Who（誰が）
従業員30〜200名規模の3PL事業者・食品卸・EC物流センターの倉庫責任者と現場ピッキング作業員が主な利用者であり、導入判断は物流部門長が行う
対象とする社会課題：倉庫内在庫配置の固定化による出荷効率の低下とピッキング人件費の増大
社会の役に立ち、しっかり儲かる。その両立が、この計画には数字で示されています。
倉庫の棚割りは、開業時に一度決めたら見直されないことが多く、出荷頻度の変化に追いつけないまま作業員の歩行距離だけが延びていく。人手不足で倉庫作業員の有効求人倍率は高止まりし、限られた人手で運ぶしかない現場にとって、棚割りの見直しは後回しにされがちな重労働だ。データで最適な配置を示し、変更作業まで支えることで、現場の負担を減らしながら出荷効率を守りたい。
※ この4つの数字は、見せるために作った数字ではありません。「事業計画」タブの10年計画とまったく同じ計算から出しています。EXIT（売却）時の手取りだけは「もし売れたら」の試算で、約束できる金額ではありません。
10年の事業計画も、創業融資500万円の申請資料も、システムの要件定義書も、最初の90日の段取りも——ぜんぶこのページにあります。足りないものはAIチャットが伴走しながらその場で作り、システム開発・専門家・投資家への橋渡しまで、このサイトの中で進められます。「やりたい」と思ったその日から、始められる状態です。
ボタンを押すとAIチャットが開き、ShelfShiftの事業内容を読み込んだ状態で、事業計画や資料の素案をその場で作成します。まずは気になる資料から試してみてください。
※ ボタンを押すと確認のポップアップが出ます。「はい」を選ぶとAIチャットが新しいタブで開き、 この事業の内容を踏まえた作成指示が自動で送られます（あなたが文章を打ち込む必要はありません）。 どのボタンを出すかは事業の性質でAIが出し分けます。生成にはAIチケットを使用します。
あなたの経歴とこの事業のフィットをAIが診断します。活きる強み、足りないもの、 共同創業者に求める人物像まで示します。
無料会員登録して診断する登録済みの経歴をもとに、この事業とのフィットを診断します。経歴・スキルの内容はAI相談・AIチャットの回答にも反映されるため、最新の内容に更新しておくとより精緻なアウトプットが得られます。
💡 このショーケースをお気に入り登録すると、あなたのAIチャットがお気に入り登録した事業の情報を学習し、より賢く、具体的な提案ができるようになります。
※ AIによる参考意見です。合否や成否を保証するものではありません。経歴・スキルの登録内容は、この診断やAI相談・AIチャットの回答精度にも影響します。
ShelfShiftは、中堅3PL・食品卸の倉庫責任者が使うAI棚割り最適化SaaSです。
既存WMSやハンディ端末から出荷実績CSVを取り込むと、AIが過去90日〜13ヶ月分の出荷頻度・季節性を解析し、週次で倉庫平面図上に「A-3-2の商品をB-1-5へ移動」といった具体的な棚割り変更案と、期待される歩行距離削減率を提示します。倉庫責任者はダッシュボードのチャットAIに『来月のセール商品を優先配置して』と話しかけるだけで、重量制限や冷蔵ゾーンなどの制約を踏まえた再提案が返ってきます。承認すると移動タスクが自動生成され、作業員のハンディ端末に配信、バーコードスキャンで完了報告される仕組みです。月1回の大工事だった棚卸・棚割り変更が、週次の小刻みな運用に変わり、1日8km歩いていた現場の負担を減らします。
中小規模の物流倉庫・3PL事業者では、棚割り(ロケーション設計)が導入時のまま固定され、季節変動やEC化による出荷頻度の変化に追随できていない。
ある食品卸の倉庫では、出荷頻度上位20%のSKUが倉庫の奥や2階に配置されたままで、ピッキング作業員が1日平均8kmを歩いている例も珍しくない。棚卸・棚割り変更は熟練の倉庫責任者の経験と勘に依存し、変更作業自体も人手による現物移動計画のため、繁忙期には後回しにされがちである。倉庫作業員の有効求人倍率は2倍を超え人手不足が慢性化しており、歩行距離・探索時間の削減による生産性向上が急務だが、WMS(倉庫管理システム)の多くは在庫の「記録」機能に留まり「最適配置の提案」機能を持たない。結果として、年間数百万円規模の人件費ロスが放置されているケースが全国の中堅3PL(推計約6,000拠点)に存在する。
需要予測AI(時系列予測モデル、LightGBM/Prophetベース)がSKU別出荷頻度・季節変動・トレンドを日次で予測し、将来の出荷量を先読みする。
組合せ最適化エンジン(整数計画法/メタヒューリスティクス)が予測結果と倉庫の物理制約(通路幅・重量・保管区分)を入力に、歩行距離最小化・作業時間最小化を目的関数として最適ロケーション配置を算出する。自然言語対話AI(LLM)が倉庫責任者との対話を通じて業務上の例外条件(セール優先、特定顧客向け専用ゾーン等)をヒアリングし、最適化エンジンへの制約条件として自動変換する。さらに移動実績データを学習ループに戻すことで、提案精度(採用率・実際の削減効果)を継続的に改善する。
倉庫責任者はまず既存WMS/ハンディターミナルから出荷実績データ(SKU別出荷件数・時間帯・同時ピッキング組合せ)をCSVまたはAPI連携でShelfShiftに取り込む。
AIが過去90日〜13ヶ月の出荷頻度・季節性・同時注文の相関を解析し、週次で「棚割り変更提案マップ」を倉庫平面図上に自動生成、移動すべきSKUと移動先ロケーション、期待される歩行距離削減率(%)を提示する。倉庫責任者はダッシュボード上でチャット形式のAIアシスタントに「来月のセール商品を優先配置して」等と指示すると、AIが制約条件(重量・破損リスク・冷蔵/常温ゾーン)を踏まえて再最適化案を再提示する。承認後は移動タスクリストが自動生成され、作業員のハンディ端末に「A-3-2からB-1-5へ移動」の形で配信され、移動完了はバーコードスキャンで即時反映される。これにより棚割り変更が月1回の大規模作業から週次の小刻みな最適化運用に変わり、現場の負担を分散しながら常に出荷効率を維持できる。
| ピッキング歩行時間の超過による人件費ロス(作業員15名、歩行超過時間0.4時間/日、時給1,500円の目安) | 年間約300万円 |
| 熟練責任者による月1回の棚割り変更作業(丸2日×人件費日額3万円換算の目安) | 年間約72万円 |
| 繁忙期の出荷遅延・欠品による機会損失(推定) | 年間100万〜200万円 |
| 有効求人倍率2倍超による採用難対応(求人広告費・紹介手数料増の目安) | 年間50万〜100万円 |
| SaaS基本利用料(拠点あたり、SKU5,000件まで) | 月額8万円〜 |
| WMS連携・初期設定費(導入時一括) | 30万〜80万円 |
| 最適化コンサル・現場導入支援(オプション) | 月額15万円〜 |
この事業をやっている人のある1日、1年後・3年後・10年後の姿、向いている人・向いていない人、よくある質問……
あなたと事業の詳細は無料会員限定です。
時間軸別に、各チャネルの具体施策と、それをAIでどうプロンプティングして実現するかをセットで。
上記の施策をもとに、広告物の作成業者（マーケ会社）への紹介をご希望の場合はこちらからエントリーできます。
マーケ会社の紹介を希望する※ 紹介のお申し込み窓口はマイページの「業者・士業・投資家の紹介」に一本化しています。AIチャットが内容をヒアリングし、具体的な段階になったら運営が個別におつなぎします。
この事業に必要なアプリを作るための仕様です。下のボタンでWordに書き出せば、そのまま開発会社への相談・見積の依頼に使えます。
※ このボタンは、このページに載っている内容をそのままWordファイルに書き出します（AIは使いません。すぐ保存できます）。 ページの上のほうにある「ほしい資料を、その場でAIがつくります」の要件定義書のボタンは、AIチャットがあなたのご要望を聞きながら、そのつど書き起こすものです。 すでにある内容をそのまま渡したいときはこちら、作りたい範囲や条件を相談しながら仕上げたいときはAIチャットをお使いください。
食品卸やEC物流の倉庫では、出荷頻度上位20%のSKUが導入時のまま奥や2階に配置され続け、ピッキング作業員が1日平均8km歩く例が珍しくない。
棚割りの見直しは熟練責任者の経験と勘に依存し、変更作業も人手による現物移動計画のため繁忙期には後回しにされる。倉庫作業員の有効求人倍率は2倍を超えて人手不足が慢性化しており、歩行距離・探索時間の削減が急務だが、既存WMSの多くは在庫の記録機能にとどまり最適配置の提案機能を持たない。この結果、年間数百万円規模の人件費ロスが全国推計6,000拠点規模で放置されている。
Phase1のPoC(出荷頻度予測・最適化アルゴリズムの精度検証)は仕様が固まっていないため準委任契約が適した想定。
Phase2以降のWMS API連携や移動タスク配信機能はスコープが明確化するため、機能単位での請負契約への切替を検討する。発注時はWMS側のAPI仕様公開状況が拠点ごとに異なるため、連携範囲・保証精度(削減率20%等)を成果指標として契約書に明記し、未達時の追加改修範囲を事前合意しておく必要がある。またLLM対話機能は現場ヒアリング内容に応じた継続チューニングが前提のため、リリース後も一定期間の準委任的な保守体制を併設することが望ましい。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 倉庫責任者(ロケーション設計・棚割り変更の意思決定者、月次〜週次でダッシュボードとチャットAIを操作) |
| セカンダリ | ピッキング作業員(ハンディ端末で移動タスクを受け取りバーコードスキャンで完了報告する) |
| 管理 | 3PL本社の物流企画担当者およびShelfShift運営側のカスタマーサクセス担当(複数拠点のKPIモニタリング・契約管理を行う) |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| 出荷実績データ連携機能 | WMS/ハンディのCSV・APIから出荷実績を取込→SKU別出荷件数・時間帯に正規化→解析用DBへ格納 |
| 需要予測AI(時系列予測) | 過去90日〜13ヶ月の出荷データを入力→LightGBM/Prophetで予測→SKU別日次出荷予測値を出力 |
| 棚割り最適化エンジン | 予測値と倉庫制約(通路幅・重量・保管区分)を入力→整数計画法で配置算出→棚割り変更提案マップを出力 |
| LLM対話型制約ヒアリング機能 | 責任者のチャット指示を入力→LLMが例外条件を解析→最適化エンジン用制約条件に変換して出力 |
| 移動タスク生成・配信機能 | 承認済み提案を入力→移動元/移動先ロケーションのタスクに分解→ハンディ端末へ配信 |
| バーコードスキャン実績反映機能 | 作業員のスキャン結果を入力→移動完了判定処理→在庫ロケーション情報を即時更新 |
| 学習フィードバックループ | 移動実績・採用率データを入力→提案精度を再学習→予測・最適化モデルを更新 |
| 棚割りダッシュボード可視化機能 | 在庫配置・提案マップ・削減率を入力→倉庫平面図上に可視化→責任者画面へ出力 |
| 承認ワークフロー機能 | AI提案の棚割り変更案を入力→責任者が承認/差し戻し操作→確定案を移動タスク機能へ出力 |
| WMS/ハンディ連携設定機能 | 既存WMS/ハンディのAPI仕様を入力→標準コネクタで接続設定→連携用エンドポイントを出力 |
| 採用率・効果モニタリング機能 | 提案採用状況・歩行距離削減実績を入力→KPI集計処理→採用率・削減率レポートを出力 |
| テーブル | 主要カラム |
|---|---|
warehouses | warehouse_id, name, address, zone_type, floor_count, wms_type |
skus | sku_id, warehouse_id, name, weight, category, storage_temp, fragile_flag |
shipment_records | record_id, sku_id, shipped_at, quantity, order_id, pick_time_sec |
locations | location_id, warehouse_id, zone, aisle, shelf, height_level, capacity |
layout_proposals | proposal_id, warehouse_id, generated_at, status, reduction_rate |
move_tasks | task_id, proposal_id, sku_id, from_location_id, to_location_id, status |
constraints | constraint_id, warehouse_id, type, condition_text, created_by, valid_until |
users | user_id, warehouse_id, name, role, email, last_login_at |
| # | 画面 |
|---|---|
| 1 | ダッシュボード画面 |
| 2 | 棚割り提案マップ画面 |
| 3 | AIチャット対話画面 |
| 4 | 移動タスク一覧画面 |
| 5 | データインポート画面 |
| 6 | 拠点設定画面 |
| 7 | 効果測定レポート画面 |
| # | 技術（採用理由） |
|---|---|
| 1 | LightGBM(出荷頻度予測の実績が豊富) |
| 2 | Prophet(季節変動・トレンド分解に適合) |
| 3 | OR-Tools(整数計画法で配置最適化を実装) |
| 4 | OpenAI API(対話から制約条件を自動抽出) |
| 5 | AWS ECS/RDS(SaaS基盤のスケーラビリティ確保) |
| 6 | React/TypeScript(ダッシュボードUIの開発効率) |
| 7 | Kafka(WMS連携のリアルタイムデータ処理) |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: サービス稼働率99.5%以上(月間ダウンタイム3.6時間以内)を維持する |
| 性能 | 性能: 1拠点あたりの週次棚割り提案生成処理を30分以内で完了させる |
| セキュリティ | セキュリティ: 出荷・在庫データはTLS1.2以上で暗号化し、ロールベースでアクセス権限を分離する |
| 運用 | 運用: API連携障害発生時は5分以内に自動リトライし、3回失敗時に運用担当へアラート通知する |
| データ保持 | データ保持: 出荷実績データを13ヶ月分オンライン保持し、それ以前は自動アーカイブする |
| スケーラビリティ | スケーラビリティ: 同時接続200拠点・SKU数500万件まで性能劣化なく処理できる構成とする |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | 食品卸1〜2社から出荷実績のCSVを受け取り、表計算やスクリプトで手動集計し、出荷頻度上位SKUの配置と歩行距離の関係を仮説として示す | AI利用料と現地訪問の交通費だけ |
| ②最小システム | 週次で棚割り変更提案マップを自動生成する画面だけを最小構成で作り、承認フローとハンディ端末連携は手作業で代替して現場採用率を確かめる | 外注で数か月分の開発費 |
| ③本開発 | API連携基盤・LLM対話機能・ハンディ端末への配信機能を本実装し、複数拠点での並行運用に耐える設計に仕上げる | エンジニア複数名体制での数か月〜半年規模の開発費 |
上記の要件定義書をもとに、システムベンダー（開発会社）への紹介をご希望の場合はこちらからエントリーできます。
システムベンダーの紹介を希望する※ 紹介のお申し込み窓口はマイページの「業者・士業・投資家の紹介」に一本化しています。AIチャットが内容をヒアリングし、具体的な段階になったら運営が個別におつなぎします。
10年の収支と資金の集め方、財務、KPI、資本政策、そして図解付きのフル事業計画書・AI実装仕様書……
事業計画の詳細は無料会員限定です。
市場の前提（ボトムアップ試算）とTAM/SAM/SOMの規模感……
市場規模の詳細は無料会員限定です。
競合となるサービス・企業と、この事業ならではの差別化ポイント……
競合企業の詳細は無料会員限定です。
対応が必要な許認可・法規制と、確認すべき相手先・想定調整期間……
関連法令・許認可の詳細は無料会員限定です。
手を挙げたその日から動けるように、完了条件つきで並べています。
| 誰に会うか | なぜ会うか | 接触の仕方 |
|---|---|---|
| 食品卸・3PL事業者の物流センター長（倉庫責任者） | PoC実施の意思決定者であり出荷実績データ提供の窓口となるため | 日本ロジスティクスシステム協会(JILS)や物流展示会(国際物流総合展)で名刺交換 |
| WMSベンダーの事業開発・アライアンス担当者(例: ロジザード、フレームワークス) | API連携の技術要件と代理店提携の可能性を確認するため | 各社の事業提携窓口に直接メールまたは展示会ブースで打診 |
| マテハン商社の物流ソリューション営業担当 | Phase3の代理店展開に向け販売チャネル構築の交渉相手となるため | 物流専門誌広告主リストや商社の物流ソリューション部門に営業アプローチ |
| 倉庫現場のベテラン作業員・シフトリーダー | AI提案と現場の暗黙知の乖離を把握し採用率向上の要件を得るため | PoC先倉庫責任者経由で現場ヒアリングの機会を依頼 |
| 中堅3PL経営者・物流子会社の情報システム部長 | SaaS導入予算の決裁者であり複数拠点展開時の意思決定者となるため | 業界団体(全日本トラック協会、日本物流団体連合会)のセミナー・交流会経由 |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 創業者本人の物流業界人脈 | 以前の勤務先や取引先の倉庫責任者に「出荷データを見せてもらって、棚割りの改善案を無料で作らせてほしい」と直接依頼する |
| 国際物流総合展などの展示会 | ブース出展ではなく来場者として名刺交換し、「PoC先を1社だけ探している」と絞って声をかける |
| WMSベンダー経由の紹介 | フレームワークスやロジザードの営業担当に「連携先の実績を一緒に作りたい」と共同PoCを提案する |
| 倉庫協会・物流業界団体の勉強会 | 会員向け勉強会に参加し、「ピッキング歩行距離の実態を教えてほしい」とヒアリング目的で接点を作る |
対応が必要な許認可・法規制の詳細は「関連法令」タブでご確認いただけます。着手前に必ずご確認ください。
制度名・金額・要件は年度ごとに変わるため、ここでは種別と公式の探し先だけを示します。必ず一次情報で最新の要件を確認してください。
| 種別 | 特徴 |
|---|---|
| 自己資金・身内からの出資 | 最初の検証（ヒアリング・試作）はここで賄えることが多い。 |
| 日本政策金融公庫の創業融資 | 実績のない創業期でも相談できる公的融資。事業計画書の提出が要る。 |
| 自治体の創業支援制度 | 市区町村・都道府県ごとに補助・利子補給・家賃補助などがある。要件と募集時期は年度で変わる。 |
| 国の中小企業向け補助金 | 設備・販路開拓・IT導入などの類型がある。公募期間が短いので、常設の情報源で追う。 |
| エンジェル投資家・ベンチャーキャピタル | 急成長を前提にする資金。社会課題型では投資家の性格を選ぶ必要がある。 |
| 確認先 | 何がわかるか |
|---|---|
| ミラサポplus（中小企業庁） | 補助金・支援制度の横断検索 |
| J-Net21（中小機構） | 支援策・創業手引きのデータベース |
| 地域の商工会議所・よろず支援拠点 | 無料の対面相談。申請書の書き方まで見てもらえる |
| 日本政策金融公庫の各支店 | 創業計画書の事前相談 |
| 制度 | 誰が使えるか | この事業でどう効くか |
|---|---|---|
| 日本政策金融公庫 新規開業資金（新創業融資制度） | 法人設立前後の創業者で、自己資金や事業計画を有する者 | 運転資金の融資として想定しており、融資総額は 500万円 を見込む。着金までのつなぎ期間を見越した資金計画に組み込める |
| 信用保証協会 創業関連保証 | 創業者・創業後一定期間内の法人 | 公庫融資と併用して民間金融機関からの追加調達を検討する際の保証枠として候補になる |
| ものづくり・商業・サービス生産性向上促進補助金（ものづくり補助金） | 中小企業・小規模事業者でシステム開発や設備投資を行う事業者 | 最適化エンジンやLLM対話機能の開発費の一部を補助対象として申請できる可能性がある |
| 東京都 創業助成事業（東京都中小企業振興公社） | 都内で創業予定または創業後一定期間内の中小企業者 | 人件費・専門家活用費など創業初期の運営費の一部を助成対象とできる可能性がある |
| IT導入補助金 | ITツールを導入する中小企業・小規模事業者（本事業の場合は導入先の3PL事業者側が対象になりやすい） | 顧客側がShelfShift導入費用に活用できる制度として営業提案時に案内できる |
会社設立の手続きや許認可の取得、契約書の整備など、弁護士・税理士・司法書士等の専門家への紹介をご希望の場合はこちらからエントリーできます。
専門家の紹介を希望する※ 紹介のお申し込み窓口はマイページの「業者・士業・投資家の紹介」に一本化しています。AIチャットが内容をヒアリングし、具体的な段階になったら運営が個別におつなぎします。
本文中の「※1」「※2」の番号は、ここに対応しています。番号を押すと、この欄に飛びます。
この事業が失敗するとしたら原因はどこから来るか、単価をその値段にした理由、最初の3か月で確かめること、必要な契約書と支払い条件、1人目の求人票、この事業の1週間……
実行の手引きの詳細は無料会員限定です。
物流・倉庫DXに取り組む創業者仲間がコミュニティで情報交換しています。ひとりで抱え込まず、同じ課題を見ている人と話すところから始められます。
※ バッジは自動集計にもとづく相対的な表示です。実績や審査結果を保証するものではありません。