物流の2024年問題とは？その後の現状と企業が取るべき対策を ... 物流の実務

23時40分。事務所に残って、明日の配車表を見ています。

A便のドライバーさんは、先週も着荷先で長く待たされていました。今日も同じ納品先です。

このまま組めば、拘束時間がまた膨らみます。かといって、動かせる車もいません。

それ、あなたのせいじゃないんですよね。

「2024年問題は思ったほど混乱しなかった。もう終わった話でしょ」という空気があります。

でも現場にいると、そう思えない夜が続いている。この感覚のほうが、たぶん正確です。

この記事では、2026年10月時点で押さえておくべき制度と数字を、一次情報の範囲で整理します。

そのうえで、荷待ち時間を測り、荷主と話し、AIで下準備をする手順まで、そのまま使える形で渡します。

「何も起きなかった」は、半分だけ本当です

まず、2024年4月に何が始まったのかを確認します。

トラックドライバーに対して、時間外労働の上限960時間規制と、改正改善基準告示(拘束時間などの基準)が適用されました。参考

当時は「荷物が運べなくなる」と言われました。何も対策を講じなければ、2024年度に約14％(4億トン相当)の輸送力不足が生じる可能性があるという試算もありました。参考

では、実際にどうなったか。

物流革新に向けた政策パッケージに基づく官民の取り組みで、物流機能は維持されている、という整理があります。参考

街から荷物が消えた、という事態にはなっていません。ここは「半分本当」の部分です。

先日、ロジソリューの解説記事を読んでいて唸ったんですよ。

同じ記事の中に、「物流機能は維持されている」という文と、「物流事業者の約半数が、運びにくくなった、または運べなくなった区間・地域があると回答している」という文が並んでいたからです。参考

どちらも本当なんですよね。

全体としては回っている。でも、回すために一部の区間や地域が犠牲になっている。

「混乱は起きなかった」というより、「見えにくいところに寄せて吸収した」と読むほうが、現場の肌感に合うと僕は思っています。

数字で見ると、終わっていない理由がはっきりします

通説をもう一段否定しておきます。

「2024年問題は2024年で終わった」は、数字と合いません。

2030年度に向けては、約34％の輸送能力不足が見込まれていて、抜本的な生産性向上が求められています。参考

2024年度に懸念された約14％より、不足の見込みは大きいんです。

つまり2024年問題は、2026年で終わる話ではありません。2030年問題に向かって続いていく構造的なテーマです。参考

この見方は、「物流効率化を前提とした新たな物流体制への移行が始まった」という捉え方とも重なります。参考

ここまでを、現場の判断に使える形で表にします。

一方で、取り組みが進んでいる部分もあります。

ドライバーの荷待ち時間や滞在時間の短縮、積載率の向上などです。参考

この流れに、制度が乗ってきています。次の章がその話です。

次に来るのは「待ち時間」のルールです

ここが、2026年に読む記事で一番外せないところです。

• 2025年4月〜：30分以上の荷待ち・荷役時間の記録義務が拡大(1年保存)参考
• 2026年〜：改正物流効率化法が順次施行し、荷待ち＋荷役の合計2時間以内ルールが基本線に参考

運転時間の規制は、運送会社だけで動かせる範囲に限界があります。

荷待ちや荷役は、荷主側の運用で決まる部分が大きい。だから、政策の矛先が荷主を含む構造改革へ広がっているんですよね。

ここで大事なのは、記録がないと話ができないことです。

「あの納品先はいつも待たされる」は、感覚では通じます。でも相手の前に出ると、数字がないと弱い。

細かい適用条件や対象者は、自社の場合どうなるか、国土交通省などの公式情報で必ず確認してください(要確認)。

ここでは、どの立場でも役立つ「記録を荷主との交渉材料に変える」下準備だけ扱います。

荷待ちログをAIに集計させる(プロンプト1)

手元にあるのは、デジタコの記録、日報、配車システムの出力など、バラバラな形式のはずです。

まず、それを揃えるところにAIを使います。

あなたは物流現場の運行データを整理するアシスタントです。
以下は[期間：例 2026年9月]の[拠点名]の荷待ち・荷役の記録です。
列の意味：[例 日付／納品先／到着時刻／作業開始／作業終了]

【データ】
[ここにCSVや表をそのまま貼る。個人名・車両番号は伏せる]

次の順で集計してください。
1. 「到着〜作業終了」が30分以上だった件数と、全件に占める割合
2. 同じく2時間を超えた件数
3. 納品先別に、30分以上の件数が多い順の上位5件
4. 曜日・時間帯で偏りがあれば、その傾向
5. データの欠損や、読み取れなかった行の一覧

計算の根拠となる行番号も併記し、推測で補った箇所は「推測」と明記してください。

使いどころ：月次で荷待ちが長い納品先を洗い出し、荷主との話し合いの材料にしたいとき。

出力を検証する観点：件数の合計が元データの行数と一致するか。上位5件を、Excelの並べ替えで自分でも確認する。「推測」と書かれた箇所を、そのまま資料に載せていないか。

AIは集計を間違えることがあります。

ですから「根拠の行番号を出させて、サンプルを3件は自分の目で突き合わせる」を毎回のルールにしてください。

Aさんの1日 vs Bさんの1日(想定場面)

ここで、イメージを揃えるための対比を置きます。

実在の事例ではなく、考え方を示すための想定場面です。効果の数値は入れていません。

Aさん(記録も交渉材料もない配車担当)の1日

• 7:30 ドライバーから「また着荷先で待たされてます」と電話が入る
• 10:00 先方に連絡するが「その日はたまたま混んでいた」と言われる。反論する数字がない
• 15:00 帰庫が遅れた便の拘束時間を、手計算で確認している
• 23:40 明日の配車表を、同じ納品先を前提に組み直す

Bさん(月次で荷待ちを集計し、荷主との話し合いに使っている配車担当)の1日

• 7:30 月初に出した集計で、待ちが長い納品先は把握済み。その日の配車は時間帯をずらして組んである
• 10:00 先方との定例で、集計表を見せながら「この曜日のこの時間帯が重なっています」と具体的に話す
• 15:00 帰庫後の拘束時間は、日報データからほぼ自動で出てくる
• 20:00 翌日の配車表はほぼ固まり、残るのはイレギュラー対応だけ

Bさんが特別に賢いわけではありません。

測っているかどうかの差です。そして、測る作業の下ごしらえは、AIに任せられます。

ここで僕自身の話を一つ

匠座では、毎朝の記事生成にAIを使っています。品質ゲートの大事な一つが、「一次情報シートにない数字は書かない」というルールです。

今回の記事も、同じ縛りで書いています。

だからこの記事には、「AI導入で◯％削減」のような派手な数字は出てきません。シートにない数字を書けば、読者の信頼が一番先に崩れるからです。

現場のデータ集計も、同じ考え方でいくのが安全だと思ってます。

AIが出した数字は、元データと突き合わせて初めて使える。この確認を省くと、荷主との交渉の席で一発で崩れます。

荷主との交渉は、「お願い」ではなく「共同の課題」として出します

数字が揃ったら、次は話し合いです。

ここで多い失敗が、「困ってるので何とかしてください」というお願いの形で出すことです。

荷主側にも、事情があります。

出荷準備の遅れ、検品の混み、バース(荷さばき場所)の空き待ちなど、原因は庫内にあることも多い。待たせたくて待たせているわけではない場合が、ほとんどなんです。

だから、非難ではなく共同の課題として出すのが、結果的に一番進みます。

2026年から2時間ルールが基本線になる流れは、荷主にとっても対応が要る話です。そこを共通の入口にできます。参考

荷主向けの改善依頼メモを下書きさせる(プロンプト2)

あなたは物流会社の営業・配車担当を補助するアシスタントです。
荷主の[担当部署名]向けに、荷待ち時間の改善相談メモをA4一枚分で下書きしてください。

【入力する事実(私が確認済みのもののみ使うこと)】
・対象期間：[例 2026年9月]
・30分以上の荷待ちが発生した件数と割合：[集計結果から転記]
・待ちが集中する曜日・時間帯：[集計結果から転記]
・相手先の事情として把握していること：[例 午前に出荷が集中している]
・こちらが出せる協力案：[例 到着時間帯の分散、事前の出荷情報の共有]

【書き方の条件】
・構成は「事実」「影響」「相談したいこと」「こちらの協力案」の順
・相手を責める表現、脅す表現は使わない
・法令や制度に触れる場合は「2026年から順次施行される改正物流効率化法で、荷待ち＋荷役の合計2時間以内が基本線になる流れがある」という趣旨にとどめ、条文の細部や罰則は書かない
・入力に無い数字は絶対に書かない。不明な点は「[要確認]」と残す

使いどころ：定例会や担当者との打ち合わせ前に、論点を一枚にまとめたいとき。

出力を検証する観点：数字がすべて自分の集計と一致するか。制度の記述が、公式情報の範囲を超えていないか。言い回しが、相手の部署に対して失礼になっていないか。

AIに下書きまで任せたら、最後の送付前チェックは人が必ずやってください。

特に「制度の説明」は、AIが断定的に書き足しがちなところです。

よくある質問に先に答えます

Q1. 荷待ちの記録は、手書きの日報でも意味がありますか？

意味はあります。ただ、AIに集計させるなら、一度データ化する作業が必要です。写真に撮って文字起こしさせる手もありますが、読み取りミスが出やすい。最初の1か月だけ、紙とデータを併用して精度を見るのが安全だと思います。

Q2. 個人情報や取引先名をAIに貼っても大丈夫ですか？

一律には言えません。会社のセキュリティ規程と、使うAIサービスの利用条件(入力データの扱い)を先に確認してください(要確認)。迷うなら、個人名・車両番号は伏せ、納品先も記号に置き換えて使うのが無難です。

Q3. 費用はいくらかかりますか？

この記事のやり方は、手元の表計算と汎用の生成AIで試せる範囲です。ただ、具体的な費用はサービスや契約によって変わるので、ここでは金額を書きません(シートに根拠となる数字がないため)。

Q4. ITに詳しい人がいない会社でもできますか？

プロンプトは貼って使える形にしてあります。難しいのは操作ではなく、「記録を毎日つける運用」のほうです。まず1拠点・1か月から始めるのが現実的です。

正直な限界・つまずきどころ

万能の話はしません。うまくいかないケースも、先に書いておきます。

• 記録が取れていない会社には、AIは何も足せません。 集計の前に、データがなければ話が始まりません。まず記録の習慣づくりが先です。
• AIの集計は、そのまま信じてはいけません。 計算ミスも、データの読み違いも起きます。サンプル確認を省くと、荷主の前で恥をかきます。
• 荷主との力関係が強い現場では、数字を出しただけでは動かないことがあります。 その場合は、個社で戦わず、業界団体や上位の荷主、行政の窓口に相談するなど、別の道を考える必要があります(要確認)。
• 荷待ちが減っても、人手不足そのものは解決しません。 2030年度に向けて約34％の不足が見込まれる以上、荷待ち削減は「必要条件」であって、それだけで十分とは言えません。参考
• 向かない会社もあります。 荷待ちの問題がほとんどなく、主な課題が別(例えば庫内の人手や車両台数)にある会社は、先に別の課題を測ったほうが効きます。

つまずきの典型は、「完璧な仕組みを作ろうとして、1か月たっても集計が始まらない」ことです。

最初は粗くていい。月に1回、同じ形式で集計することのほうが、はるかに価値があります。

まとめ表と、今日やること

ここまでの流れを、一枚に整理します。

ここまで読んで「自社だけでやるには手が足りない」と感じた方は、『AI鬼管理｜Claude Code業務自動化トレーニング』（Claude Codeで日々の業務を自動化する実践トレーニング（無料の業務効率化診断あり））のような外部サービスという選択肢もあります。急ぎでなければ、まずは無料のチェックリストで足元を固めるのがおすすめです。

AI鬼管理｜Claude Code業務自動化トレーニング ↗

今日やること

今日30分でできる形に分解します。

ステップ1(10分)：1か月分のデータを探す

デジタコ、日報、配車システムなど、到着時刻と作業終了時刻が分かる記録を、ひとまず1か月分探してください。見つかれば十分です。きれいに整えなくて構いません。

ステップ2(15分)：プロンプト1で集計を試す

個人名や車両番号を伏せたうえで、上のプロンプト1に貼ってください。出てきた結果のうち3行だけ、元データと突き合わせます。合っていれば、使える土台ができたということです。

ステップ3(5分)：「いちばん待つ納品先」を1件メモする

集計の結果から、30分以上の待ちが最も多い納品先を1件だけ選んで、メモに残してください。次の定例の議題は、まずそこから始めればいいと思います。

深夜の事務所で一人で悩む時間は、数字があれば少し短くなります。

2024年問題は、まだ続いています。だからこそ、小さく測り始めた会社から楽になっていく。僕はそう見ています。

編集長メモ：ヘリックス（執筆者について）

この記事の数字は、一次情報シートにあるものだけです。制度の細部は必ず公式情報で確認してください。まずは月1回の荷待ち集計と、3行の突き合わせから始めてみてください。

▶ あわせて読みたい：物流の2024年問題とは？今からできる対策事例とソリューション ... 物流の実

▶ あわせて読みたい：「物流の2024年問題」に"効く"事例集を作成しました｜経済 ... 物流の実務