調達は「誰かの頭の中」で動いていないか
材料が切れて生産が止まった。発注を怠ったわけではなく、担当者が「いつもの感覚」で判断したところ、今回は読みが外れた。
長野・諏訪・岡谷の製造現場でよく起こる話です。調達業務──資材や部品の在庫管理と発注──は、ベテランの経験と記憶に支えられていることが多い。担当者が変わると発注精度が落ち、休暇や急な欠勤で業務が止まる。発注間隔がばらつき、急ぎ対応でコストが上がる。
根本の原因は、判断の根拠がデータではなく「人の頭の中」にある点です。この状態を変えるところにAIが力を発揮します。
AIが調達業務を助ける2つの場面
AIで調達業務のすべてを自動化することは、現時点では現実的ではありません。AIが力を発揮するのは「データの整理・パターンの読み取り・文章の作成」という場面です。調達業務でこれが当てはまるのは、次の2点です。
発注タイミングの見える化
過去の発注履歴・使用量・在庫推移のデータがあれば、AIはそこからパターンを読み取り、「いつ在庫が減りやすいか」「どのペースで消費されているか」を整理できます。
スプレッドシートに蓄積された在庫データをAIに読み込ませると、「この部品は月の中旬に消費が集中しやすい」「リードタイムを考慮すると、残量○個の時点で発注が必要」といった情報を整理できます。これまで感覚的にやっていた判断を、データの確認で代替できます。
担当者が変わっても同じ基準で発注できるようになる点が、実務上の大きなメリットです。
見積依頼文書の作成
複数の仕入先に見積を依頼するとき、品番・仕様・数量・納期・条件を毎回書き起こす手間があります。AIを使えば、過去の依頼書や仕様書の情報をもとに、依頼文書の下書きを数分で作れます。
仕入先が5社あれば、5社分の文書をそれぞれ調整する作業もAIが手伝います。「この仕入先には材質の規格を追記する」「この仕入先への依頼は丁寧な文体で」といった調整も、AIへの指示で反映できます。
始め方：データを「読める形」に整えることから
AIを活用するには、まずデータが必要です。発注の記録・在庫の推移・使用量の履歴が、AIが読める形で揃っているかどうかを最初に確認します。
スプレッドシートで管理していれば、すぐに使えます。紙台帳のみの場合は、データ化が先になります。ただし、すべてを完璧に整える必要はありません。主要品目に絞って始め、使いながら広げる進め方が現実的です。
ステップ1：データを確認する
在庫・発注記録がどこにどんな形で蓄積されているかを把握します。スプレッドシート・販売管理ソフト・紙台帳など、現状の形を確認することが出発点です。
ステップ2：主要品目を集約する
まず発注頻度が高い品目・在庫切れリスクが高い品目を中心に、スプレッドシートにデータを集約します。全品目を一度にやろうとすると続きません。主要品目10〜20点から始めます。
ステップ3：AIでパターンを整理する
集約したデータをAIに渡し、消費傾向と発注タイミングの目安を整理させます。AIが出す数字はあくまで参考値であり、まず「こういう傾向があるのか」を確認する材料として使います。
ステップ4：人が確認・判断して発注する
AIの整理結果を見て、最終的に発注するかどうかを人が判断します。調達は取引先との関係・生産計画・価格交渉など、データに現れない要素が絡みます。この判断を人が持つことが、AIと人の分担の基本線です。
AIに向かない調達の判断
AIはデータから過去のパターンを整理しますが、「今後の状況の変化を読む」ことはできません。
たとえば、新製品の立ち上げで部品の使われ方が変わる局面、仕入先との価格交渉中で発注を保留した方がよい局面、原料市場の動向を読んで先行発注を判断する局面──こうした判断は、現場の文脈と経営的な判断が必要であり、AIに任せられる領域ではありません。
AIは「これまでの実績から見た発注タイミング」を整理します。それを踏まえて「今どうするか」を判断するのは、人の役割です。
私たちの進め方
私たちは、まず調達データの現状確認から始め、AIが活用できる部分と人が判断すべき部分を整理した上で、実務に合った使い方を設計します。
取り組んでみて「このデータでは精度が出ない」「この品目は例外が多くAIの整理が実態に合わない」と判断したときは、その旨をはっきりお伝えします。効果が見込めない部分に時間をかけず、実際に使える場面から着手するのが私たちのやり方です。