AIサービスを手掛ける株式会社JDSCは2026年11月5日、複数のAIエージェントが連携して物流作業計画の立案や意思決定を自動化する新サービス「Logi-one Engine」の提供を開始しました。本サービスはWMS(倉庫管理システム)とTMS(輸配送管理システム)からデータを統合し、トラックの運行遅延や急な需要変動が発生した際にも荷役から輸配送までの全体計画をリアルタイムで再編成します。
「Logi-one Engine」が解決する計画立案の属人化とシステム分断
物流拠点の現場では、日々の入出荷や保管、配車に至る作業計画の策定を、拠点長や熟練担当者の経験則に頼る運用が続いてきました。突発的なトラックの遅着や早着、天候急変による出荷量の増減が発生するたび、担当者が手作業で計画を組み直す業務負担が生じています。
また、システム面においては庫内作業を管理するWMSと車両運行を管理するTMSが分断されており、倉庫と輸配送の双方を横断した調整は現場の電話連絡や担当者の判断に委ねられていました。
国土交通省・経済産業省などのデータによると、営業用トラックの積載率は約38%にとどまり、ドライバーの1運行あたりの平均拘束時間のうち荷待ち・荷役作業等が約3時間を占めています。さらに、特定事業者に対する物流効率化の義務的措置が2026年4月から施行されるなど、荷待ち時間の短縮や積載率向上に向けた計画運用の見直しが法制度面からも求められています。
こうした状況に対し、JDSCの「Logi-one Engine」は、個別システムのデータを吸い上げて領域横断の意思決定を下す基盤として開発されました。
階層型AIエージェントのシステム構成と機能
本サービスは、個別の実務を担うAIエージェント群と、それらを統括する上位の「物流業務オーケストレーター」をAPIで連携させる階層構造を採用しています。売上、作業品質、運用コストのバランスを考慮しながら、自律的な計画立案と修正を実行します。
| 構成要素 | 担当機能 | 連携システム・入出力 |
|---|---|---|
| 物流業務オーケストレーター(上層) | 全体統括、売上・品質・コストの最適バランス算出、計画再編の最終決定 | 各業務エージェントとのAPI連携 |
| 業務別AIエージェント(下層) | 荷役・保管・輸配送の各タスク計画立案、制約条件の計算 | WMS、TMSのトランザクションデータ |
| 現場インターフェース | 作業員への指示伝達、作業進捗の収集、日報作成 | スマートフォン、音声端末、スマートグラス |
荷役、保管、輸配送の各計画は、遅延などの事象を検知した瞬間に即座に再計算されます。算出された指示は、現場作業員が携帯するスマートフォンアプリの通知、骨伝導などの音声案内、スマートグラスへ直接配信されます。荷物の運搬や検品で両手が塞がっている状態でも作業を止めることなく指示を確認でき、作業実績の報告も音声入力によって日報へ自動記録されます。
また、JDSCは今後の展開として、請求書入力や取引記録との突合作業といった付随業務の自動化を予定しています。さらに、株式会社ダイフクとのシミュレーション検証では、学習していない商品と仕分け先の組み合わせにおいて100回中97回の適切な仕分けを成功させており、マテハン機器やロボットと連携するフィジカルAIへの拡張も計画されています。
参考記事: TMS(輸配送管理システム)とは?WMSとの違いから導入効果・失敗しない選び方まで解説
参考記事: 既存WMSの限界を突破!エージェンティックAIが導く倉庫最適化3つの戦略
物流サプライチェーン各層における実務上の変化
「Logi-one Engine」の提供開始は、倉庫作業の管理者、運送事業者、そして物流DXを推進するシステムベンダーの実務環境に具体的な変化をもたらします。
倉庫事業者・3PLへの影響
倉庫管理者や3PL事業者の拠点運営において、配車状況に合わせた荷揃え計画の作成が標準化されます。これまではトラックの遅着が生じた際、どのバースの作業を優先し、どのピッキングラインに人員を再配置するかを担当者が計算していました。AIエージェントが計画の練り直しを担うことで、作業進捗に応じた人員の動的再配置が自動化され、属人的な差配による作業の停滞を防ぎます。また、音声入力による日報自動化により、作業終了後の事務処理時間も短縮されます。
運送事業者への影響
運送事業者にとっては、倉庫側の荷役進捗と車両運行状況がリアルタイムに噛み合うことで、バース待機時間の削減に直結します。道路渋滞などで車両の到着予定時刻がずれた場合でも、TMSから運行遅延データを取得したAIエージェントが倉庫側の積載準備時間を自動で調整します。車両が到着した時点で積み込み対象の荷揃えが完了している状態を作り出せるため、ドライバーの拘束時間を抑制し、運行回転率の向上が見込めます。
SaaS・テクノロジーベンダーへの影響
物流向けSaaSやソフトウェアを提供するテクノロジーベンダーにとっては、APIを介して意思決定レイヤーを外部接続するアーキテクチャが現実的な選択肢となります。自社のWMSやTMSを大規模に改修することなく、上位のオーケストレーターとデータ連携させることで、高度な計画最適化機能を付加できるようになります。個別最適化を競う単体機能の開発から、他社システムやAIエージェントと協調動作するエコシステム設計への転換が進みます。
参考記事: AIで「机上の空論」をなくす。欧米で進む物流の「計画と現場」統合とは?
参考記事: 物流AIは「見る」から「指揮する」へ。2026年、自律エージェントの衝撃
LogiShiftの視点(独自考察)
「Logi-one Engine」の登場が示しているのは、個別システムのデータを人間が画面上で照合・判断していた運用から、AIエージェント群が領域横断で全体最適をリアルタイムに自律判断し、現場へ直結指示を出すオペレーション構造への移行です。
これまでWMSやTMSの導入を進めてきた企業において、ダッシュボード上に異常値が表示されても、結局は担当者が電話で運送会社や現場リーダーと調整する事後対応が発生していました。可視化された情報を人間が処理するスピードが、物流現場のボトルネックになっていたと言えます。
企業が今後取り組むべき実務対応は、自社が保持する現場ルールの明文化とAPIデータ基盤の整備です。「トラックが30分遅れた場合にどの荷主の荷役を優先するか」「追加コスト何%以内の変更であれば運行便を振り替えるか」といった現場特有の判断基準を数値化・コード化しておかなければ、自律型エージェントに意思決定を委ねることはできません。既存システムの全面刷新を待つのではなく、入出荷データや動態データを外部AIへ受け渡すためのデータクレンジングが優先事項となります。
JDSCが2026年11月5日に開始した「Logi-one Engine」は、WMSとTMSのデータをAPI経由で束ね、リアルタイムな再編成指示を現場端末へ直接下す運用を具現化しました。管理者が画面を見て電話連絡を繰り返す調整業務から解放され、現場作業員がハンズフリーで再編成後の指示を受け取る環境へと、日々の工程管理実務が切り替わっていきます。
出典: デジタルクロス
出典: prtimes.jp
出典: prtimes.jp
出典: logistics.or.jp
出典: meti.go.jp



