酒類ECの需要予測・発注支援とAIエージェント

相談のきっかけ

担当者の経験に頼っている発注判断を、データで裏付けられるようにしたい。

この案件の中身

運用状況

実運用中（2026年9月時点）。以降も継続して改良している。このページの最終更新：2026年10月14日

対象業務

酒類ECの仕入れ発注（商品ごとの発注数の判断）

導入前の手間

発注担当者が、販売実績・在庫・仕入先ごとの発注間隔や物流条件を複数の画面で確認し、経験で発注数を決めていた。急に売れた商品を本当の需要と見るかどうかも、担当者の判断に頼っていた。

実装した範囲

• —販売実績から商品ごとの需要を予測（機械学習による時系列予測）
• —有効在庫（在庫＋発注残）をもとにした発注数の自動計算と、仕入先ごとの発注間隔・物流条件のチェック
• —商品ごとの推奨発注数と根拠を一画面で確認できる一覧
• —ChatGPTから販売・在庫データに問い合わせられるAIエージェント連携（読み取り専用）。急に売れた商品が特定の取引先や1日に偏っていないかを確かめ、推奨数の補正を提案する
• —予測の考え方と今後の改良計画をまとめた解説資料

確認できている成果

• —従来は複数画面の確認と担当者の経験が必要だった発注判断を、商品単位で一画面から確認できる仕組みに集約
• —急に売れた商品が特定の取引先や1日に偏っていないかをAIエージェントが確かめ、推奨数の補正を提案できるようにした

開発期間・体制

2026年3月に初版を作り、6月までに4回改良した（予測式、画面、AIエージェント連携）。以降も継続して開発している

費用目安

個別見積（初期費用0円・月額制）。データの量と連携する仕組みによって変わる

対応できない条件

• —セールや新商品など、過去の販売実績が少ない商品は予測の精度が下がる
• —AIエージェントはデータの確認と提案まで。発注の確定は担当者が行う
• —予測・発注ロジックの詳細は守秘義務のため公開していない

今つくる場合の構成

Python、FastAPI、時系列予測（機械学習）、ChatGPT（GPTs Actions）、SQLite

通信の暗号化（TLS 1.2以上）、パスワードのハッシュ化（bcrypt）、認証情報の暗号化、サーバーの公開鍵認証、国内データセンター、バックアップと復旧手順は、すべての案件でセキュリティポリシーのとおりに行っています。安全性と使いやすさを両立させる考え方は安全にAIを入れる当社のやり方にまとめています。

自社の場合、何を準備して相談する？

分かる範囲で教えてください

扱う商品、いま使っているEC・在庫管理の名前、発注の流れを教えてください。実データの送付は不要です。

費用が変わる条件

初期費用0円・月額制で個別見積。商品・データの量、予測の条件、連携先で変わります。 通常の修正・更新は、合意した対応範囲の月額内です。外部サービス利用料や新規機能は事前に確認します。

最初に確認すること

過去データが少ない商品や特売は別途確認します。AIの提案を担当者が確認してから発注する設計です。