工場の構内物流を自動化する5つの選択肢を管理職目線で比べる ─ AMR・AGV・協働ロボ・自動倉庫・物流AI、どこから?

構内物流は、付加価値を一円も生まない工程でありながら、現場の工数を確実に食い続ける。部品を棚から取りに歩く、台車を押して次工程へ運ぶ、完成品を出荷エリアへ積み替える。この「運ぶ・置く・探す」だけで、製造現場の作業時間の2〜3割が消えていく工場は珍しくない。

しかも厄介なのは、その工数が残業として表に出る点だ。日中は加工や組立で手が埋まり、搬送と棚卸しと出荷準備が定時後にずれ込む。誤出荷が起きれば客先対応とリカバリ輸送でさらに人が割かれる。人手不足・残業・誤出荷は、別々の問題に見えて根は同じ、構内物流が人の足と勘に依存していることにある。

自動化の選択肢は大きく5つある。AMR・AGV・協働ロボ・自動倉庫・物流AIソフト。だが、これらを「どれが優れているか」で並べても意味がない。初期費用は数十万円から数億円まで桁が4つも違い、導入にかかる時間も数週間から1年以上までばらつく。全部を一度に入れることは、予算面でも現場の受け入れ容量の面でも、まず無理だ。

問われているのは「どれが良いか」ではなく「自社ならまずどこから手をつけるか」だ。本記事は、5つの選択肢を5軸の物差しで並べ、管理職が役員へ説明でき、現場へ展開できる順番で整理する。

なお、5択を比べる前に自社の運搬が実際どれだけ工数を食っているかを数字で測りたいなら、構内物流の運搬工数を数字で棚卸しするから始めると、どの軸が自社の痛みかを先に絞り込める。

まず5択を5軸で一望

最初に全体像を一枚で押さえる。縦に5つの選択肢、横に5つの判断軸を並べた。桁感とざっくりした傾向をつかむための表であり、個別の見積もりは後続の各節で補う。

この表から読み取ってほしいのは、選択肢1〜4は「物を物理的に動かす投資」、選択肢5だけが「情報を動かす投資」だという対比だ。1〜4は床・建屋・安全・電源といった現場の物理条件に縛られ、止まれば搬送そのものが止まる。5は物を一台も増やさず、在庫の持ち方と出荷の段取りをソフトで変える。同じ「物流自動化」という言葉でも、物理投資と情報投資ではリスクの性質も回収の見え方もまったく別物だと、まず役員に共有しておくべきだ。

順番に各選択肢を、桁感と担い手を軸に見ていく。

AMR ── 柔軟に動く搬送

AMR（Autonomous Mobile Robot）は、自分で地図を持ち、障害物を避けながら自律走行する搬送ロボットだ。人や台車が混在する通路でも、その場で経路を計算して目的地へ向かう。床に何も貼らずに動けるため、後付け導入と相性が良い。

価格は1台あたり数百万円から。導入は数週間〜数か月で、床に磁気テープを敷くような大がかりな工事は基本的に要らない。レイアウト変更があってもフロアの地図を描き直すだけで経路を切り替えられるため、多品種少量で工程組み替えが頻繁な中小工場に向く。

ただし弱点もはっきりしている。台数が増えるほど費用が線形に積み上がる点だ。1台で回せる搬送量には上限があり、搬送ピークに合わせて台数を増やすと、AGVの固定ルートを組むより割高になりやすい。「少ない台数で柔軟に」という強みが、大量搬送では逆に効率の悪さに変わるため、AMRは搬送量の上限を見極めて入れる選択肢だ。

担い手はSIer（システムインテグレーター)に初期設計を任せ、運用は現場という形が現実的だ。実際の中小工場でどう回しているかは、再春館製薬所がAMRとDPS（デジタルピッキングシステム)を組み合わせた[現場事例](/saishunkan-amr-dps-hilltop-2026-05-22/)が参考になる。自社の通路幅・搬送物・1日の搬送回数を当てはめると、台数の見当がつく。

AGV ── 決まった道を大量に運ぶ

AGV（Automated Guided Vehicle）は、床の磁気テープやQRマーカーが示す固定ルートを、決められた通りに走る無人搬送車だ。AMRが「自分で考えて走る」のに対し、AGVは「決まった道を黙々と往復する」。この違いが、向き不向きをきれいに分ける。

固定ルートゆえに動きが安定し、同じ経路を大量・定常的に運ぶ用途では台数あたりの効率が高い。経路が決まっているぶん制御もシンプルで、構成によってはAMRよりやや安く組める。原料投入から完成品搬出まで動線が固定された量産ラインなら、AGVの土俵だ。

裏返すと、レイアウト変更にめっぽう弱い。経路を変えるには磁気テープの貼り直しという工事が発生し、品種切り替えで動線が変わるたびにコストと停止時間がかかる。AMRが地図を描き直すだけで済むのと対照的だ。導入も経路敷設の工事を含むため、数か月単位を見ておく。

判断の軸はシンプルだ。搬送動線が今後数年変わらない見込みなら AGV、頻繁に変わるなら AMR。担い手はSIer主導の設計・敷設になる。「安いから」でAGVを選び、翌年ラインを組み替えて敷設費が二重にかかる、という失敗が最も多いパターンなので、レイアウトの将来計画と必ずセットで検討する。

協働ロボ ── 積む・降ろすを肩代わり

協働ロボは、安全柵なしで人のすぐ隣に置けるロボットアームで、構内物流では主にパレタイズ（箱の積み付け)・デパレタイズ(荷降ろし)・荷役に使う。完成品を段ボールでパレットに積み上げる、入荷したパレットから箱を降ろす。この重筋・反復作業が肩代わりの対象だ。

価格は1台 数百万円。安全柵が要らないぶん設置スペースが小さく、既存ラインの脇に後付けしやすい。導入は数週間〜数か月で、荷姿・重量・段積みパターンを教え込めば稼働する。重い箱を一日中持ち上げる工程は腰痛や離職の温床であり、ここを置き換える投資対効果は、現場の負担軸でも説明しやすい。

弱点は速度と汎用性だ。安全のため動作速度が抑えられており、超高速の大量ラインには向かない。また荷姿がバラバラの混載パレットは積付けの教示が複雑になる。荷姿が安定し、重量物を一定パターンで扱う工程が最も投資が回収しやすい。担い手はSIerによる初期ティーチングの後、品種追加分を内製ティーチングで回す体制が理想だ。

自動倉庫 ── 保管と入出庫をまとめて自動化

自動倉庫（AS／RS：Automated Storage and Retrieval System)は、棚と搬送機を一体化し、保管・入庫・出庫をまるごと自動化する大型設備だ。垂直方向に高く積むことで保管密度を上げ、人が棚の間を歩き回るピッキングそのものを消す。ここまでの4択とは投資の桁が一段違う。

費用は数千万円から数億円。建屋の新設や大規模改修を前提とし、導入は半年〜1年以上を見る。一度組むとレイアウト変更はほぼ効かないため、保管品目と入出庫の頻度が長期的に安定していることが大前提になる。中小製造業にとっては、工場移転・増築といった節目に合わせて検討する性質の投資だ。

桁が大きいぶん、役員説明では投資回収の見える化が成否を分ける。床面積あたりの保管点数が何倍になるか、ピッキング工数が年間何時間減るか、棚卸しの人員が何人浮くか。これらを年額の人件費・賃料に換算し、設備の減価償却期間と並べて初めて、稟議は通る。逆に「省人化できます」だけの定性的な説明では、数億円の決裁は動かない。

ここで管理職が押さえておきたいのが、搬送ハードへの投資効果を会計の数字に落とす習慣だ。削減できる残業代・外注搬送費・誤出荷リカバリ費を、勘定科目ベースで月次に積み上げておくと、自動倉庫に限らずどの選択肢でも回収シミュレーションの精度が上がる。クラウド会計を使って人件費と物流関連費を費目別に可視化しておけば、設備投資の前後比較がそのまま役員資料になる。

担い手はSIerに加え、建屋を扱うゼネコンが絡む大型プロジェクトになる。他の4択を一通り検討し尽くしても搬送・保管がボトルネックのままで、かつ工場の建て替え・増床の予定がある——この条件が重なったときに、初めて土俵に乗る選択肢だと考えてよい。

物流AIソフト ── 物を増やさず在庫と出荷を賢くする

ここまでの4択がすべて「物を物理的に動かす投資」だったのに対し、物流AIソフトは物を一台も増やさず、情報の動かし方だけを変える投資だ。WMS（倉庫管理システム）に需要予測や在庫最適化のAIを組み合わせ、どれをいつどれだけ持つか、どの順で出荷するかを最適化する。

効きどころは在庫圧縮・欠品防止・出荷計画の自動化だ。過剰在庫で寝ている運転資金を減らし、欠品による失注と緊急輸送を防ぎ、ベテランが勘で組んでいた出荷段取りを標準化する。物理工事が要らないため導入は早く、月額数万円から、まず一部の品目でPoC（試験導入)という小さな始め方ができる。レイアウトにも建屋にも縛られない。

弱点はデータ品質に成果が直結する点だ。在庫マスタが実在庫とずれている、出荷実績が紙で残っていない、荷姿データが整備されていない——この状態でAIに予測させても、ゴミを入れればゴミが出る。導入の本当の山場はAIそのものより、手前のデータ整備にある。逆に言えば、データさえ整っていれば、物流AIソフトは物理投資より圧倒的に低コストで効果を出せる最右翼の一手になる。

担い手は社内の生産管理・情報システム担当が主役、ベンダーが支援という内製寄りの体制が組みやすい。クラウド型のWMSやAI在庫ツールは、自社の小さなサーバー環境やVPS（仮想専用サーバー)上で検証用の連携基盤を立ち上げ、本番前に挙動を確かめるやり方が向く。月額数千円規模で検証環境を用意できるため、いきなり本契約せずにデータ連携の感触を確かめてから判断できる。

なお、物流AIに限らずAI系ツールは選択肢が多く比較に迷いやすい。中小製造業がどのAIサービスをどう選ぶかは、[AIサービス比較のハブ記事](/ai-services-comparison-for-smb-manufacturing-2026/)に種類別の整理をまとめてあるので、ソフト系を本格検討する前に一度目を通しておくと選定が早い。

どこから手をつけるか ── 判断フロー

5択を見てきたが、結論は冒頭に書いた通り「全部やるな、まずどこからか」だ。管理職が役員へ持っていく順番として、次の判断フローを提案する。

第一に、物流AIソフトから入るのが原則だ。理由は3つ。初期費用の桁が最も小さくPoCで失敗しても傷が浅いこと、物理工事がなく現場の受け入れ負荷が低いこと、そして在庫データの整備という「どの選択肢でも結局必要になる土台」が同時に進むことだ。在庫が圧縮できれば、そもそも運ぶ量・保管する量が減り、後続のハード投資の規模を小さくできる。ソフトで在庫を絞ってから、本当に必要な物理投資の大きさを見極める——この順番が、過剰投資を避ける最短ルートになる。

第二に、搬送の手間が支配的ならAMRかAGVを検討する。搬送動線が今後変わるならAMR、固定で大量定常搬送ならAGV。少ない台数の柔軟運用ならAMR、多台数の効率運用ならAGVという台数の損益分岐も忘れずに。

第三に、積む・降ろすの重筋作業が課題なら協働ロボ。腰痛・離職という人の負担軸で投資効果を説明しやすく、既存ラインへの後付けが効く。

最後に自動倉庫。これは他の4択を検討し尽くし、なお保管・搬送がボトルネックで、かつ建て替えや増床の予定が重なったときの選択肢だ。数億円の投資を先頭に置く中小製造業は、まずいない。

判断軸を最後に5つ、改めて並べておく。①初期費用の桁、②導入の早さと工事の要否、③レイアウト・品種変更への柔軟性、④必要なデータと前提、⑤誰にやらせるかと投資回収の見え方。この5軸を自社の数字で埋めれば、役員への説明資料はそのまま完成する。各選択肢のベンダーへ相見積もりを取る前に、まず社内で「自社はどの軸を最優先するか」を一行で決めておくこと。それが決まっていない発注は、必ず迷走する。

次に確認すべきは、自社の在庫データが今どの程度整っているかだ。物流AIソフトのPoCも、AMRの台数試算も、出発点は同じ「実績データが手元にあるか」にある。小さな検証環境を立ち上げてデータ連携の感触を確かめるところから始めれば、数億円の物理投資を急ぐ前に、自社にとって本当に効く一手が見えてくる。