「いつもの業者さん」に頼るしかない現場の現実
協力会社や外注先を選ぶとき、どのように判断しているでしょうか。
長野・諏訪・岡谷の中小製造業の現場では、「この品目はあそこ」「この担当者が付き合いのある業者に頼む」という形で、発注先が決まっているケースが少なくありません。担当者の記憶と経験がそのまま選定基準になっており、情報は名刺・メール・Excelにバラバラに存在しています。
これは、判断が悪いわけではありません。付き合いが長ければ信頼の積み重ねがあり、それは本物の資産です。問題は、「別の業者を探すとき」や「担当者が変わったとき」に、その知識が引き継げないことです。また、複数社から見積もりを取っても、価格以外の軸で比較する仕組みがなく、「安い方」で決めてしまうことも起きます。
AIを使うと、この選定の仕組みを整えることができます。
従来の選定とAI支援の比較
AIが担う役割：整理・抽出・比較
AI支援の発注先選定で、AIが実際に担う仕事は3つです。
業者情報の一元管理と検索
散在している業者情報を一か所に集め、品目・得意工程・過去の発注実績・納期実績・品質記録を整理します。「旋盤加工ができて、小ロット対応可能な業者」「今期すでに発注量が多い業者」といった条件で候補を絞り込めるようにします。
この部分は、AIというより「整理されたデータベース」と呼ぶ方が正確かもしれません。ただ、整理されたデータがあると、AIがその上で検索・抽出・比較を行えるようになります。
発注条件と候補のマッチング
今回の発注に必要な条件──品目・数量・納期・予算上限──を入力すると、条件に合う業者候補をリストアップします。過去の納期遵守率、品質クレームの有無、現在の受注状況（過去の発注ペースから推定）といった実績情報を加味して、優先候補を絞り込みます。
担当者が「どの業者に声をかけるか」を考える時間を、大幅に削ることができます。
見積もりの多軸比較
複数の業者から取った見積もりを、価格だけでなく納期・数量対応・過去実績・支払い条件の軸で並べて比較します。AIが表形式で整理することで、「価格は少し高いが納期信頼性が高い業者」と「安いが過去に遅延がある業者」を並べて判断できます。
AI支援のプロセス全体像
人が判断を握る部分
AIによる抽出と比較は、あくまで「候補を絞り込む」ための道具です。最終的な発注先の決定は、人が行います。
理由は明確です。発注先との関係は、数字に表れない要素を含みます。今後の事業展開での協力関係、急な仕様変更への対応力、先方の経営状況の変化──こうした要因は、過去データだけでは判断できません。AIは整理と抽出を担い、最終判断は現場知識を持つ人が行う。この分業が機能します。
また、「この業者に育ってほしい」という意図的な発注──品質向上を期待して新しい業者に試してもらう──といった戦略的な判断も、人が持つべき領域です。
始め方：データを「使える形」にすること
取り組みの第一歩は、今ある業者情報をデータとして整えることです。
集める情報の優先順位
まず、以下を一覧にします。業者名・所在地・連絡先・対応可能な品目・工程。次に、過去の発注履歴（品目・数量・発注日・納品日・金額）を付け加えます。品質記録（クレーム・手直し・不良返品）があれば、それも加えます。
紙や個人のメモに散らばっているものをExcelに集めるだけでも、最初のステップとして機能します。
AIに読み込ませる形にする
集めたデータを、AIが扱いやすい構造化された形（Excelシートやスプレッドシート）に整えます。品番や工程名の表記ゆれを統一することが、この段階の主な作業です。
試しに1件の発注で使ってみる
次の発注案件で、候補の絞り込みと見積もり比較をAI支援でやってみます。実際に使うことで、どのデータが足りていて、どこを補う必要があるかが見えてきます。
蓄積すると精度が上がる
AI支援の発注先選定が、従来の方法より価値を持つのは「蓄積」にあります。
発注するたびに、実績データが積み上がります。「この業者は精密部品の小ロットで3回発注して、すべて納期通りだった」「こちらの業者は価格は安いが、2回のうち1回遅延があった」──こうした記録が次の選定の判断材料になります。
担当者が変わっても、この判断材料は引き継がれます。長く付き合ってきた担当者の知識をデータに落とすことが、組織の調達力を高めることになります。
長野の製造業での実務への落とし込み
私たちは、現場が持っている業者情報と発注データを整理し、AI支援の選定の仕組みを作るところから一緒に取り組みます。大掛かりなシステム導入ではなく、今あるExcelやメールのデータを起点に、現実的な仕組みに整えることを優先します。
取り組んで効果が見込めない場合──データが少なすぎる、業者数が少なく選定の手間自体が小さい──には、その旨をはっきりお伝えします。どの課題からデータ整備を始めると現場に効くかを、一緒に整理します。