在庫管理へのAIの使い方：需要の予測を発注と在庫の判断につなげる

自社の「ユースケースと効果」の準備度は？10問・約3分で確かめる（無料・登録不要）

在庫が多すぎれば保管の費用や廃棄が増え、少なすぎれば欠品で売り逃しが起きます。経験のある担当者の勘に頼ってきた発注を、データにもとづく判断に近づける手段として、AIによる需要の予測が使われています。この記事では、経済産業省が中小企業向けにまとめた「AI導入ガイドブック」の内容にそって、在庫管理にAIを使う進め方を整理します。

在庫管理のどこに、AIが役立ちますか？

在庫管理の悩みは、多くの場合「どれだけ売れるか（出ていくか）が読めない」ことから生まれます。経済産業省の小売・卸向けのガイドブックは、予測の外れによる過剰在庫や、売上計画をつくる負担を課題の例に挙げています。製造業向けのガイドブックは、需要の予測の目的を「在庫量の削減と欠品の最小化を両立させること」と整理しています。

AIが担うのは、過去の記録から先の需要を見積もる部分です。その見積もりを、どの量で・いつ発注するかという判断につなげるのは、業務の手順と人の役割です。

小売・卸のガイドブックは、予測を発注などの業務に結びつける工程を作り直すことが、効果を出す鍵としています。AIの予測を出すだけでは在庫は減らず、発注の手順の中に予測をどう使うかを決めておく必要があります。

需要の予測そのものの考え方は「需要予測にAIを使う進め方」で詳しく扱っています。この記事は、その予測を在庫の判断にどう生かすかを中心に説明します。

どんなデータを準備すればよいですか？

製造業向けのガイドブックは、必要なデータを次のように整理しています。

• 欠かせないもの：日付（売上日・取引日など）、対象（商品・店舗など）、数量や金額（売上高・発注数量・在庫金額・欠品回数など）
• あれば使うもの：商品の属性、気象、販促のイベント、製造ラインや地域などの場所の情報
• 期間：数か月から数年分。季節によって売れ方が変わる商品は数年分

気象のデータについては、小売・卸のガイドブックが、気象庁のWebサイトから過去のデータを入手できることに触れています。気象庁の「過去の気象データ・ダウンロード」で、地点ごとの記録を取り出せます。

データの形は、同じ列に同じ意味の情報が入っている表（構造化データ）が望ましいとされています。商品コードが部署によって違う、同じ商品が別の名前で登録されている、といった状態では、正しく学習できません。商品の一覧（マスタデータ）を整えることも、在庫管理のAIの準備に含まれます（「マスタデータを整える進め方」参照）。

データで気をつけたい3つの点

ガイドブックは、データを使うときの注意点を挙げています。

① 普段と大きく違う時期を外す：製造業向けのガイドブックは、コロナ禍のように通常の傾向と大きく違う時期のデータは外すべきとしています。

② 欠品していた期間の記録に注意する：欠品していた期間の売上は、本来の需要より低く記録されている可能性があります。売上の記録をそのまま需要とみなすと、少なめの予測につながることがあります。

③ 予測の時点で知り得なかった情報を学習に使わない：発注のリードタイム（発注から納品までの期間）より後にしか分からない情報を学習に含めると、精度が実態より高く出てしまうと説明されています。

あわせて、欠けている値や明らかな入力の誤りは、補うか、使うのをあきらめるかを決めます。小売・卸のガイドブックは、欠けている期間が全体の2割以上ある場合は使用をあきらめる、という目安を示しています。

どんな手順で進めればよいですか？

ガイドブックの工程を、在庫管理に当てはめて整理します。

① 対象を絞る：在庫の金額が大きい商品群、欠品や廃棄が目立つ商品群など、効果を確かめやすい範囲から始めます。全商品を一度に対象にすると、データの点検も効果の確認も重くなります。

② いまの値を記録する：欠品率・在庫回転率・廃棄損・発注にかかる時間など、比べたい指標の導入前の値を記録します。

③ 手元のデータで小さく試す：製造業向けのガイドブックは、初期の投資を抑え、手元のデータで2〜3か月程度の検証から始めることを勧めています。予測の誤差を確かめる方法（実際の値との差など）も、このときに決めます。

④ 発注の手順に組み込む：予測をどの画面・どの表で担当者に示し、担当者がどこで直すかを決めます。予測をそのまま使わず、人が確かめる工程を設計することがガイドブックで勧められています。

⑤ 定期的に見直す：過去の記録にもとづく予測のため、想定外の外からの要因は反映されません。精度を定期的に確かめ、必要に応じて学習し直します。

試す段階の進め方は「PoCの進め方」、効果の記録には「効果測定シート」も使えます。

効果はどう測ればよいですか？

小売・卸のガイドブックは、効果の指標の例として次のものを挙げています。

欠品率と在庫の量は、一方を下げるともう一方が上がりやすい関係にあります。どちらか一つだけを見るのではなく、組み合わせて確かめると判断を誤りにくくなります。

効果が出るまでの時間にも目を向けておきます。小売・卸のガイドブックは、効果が安定するまでに一般的に半年から1年かかるとしています。試行の最初の数か月で結論を急がず、見直しの時期をあらかじめ決めておくと進めやすくなります。指標の考え方は「AIの効果の測り方」もあわせてご覧ください。

つまずきやすいのは、どんなところですか？

小売・卸のガイドブックは、よくある失敗の例として次のようなものを挙げています。

• 入力するデータの形式が変わったのに、AIの側を調整しなかった
• 誤った期間のデータを入れてしまった
• 予測の結果を確かめずに発注に使い、販促を考えに入れていなかったため品薄になった

製造業向けのガイドブックは、検証してみたら導入の効果が見込めず、費用のほうが大きくなって断念した例も挙げ、事前に期待する効果を試算しておく必要があるとしています。

こうした失敗を減らすには、次の3点を決めておくと安心です。

• データの入り口を管理する：売上や在庫の記録の形式を変えるときは、AIを担当する人に伝わる手順にしておきます。
• 人が直したことを記録する：担当者が予測を直した理由（販促・天候・取引先の事情など）を記録しておくと、次の見直しで手がかりになります。
• やめる条件も決めておく：一定期間たっても指標が改善しない場合にどうするかを、試す前に決めておきます。

チェックリスト

• 在庫管理で解きたい課題（欠品・過剰在庫・廃棄・計画の負担）を一つに絞っている
• 対象にする商品群と期間を決めている
• 日付・商品・数量（売上・発注・在庫）の記録が、同じ形でそろっていることを確かめている
• 商品コードなどのマスタデータの重複や表記のゆれを点検している
• 普段と大きく違う時期や、欠品していた期間の扱いを決めている
• 欠品率・在庫回転率など、比べる指標の導入前の値を記録している
• 予測をどこで担当者に示し、誰が確かめて発注量を決めるかを決めている
• 予測の精度を見直す時期と、学習し直す条件を決めている
• 試す期間と、続ける・やめるの判断の条件を決めている