アマゾンの年末商戦を支えるAI：75万台のロボットと配送最適化

ブラックフライデーやサイバーマンデーの時期、Amazonで注文した荷物が翌日には玄関先に届くのは、もはや当たり前の光景になりました。しかしその裏側では、同社が「社内のスーパーボウル」と呼ぶ巨大な物流オペレーションがAIによって支えられています。

ラストワンマイル配送技術を担当するスコット・ハミルトン副社長は、AIは酸素のような存在であり、誰もその存在を意識しないときこそ完璧に機能している証拠だと語っています。

4億点の商品予測と75万台の自律ロボット

利用者が購入ボタンを押すずっと前から、Amazonのサプライチェーン最適化システム「SCOT」はすでに稼働しています。

SCOTは毎日4億点を超える商品の需要を予測しています。ディープラーニングと膨大なデータを活用し、どの拠点の棚にどの商品を何個配置すべきかを判断します。AmazonがSCOTにディープラーニングを導入した当初、予測精度はわずか2年間で15倍に跳ね上がりました。さらに2020年にはTransformer技術を組み込み、長期的な需要予測の精度を一段と引き上げています。

注文が確定した瞬間、倉庫内では世界75万台におよぶ移動型ロボットのうちの1台に指示が飛びます。ロボットは棚の下に潜り込んで荷物を持ち上げ、梱包担当者の前まで運びます。1台のロボットが効率的な走行ルートを学習すると、そのノウハウは艦隊全体のロボットへ即座に共有されます。サイバーマンデーのようなピーク時に備え、生成AIで作った合成データによるシミュレーション訓練も重ねられています。

吸盤の数を計算するアームと、指示書を読むLLM

梱包を終えた荷物を仕分ける現場では、「Robin」と呼ばれるAIロボットアームが活躍しています。

Robinは画像認識によって、形状も大きさも異なるダンボールや封筒が重なり合う山を認識します。荷物にどの角度で近づくかだけでなく、持ち上げる際にいくつの吸盤を使うかまで自ら計算します。吸盤が多すぎれば別の荷物まで巻き込み、少なすぎれば途中で荷物を落としてしまうからです。

配達の最終中継地となる配送ステーションの負荷も相当なものです。マサチューセッツ州の拠点では、通常日で1日6万5000個、ホリデーシーズンには10万個以上の荷物を扱います。最適な配送ルートを瞬時に弾き出すため、バックエンドでは20以上の機械学習モデルが同時に稼働しています。

さらにラストワンマイルの現場では、大規模言語モデルを活用してドライバーの負担を減らす取り組みも進んでいます。大型マンションの複雑な配達メモをAIが読み解き、建物の入口や進入路といった現実の地理情報と照合してナビゲートする仕組みです。

なぜ重要か

世間の注目がチャットボットや対話型AIに集まるなか、AmazonはAIを現場の物理的な物流インフラへ徹底的に落とし込む実例を示しています。

賢いアプローチだと感じるのは、AIを派手な単体機能として見せるのではなく、酸素のように業務のあらゆる結節点に溶け込ませている点です。需要予測から75万台のロボット制御、機械アームの吸盤制御、さらには配達メモの文脈理解まで、一気通貫でアルゴリズムを噛み合わせています。

競合他社にとって、これは単にトラックや倉庫を増やすだけでは埋められない大きな参入障壁になります。リアルな配送スピードを競うゲームの勝敗は、物理アセットの規模だけでなく、バックエンドでどれだけきめ細かくAIを連携させられるかにシフトしていると言えます。

一方で、物理世界ならではの不確実性という課題は残ります。アルゴリズムがどれほど完璧でも、道路工事や極端な悪天候、曖昧すぎる配達先の状況など、現実の長尾問題は完全には解消できません。過密なスケジュールの中でAIの判断ミスが起きた際、現場がどれだけ柔軟にリカバーできるかが、今後の安定運用の鍵になりそうです。