在庫管理にAIを入れたいと考えたとき、最初に知りたいのは「AIで何ができて、何はAIなしで足りるのか」だと思います。
結論から言うと、AIが得意なのは「先を読む」部分です。需要の予測、発注数の案、欠品しそうな商品の先回りの通知、急に売れた分の見分けが、その中身です。在庫の記録や一覧の集計、決まったルールでの発注点の計算は、AIなしで足ります。商品数が少なく、動きが安定しているなら、AIは要りません。
この記事は、需要予測・発注支援の仕組みを作っている当社が、「AIの使いどころ」に絞って整理したものです。入出庫の記録やバーコードなど、在庫管理そのものの自動化は在庫管理を自動化するにはに分けています。
在庫管理にAIを使うと、何ができますか?
AIの出番は、次の4つです。
| できること | 中身 | 決められるもの |
|---|---|---|
| 需要の予測 | 過去の販売実績から、これから売れる数を推定する | 次の期間にいくつ要るか |
| 発注数の案 | 予測に、在庫・発注中の数・仕入先ごとの発注間隔を合わせて、今日いくつ頼むかの案を出す | 発注数(確定は担当者) |
| 欠品しそうな商品の先回りの通知 | 在庫が一定を下回った商品や、売れ方が普段と変わった商品を見つけて知らせる | どの商品から先に見るか |
| 急に売れた分の見分け | 急な増加が、続く需要なのか、1社や1日に偏った一時的なものなのかを確かめる | 推奨数を補正するかどうか |
当社の事例では、これらを次のように使っています。
- 酒類ECでは、商品ごとの推奨発注数と根拠を1画面で見られるようにし、急に売れた分が1社や1日に偏っていないかをAIエージェントが確かめて補正を提案します。発注の確定は担当者です(事例)
- アパレル通販では、売上の急増などの異常値を自動で検知して通知しています(事例)
「急に売れた分の見分け」は、当社の検証でも効いた部分です。急に売れた商品の57%は、30日以内に元の水準へ戻りました。急な増加をそのまま需要と見て多めに発注すると、あとで余ります。
AIを使わなくても足りるのは、どんな部分ですか?
次の作業は、決まったルールと集計で済みます。
- 発注点の計算:「在庫がこの数を下回ったら発注する」という線を決めて、下回ったら知らせる。直近の実績から線を決めるだけなら、表計算ソフトでできる
- 在庫一覧の集計:商品ごと・倉庫ごとの在庫数、在庫金額、動きのない在庫の一覧
これらはAIを入れる前に整えるべき土台でもあります。記録が合っていないと、AIも正しい予測を出せません。
AIが要る場面・要らない場面を、表で分けると?
| 状況 | AIは | 理由 |
|---|---|---|
| 商品が数点〜数十点で、動きが安定している | 要らない | 発注点の線を決めて、表計算ソフトで足りる |
| 商品数が多く、担当者の経験で発注しているが手が回らない | 要る | 商品ごとの予測と発注案を、同じ手順で毎日出せる |
| 季節の山があり、同じ発注点では外れる | 要る場合がある | 季節を含めて先を読めると、山の前に準備できる |
| 急な動きで発注が振り回される | 要る | 急な増加が続くのか一時的かを見分けられる |
| 在庫の記録そのものが合っていない | 先に記録を直す | 記録が違えば、予測も案も違う数字になる |
判断の基準は、「手で回るか」と「先を読むことで何が変わるか」です。手で回っていて、欠品も余りも困っていないなら、AIは要りません。
必要なデータは何ですか?
| 内容 | |
|---|---|
| 最低限 | 日付・商品・数量の販売実績。1年分(季節の山が1周するため) |
| 理想 | 3〜4年分(同じ月を複数回比べられる) |
| あるとよい | 在庫か入荷の記録、得意先別の出荷、仕入先ごとの発注間隔 |
| 形式 | CSVやExcelで足りる。整っていなくてよい |
在庫か入荷の記録があると、欠品していた日を除く補正ができます。これは予測の式より結果を左右します。何年分かの考え方は需要予測AIに必要なデータは何年分?に詳しく書いています。
在庫管理AIの予測が外れる原因は何ですか?
外れた日を見ると、原因は次の4つのどれかに当てはまります。
- データの期間が短い:季節の山が1周していないと、季節の動きと一時的な動きを分けられない
- 欠品していた日を、需要ゼロとして扱っている:在庫が0で売れなかった日を平均に入れると、需要を低く見積もる。逆に、売れた日数だけで割ると、動きの少ない商品ほど1日あたりの数が膨らむ。正しくは、在庫の推移から欠品日を特定して除く
- 急に売れた分を、そのまま需要と見ている:続かない増加を続くと見ると、翌月が過大になる
- 新商品や、記録のほとんどないもの:過去の実績が少ないと精度が下がる
外れる日は出ます。大事なのは、外れたときに原因を追えることです。
既製の在庫管理ソフトのAI機能で足りますか?作ってもらうほうがいいですか?
分かれ目は、「自社の発注のルールを、設定で表せるか」です。
| 既製ソフトで足りやすい | 作ってもらう選択肢が出てくる | |
|---|---|---|
| 発注のルール | 一般的な発注点・安全在庫の考え方で足りる | 仕入先ごとの発注間隔、物流の条件、資材ごとの納期の違いなど、独自の条件がある |
| 欠品日の扱い | ソフトが対応している、または影響が小さい | 欠品していた日を除いて計算したい |
| 外れたとき | 結果を見て、設定を変えれば足りる | 外れた理由を追えるように、中身を見たい |
| 今のシステム | ソフトに乗り換えられる | 今の販売管理とつなぎたい |
まず既製ソフトを試すのも一つの進め方です。製品ごとの機能と料金は変わるので、比較は在庫管理アプリの比較と需要予測システムの比較で確かめてください。そのうえで、独自の発注条件が残る場合に、作ってもらう選択肢が出てきます。
頼む前に、手元で何を確かめればいいですか?
頼むかどうかを決める前に、次の4つを確かめてください。
- 何を決めたいかを一文で書く:「毎週の発注数を決める」など。決まっていないと、当たる予測を作っても使われない
- 販売実績が書き出せるか:販売管理ソフトやPOSからCSVで書き出せるか。何年分あるか
- 在庫か入荷の記録があるか:欠品していた日を特定できるか。記録がなければ、記録を残す仕組みが先になる
- 外れた月を3つ選ぶ:過去の発注で、多すぎた月と足りなかった月を選び、そのとき何があったか(欠品、販促、急な注文)を書き出す
4番を書き出すと、必要なのが予測なのか、記録の整備なのかが見えてきます。
当社に頼む場合は?
当社の需要予測・発注支援の仕組みは、初期費用0円・月額5万円(税別)からで、稼働するまで課金は始まりません。扱う商品数と、つなぐシステムの数で変わります。頼む前に、過去のデータで「この方法ならこうなった」を先に計算してお見せします。
頼むと何が手に入るか、進め方は需要予測のシステムを頼むと、何が手に入って、どれくらい当たりますかに1ページでまとめています。動く画面は在庫管理のデモで触れます。手元にあるデータの種類と期間を教えていただければ、できそうかどうかをお答えします。相談する
よくある質問
Q. 在庫管理にAIは必須ですか?
必要ではありません。商品数が少なく、動きが安定していて、発注点の線と表計算ソフトで足りているなら、AIは要りません。商品数が多くて手で回らないときや、季節・急な動きで発注が振り回されるときに、AIの出番になります。
Q. AIの予測は、どれくらい当たりますか?
商品や業種で大きく変わるので、数字でお約束はしません。何で測るかも大事で、当社の検証では、誤差率で測ると悪く出た仕組みが、足りなかった割合で測ると良い結果でした。測り方は需要予測の精度の測り方にまとめています。
まとめ
- 在庫管理のAIが得意なのは先を読む部分。需要の予測、発注数の案、欠品しそうな商品の通知、急に売れた分の見分け
- 発注点の計算や在庫一覧の集計はAIなしで足りる。商品数が少なく安定していれば、AIは要らない
- 必要なデータは日付・商品・数量で最低1年・理想3〜4年。在庫か入荷の記録があると欠品日を除ける
- 外れる原因は、データの期間、欠品日の扱い、急に売れた分、新商品
- 既製ソフトで足りるかは、自社の発注ルールを設定で表せるかで分かれる
- 頼む前に、何を決めたいかの一文・書き出せる実績・在庫の記録・外れた月を手元で確かめる