🚚物流

在庫管理AIカメラで欠品ゼロ、倉庫在庫は15%減らせるのか

匠ヘリックス｜匠座編集長プロフィール2026-10-30

※本記事はアフィリエイト広告（PR）を含みます。

午前2時。倉庫の端末には棚卸しシートが開いたまま、監視カメラの映像だけが黙って流れています。

数字が合わない。昼間数えたはずの在庫が、システム上の数字とズレている。もう3回目です。

先に言っておきます。それ、あなたの数え間違いじゃないです。

人間の目は、同じ棚を何百回見ても「変化」を記憶できるようにはできていません。見落としは能力の問題じゃなくて、構造の問題なんですよね。

「AIカメラを入れれば在庫管理が楽になる」という話、よく見かけます。でも半分正解で半分嘘だと僕は思ってます。カメラは「見る」だけで、在庫の数字を合わせるのは別の仕組みが必要だからです。この記事では、どこまでがカメラの仕事で、どこからが人の判断の仕事か。そこを現場目線で切り分けます。

棚卸しのズレ、それ「見落とし」じゃなくて「見えてない」だけ

倉庫のラックは一度に全部を見渡せません。ピッキングで棚の奥が動いても、表からは気づけない。これは人員のスキルや経験の問題じゃなく、物理的に視界が足りていないだけです。

小売業の現場でも似た構造の問題が起きています。セブン-イレブン・ジャパンは2020年1月から一部店舗でAI発注の取り組みを始め、2023年3月からは全国約21,000店舗への展開を進めています。ファミリーマートも全国約5,000店の加盟店にAIを活用した発注支援の導入を計画しています(参考)。発注の話に見えますが、根っこは同じです。「人の目だけでは在庫の実態を追い切れない」という問題を、どの会社も同時に解こうとしているんです。

倉庫でも発注でも、課題の形は同じ。「見えていない在庫」をどう見える化するか、です。

手でカウントする限り、在庫は必ず嘘をつく

ここでちょっと厳しいこと言います。手作業のカウントは、カウントした瞬間からもう古いんです。

棚卸しは「ある時点のスナップショット」でしかありません。その後に出荷があれば、数字はすぐズレます。倉庫の人手不足もこの問題を加速させています。小売業の有効求人倍率は2.58倍で、全職種平均の1.45倍を大きく上回っています(参考)。これは小売業の数字ですが、物流の現場も同じ人材市場で人を取り合っている感覚、ある人は多いんじゃないでしょうか。

パーソル総合研究所「労働市場の未来推計2030」によると、卸売・小売業界では2030年までに約60万人の人材不足が見込まれています(参考)。倉庫作業員もこの波を直接受けます。「人をもっと配置してチェックの頻度を上げる」という解決策は、もう選べない会社が増えていくと思います。

だから、カメラで「常時見ている状態」を作る発想に切り替える必要があるんです。数える頻度を上げるんじゃなく、数える作業自体を機械に渡す、という話です。

「物流のAI導入チェックリスト＆プロンプト集」を無料配布中。

メール登録で、その場でご覧いただけます。週刊「業界AI深掘りレポート」(準備中)の先行案内もお送りします。

AIカメラが倉庫で見ているもの、三つだけ覚えてください

ラベルや説明は複雑に見えますが、現場で使う機能は実はシンプルです。

欠品・在庫減少の検知：棚やロケーションの映像から「空いている」状態を自動で認識
滞留・偏在の検知：長期間動いていない在庫、特定ラックへの偏りを可視化
発注・補充トリガーへの連携：検知結果をWMS(倉庫管理システム)や発注システムに渡す

トライアルカンパニーは自社開発のAIカメラを店内に設置し、棚の欠品検知や自動値下げまでAIに任せるスマートストアの運用を広げています(参考)。倉庫のラック監視で考えると、「自動値下げ」の部分は要らないですが、「欠品を人が見つける前にシステムが見つける」という発想はそのまま使えます。

先日、MARUWA SHOMEIの事例を読んでいて唸ったんですよ。約200品目に在庫最適化AIエージェントを適用し、半年で約300万円・15%の在庫削減を実現しています。661台のIoTセンサーとAIエージェントを組み合わせて、欠品ゼロと在庫15%削減を同時に達成したと報告されています(参考)。カメラ単体じゃなく、センサー+AIエージェントという組み合わせで「見る」と「判断する」を分けているのが肝だと思いました。

Before/Afterで見る、同じ現場の一日

導入前のAさん(倉庫管理担当)

08:00 朝一番で前日の棚卸しシートと在庫システムの数字を照合
10:30 ズレを見つけて現物確認のためラックまで歩く。往復15分
15:00 欠品に気づくのが遅れて、出荷直前に在庫不足が発覚。緊急手配の電話

導入後のBさん(同じ役割、AIカメラ+IoTセンサー導入後)

08:00 朝、検知アラートを確認。異常があったロケーションだけチェック
10:30 欠品候補が前日のうちに通知されているので、現物確認は数か所のみ
15:00 緊急手配の電話はほぼ発生しない

架空の数字は入れていません。この「ズレに気づくタイミングが前倒しになる」という構造自体が、MARUWA SHOMEIの欠品ゼロという結果の根っこにあると僕は見ています。

コピペで使えるプロンプト①:検知ログから優先対応リストを作る

あなたは倉庫管理のアシスタントです。
以下のAIカメラ・センサーの検知ログ(ロケーションID/欠品フラグ/
滞留日数/補充予定日)を読み込み、優先的に対応すべきロケーションを
上位5件、理由つきで出してください。

[ここに検知ログのCSVまたはテキストを貼る]

出力形式:
- ロケーションID
- 優先度(高/中/低)
- 理由(1行)

使いどころ：朝一番の確認作業を、検知ログの要約から始めたいとき。

出力を検証する観点：優先度「高」と判定された理由が、滞留日数か欠品かどちらの根拠に基づくか明記されているか確認してください。

その見積もり、「カメラ代」だけで終わらない

ここ、見積もりを取ると必ず驚かれるところです。カメラ本体の費用は見積もりの一部でしかありません。

導入パターン	代表例	強み	向いている倉庫
自社開発型AIカメラ	トライアルカンパニー(参考)	欠品検知〜自動化まで一気通貫	開発体制を自社で持てる大規模倉庫
IoTセンサー×AIエージェント型	MARUWA SHOMEI(参考)	既存ラックへの後付けがしやすい	中小規模の倉庫、まずPoCから始めたい会社
AI発注連携型	セブン-イレブン、ファミリーマート(参考)	検知結果を発注まで自動でつなげる	多拠点・多店舗の運営組織

キッコーマン食品は需給調整AI「Naries」を導入し、属人化を解消しています(参考)。これも「カメラ」単体の話じゃなく、見た結果をどう判断に落とすかという、連携部分への投資の話です。見積もりを比較するときは、カメラの台数だけじゃなく「検知結果をどこに渡すか」の統合費用まで含めて聞いてみてください。

深夜に検索しがちな質問に、先に答えておきます

Q. 小規模倉庫でも導入できますか？

A. MARUWA SHOMEIの事例は約200品目という規模感で、必ずしも大企業専用ではありません。ただPoC(小規模な試験導入)から始めるのが現実的だと思います。

Q. 既存のWMSと連携できますか？

A. できるかどうかは個別確認が必要です。「検知結果をAPIで渡せるか」を導入前に必ず確認してください。ここを確認せずに導入すると、カメラは見ているだけで誰も活用しない、という状態になりがちです。

Q. 導入にどれくらいの期間がかかりますか？

A. 一次情報シートの範囲では明確な導入期間の数字はありません。MARUWA SHOMEIの効果測定は「半年」という期間軸で報告されているので、効果が見え始めるまでは半年単位で見ておくのが妥当だと思います。

Q. 社内に詳しい人がいなくても始められますか？

A. 検知ロジックの設計はベンダー側に任せられるケースが多いです。ただ「検知結果をどう現場の動きに落とすか」は、現場を知っている人の判断が必須です。ここを丸投げすると定着しません。

正直に言うと、AIカメラが向かない倉庫もある

万能だとは思っていません。

照明が暗い、棚の奥行きが深すぎて死角が多い。こういう物理的な条件が悪いと、検知精度は落ちます。カメラだけ入れて検知ロジックへの投資をケチると、「見てはいるけど何も判断していない」状態になりがちです。これはトライアルカンパニーやMARUWA SHOMEIのような、検知結果を自動化まで繋げている事例との一番の差だと思います。

実は匠座の記事運営でも似た失敗をしたことがあります。毎朝記事を自動生成するパイプラインで、品質ゲートのチェック項目を増やしすぎた結果、「チェックはしているけど誰もアラートを見ていない」状態が一時期できてしまいました。見る仕組みと、見た結果を使う仕組みは別物だと痛感した出来事です。倉庫のAIカメラも、構造はまったく同じだと思います。

品目数が少ない、在庫の動きが少ない倉庫では、投資対効果が出にくい可能性もあります。これは僕の推測ですが、動きの少ない在庫にセンサーをつけても検知する「変化」自体が少ないので、投資回収の実感は薄くなりやすいはずです。

ステップ	一言で言うと	時間の目安
① 自社の死角を洗い出す	どのラックで見落としが起きているかメモする	15分
② 既存事例を自社規模に当てはめる	MARUWA SHOMEIやトライアルカンパニーの事例を読む	15分
③ 連携可否を1行で確認する	WMSにAPI連携できるかベンダーに聞く質問文を作る	10分

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

30分あれば、以下の3つだけやってみてください。

死角メモ(15分)：今日見落としが起きたラックや棚を1つ、思い出して書き出す。これが導入検討の優先順位になります。
事例を当てはめる(15分)：MARUWA SHOMEIの「約200品目・半年・15%削減」(参考)が自社の規模に近いか、数字だけメモしておく。
連携確認の質問文を作る(10分)：下のプロンプトを使って、ベンダーに送る質問文の下書きを作ってください。

あなたは倉庫管理者です。
以下の条件でAIカメラ導入の社内提案書のドラフトを作ってください。

- 対象倉庫: [倉庫名/規模]
- 現在の課題: [棚卸しズレ/欠品/人員不足など]
- 参考ベンチマーク: 同業の在庫最適化AI導入事例では
  半年で在庫15%削減の実績がある
  (参考: https://www.ai-souken.com/article/inventory-management-ai-tools)
- 目的: [経営層向け/現場向け]

構成: 現状課題→導入案→期待効果→懸念点→次のステップ

使いどころ：社内で導入を検討してもらうための一枚資料を作りたいとき。

出力を検証する観点：期待効果の数字が、実在する一次情報の数字をそのまま流用していないか(自社の規模に合わせて調整されているか)を確認してください。

見落としは、あなたの能力の問題じゃありません。仕組みの問題です。今日の15分で、それを一つだけ言葉にしてみてください。

編集長メモ：ヘリックス（執筆者について）

カメラは「見る係」、判断はまだ人の仕事です。導入前に死角を1つ書き出すところから始めてみてください。

▶ あわせて読みたい：在庫管理AIカメラ、現場で使うなら最初に見るべき3つの数字

▶ あわせて読みたい：在庫管理AI活用の最前線、週20時間の発注はどこまで減るか