--- title: "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｜AI-Ready.jp" url: https://www.ai-ready.jp/guide/ai-inventory-optimization/ description: "在庫管理にAIを使うときは、売上などの記録から需要を予測し、その結果を人が確かめて発注に反映する流れを作ることが要になります。経済産業省のガイドブックにそって、データ・手順・指標・注意点を整理しました。" updated: 2026-11-12 publisher: "フロレンティナ株式会社" --- 広げる[柱：ユースケースと効果](https://www.ai-ready.jp/about-ai-ready/use-cases/) # 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 執筆：[石田誠](https://www.ai-ready.jp/about/authors/#ishida)更新 2026-11-12最終確認 2026-11-12出典 3件[図解 2点](https://www.ai-ready.jp/zukai/) この記事の結論 在庫管理へのAIは、売上や出荷の記録から需要を予測し、その結果を担当者が確かめて発注と在庫の判断に反映する流れを作ったときに効果が出やすく、データの点検、小さな検証、指標での確認の順に進めるのが現実的です。 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）](https://www.ai-ready.jp/diagnosis/quick/) 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。 この記事でわかること - 在庫管理のどこにAIが役立つのか、何はAIに任せないのか - 準備するデータと、進める手順 - 効果の測り方と、つまずきやすい点 ## 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。 | 場面 | AIが役立つこと | 人が担うこと | |---|---|---| | 発注量を決める | 商品ごと・期間ごとの需要の見積もりを出す | 販促・新商品・取引先の事情を加えて量を決める | | 欠品を防ぐ | 売れ行きが伸びそうな商品を早めに示す | 補充の優先順位と仕入れ先との調整 | | 滞留在庫を減らす | 動きが鈍くなりそうな商品を示す | 値下げ・移動・生産量の調整の判断 | | 計画づくり | 担当者ごとの見積もりの方法をそろえる下地になる | 計画の承認と、外れたときの見直し | 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。 AIが予測し、人が発注を決めます AIが担うこと 売上・出荷・在庫の記録 過去の記録から見積もる 商品ごと・期間ごとの需要の見積もり 人が担うこと 需要の見積もり販促・新商品・取引先の事情を加える 発注の手順の中で確かめる 発注の量とタイミング 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、効果を出す鍵とされています。予測を出すだけでは在庫は減りません。 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](https://www.ai-ready.jp/guide/ai-demand-forecasting/)」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](https://www.ai-ready.jp/guide/master-data-management/)」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。 読みながら、自社の現在地を確かめませんか クイック診断は10問・約3分・登録不要です。7つの柱ごとの目安と、「ユースケースと効果」を含めて次に取り組むことがわかります。 [無料で診断する](https://www.ai-ready.jp/diagnosis/quick/)[結果の解説（30分・無料）](https://www.ai-ready.jp/consult/review/) ## 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。 在庫管理のAIを進める手順 - **対象を絞る**：在庫の金額が大きい、欠品や廃棄が目立つなど、効果を確かめやすい商品群から - **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 - **手元のデータで小さく試す**：初期の投資を抑え、**2〜3か月程度の検証**から - **発注の手順に組み込む**：予測をどこで示し、担当者がどこで直すかを決める - **定期的に見直す**：精度を確かめ、必要に応じて学習し直す 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。 試す段階の進め方は「[PoCの進め方](https://www.ai-ready.jp/guide/poc-planning/)」、効果の記録には「[効果測定シート](https://www.ai-ready.jp/templates/impact-measurement-sheet/)」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。 | 指標 | 見方 | |---|---| | 欠品率 | 期間中に品切れになった商品の数を、期間中の全商品の数で割ったもの | | 在庫回転率 | 在庫がどれだけ効率よく入れ替わっているかを示す指標 | | 廃棄損 | 売れ残りや期限切れで処分した損失 | | 在庫管理の費用 | 保管や管理にかかる費用 | | 計画づくりの時間 | 売上計画や発注量を決めるのにかかる時間 | 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](https://www.ai-ready.jp/guide/measuring-ai-impact/)」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 ## 関連するひな形・ガイド・用語 ひな形 - [PoC計画書](https://www.ai-ready.jp/templates/poc-plan-template/) - [効果測定シート](https://www.ai-ready.jp/templates/impact-measurement-sheet/) ガイド - [需要予測にAIを使う進め方](https://www.ai-ready.jp/guide/ai-demand-forecasting/) - [購買・調達業務でのAIの使い方](https://www.ai-ready.jp/guide/ai-for-procurement/) - [データの品質を高める手順](https://www.ai-ready.jp/guide/data-quality-improvement/) - [マスタデータを整える進め方](https://www.ai-ready.jp/guide/master-data-management/) - [PoCの進め方：成功と撤退の条件の決め方](https://www.ai-ready.jp/guide/poc-planning/) - [AIの効果の測り方：時間・費用・品質の指標](https://www.ai-ready.jp/guide/measuring-ai-impact/) - [小売業のAI活用：始め方と注意](https://www.ai-ready.jp/guide/ai-in-retail/) - [卸売業のAI活用：始め方と注意](https://www.ai-ready.jp/guide/ai-in-wholesale/) 用語 - [需要予測](https://www.ai-ready.jp/glossary/demand-forecasting/) - [時系列分析](https://www.ai-ready.jp/glossary/time-series-analysis/) - [ドリフト（モデルの劣化）](https://www.ai-ready.jp/glossary/model-drift/) ## よくあるご質問 Q在庫管理にAIを使うには、どのくらいの期間のデータが必要ですか？ A経済産業省のガイドブックは、数か月から数年分を目安とし、季節によって売れ方が変わる商品では数年分が必要としています。まず手元にある売上・出荷・在庫の記録が、どの期間・どの粒度でそろっているかを確かめるところから始めます。 QAIの予測どおりに自動で発注してもよいですか？ Aはじめは人が確かめる工程を入れることをお勧めします。ガイドブックは、予測は100%当たるものではないことを前提に、人が予測を直す業務の設計を勧めています。販促や取引先の事情など、データに表れない情報を担当者が補う形が現実的です。 Q効果は何で測ればよいですか？ A欠品率、在庫回転率、廃棄損、在庫管理の費用、発注や計画づくりにかかる時間などが例として挙げられています。導入前の値を記録しておき、同じ測り方で比べます。 Q導入してすぐに効果は出ますか？ A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。予測を発注の手順に結びつける見直しや、定期的な再学習を続けながら効果を確かめていきます。 ## この記事に出てくる用語 - [需要予測](https://www.ai-ready.jp/glossary/demand-forecasting/) - [構造化データ](https://www.ai-ready.jp/glossary/structured-data/) - [構造化データ（Schema.org）](https://www.ai-ready.jp/glossary/schema-org-structured-data/) - [マスタデータ](https://www.ai-ready.jp/glossary/master-data/) - [PoC（概念実証）](https://www.ai-ready.jp/glossary/proof-of-concept/) - [時系列分析](https://www.ai-ready.jp/glossary/time-series-analysis/) - [ドリフト（モデルの劣化）](https://www.ai-ready.jp/glossary/model-drift/) ## 「ユースケースと効果」のほかの記事 [この柱の解説 →](https://www.ai-ready.jp/about-ai-ready/use-cases/) [広げる／ユースケースと効果AIの効果の測り方：時間・費用・品質の指標桐谷彰人2026-10-25](https://www.ai-ready.jp/guide/measuring-ai-impact/)[定着させる／ユースケースと効果AIの効果を測り続ける：全社に広げた後の指標の見直しと、続ける・広げる・やめるの判断嵐保憲2026-10-26](https://www.ai-ready.jp/guide/sustaining-ai-impact/)[はじめる／ユースケースと効果AIを使う業務の選び方：業務の棚卸しから優先順位まで石田誠2026-10-25](https://www.ai-ready.jp/guide/choosing-ai-use-cases/) ## 出典 1. [経済産業省「AI導入ガイドブック需要予測（小売り、卸業）」（2021年3月）](https://www.meti.go.jp/policy/it_policy/jinzai/AIguidebook_DemandForecasts_FIX.pdf) 2. [経済産業省「AI導入ガイドブック製造業へのAI需要予測の導入」](https://www.meti.go.jp/policy/it_policy/jinzai/AIguidebook_DemandForecast_MFG_FIX.pdf) 3. [気象庁「過去の気象データ・ダウンロード」](https://www.data.jma.go.jp/risk/obsdl/index.php) 最終確認日：2026-11-12 ## 次の一歩 [測るAI-Ready診断（無料）いまの準備状況を、7つの柱で確かめられます。](https://www.ai-ready.jp/diagnosis/) [相談する結果の解説（30分・無料）診断の結果をもとに、オンラインでご説明します。](https://www.ai-ready.jp/consult/review/) [窓口ご相談のお申し込み経営・M&A・事業承継・上場・バリューアップはフロレンティナ、AIの導入・開発・データ・セキュリティ・研修はアメリア・テクノロジーがお受けします。](https://www.ai-ready.jp/consult/apply/) 目次 1. 在庫管理のどこに、AIが役立ちますか？ 2. どんなデータを準備すればよいですか？ 3. どんな手順で進めればよいですか？ 4. 効果はどう測ればよいですか？ 5. つまずきやすいのは、どんなところですか？ 6. チェックリスト 7. よくあるご質問 この記事が扱う柱 主に「ユースケースと効果」 [ユースケースと効果の解説](https://www.ai-ready.jp/about-ai-ready/use-cases/) 自社の準備度を確かめる 10問・約3分・登録不要。7つの柱ごとの目安がわかります。 [無料で診断する](https://www.ai-ready.jp/diagnosis/quick/) --- 出典：フロレンティナ株式会社「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｜AI-Ready.jp」 https://www.ai-ready.jp/guide/ai-inventory-optimization/