物流・配送への質問と回答

質問文（版 5）

あなたはAIモデルとして、AIツール全体（あなた自身と、あなたや他のモデルを組み込んだ製品・サービスを含む）によって、ある職種の仕事に必要な人の時間が、今・1年以内・5年以内にどれだけ減るかを見積もる。日本の読者向けの職業情報サイトに、あなたの回答がそのまま、あなたのモデル名と回答日付きで掲載される。読者はこの職種で働く人で、自分の仕事のどこがどれだけ変わるかを知りたい。

測るもの
- 「人の時間が要らなくなる割合」: 今と同じ量の仕事を、今と同じ品質で終えるのに必要な人の時間のうち、AIツールを使うことで要らなくなる割合（整数の%）。AIの結果を人が確認・手直し・承認する時間は、人の時間として残す。例: 100分かかっていた仕事が、AIの結果を5分確認するだけになれば95%。
- 「今」は今あるAIツールを、この職種の職場が十分に使った場合の値。まだ使っていない職場が多いことは、この値を下げる理由にしない。「1年以内」「5年以内」はその時点であると見込むツールを十分に使った場合の値。
- 仕事の量（需要）の増減はこの割合に入れない。別の問いで答える。
- 業務ごとに、仕事時間に占める比重（全業務の合計を100）と、その業務で人の時間が要らなくなる割合を出す。職種全体の割合は比重で重みづけした合計にする。業務の数で割る計算はしない。

見立ての立て方
- 人に残るとする部分にも、AIに移るとする部分にも、同じ基準で理由を書く。理由の種類は両側とも「技術」「制度・契約」「費用」「相手の受け入れ」の4つ。人に残る側なら、技術が足りない／制度や契約が人を求める／AIに任せると高くつく／顧客や相手が人を求める。AIに移る側なら、技術が足りている／制度や契約が妨げない／AIに任せると安い／顧客や相手が受け入れる。
- どちらの見立てにも、それが崩れる条件を書く。人に残るとした部分がAIに移る条件と、AIに移るとした部分が人に残る条件の両方を書く。
- 人が最終的な責任を負うことは、それだけでは人の時間がどれだけ要るかを決めない。責任を負うために、誰が何をどれだけ確かめるかで見積もる。逆に、AIが成果物を出せることは、それだけでは人の時間がなくなることを意味しない。確認・手直し・例外への対応にかかる時間を数える。
- 業務の中で人に残る部分は、次の5つの層で示す。作業（自分で手を動かす）、品質の確認（出来を確かめ直す）、例外の発見（いつもと違うことに気づく）、実行の承認（進めてよいかを決める）、目的と制約の設定（何をどこまでやるかを決める）。並びに順序や難易度の意味はない。どの層も人に残ることがあり、どの層もAIに移ることがある。残る層には、その層に人の時間がはっきり残るものだけを挙げる（5つ全部が残るのは、本当にそうである業務だけ）。その層で人が何をするかは、要点の文に書く。
- 根拠は下の資料と、あなたが知っている今のAIツールの機能、あなたが見込む今後の進歩。今できることと将来の見込みを分け、業務ごとに確信の度合い（高・中・低）を添える。人に残る時間が少ないという答えも、ほとんど変わらないという答えも認める。仕事の量の見立ては「不明」でもよい。
- 言い切れるところは言い切り、根拠の弱いところは弱いと書く。確信の度合いは項目で示し、「推定である」「統計値ではない」のような断り書きは文章に書かない（掲載時にあなたの見立てとして示す）。
- 研究や統計の数字、企業が公表した効果の数字を引用しない。人名を挙げない。ツールや製品の名前は挙げてよいが、企業の意図や方針を推測しない。
- 文章は日本語。業務を指すときは、番号や記号ではなく業務の内容を書く（読者は番号付きの一覧を見ない）。
- この会話にある情報と、あなた自身の知識だけで答える。ウェブを検索しない。過去の会話、保存された記憶、他のAIモデルの回答を参照しない。
- 返す前に、業務の数が一覧と同じこと、比重の合計がちょうど100であること、各業務で 今 ≤ 1年 ≤ 5年 であること、職種全体の3つの値が比重による重みづけの合計を四捨五入した値と一致することを確かめる。
- JSONだけを返す。

職種: 物流・配送（米国の職業分類では 大型トラック運転手、SOC 53-3032）

この職種の業務（米国 O*NET の業務記述の日本語訳）:
1. 機械・安全・非常用の装備が正常に働くか、車両を点検する
2. 危険物を運ぶときの安全手順に従う
3. 貨物が固定されているか、積荷を点検する
4. 州と連邦の規則に従い、労働時間や車両の整備・修理の記録をつける
5. ロープ・ブロック・チェーン・バインダー・カバーで、輸送する貨物を固定する

この職種で使われているAIツール（各社の公式ページの説明。判断材料の一部）:
- Affinda Extract（Affinda）: 船荷証券（B/L）などの書類をAIが読み取り、必要なデータを取り出す。
- AIスキャンロボ（ネットスマイル）: 紙の帳票をAIが解析して必要な項目を読み取り、CSVのデータにするAI-OCR。物流・貿易の段組の帳票にも使われている。
- AI配車アシスタント LOG（Logpose Technologies）: 運送会社・荷主向けの自動配車システム。AIが配車担当者の判断を学習し、配送の計画（配車）を作る。
- cargo.one（cargo.one）: 航空貨物のフォワーダー向けの基盤。届いた見積もり依頼のメールからAIが貨物の詳細を取り出し、該当する運賃を集めて最初の見積もりを作る。
- DiPcore AI-OCR（野村総合研究所）: 手書きの複写式伝票（送り状）などを撮影した画像からAIで文字を読み取り、データとしてシステムに取り込む。
- Lucas Dynamic Slotting（Lucas Systems）: 倉庫の商品の置き場所（ロケーション）を、出荷頻度・一緒に出る商品・ピッキングの動線などのデータから機械学習で提案する。
- Omnitracs Routing and Dispatch（Omnitracs）: 配送の計画・経路の作成・配車をAIで行うアプリケーション。最適化した経路で運行し、予定外の出来事に自動で対応する。
- Optym Truckload（Optym）: トラックの貸切輸送の事業者向けの、AIを使った計画・配車の基盤。既存のTMS（輸送管理システム）とつないで、積荷・ドライバー・経路の割り当てを最適化する。
- ORTEC 3D Load Optimization（ORTEC）: トラックやコンテナへの積付けの計画を、寸法・重量・業務のルールを踏まえてAIによるロジックで作る。

問い
1. 上の一覧のすべての業務について、一覧の順に次を答える。
   a. 比重: この職種の仕事時間に占める割合（整数の%。全業務の合計を100にする）。
   b. 今・1年以内・5年以内に、その業務で人の時間が要らなくなる割合（整数の%。今 ≤ 1年 ≤ 5年）。
   c. 5年後もこの業務で人の時間がはっきり残る層（作業／品質の確認／例外の発見／実行の承認／目的と制約の設定 から。層の名前だけを配列で。何も残らなければ空）。
   d. 5年後も人の時間が残る理由の種類（技術／制度・契約／費用／相手の受け入れ から、当てはまるものすべて。人の時間が残らなければ空）。
   e. 5年後にAIに移る理由の種類（同じ4つから、当てはまるものすべて。何も移らなければ空）。
   f. 5年後の見立ての要点と、それが崩れる条件（150字以内。人に残る部分がAIに移る条件と、AIに移る部分が人に残る条件を1文ずつ）。
   g. 確信の度合い（高／中／低）。
2. 職種全体で人の時間が要らなくなる割合（今・1年以内・5年以内）。1の比重で重みづけした合計を、整数に四捨五入する。
3. 2の理由。どの業務のどの層がAIに移り、どの種類のツールが引き受けるか（200字以内）。
4. 5年で、この職種への仕事の量（需要）はどう変わるか（増える／ほぼ同じ／減る／不明）と、その理由（150字以内）。
5. この職種は5年でどう変わるか。次の3つにそれぞれ答える（各200字以内）。
   a. 何が残るか: 人が担う業務と層。残るとした理由と、それが崩れる条件に触れる。
   b. 誰が残るか: 4の仕事の量の見立てと合わせて、担当者の人数・構成・経験の変化。
   c. 求められる力: 残る人に新たに求められる力。

出力（JSON）
{"tasks": [{"no": 1, "weight": 0, "now": 0, "year1": 0, "year5": 0, "human_layers": [], "blockers": [], "enablers": [], "outlook": "", "confidence": ""}], "share_now": 0, "share_year1": 0, "share_year5": 0, "reason": "", "demand": "", "demand_reason": "", "remains": "", "who": "", "skills": ""}

Claude Fable 5.1

Claude のモデル名の表示は「Claude Fable 5.1」。回答日 2026年10月21日。取得の条件: Claude Code のサブエージェントが回答（アプリではない）。職種ごとに新しい文脈で、入力は質問文のファイル1つだけ。ウェブ検索と他のファイルの読み込みを禁じた。他の職種・他モデル・版4の回答、モックの数値は渡していない。Claude Code の既定のシステム指示とプロジェクトの AGENTS.md が文脈に入る。検査に落ちた回答は新しい文脈で聞き直した（経理・財務と金融専門職の各1回。research/opinions/v5-2026-10-21/rejected/）。

仕事の量（5年）: ほぼ同じ。貨物の量は大きく変わらず、高速道路での自動運転トラックは5年で一部の区間に限られ、積み下ろしや一般道の運転は人が担うため、運転者の仕事の量はほぼ変わらない。配車の最適化で1人あたりの運行効率は上がるが、人手不足の解消に向かう程度と見る。

{"tasks": [{"no": 1, "weight": 25, "now": 10, "year1": 15, "year5": 30, "human_layers": ["作業", "例外の発見"], "blockers": ["技術", "制度・契約"], "enablers": ["技術", "費用"], "outlook": "車両の点検は、センサーとテレマティクスが故障の兆候を先に知らせ、点検アプリが記録を作るため確認の手間は減るが、目視と触診による作業と異常への気づきは人に残る。車両側のセンサーが規則上の点検項目を網羅し当局が認めれば人の時間はさらに減り、センサーの誤報が多ければ人が二重に確かめる時間が残る。", "confidence": "中"}, {"no": 2, "weight": 10, "now": 5, "year1": 10, "year5": 15, "human_layers": ["作業", "例外の発見", "実行の承認"], "blockers": ["技術", "制度・契約", "相手の受け入れ"], "enablers": ["技術"], "outlook": "危険物の安全手順は、法令が運転者本人の手順の履行と資格を求め、現場で手を動かす作業と異常の発見は人に残る。AIは手順の確認や書類の照合を引き受ける。手順の照合をAIが行うことを法令が認め、車両が積荷の状態を自動で監視すれば人の時間は減り、事故時の責任を巡って荷主が人の確認を求めれば残る。", "confidence": "中"}, {"no": 3, "weight": 20, "now": 5, "year1": 10, "year5": 22, "human_layers": ["作業", "品質の確認", "例外の発見"], "blockers": ["技術", "制度・契約"], "enablers": ["技術", "費用"], "outlook": "積荷の固定の点検は、積付け計画が事前に作られ、荷台のカメラが荷崩れを検知するため確認の一部は減るが、出発前に固定具を手で確かめる作業と異常の発見は人に残る。荷台の監視と自動の締め付け確認を規則が点検として認めれば人の時間は減り、積荷の種類が多く検知が効かなければ人の確認が残る。", "confidence": "中"}, {"no": 4, "weight": 20, "now": 50, "year1": 60, "year5": 75, "human_layers": ["品質の確認", "実行の承認"], "blockers": ["制度・契約", "技術"], "enablers": ["技術", "制度・契約", "費用"], "outlook": "労働時間と整備の記録は、電子ログと手書き伝票のAI-OCRで記録の作成は大半が自動になり、人には記録の確認と承認が残る。規則が電子記録の自動承認を認めれば残る時間はさらに減り、監査で運転者本人の証明が厳しく求められれば確認の時間が残る。", "confidence": "高"}, {"no": 5, "weight": 25, "now": 3, "year1": 5, "year5": 10, "human_layers": ["作業", "品質の確認", "例外の発見"], "blockers": ["技術", "費用", "制度・契約"], "enablers": ["技術"], "outlook": "貨物を固定する作業は、ロープやチェーンを扱う手作業で、固定の方法を提案する積付け計画以外にAIが引き受ける部分は少なく、作業と出来の確認は人に残る。固定を自動で行う荷台の装置が安価に普及すれば作業は減り、貨物の形が不揃いで装置が合わなければ手作業が残る。", "confidence": "高"}], "share_now": 15, "share_year1": 20, "share_year5": 31, "reason": "人の時間が減るのは主に記録の業務で、電子ログが労働時間を自動で記録し、AI-OCRが整備や送り状の伝票を読み取り、人には確認と承認だけが残る。車両と積荷の点検は、テレマティクスと荷台のカメラが異常の検知と記録の作成を引き受け、確認の時間が減る。危険物の手順と貨物の固定は、手を動かす作業と現場での異常の発見が中心で、AIが引き受けるのは計画と手順の照合にとどまる。", "demand": "ほぼ同じ", "demand_reason": "貨物の量は大きく変わらず、高速道路での自動運転トラックは5年で一部の区間に限られ、積み下ろしや一般道の運転は人が担うため、運転者の仕事の量はほぼ変わらない。配車の最適化で1人あたりの運行効率は上がるが、人手不足の解消に向かう程度と見る。", "remains": "手で行う作業と現場での異常の発見が残る。車両と積荷の点検、危険物の手順、貨物の固定は、法令が運転者本人の履行を求め、不揃いな貨物を扱う機械が高くつくため人に残る。記録は確認と承認だけが残る。崩れる条件は、センサーと自動の固定装置を規則が点検や固定として認め、価格が下がること。逆に、荷主が事故時の責任を理由に人の確認を求め続ければ、AIに移るとした確認の時間も人に残る。", "who": "仕事の量がほぼ同じで、記録と点検の手間が減るため、同じ輸送量をやや少ない人数でこなす。人数の減少より、高齢化と採用難による不足の方が大きく、構成は変わりにくい。経験の浅い運転者でも、点検アプリと積付け計画の支援で一定の品質を出せるようになり、ベテランの価値は不揃いな貨物や危険物など例外の多い運行に集まる。", "skills": "電子ログ、点検アプリ、荷台のカメラやセンサーの示す情報を読み、誤報と本当の異常を見分ける力。AIが作った積付け計画や配車を現場で確かめ、合わないときに自分の判断で直し、その理由を記録に残す力。記録の自動化が進むほど、承認した内容に責任を持つための法令の理解が求められる。"}

GPT-6 Astra

ChatGPT のモデル名の表示は「GPT-6 Astra」。回答日 2026年10月21日。取得の条件: Codex のタスク（gpt-6-astra 指定）が回答。ChatGPT アプリの一時チャットではなく、1つのタスク内で35職種をファイル名順に逐次処理（職種ごとの新しい文脈ではない）。そのタスクの文脈には版4の確認、版5草案の批評、Claude の取得記録と回答例の読み取りが含まれ、他モデルの回答を見せないという条件を満たさない。実行時のモデル名は独立に確認されていない。ウェブ検索はしていない。保存後に研究開発と映像・動画制作の「何が残るか」の文章を同じタスクが1語ずつ直した（数値の変更なし。research/opinions/v5-2026-10-21/astra-2026-10-21/corrections.json）。

仕事の量（5年）: ほぼ同じ。点検と固定の仕事量は、輸送する荷物と便数に伴う。効率化しても安全確認そのものの対象が消えるとは考えない。物流の集中や荷姿の標準化で変わる面はあるが、基本的な点検、記録、固定の需要はほぼ同じとみる。

{
  "tasks": [
    {
      "no": 1,
      "weight": 25,
      "now": 12,
      "year1": 22,
      "year5": 40,
      "human_layers": [
        "作業",
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術",
        "制度・契約",
        "費用"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "診断情報の整理はAIが助け、人は車両の状態を直接確かめるが、装備の異常を十分に検知できれば点検も減る。センサーで捉えない損傷や装備不足があれば、正常表示でも人の確認が要る。",
      "confidence": "低"
    },
    {
      "no": 2,
      "weight": 15,
      "now": 8,
      "year1": 15,
      "year5": 28,
      "human_layers": [
        "作業",
        "例外の発見",
        "実行の承認"
      ],
      "blockers": [
        "技術",
        "制度・契約"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "手順の案内と記録はAIが助け、人は荷物と現場に応じて実行するが、状況を把握して安全に処理できれば作業も減る。漏れや積荷情報の誤りを見逃せば、定型手順にも人の確認が残る。",
      "confidence": "低"
    },
    {
      "no": 3,
      "weight": 20,
      "now": 12,
      "year1": 22,
      "year5": 40,
      "human_layers": [
        "作業",
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術",
        "費用"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "画像による固定状態の確認はAIが補助し、人は張力と死角を点検するが、多様な荷姿を検証できれば確認も減る。見えない緩みや走行中の変化を捉えられなければ、自動判定にも人の点検が戻る。",
      "confidence": "低"
    },
    {
      "no": 4,
      "weight": 15,
      "now": 50,
      "year1": 65,
      "year5": 85,
      "human_layers": [
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術",
        "制度・契約"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "労働時間と整備履歴の転記はAIに移り、人は欠測と記録の対応を確認するが、機器と規則を照合できれば点検も縮む。手作業の修理や本人の交代が反映されなければ、記録の整理にも人が入る。",
      "confidence": "中"
    },
    {
      "no": 5,
      "weight": 25,
      "now": 5,
      "year1": 10,
      "year5": 25,
      "human_layers": [
        "作業",
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術",
        "費用"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "固定方法の提案はAIが助け、人は器具を選んで荷物を固定するが、多様な形状を安全に扱う機械が使えれば作業も減る。狭い場所や不定形の荷物では、計画どおりの固定にも人の手が残る。",
      "confidence": "低"
    }
  ],
  "share_now": 15,
  "share_year1": 24,
  "share_year5": 41,
  "reason": "現在は記録の転記、点検情報の整理、固定方法の検討で時間を減らせる。1年では車両データと帳票の連携が進み、5年では画像による点検支援が広がる。配車や見積もりを自動化するツールの効果を、提示された車両点検や貨物固定へ直接加えない。人には現物の確認、危険物の手順の実行、器具を使う固定作業が残り、センサーで見えない損傷や緩みを確かめる時間を含める。",
  "demand": "ほぼ同じ",
  "demand_reason": "点検と固定の仕事量は、輸送する荷物と便数に伴う。効率化しても安全確認そのものの対象が消えるとは考えない。物流の集中や荷姿の標準化で変わる面はあるが、基本的な点検、記録、固定の需要はほぼ同じとみる。",
  "remains": "車両の損傷、装備の不足、積荷の緩みを現物で確かめる仕事が残る。人は危険物の種類と現場の状況に応じて手順を実行し、固定器具を選んで実際に取り付ける。記録では機器のデータと作業の実態が一致するかを確認する。死角を含む状態を検知でき、多様な荷物を機械が安全に固定できる設備が整えば、点検と手作業の時間は減る。",
  "who": "点検や固定の需要がほぼ同じなら、記録をまとめる担当時間は減るが、現物を扱う人数は大きくは減りにくい。一人が記録と点検の結果をまとめて管理し、異常時に対応できる人の比重が上がる。設備の整った拠点と荷姿が多様な現場では変化の速さが違う。若手にも自動判定を読むだけでなく、実物を点検し、固定の不備を見つけて直す経験が必要になる。",
  "skills": "車両と貨物の基本を理解し、センサーや画像の判定と現物を突き合わせる力が要る。AIが示す固定方法では、荷物の形、重さ、器具、作業場所の条件を確かめる。記録の欠落や機器の不調を見つけ、異常時に作業を止めて関係者へ伝える力も重要になる。自動化された記録に頼り切らず、何を確認し、どの状態なら進めてよいかを説明できることが求められる。"
}