解剖
← 解剖レポート一覧
解剖

解剖報告：Amazonの配達順がおかしいのは正しい。あなたの「順番変え」がルート最適化AIの教材になっている

Amazonの配達順が「おかしい」のは勘違いではない。AmazonとMITが公式に開催したLast Mile Routing Research Challengeの一次情報を原文と和訳で解剖する。約9,200件の実ルート履歴に込められたドライバーの暗黙知、Mentorがマイル表示である理由、軽貨物Amazon DSPの契約・報酬構造までを一次ソースで確かめる。

2026年6月16日

Amazonの配達順が「おかしい」と感じるのは、あなたの感覚が鈍いからじゃない。むしろ逆だ。その違和感と、現場で順番を組み替えたという事実そのものが、AmazonのAIが一番欲しがっているデータになっている。

陰謀論の話をしているわけじゃない。これからAmazon自身とMITが公開している一次情報を、原文と和訳で全部見せる。Mentorがなぜマイル表示なのか、ルート最適化AIの正体は何か、そして軽貨物のAmazon DSPで走るドライバーの判断がどう扱われうるのかまで、一次ソースで確かめていく。

Amazonのルート最適化AIは何を学習しているのか

配達順の話から入る。

Amazonは過去に、Amazon Last Mile Routing Research Challenge という研究コンペをMIT（マサチューセッツ工科大学）の輸送・物流センター（CTL）と共催している。テーマは一言でいえば、Amazonの配達順=ルートの最適化だ。AIや機械学習で、従来のルート最適化を超える配達順を作れるか、という勝負になる。

ここまでは「ふーん」で済む。問題は、そのコンペが何を学習対象にしていたかだ。

公式が掲げたゴールはこう書かれている。和訳を先に、原文は補助として畳んでおく。

「このチャレンジの目的は、AI・機械学習・ディープラーニング・コンピュータビジョン、そしてその他の非従来型の手法を使い、従来の最適化型のオペレーションズ・リサーチを上回る配達順の解を生み出すことだ」（出典: MIT CTL公式）

原文（English / MIT CTL）

“The goal of the Last Mile Routing Research Challenge is to encourage participants to develop innovative approaches leveraging artificial intelligence, machine learning, deep learning, computer vision, and other non-conventional methods to produce solutions to the route sequencing problem which outperform traditional, optimization-driven operations research methods…”

ただの最適化コンペに見える。だが、その「上回る解」のお手本に何を使ったか――ここが引っかかった。淡々とした研究テーマの裏で、お手本にされていたのは理論値じゃなかった。

Amazon Scienceが公開している和訳――「ドライバーは頻繁に逸脱する」

Amazon Scienceの公式記事に、はっきり書いてある。和訳を先に置き、原文は畳んでおくので、英語が必要な人だけ開けばいい。

まず、計算されたルートをドライバーが守らない、という前提から始まる。

「しかしドライバーは、コンピュータが計算したルートから頻繁に逸脱する。」

なぜ逸脱するのか。理由として挙げられているのが、現場の人間なら身に覚えしかない一文だ。

「ドライバーは、どの道が走りにくいか、いつ渋滞するか、どこに駐車しやすいか、どの配達先をまとめて回ると効率的か、といった、既存の最適化モデルでは捉えられない情報を持っている。」

原文（English / Amazon Science）

“Drivers, however, frequently deviate from those computed routes.”

“Drivers carry information about which roads are hard to navigate, when traffic is bad, when and where they can easily find parking, which stops can be conveniently served together, and many other factors that existing optimization models don’t capture.”

これ、ぜんぶお前の話だ。この路地は対向車が来たら詰む。あのマンションは裏に停めないと台車が地獄。――俺が今でも忘れないのは、新人の頃に入った戸塚の住宅街で、ナビ通りに突っ込んで離合できずに5分バックさせられた角だ。次の週からはその角を避けて回した。そういう、地図には載っていない判断を、ドライバーは体で持っている。Amazonはそれを「暗黙知（know-how）」と呼んでいる。

そして、その暗黙知を取りに行く、と宣言しているのが核心の一文になる。

「AmazonとMITは、Amazon Last Mile Routing Research Challengeというコンペを開催する。そこで研究チームは、経験豊富なドライバーが選んだ配達ルートを予測する機械学習モデルを訓練する。」

原文（English / Amazon Science）

“The two groups are sponsoring a competition, called the Amazon Last Mile Routing Research Challenge, in which academic teams will train machine learning models to predict the delivery routes chosen by experienced drivers.”

予測する対象は、最適化された理論値じゃない。経験を積んだドライバーが実際に選んだ順番のほうだ。そしてそのための教材は、ちゃんと実データで用意されていた。

「Amazonは、ドライバーのノウハウが詰まった、ドライバー自身が決めた4,000件以上のルート履歴も提供する。」

原文（English / Amazon Science）

“Amazon will also provide more than 4,000 traces of driver-determined routes, which encode the drivers’ know-how.”

なお記事本文では「4,000件以上」と紹介されているが、実際に公開されたデータセットの規模はもっと大きい。MIT CTLの公式とAWSの公開データを当たると、訓練用6,112件＋評価用3,072件の計約9,200件の実ルートが、北米の複数の配送ステーションから集められていた（出典: AWS Open Data / MIT CTL公式）。訓練用に配り、評価用は伏せておく――要するに、人間の走り方を覚えさせて、別の人間の走り方を当てさせる、というつくりだ。

つまり、あなたの「この順番おかしい」がルート最適化AIの教材になっている

俺の体感から入る。新人の頃、組まれた通りに回って1日が終わらなかったルートを、半年後には自分の組み替えで2時間早く終わらせていた。あの2時間の差。そこに、地図に載っていない判断が全部詰まっている。Amazonが何千件分もかき集めたかったのは、まさにその差だ。

流れを追うとこうなる。アルゴリズムが「この順で回れ」と出す。現場のドライバーが「いや、その順番だと無理だろ」と組み替える。どこで、どう変えて、結果どの順番が早かったか――その軌跡が残る。AIはそれを食って「人間はどこで、なぜ逸脱したのか」を学ぶ。

要するに三段だ。①ルート最適化AIが配達順を出す → ②ドライバーが現場の暗黙知で組み替える → ③その「組み替えた軌跡」をAIが学習する。 この①→②→③が一周まわって、次のモデルに効いてくる。あなたが今日ナビを無視して回した一手は、この③の位置に落ちる。

だから「Amazonの配達順、たまにマジでおかしいよな」というあなたの愚痴は、正しい。そして、その「おかしい」を現場で直した行動こそ、Amazonがわざわざ何千件も集めたほど価値のある教材になっている。陰謀論じゃない。AmazonとMITが論文とコンペで堂々と公開しているテーマだ。

なお、コンペの上位チームの多くは純粋な機械学習一本ではなく、巡回セールスマン問題などの数理最適化に、このドライバーの知識を混ぜる手法を取っていた。AIが人間の暗黙知を「丸ごと吸い上げて置き換えた」というより、人間の判断を計算の中に組み込む方向だった（出典: MIT News / arXiv 2205.04001）。

なぜMentorの距離はマイル表示なのか

ここで運転監視アプリのMentorの話をしておく。配達順がデータ化されるなら、運転そのものも同じ思想で測られている、という二の矢だ。

たぶん一度は引っかかったはずだ。「なんで日本で配達してるのに、アプリの距離がマイル表示なんだ？」――俺も初日にナビ画面を見て、一瞬フリーズした。

答えは、出自をたどると筋が通る。Mentorは日本で作られたアプリじゃないからだ。

開発元は eDriving という米国企業。本社（主要拠点）は米国ニュージャージー州にあるとされ、公式サイトもニュージャージー州の住所を載せている。ただし2021年にテキサス州ウェストレイクのSolera社に買収されて以降、公式サイトには親会社と同じテキサス州の住所も併記されていて、「どこが本社か」は情報源によってブレる。いずれにせよ、米国で生まれたソフトだ。

構図はこうだ。eDrivingが運転監視のテレマティクスを作った。それをAmazonがDSP向けに採用した。つまりAmazonが軽貨物のために一から作ったわけじゃなく、米国向けに設計済みのシステムを日本でも使っている、という順番になる。ベースの設計思想が最初から米国仕様なので、距離がマイルなのも地続きの話だ。「米国製のソフトをそのまま日本に入れているから」と考えると、マイル表示の謎はすっきり解ける。

アプリの説明を読むと、運転を「測定する」「点数化する」「リスクを予測する」とある。FICO Safe Driving Score（予測スコア）やコーチング機能は、公式のドライバーガイドでも確認できる。一方で、マイル表示の背景や、米国の保険会社向けテレマティクスとしての出自といった部分は、このガイドに直接書いてあるわけではなく、出自から考えるとそう読める、という解釈だ。確認できる仕様と、こちらの推測は分けておく。

軽貨物のAmazon DSPとは何か――契約形態と報酬構造を分解する

ここで、読者像である軽貨物ドライバーの足元――Amazon DSPそのものの仕組みを分解しておく。配達順や運転監視は、この契約構造の上に乗っている話だからだ。

まず言葉を整理する。DSP（Delivery Service Partner） は、Amazonが配送を委託する配送会社の制度のことだ。北米ではAmazonがブランドのバンを貸し出す本家のDSPプログラムがあるが、日本の軽貨物現場で「Amazon DSP」と呼ばれているのは、Amazonから配送を請ける運送会社（元請け）と、そこに委託される個人事業主の軽貨物ドライバーという多層構造を指すことが多い。ここを混同すると話がズレる。

俺が最初に契約書を見たとき、いちばん引っかかったのがこの多層構造だった。自分は誰と契約していて、配達順を出しているのは誰で、点数をつけているのは誰なのか。これが見えていないと、後の報酬の話が全部ぼやける。順番に並べるとこうなる。

  • Amazon … 荷主。配達順を出すルート最適化と、Mentorによる運転監視の仕組みを握る側。
  • 元請け（配送会社・DSP） … Amazonから配送エリアを請け、ドライバーを束ねる中間。
  • 個人事業主ドライバー（あなた） … 業務委託契約で実際にラストワンマイルを回す側。多くは自分の軽バンを持ち込み、ガソリン・車両維持費・任意保険を自己負担する。

ここで効いてくるのが報酬構造だ。日本の軽貨物Amazon DSPの報酬は、大きく分けて 日額の固定報酬型 か 個数歩合型、あるいはその併用になっていることが多い。どちらの形でも、表に出る「日当いくら」「1個いくら」の数字だけ見ると割が良く見える。だが、雇用ではなく業務委託である以上、以下が原則として自分持ちになる。

  • 車両のリース代・購入費、車検・整備費
  • ガソリン代
  • 任意保険・対人対物の備え
  • 国民健康保険・国民年金・所得税（源泉されない）
  • 繁忙閑散の波（個数が出ない日も固定費は出ていく）

つまり、額面の報酬から「自分で負担している経費」を引いた手取りが、実際の取り分だ。ここを計算に入れずに「Amazon DSPは稼げる/稼げない」と語っても意味がない。そして、雇用契約ではなく業務委託だからこそ、配達順はAmazon側の最適化から降ってきて、運転はMentorで測られるのに、その評価に対してこちら側の交渉余地は薄い――この非対称が、軽貨物Amazon DSPという働き方の核心になる。

なぜ走っても手取りが増えにくいのか、その「構造」をもう一段深く分解したのが軽貨物で稼げない本当の理由は「構造」だっただ。報酬構造そのものに納得がいっていないなら、こちらを先に読んでおくと、この先の話の解像度が上がる。

軽貨物のAmazon DSPで走る人間にとって、何が起きているか

ここまでをいったん、読者の足元に落とす。

軽貨物のAmazon DSP案件で日々ラストワンマイルを回しているなら、あなたはこの構造のど真ん中にいる。配達順は最適化AIから降ってくる。運転はMentorで測られ、点数化される。そして組み替えという日々の判断は、巡り巡って「ドライバーの暗黙知」というラベルで研究テーマになっている。

念のため線を引いておく。北米コンペで使われたデータは北米の匿名ルート履歴であって、「日本のあなたの今日の組み替えが、いまそのまま学習データに入っている」という直接の証拠が公開されているわけじゃない。ただ、同じ思想のシステム（最適化ルート＋Mentorの運転監視）が日本の軽貨物DSP現場に入っている以上、あなたの判断も同種のデータになりうる構造の中に置かれている。そこは確かだ。

ちなみに、Amazonという巨人が物流の地図をどう塗り替えてきたかは、Amazonがトイザらスを潰したって本当ですか？に別途まとめてある。プレイヤーの体格を測りたいなら、合わせて読むと効く。

ただし「配達員を排除するため」とまでは書いていない

ここは正直に線を引く。

一次情報で確認できるのは、「ドライバーの暗黙知を機械学習モデルに取り込む」ところまでだ。その目的が「いずれ人間のドライバーを不要にするため」だとは、AmazonもMITも一言も書いていない。掲げられている狙いは、もっと効率的で安全なルート、燃料を無駄にしない配送、そしてドライバー自身の満足度向上――そう書いてある。

ただ、建前がどうあれ、データを渡しているのはこっち側だ。そこは冷たく置いておく。

ここを盛って「Amazonは俺たちを消そうとしている」と断言した瞬間、一気に陰謀論側に転げ落ちて、せっかくの一次情報の説得力まで死ぬ。確かなことだけを置く。あなたの運転と判断は、データ化されうる構造の中に、すでに置かれている。

David vs Goliath──体格差を、盛らずに見積もる

最後に、相手の大きさを正直に測っておく。煽りでも、過小評価でもなく。

Amazonは、ただの配送会社じゃない。クラウド基盤のAWSは世界シェア首位（2025年時点でおよそ3割弱）で、生成AIのAnthropicにも巨額の出資をしている。AIが「どこで、どう動くか」に強い影響力を持つ、最大級のプレイヤーの一社だ。とはいえAWSのシェアは過半数ではなく、Microsoft AzureもGoogle Cloudも背後にいる。「一社が世界のAIの生殺与奪を握る」という絵は正確じゃない。

正確なのはこの一点だけだ。Amazonは「配達順」という、俺たちが毎日体でやっている地味な作業を、AI研究のテーマとして世界に公開できる規模を持っている。こっちの日々の判断を、研究材料として扱える側に立っている。David vs Goliathの体格差はこのくらい。巨人が悪いという話じゃない。体格差を知ったうえで、自分の側で何を握るか――話はそこに尽きる。

配達順がおかしいと感じる勘は、正しかった。そしてその違和感と組み替えは、巨人がわざわざ集めるほど価値のある暗黙知そのものだ。自分の回り方を言語化できるドライバーは、現場で強いだけじゃない。いざ独立して自分で案件を組むとき、その言語化がそのまま武器になる。

点数をつけられる側で消耗するか、自分の暗黙知を握る側に回るか。決めるのは、データじゃない。こっちだ。

搾取の構造から、抜ける

握った暗黙知を「武器」に変える具体的な一手は、ここにまとめてある。元請けとAmazonの最適化の間で点数をつけられ続ける側から、自分で案件を取りにいく側へ回る動き方だ。

➡ 搾取から抜けるための一手──暗黙知を独立の武器に変える

読んで「自分の場合はどうか」を詰めたくなったら、そこで止めずに動いてほしい。解体真書では、軽貨物の独立・案件設計まわりの個別相談を受け付けている。相談では、あなたの「戸塚の角」にあたる暗黙知を言語化するシートと、いまの報酬から手取りを逆算した案件設計の叩き台を一緒に作る。今日の組み替えの一手を、来月の取り分に変える話だ。

➡ 解体真書に相談する（軽貨物の独立・案件設計の個別相談）

俺は、あの戸塚の角を言葉にしておいてよかったと思っている。あなたの角は、どこだ。

よくある質問

Q. Mentorの距離はなぜマイル表示なのか？ A. Mentorが日本製ではなく、米国企業eDrivingが米国向けに設計したテレマティクスを、Amazonが日本のDSP向けにも使っているからだと考えられる。ベースが米国仕様のため距離単位がマイルのまま、というのが自然な解釈になる。

Q. 軽貨物のAmazon DSPは「稼げる」のか？ A. 額面の報酬（日額固定や個数歩合）だけでは判断できない。日本の軽貨物Amazon DSPは多くが業務委託契約で、車両費・ガソリン代・任意保険・国保・年金・所得税が自己負担になる。額面から自己負担の経費を引いた手取りが実際の取り分で、ここを計算に入れて初めて「稼げるか」を語れる。

Q. 軽貨物Amazon DSPの経費は、ざっくり何にいくらかかる？ A. 自己負担になりやすいのは、車両（リース／購入＋車検・整備）、ガソリン、任意保険、そして国保・年金・所得税だ。とくに見落とされやすいのが税・社会保険で、給与のように源泉徴収されないため、確定申告で一気にのしかかる。日額・個数の額面が良く見えても、これらを月額に均して引くと手取りの実像はかなり変わる。「きつい」「思ったより残らない」と言われる原因の多くは、この経費の内訳を最初に把握していないことにある。

Q. 自分の配達ルートの組み替えは、本当にAIの学習に使われているのか？ A. AmazonとMITは、北米の匿名ルート履歴（約9,200件）を使い、経験豊富なドライバーが選んだ配達順を予測するモデルを訓練するコンペを公式に開催した。これは事実だ。ただし「日本のあなたの今日の組み替えが、いまそのまま学習されている」という直接の証拠は公開されていない。同種のデータになりうる構造に置かれている、というところまでが確実な線だ。

Q. Amazonは人間のドライバーを排除しようとしているのか？ A. 一次情報には書かれていない。AmazonもMITも、狙いは効率・安全・燃費・ドライバー満足度だとしている。「排除のため」という意図は確認できない。事実（暗黙知の取り込み）と、書かれていないこと（人間排除の意図）は分けて読むべきだ。

出典

一次情報（Amazon / MIT公式）

参考（第三者・学術）

Next Step

あなたの損失額を、数字で確認する。

日当・稼働日数・中抜き率を入力するだけ。
年間でいくら消えているかが、リアルタイムでわかります。

シミュレーターを使う → 他のレポートを読む