中小企業の在庫管理・発注業務をAIで効率化｜過剰在庫と欠品を防ぎ発注工数を60%削減する実践手順

「倉庫を見ると、いつ売れるか分からない在庫が山積みになっている」「逆に、よく売れる商品ほど欠品して機会損失が出ている」──このようなお悩みは、従業員50名以下の中小企業の現場で非常によくうかがいます。在庫は「現金が形を変えたもの」であり、過剰在庫はキャッシュフローを直接圧迫します。一方で、欠品は売上とお客様の信頼を同時に失わせます。

従来、精度の高い在庫管理や需要予測は、高額な専用システムを導入できる大企業だけのものでした。しかし、ChatGPTやClaudeといった生成AIの登場により、月額数千円のコストで、Excelの在庫データから需要予測や発注量の算出ができる時代になっています。本記事では、当研究所が中小企業の支援現場で実際に効果を確認してきた、在庫管理・発注業務のAI活用手順を具体的にご紹介します。

なぜ中小企業の在庫管理・発注業務はAIと相性が良いのか

経営を圧迫する「在庫の3大課題」

中小企業の在庫管理には、共通する3つの課題があります。1つ目は「過剰在庫」です。中小企業庁の調査などでも、中小製造業・卸売業では棚卸資産が総資産の2〜3割を占めるケースが珍しくなく、売れない在庫が資金繰りを圧迫します。2つ目は「欠品による機会損失」です。売れ筋商品ほど読みが外れやすく、欠品1回で数万円〜数十万円の売上を逃すことも少なくありません。

3つ目は「発注業務の属人化」です。多くの会社では、長年の勘と経験を持つ特定の担当者が「だいたいこれくらい」という感覚で発注しています。この方は非常に優秀なのですが、休まれたり退職されたりした途端に、発注精度が大きく落ちてしまいます。AIの活用は、この3つの課題を同時に改善できる点が大きな魅力です。

生成AIの登場で何が変わったのか

従来の需要予測システムは、導入に数百万円、運用にも専任者が必要で、中小企業には現実的ではありませんでした。生成AIが画期的なのは、「Excelの売上データを貼り付けて、日本語で質問するだけ」で分析が始められる点です。統計の専門知識がなくても、「この商品の過去12か月の出荷数から、来月の推奨発注量を季節性も考慮して提案してください」と依頼すれば、根拠付きの回答が得られます。

もちろん、AIの予測は100%当たるわけではありません。しかし、当研究所の支援先では「担当者の勘」だけの発注と比べて、予測の外れ幅が平均で2〜3割縮小するケースを多く確認しています。完璧を目指すのではなく、「勘と経験にAIという相棒を加える」という位置づけが現実的です。

高額な在庫管理システムとの違い

「それなら在庫管理システムを入れた方が早いのでは」と思われるかもしれません。確かに専用システムは強力ですが、初期費用50万〜300万円、月額数万円というコストに加え、自社の業務に合わせた設定や運用定着のハードルがあります。生成AIによるアプローチは、月額3,000円程度（ChatGPT PlusやClaude Proの利用料）から始められ、今お使いのExcelをそのまま活かせます。

まず生成AIで「自社の在庫のどこに問題があるか」を把握し、効果が確認できてから必要に応じて専用システムを検討する、という順序をおすすめします。この順序であれば、システム選定の目利き力も自然と身につきます。

今日から始められるAI在庫管理 実践4ステップ

STEP1：在庫データを「AIが読める形」に整える

最初のステップは、データの整備です。といっても難しいことは不要で、Excelに「商品名（または品番）」「月別の出荷数（直近12か月分）」「現在庫数」「発注リードタイム（発注から納品までの日数）」の4項目を一覧にするだけです。販売管理ソフトやレジ（POS）をお使いであれば、月別の出荷データはCSVで出力できることがほとんどですので、手入力の必要はありません。まずは売上上位20〜30品目に絞ることが、挫折しないコツです。全品目を一度に扱おうとすると、データ整備の段階で力尽きてしまう会社が少なくありません。

このとき、社名や取引先名などの固有情報は削除し、商品名も必要に応じて記号化してください。生成AIの業務利用では、機密情報を入力しない設定（学習へのデータ利用オフ）を必ず確認することをおすすめします。

STEP2：ChatGPT・Claudeで需要予測を試す

整備したデータをAIに貼り付け、次のように依頼します。「以下は当社の商品別・月別出荷数です。季節変動と直近のトレンドを考慮して、来月の商品別の予測出荷数と、その根拠を表形式で示してください」。さらに「現在庫数とリードタイムを踏まえて、今週発注すべき商品と推奨発注量を提案してください」と続けると、発注案まで一気に作成できます。

ポイントは、AIの回答に「根拠」を必ず説明させることです。根拠を読むことで、担当者がAIの提案を鵜呑みにせず、「この商品は来月イベントがあるから上振れする」といった現場情報で補正できるようになります。

最初の1か月は、AIの提案をそのまま採用するのではなく、「従来どおりの発注」と「AIの推奨発注量」を並べて記録し、月末にどちらが実績に近かったかを比較することをおすすめします。この比較期間を設けることで、現場の担当者がAIの実力を自分の目で確かめられ、その後の活用への納得感が大きく変わります。当研究所の支援先でも、この「並走期間」を設けた会社ほど定着が早い傾向がはっきりと見られます。

STEP3：発注ルールをAIと一緒に明文化する

ベテラン担当者の頭の中にある発注判断を、AIとの対話で文章化していきます。「当社はこういう商品をこういうタイミングで発注している。このルールを発注基準書としてまとめてください」と依頼し、たたき台を作らせるのです。属人化していたノウハウが30分〜1時間ほどで文書になり、誰が発注しても一定の品質を保てるようになります。

明文化された基準書は、新人教育の教材としてもそのまま使えます。「発注は〇〇さんしかできない」という状態の解消は、経営リスクの低減そのものです。

STEP4：月次で予測と実績を検証し改善する

月に一度、「AIの予測」と「実際の出荷数」を並べて、外れた商品とその理由をAIに分析させます。「予測が外れた要因として考えられるものを挙げ、次回の予測で考慮すべき条件を提案してください」と依頼すると、予測プロンプト自体が月々改善されていきます。当研究所の支援先では、この検証サイクルを3か月回した時点で、発注作業の時間が約60%削減され、予測精度も目に見えて向上した例が複数あります。

業種別の活用イメージ（匿名化事例）

従業員28名の製造業A社：部品在庫の削減

金属部品を製造するA社では、「欠品が怖いから多めに買う」が習慣化し、倉庫には2年以上動いていない部材が眠っていました。生成AIに部材別の使用実績を分析させ、「直近6か月の使用ゼロ品目」「過剰在庫品目」をリスト化したところ、在庫金額の約18%が実質的な死蔵在庫だと判明しました。その後、AIの推奨発注量に沿った運用に切り替え、半年で在庫金額を約25%圧縮しながら、欠品件数はむしろ減少しています。

従業員15名・3店舗の飲食業B社：食材発注の最適化

B社では、各店長が閉店後に翌日の食材を発注しており、毎日30〜40分かかるうえ、店長による発注量のばらつきが廃棄ロスの原因になっていました。曜日別・天候別の売上傾向をAIに学習させた発注テンプレートを作成したところ、発注作業は1店舗あたり約10分に短縮されました。食材廃棄も金額ベースで月およそ3割減り、年間では数十万円規模のコスト改善につながっています。

従業員40名の卸売業C社：発注業務の脱属人化

取扱品目が2,000を超えるC社では、発注業務をベテラン社員1名が一手に担っており、その方の退職予定が経営課題になっていました。AIとの対話で発注判断の基準書を作成し、AIによる週次の発注候補リストと組み合わせた結果、入社2年目の社員でも発注業務を引き継げる体制が3か月で整いました。「人に依存した業務をAIで仕組みに変える」典型例といえます。

3社に共通するのは、いずれも高額なシステム投資を行わず、既存のExcelデータと月額数千円の生成AIだけで成果を出している点です。業種が違っても、「データを整える→AIに予測させる→人が補正する→月次で検証する」という基本の型は変わりません。自社の業種では難しそうだと感じられた方も、まずは品目を絞った小さな試行から検討されてみてはいかがでしょうか。

導入コストと投資対効果の目安

費用は月額3,000円程度から始められます

必要な費用は、ChatGPT Plus（月額20ドル・約3,000円）またはClaude Pro（同程度）の利用料が基本です。担当者2〜3名分を契約しても月1万円以内に収まります。専用の在庫管理システム（初期50万円〜）と比べると、試行のハードルは比較になりません。まずは1〜2名分の契約で、売れ筋30品目から小さく始めることをおすすめします。

時間的なコストについても触れておきます。初月はデータ整備とプロンプトの調整に合計10〜15時間程度を見込んでください。2か月目以降は、週次の発注案作成と月次の検証を合わせて月5時間程度の運用に落ち着くのが一般的です。「最初の1か月だけは少し手間がかかる」という見通しを担当者と共有しておくと、途中で挫折しにくくなります。

効果を測る3つの指標

効果測定には、次の3つの指標をおすすめします。

• 在庫金額（棚卸資産）：過剰在庫の圧縮効果を測る最重要指標です。支援先では半年で15〜25%の圧縮例が多く見られます。
• 欠品件数（機会損失）：在庫を減らしても欠品が増えていないかを必ず併せて確認します。
• 発注業務時間：週あたりの発注関連作業時間です。50〜60%の削減が現実的な目標になります。

仮に在庫金額1,000万円の会社が20%圧縮できれば、200万円の現金が手元に戻る計算です。月額数千円のAI投資に対するリターンとしては、十分すぎる効果といえるのではないでしょうか。

つまずきやすいポイントと対策

データが整っていないまま始めてしまう

最も多い失敗は、品番の表記ゆれや記録漏れの多いデータをそのままAIに渡してしまうケースです。AIの予測精度は元データの品質に大きく左右されます。とはいえ、完璧なデータを目指して整備だけで数か月かけるのも本末転倒です。「売上上位30品目だけ、直近12か月だけ」と範囲を絞り、小さく始めて精度を確かめながら対象を広げる進め方が効果的です。

担当者任せにして経営者が関与しない

在庫はキャッシュフローに直結する経営マターです。担当者に「AIでやっておいて」と丸投げすると、ツールの試行だけで終わってしまいがちです。月に一度、経営者ご自身が「在庫金額」「欠品件数」「発注時間」の3指標を確認する場を設けるだけで、取り組みの定着率は大きく変わります。AI活用の成否を分けるのは、ツールの性能よりも経営者の関与の仕方です。

AIの予測を「絶対」だと思い込んでしまう

逆に、AIを信頼しすぎる失敗もあります。AIの需要予測は過去データの延長線上にあるため、新商品の発売、大口顧客の獲得・喪失、近隣の競合出店といった「過去に前例のない変化」は原理的に予測できません。こうした情報を持っているのは現場の人間だけです。「AIが数字の土台を作り、人が現場情報で最終判断する」という役割分担を社内で明確にしておくことが、安全に使いこなす鍵になります。

また、災害や仕入先の供給停止といった非常時には、AIの推奨値にかかわらず安全在庫を厚めに持つ判断も必要です。AIはあくまで平時の効率化の道具であり、経営判断そのものを委ねるものではない、という距離感を保つことをおすすめします。

本記事で述べた内容は、従業員数50名以下の中小企業で実際に支援してきた事例と現場の知見に基づいています。自社での具体的な進め方は企業ごとに異なりますので、個別のご相談は当研究所までお気軽にお問い合わせください。