経験が重要であることは、ほとんどの人が認めるところでしょう。配管工、小児科医、機械工、科学者のいずれの場合でも、選択肢が与えられたら、経験豊富な専門家を選択するのが普通でしょう。なぜでしょうか？ それは一般的に、経験は将来の有用な結果と強い相関関係があるからです。現在、人工知能（AI）と機械学習（ML）により、機械（ソフトウェア）を「トレーニング」できるようになり、ラストワンマイル配送を含むいくつもの産業に重大な影響をもたらすようになりました。

人が同じ作業を何度も繰り返し、異なる状況、変数、結果から教訓を得て学ぶのと同じように、コンピューターも同じことを行います。しかし、人が手を動かして学習するのとは異なり、コンピューターやソフトウェアはデータやデータセットに見られるパターンから学習します。その経験によってソフトウェアは、将来的により良い選択を行い、その後の結果を向上させることができます。

ラストワンマイルの運用には多数の要素があり、それぞれにさまざまな複雑性があります。拠点、在庫、ドライバー、車両に加え、顧客、ルート、そしてシステムの中心にいる配車担当者をも考慮しなければなりません。毎日の配送を時間どおりに計画どおりに実行するには、これらすべての要素を完璧に調整する必要があります。しかし、それらの計画は誤った仮定に基づいていることがよくあります。例えば、サービスタイムです。

正確な計画は正確なデータがあるかに依存しますが、これはモバイルやクラウドベースのシステムを使用していない多くの配送事業者にとってしばしば大きな問題となっています。この 3 つのグラフがその理由を示しています。1つ目（図1）は、配送を受けるさまざまな場所での静的な（予測された）サービスタイムを示し、2つ目（図2）は実際のサービスタイムを示し、3つ目（図3）は機械学習されたサービスタイムを示しています。

ここで、予測されたサービスタイムと機械学習されたサービスタイムに基づいてルート計画を構築することの意味を考えてみましょう。ほとんどすべての場合において、予想されるサービスタイムと実際のサービスタイムには、わずかな、あるいは大きなばらつきがあり、こうしたばらつきのひとつひとつが、配送計画にリスクをもたらします。機械学習を通じて、そのばらつきと、計画と実際の間の差を最小限にすることができます。ラストワンマイルのダイナミックな性質は、完璧な計画が存在しないことを意味し、サービスタイムは、ドライバーや配車担当者が配送当日中に対処する必要がある無数の問題の 1 つにすぎません。

しかし、ドライバーの好みのルートから学習したサービスタイムなど、配送日のあらゆる側面に関する非常にきめ細かいデータが利用可能になったことで、次世代ルーティングソフトウェアは、機械学習を活用してラストワンマイル業務を変革するチャンスがあります。そしてこれは、Wise Systemsが毎日行っていることなのです。