調達・SCMのAIは「社内データで閉じる用途」から始める
調達・SCMでAIが使われる用途は、大きく次の4つです。需要予測と在庫モデルを組み合わせた需要連動発注、安全在庫と発注点を決める在庫最適化、ニュース・財務・地政学の情報から供給途絶を予兆するサプライヤーリスク検知、鋼材・樹脂・電子部品の市況を読む調達価格予測です。このほか、見積り比較や契約書レビューに生成AIを使う例も増えています。
4用途を分ける最大の軸は、取引先のデータが要るかどうかです。IPAの「DX動向2025」（2025年7月）によると、日本企業の75.1%は他社とのデータ連携・提供を行っていません。米国は19.8%、ドイツは27.0%で、差は大きいままです。サプライヤーの在庫や生産計画をリアルタイムに共有できる前提で設計されたSCMのAIは、日本の多くの工場ではデータが届かず止まります。
したがって着手順は、社内の購買実績・受入実績・MESの消費実績だけで回る在庫最適化と需要連動発注を先にし、社外データが要るリスク検知と価格予測は後にするのが堅実です。
4用途の比較：データ・効果・つまずきどころ
| 用途 | 主な入力データ | 評価する指標 | よくあるつまずき |
|---|---|---|---|
| 在庫最適化 | 消費実績、調達リードタイム（約束と実績）、品目区分 | 在庫金額、欠品率、サービス率 | リードタイムの実績値が取れていない |
| 需要連動発注 | 需要予測、BOM、内示・受注、発注ロット | 発注の変動幅、緊急発注件数 | 予測の誤差を発注側で吸収する設計がない |
| 調達価格予測 | 市況指数、為替、購買単価の履歴 | 発注タイミングの判断精度、平均購買単価 | 予測が外れたときの責任の所在が曖昧 |
| サプライヤーリスク検知 | ニュース、財務、所在地、2次取引先 | 検知から対策までの時間 | 検知しても代替先・在庫方針が決まっていない |
どの用途でも、ボトルネックになりやすいのは調達リードタイムの実績値です。購買システムには約束納期が入っていても、実際に入荷した日時が受入検査やMESの入庫実績に別々に記録され、品目・発注番号で突き合わせられていないことがよくあります。約束と実績の差が測れないと、安全在庫も発注点も計算できません。詳しくは在庫最適化AIで扱います。
需要連動発注は、需要予測AIの基本とつながっています。予測値を1点で渡すのではなく、予測区間ごと発注側に渡すのが要点です。
海外の到達点：投資は大きいが、自律化はまだ一部
Gartnerが2025年11〜12月に売上5億ドル以上の企業の上級リーダー243人に行った調査（Modern Materials Handling、2026年9月報道）では、83%がAIを含むサプライチェーン計画の自動化に300万ドル以上を投じていました。一方でGartnerは、2030年までに計画業務の10%以上を自律的に決定できるのは、計画自動化を使う組織の5%にとどまると予測しています。投資額の大きさと、自律的な意思決定の少なさが並んでいるのが現状です。
中国では、WEFのグローバル・ライトハウス・ネットワーク（2026年1月発表）で、美的厨热（芜湖）がAI計画システムとサプライチェーンのコントロールタワーにより納期を39%短縮し、在庫日数を30%減らしたとされます。ただしライトハウスの数値は選ばれた先進工場の自己申告で、AI単独の効果ではなく業務改革全体の結果です。
MESと購買のデータをつなぐのが最初の仕事
調達・SCMのAIはERPや計画システムの領域に見えますが、精度を左右するのは工場側の実績データです。どの品目がいつ何個消費されたか、受入検査でどのロットが不合格になったか、入庫が予定から何日ずれたかは、MESや受入検査システムにしかありません。
最初に整えるのは次の3つです。
- 発注番号・品目・ロットで、購買（約束納期）と受入・入庫（実績日時）を突き合わせる
- 受入検査の合否と不良内容をサプライヤー単位で集計できるようにする
- MESの消費実績を品目・日単位で取り出せるようにする
この3つがそろえば、在庫最適化と需要連動発注はすぐ試せます。サプライヤーリスク検知も、受入品質の悪化という社内の先行指標を持てるようになります。
用途ごとの次の一歩
在庫最適化から始めた場合、次は需要連動発注に進み、ブルウィップ効果を発注平準化で抑える段階に入ります。社外データを使う段階では、サプライヤーリスク検知AIと調達価格予測を、代替調達先や契約形態の判断と組み合わせて設計します。いずれも「予測や検知の結果を、発注・在庫方針の変更にどうつなぐか」を先に決めることで、ダッシュボードで止まるのを防げます。
よくある質問
調達・SCMのAIは、まずどの用途から始めるべきですか
社内データだけで回る在庫最適化か需要連動発注から始めるのが現実的です。日本企業の多くは取引先とデータを連携していないため（IPA「DX動向2025」で75.1%）、社外データが前提の用途は止まりやすいからです。
ERPがあればSCMのAIはすぐ使えますか
ERPには約束納期や発注数量はありますが、実際の入荷日時、受入検査の結果、工程での消費実績はMESや検査システム側にあることが多く、突き合わせないと使えません。データの突き合わせが最初の作業になります。
生成AIは調達業務のどこで使われていますか
見積り比較、契約書・購買規約のレビュー、サプライヤー情報の収集と要約が中心です。数値の予測や在庫計算は従来の統計・機械学習・最適化の領域で、生成AIはその結果の説明や情報収集を補う位置づけです。
この記事に出てくる用語
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
