物流・運送業界の中小事業者向け AI 活用事例｜配車調整と問合せ応答の自動化で時短

confidence: low や 要担当者確認 のケースだけ人が対応する運用にすれば、担当者の確認コストを最小化できます。実装後、問合せ対応時間が 1 日あたり 1 時間程度削減された事例があります。

スプレッドシート＋Claude API 連携による半自動運用の構築

ツール選定の考え方

中小事業者が最初の自動化に使うツールとして、Google スプレッドシート＋Google Apps Script（GAS）＋Claude API の組合せは費用対効果が高いです。既存の配車管理シートをそのまま使いながら、Claude 呼び出しを追加するだけで半自動化が実現できます。専用システムのリプレースは不要で、段階的に機能を追加できます。

GASからClaude APIを呼び出す基本実装

Google Apps Script から Claude の Messages API を呼び出す基本コードです。

function callClaude(prompt) {
  const API_KEY = PropertiesService.getScriptProperties().getProperty('CLAUDE_API_KEY');
  const url = 'https://api.anthropic.com/v1/messages';

  const payload = {
    model: 'claude-sonnet-4-5',
    max_tokens: 1024,
    messages: [
      { role: 'user', content: prompt }
    ]
  };

  const options = {
    method: 'post',
    contentType: 'application/json',
    headers: {
      'x-api-key': API_KEY,
      'anthropic-version': '2023-06-01'
    },
    payload: JSON.stringify(payload),
    muteHttpExceptions: true
  };

  const response = UrlFetchApp.fetch(url, options);
  const json = JSON.parse(response.getContentText());
  return json.content[0].text;
}

function generateDispatchInstruction() {
  const sheet = SpreadsheetApp.getActiveSpreadsheet().getActiveSheet();
  const row = sheet.getActiveRange().getRow();

  const driverName   = sheet.getRange(row, 2).getValue();
  const pickup       = sheet.getRange(row, 3).getValue();
  const delivery     = sheet.getRange(row, 4).getValue();
  const cargoNotes   = sheet.getRange(row, 5).getValue();

  const prompt = `ドライバー「${driverName}」向けの配車指示文を作成してください。
集荷先: ${pickup}
配達先: ${delivery}
積荷注意事項: ${cargoNotes}
条件: 敬体・200字以内・連絡先 090-XXXX-XXXX を末尾に記載`;

  const result = callClaude(prompt);
  sheet.getRange(row, 6).setValue(result);
}

スクリプトプロパティに API キーを保存し、シートの各行で関数を呼び出すだけです。API の利用料金は Claude Sonnet を使った場合、1 回の呼び出しで 0.5〜1 円程度（入出力トークン数次第）に収まり、1 日 50 件処理しても月 1,500〜3,000 円程度のコストです。

導入時の注意点とよくあるつまずき

プロンプト設計で押さえるべきポイント

現場で Claude を使い始めて「思ったより精度が出ない」と感じる原因の多くは、プロンプトの設計にあります。代表コバが対応してきた案件でよく見られたつまずきパターンと対処法を整理します。

• 出力フォーマットの指定が曖昧： 「JSON で返して」と書いても、説明文付きで返ってくることがあります。「JSON のみを返してください。説明文は不要です。」と明示することで解消されます。
• 会社固有の用語が伝わらない： 「中継便」「積替え」など業界内で使う略語や自社独自の用語は、プロンプト内で定義するか、会社情報テキストに事前に説明を含めておく必要があります。
• コンテキストが長すぎる： 問合せ履歴や複数メールをまとめて渡すと、関係のない情報に引きずられることがあります。1 回のリクエストには 1 件の処理を対応させるシンプルな設計が安定します。
• ハルシネーション対策： Claude は実在しない情報を自信を持って生成することがあります。「会社情報テキストに書かれていないことは答えないでください」という制約をプロンプトに入れることで、問合せ回答の誤情報リスクを大幅に下げられます。

段階的導入で現場の抵抗を減らす

「AI に任せて間違えたらどうする」という現場の不安は自然な反応です。最初から完全自動化を目指すのではなく、「Claude が下書きを作り、担当者が確認して送信する」半自動フローから始めることを強くお勧めします。現場担当者が「確認するだけで済む」体験を積むことで、信頼感が生まれ、段階的な自動化率向上につながります。

運用定着のためのチェックリストと改善サイクル

導入直後に確認すること

Claude を現場に組み込んだ初週は、以下の観点で出力をモニタリングします。

• 配車要望メールの構造化精度：抽出漏れ・誤抽出の件数を記録する
• ドライバー指示文の抜け漏れ：送信前の確認で担当者が修正した箇所をメモする
• 問合せ回答の適切性：「要担当者確認」に分類されたケースが妥当かを評価する
• 処理時間の変化：導入前後で 1 件あたりの処理時間を比較する

精度が低いと感じたカテゴリはプロンプトを修正します。「なぜ誤った出力が出たか」を分析すると、必ずプロンプトに足りない情報か、指示が曖昧な箇所が見つかります。

中長期の改善：事例の蓄積と微調整

運用が安定してきたら、「よくある問合せ Q&A」テキストの充実化、会社情報ドキュメントの更新、プロンプトのバージョン管理（どの版で精度が上がったか）を継続的に行います。Claude に渡す会社情報が充実するほど、回答精度は向上します。3 ヶ月程度の運用で「ほぼ確認だけで送れる」状態になった事業者が多く、この段階から通知フロー（メール自動送信）まで自動化するステップアップも現実的になります。

まとめ｜物流現場のAI活用は「小さく始めて積み上げる」が正解

物流・運送業界の中小事業者における AI 活用は、高額な専用システムの導入よりも、「既存の業務フローに Claude を差し込む半自動化」から始めるアプローチが現実的です。本記事でご紹介した内容を整理します。

• 配車要望メールの構造化： Claude で JSON 抽出 → 精度 9 割以上、1 件あたり 10〜20 分 → 2〜3 分程度に短縮
• ドライバー指示文の自動生成： 確認・承認だけになり、1 日 30〜40 分程度の削減
• 問合せ応答の自動分類と下書き生成： 繰り返し問合せの 6〜7 割を自動処理、1 日 1 時間程度の削減
• GAS + Claude API 連携： 月 1,500〜3,000 円程度のコストで既存シートに機能追加

合計すると 1 日 2〜3 時間程度の業務時間を管理担当者が取り戻せる計算です。その時間を顧客対応品質の向上やドライバーとの信頼構築に使えれば、事業全体の競争力に直結します。

本記事は代表コバの現場知見をもとに AI で構成し、弊社にて最終確認を行っています。

「うちの配車フローに合うか試してみたい」「どこから手をつければ良いかわからない」という方は、費用感だけ知りたい方も含め、お気軽にご相談ください。現場の状況をヒアリングしたうえで、最短ルートをご提案します。