない状況でした。
従来のシステムでは複雑な業務制約や現場特有の判断基準を十分に反映できておらず、結果として配車計画の品質が担当者のスキルに依存する属人化が発生していました。
修正作業そのものに時間を取られ、AI導入による業務効率化の恩恵が限定的になっていたのです。

ソリューション

この課題を解決するため、AVILENは単なるシステムの改修に留まらず、最新アルゴリズムの導入と「自走できる組織作り」を並行して進めるOJT(On the Job Trainig)サポートを提供しました。

• 複数の高度なAIアプローチによる精度検証
  • 類似度ベースの手法やLightGBM（※1）による予測に加え、GNN（グラフニューラルネットワーク ※2）とAttentionメカニズム（※3）を組み合わせた最先端のモデルを検証し、配車精度の底上げを図りました。
    
    ※1　Light Gradient Boosting Machine。機械学習における分析アルゴリズムで、与えられたデータから、目的となる変数を表現する「教師あり学習」と呼ばれる分野のデータ分析方法の1つ

    ※2　グラフ構造を持つデータを処理するために特別に設計された深層学習モデルの一種

    ※3　ニューラルネットワークがデータ処理の際に、入力のどこに注目すべきかを動的に特定し、重要な部分を優先的に学習する技術
    
    

• 「ユーザーの修正」を資産に変えるデータ戦略
  • 実際のユーザーによる修正履歴データを学習に活用する手法を提案し、使い続けるほどに現場の判断基準に近づくパーソナライズな仕組みを構築しました。
  • データが不足している初期段階でも、仮想ユーザーデータを生成することで精度を担保するアプローチを採用しました。
    
    
• 確実な実装へ向けたロードマップ設計
  • PoC（概念実証）からMVP（最小実行可能製品）の開発、そして本番リリースに至るまで、段階的な開発プロセスを設計し、着実な実用化を支援しました。
    
    
• OJTによる内製化支援
  • 開発プロセス全体を通して、クライアント企業のメンバーと共同で開発・検証作業を実施。
  • 実践を通じてAIモデルの開発・運用に必要な技術とノウハウを移転し、将来的に外部に頼らず自社でシステムを進化させられる強固な内製化基盤を構築しました。

成果

本プロジェクトを通じて、配車計画の精度向上のみならず、企業の競争力を左右する組織的な成果が得られています。

個々のユーザーに最適化（パーソナライズ）された配車計画が可能になったことで、課題であった手動修正の工数が大幅に削減され、劇的な業務効率の改善を達成しました。
また、現場の意図が反映されるようになったことでユーザー満足度が向上し、配車計画の品質が安定しました。
さらに、一連の開発プロセスを通じたOJTにより、クライアント企業内のAI開発能力が向上し、外部に頼りすぎず自社でサービスを磨き続けられる強固な基盤が構築されました。

まとめ・考察

本事例の最大の特筆点は、配車計画を「画一的な自動計算」から、現場の知見を吸い上げる「進化型のパーソナライズシステム」へと昇華させた点にあります。

これは単なるツール導入ではなく、現場の職人技をデータ化し、AIとの共存を図るプロセスそのものが「AI変革」と言えます。
特にOJT支援を通じて技術的なノウハウが組織内に蓄積されたことは、変化の激しい物流業界において、将来的な業務変更や規模拡大にも自律的に対応できるレジリエンス（適応力）を手に入れたことを意味します。

今後は、この配車計画で培った高度な予測・最適化の知見を、物流網全体の在庫管理や配送ルートの全体最適へと横展開することで、データ駆動型の経営へとさらなる変革を加速させていくことが期待されます。

AVILENが考えるAI変革とは

AVILENでは、AI変革を単発のAI導入や受託開発の積み上げではなく、企業の業務・意思決定・組織を段階的に変えていくプロセスと捉えています。
そのため、AI活用はいきなり大規模に進めるのではなく、段階を踏んで進めることが重要だと考えています。

AI導入は「5つのステップ」で進める

AVILENでは、AI変革を以下の5ステップで整理しています。

1. リテラシーをつける
   データ・AIの基本理解を揃え、技術の可能性と限界を正しく認識する
   
   
2. ビジョンを描く
   AIを使って、どこで競争優位を作るのかを明確にする
   
   
3. Quick Winを実現する
   短期間で成果が見えるテーマに絞り、成功体験をつくる
   
   
4. 体制を構築する
   人材・組織・データ・システムを含めた推進体制を整える
   
   
5. 活用範囲を拡大する
   PDCAを回しながら、AI活用を組織全体へ広げていく

AI変革を支える3つの考え方

この5ステップを進めるうえで、AVILENが大切にしている考え方は次の3点です。

• コア部分から小さく始め、大きく広げる
• 試しながら学ぶ、アジャイルなPDCA
• 外部に頼りきらず、徐々に内製化していく

本事例の位置づけ

本記事で紹介する取り組みは、こうしたAI変革のプロセスの中で設計された一つの実践例です。
AVILENは、「AIを作る会社」ではなく、AIを使って企業の変革を前に進めるパートナーでありたいと考えています。