需要予測の読み合わせと整形作業を減らす、AI自動化事例の考え方

はじめに

GDX株式会社でAIリサーチを担当しているMia Sato（佐藤ミア）です。

GDXでは、EC・小売業界における発注判断や在庫確認、会議前の読み合わせ工数を減らすために、発注判断支援AIシステムを自社開発しています。

グローバルに展開するシューズブランドや、複数地域で商品を販売する小売・EC企業では、国や地域、SKU、サイズ、カラー、季節、キャンペーンによって販売傾向が大きく異なります。

そのため、発注前には販売データ、在庫数、過去の発注履歴、入荷リードタイム、販促予定など、多くの情報を確認する必要があります。

本記事では、発注判断支援AIシステムを通じて、こうした発注判断前の確認作業を整理し、担当者が見るべきポイントを把握しやすくする方法を紹介します。

なぜ発注・在庫管理は読み合わせ工数が増えるのか

発注・在庫管理の現場では、数字を見るだけでは判断できない場面が多くあります。

たとえば、月曜朝の発注会議で、担当者が複数のExcelやレポートを開きながら、

「どの商品を追加発注するか」
「どの商品は在庫リスクが高いか」
「どのSKUは人が確認すべきか」
「この地域だけ売れ方が違うのはなぜか」

といった内容を一つずつ確認していくことがあります。

SKU数が少なければ、人の経験で確認できる範囲もあります。
しかし、商品数が多く、販売地域も複数に分かれている場合、確認対象は一気に増えます。

さらに、発注判断では販売数だけを見ればよいわけではありません。

現在の在庫量、過去の発注タイミング、入荷までのリードタイム、地域ごとの販売ペース、キャンペーン予定、季節要因なども合わせて見る必要があります。

たとえば、ある国では毎年特定の季節にスニーカーの需要が伸びる。
別の国では、同じ商品でも売れるサイズが違う。
また別の地域では、販促期間中だけ一時的に需要が増える。

こうした差分を毎回人の経験だけで整理すると、会議前の準備にも、会議中の読み合わせにも時間がかかります。

GDXが発注判断支援AIシステムで解決したいのは、まさにこの部分です。

AIに最終判断を任せることではありません。
発注担当者が判断する前に、見るべき情報を整理し、確認対象を減らし、優先順位をつけやすくすることです。

発注判断支援AIシステムとは何か

在庫適正化システムは、GDXが自社開発した、機械学習・AIを活用した発注支援システムです。

販売データ、在庫データ、過去の入荷・発注データをもとに需要を分析し、発注数量の目安を提示します。

特に重要なのは、単に全体の売上を見るだけではない点です。

発注判断支援AIシステムでは、次のような情報を組み合わせて見ていきます。

• 各地域の販売状況

• 現在の在庫量

• 過去の発注タイミング

• 入荷までのリードタイム

• SKUごとの動き方

• サイズ、カラー、規格ごとの販売差

• 季節やキャンペーンによる需要変動

発注判断支援AIシステムは、LLMモジュールを活用しながら、販売データ、在庫データ、毎年の入荷・発注データを分析し、地域ごとの発注頻度に応じた発注数量を提案します。

つまり、発注判断支援AIシステムは完全自動で発注を確定する仕組みではありません。

発注担当者が最終判断をする前に、必要な材料をそろえる仕組みです。

どの商品を優先的に見るべきか。
どのSKUは欠品リスクが高いか。
どの商品は過剰在庫になりやすいか。
どの提案値は人が再確認した方がよいか。

こうした論点を事前に整理することで、担当者はすべての商品を同じ重さで確認する必要がなくなります。

AIで何が整理できるのか

発注判断支援AIシステムから出力される発注提案レポートは、発注判断のためのたたき台になります。

たとえば、次のような情報を確認できます。

• SKUごとの推奨発注数

• 地域ごとの需要傾向

• 在庫が不足しそうな商品

• 発注を急ぐべき商品

• 過剰在庫になりやすい商品

• 過去の発注結果との差分

• 人が再確認すべきSKU

ここで重要なのは、AIが出した数字をそのまま使うことではありません。

需要予測は、数字が出れば終わりではないからです。

なぜその発注数なのか。
どの商品を優先すべきなのか。
どこは人が確認すべきなのか。

ここまで整理されてはじめて、発注担当者が使いやすい情報になります。

たとえば、すべての商品を一覧で確認するのではなく、欠品リスクが高い商品や、前回の発注結果と差分が大きい商品を優先的に確認できるようにする。

あるいは、需要が大きく変動しているSKUだけを拾い、通常通り動いている商品は確認の優先度を下げる。

このように、AIの役割は「判断を代替すること」ではなく、「判断前の整理を支援すること」です。

確認対象を減らす。
優先順位を整理する。
異常値や変化の大きい商品を拾う。
会議前の論点をそろえる。

発注判断支援AIシステムは、このような前段の業務負荷を減らすための仕組みです。

クライアント企業での検証事例

発注判断支援AIシステムは、実際のクライアント企業でも検証を行っています。

あるクライアント企業でのPoCでは、従来のマニュアル発注と、当社が開発した発注判断支援AIシステムを活用した発注結果を比較しました。

検証対象は約1,000SKU。
5か月間にわたり、約5,000回の発注判断を比較しています。
その結果、従来のマニュアル発注では、

• 欠品回数：380回

• 欠品率：7.6％

だったのに対し、

発注判断支援AIシステムを活用した発注では、

• 欠品回数：130回

• 欠品率：2.6％

まで低減しました。

PoC段階ではありますが、欠品数を約3分の1まで抑えられる傾向が確認されています。

特に重要なのは、単に「予測を出す」だけではなく、

• 販売傾向

• 在庫状況

• SKUごとの差異

• 入荷リードタイム

• キャンペーン影響

などを踏まえながら、“どの商品を優先的に確認すべきか”を整理できる点です。

発注業務では、経験豊富な担当者でも、SKU数が増えるほど全体を見切るのが難しくなります。

発注判断支援AIシステムは、
そうした「確認工数」や「読み合わせ負荷」を減らしながら、発注判断を支援できる点に大きな価値があると考えています。

もちろん、業界や商材特性、地域差によって結果は変動するため、すべての企業で同じ結果になるわけではありません。

ただ、販売データ・在庫データ・発注履歴をもとに、需要変動や在庫リスクを整理できることは、多SKU運用を行う企業にとって大きなメリットになると考えています。

導入後に期待できる効果

クライアント企業での検証結果を踏まえると、発注判断支援AIシステムでは、次のような効果が期待できます。

1. 欠品リスクの低減

欠品が起きやすい商品や在庫不足リスクを事前に把握しやすくなるため、追加発注や在庫調整の判断を早めやすくなります。

結果として、

• 売り逃し

• 機会損失

• 緊急対応

を減らしやすくなります。

2. 在庫最適化

販売状況、在庫量、入荷リードタイム、店舗・倉庫ごとの在庫状況を横断的に整理することで、

• 過剰在庫

• 動きが鈍いSKU

• 偏った在庫配置

を早い段階で把握しやすくなります。

特にSKU数が多い企業ほど、効果を感じやすい領域です。

3. 売上成長への貢献

需要が高まる商品を、必要なタイミングで、必要な場所へ配置しやすくなるため、販売機会の損失を減らしやすくなります。

また、

• キャンペーン時の在庫不足

• 想定外の需要増加

• 地域差による偏り

などにも対応しやすくなるため、結果として売上成長にもつながりやすくなります。

実際にどんな場面で使いやすいか

発注判断支援AIシステムは、特に「商品数が多い」「地域差が大きい」「需要変動がある」「発注判断に時間がかかる」企業と相性がよいと考えています。

たとえば、アパレル・シューズ・スポーツ用品のようにSKUが多い業界です。

この業界では、同じ商品でもサイズ、カラー、モデル、性別、地域によって売れ方が変わります。

ある国では大きめのサイズがよく売れる。
別の地域では、ベーシックカラーが安定して売れる。
また別の地域では、キャンペーン期間だけ特定モデルの需要が一気に伸びる。

こうした違いを毎回Excelで確認して、発注数量を決めるのはかなり大変です。

発注判断支援AIシステムを使うと、各地域・各SKUの販売ペース、在庫量、過去の発注実績をもとに、次回の発注数量を提案できます。

全部の商品を同じ基準で見るのではなく、見るべき商品から確認できるようになります。

また、食品・飲料・日用品のように補充頻度が高い業界でも活用しやすいです。

この領域では、需要が季節、気温、イベント、消費習慣に影響されやすくなります。

売れると思って多く発注しすぎると、在庫や廃棄のリスクが出ます。
少なく見積もると、売れる時期に欠品してしまいます。

発注判断支援AIシステムを使うと、販売ペース、在庫量、入荷リードタイム、過去の発注データをもとに、どの商品をいつ補充すべきかを判断しやすくなります。

さらに、家電・電子機器・部品のように、単価が高く、リードタイムが長い商品を扱う業界でも、発注判断の整理に役立ちます。

人気モデルが欠品すると販売機会を失います。
一方で、旧モデルを多く持ちすぎると、新モデル発売後に在庫負担が大きくなります。

つまり、欠品も困るし、在庫を持ちすぎるのも困る。

このバランスを取るために、過去の販売データ、在庫データ、入荷データ、発注リードタイムを整理し、商品ごとの補充タイミングを見やすくすることが重要になります。

GDXが重要視していること

GDXが重要視しているのは、AIを導入すること自体ではありません。

業務のどこに負荷がかかっているのか。
どの判断に時間がかかっているのか。
どの情報が整理されれば、担当者が動きやすくなるのか。

この業務設計を見たうえで、AIや機械学習を活用することが大事だと考えています。

発注・在庫管理の現場では、いきなり最終判断まで自動化しようとすると、現場に受け入れられにくい場合があります。

なぜなら、発注判断には、販促計画、現地の販売事情、取引先との関係、過去の経験など、データだけでは判断しきれない要素も含まれるからです。

そのため、まずは人が判断しやすくなる前段を整える。

販売データを整理する。
在庫リスクを見えるようにする。
確認すべきSKUを絞る。
会議前の論点をまとめる。
発注数量のたたき台を作る。

この順番の方が、現場には入りやすいと考えています。

発注判断支援AIシステムも、完全自動発注を目的としたものではありません。

最終的には、販社や担当者が発注提案レポートを確認し、必要に応じて調整し、発注内容を確定します。

AIはあくまで、人が判断しやすくなる状態をつくるために使う。

この距離感を大切にしています。

導入相談はこちら

発注判断支援AIシステムは、次のような課題を持つ企業で活用できる可能性があります。

• SKU数が多く、すべての商品を細かく確認しきれない

• 地域ごとに販売傾向が異なる

• 発注会議や読み合わせに時間がかかっている

• 欠品や過剰在庫のリスクを整理したい

• Excelでの集計や確認作業に負担を感じている

• 発注判断の前提を本部・販社間で共有しやすくしたい

たとえば、毎週の発注会議で、担当者が複数の資料を見ながら「どの商品を追加発注するか」「どの商品は在庫リスクが高いか」を確認している場合。

あるいは、地域ごとに販売傾向が違い、同じSKUでも国によって発注判断が変わる場合。

こうした場面では、販売データや在庫データを活用し、発注判断の前段を整理することで、確認作業や読み合わせの時間を減らせる可能性があります。

発注判断支援AIシステムの価値は、需要予測の精度だけではありません。

むしろ実務では、毎回の発注前の集計時間を減らすこと、見るべきSKUを分かりやすくすること、会議で最初から具体的な論点に入れることに価値が出やすいと考えています。

自社の販売データや在庫データを活用して、発注判断の前段を整理したい場合は、ぜひGDXまでご相談ください。

GDX株式会社HP: https://gdx.inc/

※本文の一部はChatGPTの支援を受けて作成し、筆者が加筆・修正しています。本記事は、GDXが自社開発した発注判断支援AIシステムの概要紹介を目的としたものであり、記載内容は公開時点の情報に基づいています。サービス内容・仕様等は変更される場合がありますので、詳細については、GDX株式会社までお問い合わせください。