「AIで業務を変えたい。でも、自社のどの業務をAI化すべきか、正直よく分からない」 「ツール紹介の記事は読んだが、結局どのツールを入れればいいのか判断できない」 運送会社の経営層から聞かれる声です。 2024年問題、ドライバー不足、燃料高騰、EC拡大による小口多頻度化——運送業界の経営環境は、急速に変化しています。国土交通省・全日本トラック協会が公表しているDX実態調査でも、DX推進の必要性は認識されているものの、取り組みをどこから始めるべきかという論点が残る業界です。 ただし、AI化は「ツール導入」から始めると、想定通りの効果が得られないケースが多く見られます。正解の順序は逆で、まず自社の業務を棚卸しし、「人がやらなくていい仕事」を特定してから、そこにAIやツールを当てる が定石です。 この記事では、運送会社の経営層に向けて、業務棚卸しの具体的な進め方、「人がやるべき業務」と「生成AIで対応できる業務」の見極め、そして最初に着手すべき業務TOP3 までを、UniteXが提供するAI Flowサービスの考え方に沿って解説します。 なぜ運送会社でAI化が必要とされているのか 運送業界における3つの構造変化 ① 2024年問題で輸送力が14%不足 2024年4月から、トラックドライバーの時間外労働上限が年960時間に規制されました。国交省の推計では、対策を打たない場合、2030年には輸送力が約34%不足する と見込まれています。 ② ドライバーの平均年齢49.9歳、若年層の入職が激減 全産業平均が43.7歳に対し、運送業界は約50歳。29歳以下のドライバーは全体の10%未満。採用定着の難しさ、ベテラン退職時の業務継続性が、中小事業者にとって特に大きな課題となっています。 ③ EC拡大で小口多頻度化、1件あたり収益は下落 宅配個数は10年で約1.6倍。一方で1件あたりの運賃は伸び悩み、配送効率が収益性に直結する構造が強まっています。 AI化の出発点は「業務棚卸し」 「ツール選定から入る」ことで失敗するパターン AI化の検討を始めたとき、最初に出てくるのは「配車AIを入れよう」「伝票OCRを検討しよう」といったツール先行の発想です。 ツールから入ると、自社の業務と合わず使われないケース が多く見られます。 正しい順序: 棚卸し → 特定 → AI化 UniteXが提供する AI Flow は、次の3段階で構成されます。 1 業務棚卸し 自社の業務を全て洗い出し、目的・成果物・時間を可視化する 2 AI化ポイントの特定 「人がやらなくていい仕事」(=ルール化できる作業)を抽出する 3 AI化の実行 既存ツールで足りるならそれを使う/空白領域はAIで実装する 「ツール導入」を起点にするのではなく、「業務プロセスを整理し、人が担う必要のない業務をAIに任せる領域を特定する」という順序を推奨しています。 業務棚卸しの実践手順(運送業向け5ステップ) 業務棚卸しは以下の5ステップで進めます。 Step 1: 部門×業務で全ての業務を書き出す 運送会社の場合、以下7部門で業務を洗い出します。 部門 代表的な業務 営業・配車 受注、配車計画、荷主対応、見積 運行管理 点呼、動態管理、運行指示、遅延対応 ドライバー 運転、荷積み/荷降ろし、日報記入、伝票受領 事務 請求書発行、経費精算、給与計算、労務管理 倉庫(併営時) 入出荷、在庫、ピッキング、検品 人事・採用 採用媒体運用、面接、教育、免許・資格管理 経営 収支分析、荷主別採算、燃料コスト管理、経営会議 まずは 主要業務を部門ごとに書き出す ことから始めます。最初は網羅性より、全体像を俯瞰できる粒度で構いません。 Step 2: 各業務の目的と成果物を言語化する 書き出した業務それぞれについて、「なぜそれをやっているか(目的)」と「最終的に何が出るのか(成果物)」を書き加えます。 例: 配車計画の作成 - 目的: 翌日の車両・ドライバー・荷物の組み合わせを決める - 成果物: 配車表(Excelまたはホワイトボード) 「この業務の目的は何か」を言語化する過程で、そもそも廃止できる業務が特定されることがあります。棚卸しの段階で整理しておく価値があります。 Step 3: 「判断」と「作業」を分ける 各業務を「判断が中心の業務」と「作業が中心の業務」に分けます。 判断業務:経験・暗黙知・例外対応が必要。人がやるべき 作業業務:決まった手順で進む。AIやツールで代替できる 例 - 配車計画の作成 → 「判断」と「作業」が混ざっている業務 - 判断部分:ドライバー間のバランス、荷主との関係、急なトラブル対応 - 作業部分:荷物リストを時間・距離で並べる、最短ルート計算 ここで重要なのは、1つの業務の中でも「判断」と「作業」は混在している という点です。ベテランが担っている業務であっても、純粋な「判断」のほかに、ルール化できる「作業」が少なからず混ざっています。 Step 4: 作業部分から「ルール化できるもの」を抽出 作業業務の中から、次の条件に当てはまるものを抽出します。 ✅ 毎回ほぼ同じ手順で進む ✅ 判断基準がルール化できる ✅ 入力データと出力が明確 ✅ 例外パターンが限定的 運送業で典型的なのは以下です。 伝票の入力(フォーマットが決まっている) 請求書の発行(運賃計算ルールが決まっている) 配達完了の荷主への連絡(定型文) 配車表の叩き台づくり(時間・距離順に並べる) ドライバーの勤怠計算(デジタコデータから) Step 5: 抽出した業務に「AI or 既存ツール」を当てる 抽出した業務を、次の3択で分類します。 既存ツールで足りる → 選定して導入 既存ツールはあるが、自社業務と合わない → AI補助で橋渡し 既存ツールが空白 → AIで新規実装 分類の詳細は第5章で解説します。 運送業の5領域における業務棚卸しのポイント 運送業で 生成AIを活かせる業務 を5領域に整理しました。どの領域にも、「人がやるべき判断」と「生成AIが担える文書・分析業務」が混在しています。この混在を 業務棚卸しで仕分ける のがAI化の起点です。 🚚 領域①: 配車・運行管理の文書業務 業務 判断区分 配車計画の「判断」(誰にどの荷物を、トラブル対応も) 人がやる 配車履歴・日報の要約・傾向抽出 生成AIで対応可 遅延時の荷主連絡メールの文案作成 生成AIで対応可 ドライバーシフト・休暇調整の草案 生成AIで対応可 運行管理者の指示文・通達の整形 生成AIで対応可 事故・ヒヤリハット報告書のドラフト 生成AIで対応可 現場の実態: LOGISTICS TODAYの2024年調査(n=904)では 64.9%が配車業務の属人化に課題 と回答しています。配車の判断そのものはベテランが担う領域ですが、その前後で発生する日報・連絡メール・報告書などの文書作業は、生成AIで効率化できる領域です。判断業務と文書業務を棚卸しで分離することで、ベテランの時間配分を見直せます。 📞 領域②: 受注・荷主対応 業務 判断区分 受注可否の「判断」(受ける/断る) 人がやる クレーム・特殊事案の一次対応 人がやる 新規荷主への提案書・見積書の下書き 生成AIで対応可 クレーム一次回答メールの下書き 生成AIで対応可 荷主別マニュアル・ルールの整備 生成AIで対応可 運賃交渉の論点整理・根拠資料ドラフト 生成AIで対応可 社内周知文・荷主向け案内文の整形 生成AIで対応可 現場の実態: 国交省調査では「紙・FAX・電話依存」がDX阻害要因の第3位(28.8%)。荷主対応の文書作業は、営業・管理職に集中する傾向があります。判断(受注可否・交渉方針)は人が担い、その周辺の文書・メール・資料作成を生成AIに任せる形が、改善の候補となります。 📄 領域③: 事務・バックオフィス 業務 判断区分 2024年問題対応の最終判断(違反リスクの確認) 人がやる 月次締め通知・請求前文・注記などの定型文書作成 生成AIで対応可 経費精算の申請書下書き・仕訳メモの文章化 生成AIで対応可 社内通達・社内規程・就業規則改定案のドラフト 生成AIで対応可 Excelデータの整形・クレンジング補助 生成AIで対応可 ナレッジ・社内FAQの整備 生成AIで対応可 労基法・改善基準告示のFAQ作成 生成AIで対応可 現場の実態: 請求書発行そのものは運送業特化TMSで処理されるケースが多いものの、TMSの外側で発生する定型文書・メール・社内案内・規程整備は、依然として事務担当者の業務時間の一定割合を占めます。ここは生成AIで「下書き → 人がチェック」のフローに置き換えやすい領域です。 👥 領域④: 人事・採用・育成 業務 判断区分 面接・合否判定 人がやる 求人票・採用PR・社内広報文の作成 生成AIで対応可 書類選考の一次要約・スコアリング 生成AIで対応可 面接質問リストの作成 生成AIで対応可 法定12項目の教育資料・クイズのドラフト 生成AIで対応可 新人OJTチェックリスト・マニュアル整備 生成AIで対応可 評価面談のアジェンダ・評価文言の整形 生成AIで対応可 現場の実態: ドライバー不足のなか、採用・育成関連の業務量は増加傾向にあります。求人票改定・教育資料の更新・OJTマニュアル作成などは後回しになりがちな領域ですが、生成AIで下書きを作る運用に切り替えることで、更新負荷を軽減する余地があります。 📊 領域⑤: 経営・データ分析 業務 判断区分 経営判断(投資・撤退・荷主契約) 人がやる 荷主別・車両別の収支データから示唆抽出 生成AIで対応可 月次経営レポート・役員会資料の文章化 生成AIで対応可 運賃交渉の根拠資料作成 生成AIで対応可 燃料コスト・稼働率の分析コメント生成 生成AIで対応可 経営の壁打ち・意思決定の整理 生成AIで対応可 補助金・融資申請書のドラフト 生成AIで対応可 現場の実態: 経営分析は 80〜90%超がExcel中心 。「数字は出るが、そこから何を言うかに時間がかかる」という課題がよく聞かれます。生成AIは 数字から示唆を引き出し、文章に落とす のが得意な領域で、経営会議資料・役員会資料のドラフトを効率化できます。 業務棚卸しで仕分ける3つの分類 業務棚卸しで出てきた各業務は、次の3つに分類して整理します。この分類がAI Flowの出発点になります。 🧍 分類①: 人がやるべき業務 条件: 判断が中心・信頼関係が重要・例外対応が多い 配車の最終判断(ドライバーの体調、荷主との関係、トラブル対応) 荷主との契約交渉・重大クレームの一次対応 面接・合否判定・評価面談の最終判断 重大な経営判断(投資・撤退・大口契約) ドライバーの現場でのとっさの判断 分類の目安: 「暗黙知」「例外」「信頼関係」「最終責任」のどれかに該当する業務は、人が担うべき領域です。 🤖 分類②: 生成AIで対応可能な業務(AI Flowの中心領域) 条件: ルール化できる・定型フォーマットがある・文書作業が中心 荷主向けメール・提案書・見積書の下書き 日報・点呼記録・会議議事録の要約 運賃交渉の根拠資料、経営レポートのドラフト 求人票・教育資料・OJTマニュアルの作成 社内通達・就業規則・FAQ等の文書作業 Excel データの整形・異常値抽出 分類の目安: 「毎回似た内容を書いている」「フォーマットが決まっている」「数字を文章化している」業務は、生成AIで効率化できる余地が大きい領域です。 🏭 分類③: 専用SaaS・ハード機器が必要な業務(本記事の対象外) 条件: カメラ・センサー等のハード、または業界特化SaaSでないと実装不可 配車最適化・ルート最適化(配車最適化SaaS) 運行記録・拘束時間管理(通信型デジタコ) ドラレコ映像解析・安全運転スコア(AI通信型ドラレコ) IT点呼・アルコールチェック(点呼システ