「勘と経験」で在庫を回している会社が抱えるリスク

中小企業の在庫管理は、担当者の肌感覚に依存していることが多いです。「この時期は売れ行きが落ちるから控えめに」「あの取引先は月末にまとめて注文してくる」といった情報は、長年の経験が蓄積されたもので、非常に価値があります。

しかしその価値は、属人化しているがゆえに脆弱でもあります。

  • 欠品リスク：担当者が休んだ、あるいは引き継ぎが不完全だった場合、発注タイミングを逃して販売機会を失う。
  • 余剰在庫リスク：需要の変化（新製品投入・競合の値下げ・季節外れ）を見込めず、在庫が滞留してキャッシュフローを圧迫する。
  • 属人化による引き継ぎコスト：退職や異動のたびにノウハウの伝達に時間がかかり、一時的に在庫精度が落ちる。

2026年時点で、AI需要予測を活用する中小企業は増加傾向にあります。売れ残り在庫の削減や発注工数の大幅カットといった効果が、小売・飲食・製造など幅広い業種で報告されています。

AI需要予測とは何か――「勘」をデータに変換する仕組み

AI需要予測とは、過去の販売実績データをもとに、AIが将来の需要を数値で推定する仕組みです。単純な移動平均とは異なり、以下のような多様な要因を同時に考慮できることが特徴です。

  • 曜日・時間帯・季節性
  • 天候（飲食・小売など）
  • イベントや祝日の有無
  • 過去のプロモーション実績
  • 商品ライフサイクル（新商品・旧商品の入れ替わり）

これらを組み合わせてパターンを学習し、「来週末に向けてAという商品の需要が高まりそう。現在の在庫では3日分しかない」といった具体的な示唆を出してくれます。

需要予測の目的は「完璧な未来予測」ではなく、「発注の判断を数値で補助すること」です。勘と経験に数字の根拠を加えることで、属人化を防ぎながら精度を高めていけます。

中小企業でも始められる3つのアプローチ

AI需要予測と聞くと高額なシステム投資が必要そうに思えますが、始め方は段階的に選べます。

① 生成AIで「傾向の言語化」から試す

最もコストゼロで試せるのが、ChatGPTやClaudeなどの生成AIを使う方法です。過去の月別・週別の売上データをテキストや表形式でまとめ、「この傾向から来月の売上予測と在庫準備のアドバイスをして」と入力するだけで、大まかな需要の方向性を得られます。

精度は専用システムに劣りますが、「AIが出した予測を見て担当者が発注量を調整する」という感覚を養い、どの程度役立つかを無料で体感できます。少品目の商品構成であれば、この段階で十分なケースもあります。

② 専用の需要予測ツールへ移行する

品目数が多い、精度をもっと上げたい、という場合は国産・海外問わずSaaS型の需要予測ツールを検討します。月額数万円台から導入できる中小企業向けのサービスも増えており、既存の販売管理システムやPOSレジからデータを連携させて自動で予測を出力できるものもあります。

選ぶ際は「手持ちのデータと連携できるか」「予測の根拠を確認できるか」「導入支援があるか」の3点を確認すると安心です。

③ 発注の「半自動化」を組み込む

需要予測の精度に手応えが出てきたら、「AIが算出した推奨発注数を担当者がワンクリックで承認して発注する」半自動のフローを組み込みます。ワークフロー自動化ツール（Make・n8nなど）を組み合わせれば、「在庫量が閾値を下回ったら発注メールを自動起票し、担当者が内容を確認して送信」という仕組みも実現できます。

完全自動化はリスクが伴うため、まず人が最終確認するステップを挟むことが重要です。自動化の範囲は、信頼感が高まってから段階的に広げていきます。

どんなデータがあれば始められるか

AI需要予測でよく聞かれるのが「うちにはちゃんとしたデータがない」という懸念です。完璧なデータは必要ありません。次のデータが手元にあれば、まず試してみることができます。

  • 過去1年以上の商品別・日別（または週別）の販売数量
  • 価格変更やプロモーションの実施時期（あれば）
  • 休業日・特殊イベントの記録（あれば）

これらがExcelや販売管理ソフトのCSVエクスポートで取り出せるなら、生成AIへの入力・専用ツールへのインポートが可能です。データが月次集計しかない場合は、まず生成AIを使った大まかな傾向把握から始め、データの粒度を細かくしながら精度を高めていくアプローチが現実的です。

導入時に押さえるべきポイント

  • 予測対象を絞る：全商品ではなく、在庫ロスや欠品の影響が大きいABCランクのA品から始めると効果が出やすい。
  • Beforeの数字を記録しておく：現在の発注工数・在庫回転率・廃棄ロス率を計測しておくことで、導入後の効果測定ができる。
  • 属人ノウハウも並行してデータ化する：「この取引先は月末需要が高い」といった経験を入力データや補正ルールとして記録し、AIに渡せる形にしておく。
  • 完全自動化を急がない：まず人が確認する半自動運用から入り、精度と信頼感を育ててから自動化の範囲を広げる。

まとめ

在庫管理の「勘」は貴重ですが、それをAIとデータに置き換えることで、属人化を防ぎ、欠品と余剰在庫の両方を減らせる可能性があります。スタートラインは高くなく、手元の販売データと生成AIがあれば今日からでも試せます。大切なのは、完璧なシステムを目指すよりも、「小さく試して改善する」を繰り返すことです。

よくある質問

AI需要予測を始めるには、どのくらいのデータが必要ですか？
最低でも過去1年分の商品別・日別（または週別）の販売実績データがあれば、基本的な需要予測は試せます。季節変動やイベントの影響まで反映した精度を求める場合は、複数年分のデータがあるほど精度は向上します。まずは手元の販売データを整理することが最初のステップです。
専用システムを導入しなくても、AI需要予測はできますか？
はい、できます。少品目であれば、ExcelやGoogleスプレッドシートに過去データを整理し、ChatGPTやClaudeなどの生成AIに「この傾向から次月の予測をして」と入力するだけでも、ざっくりとした見通しを得られます。まず生成AIで感触をつかみ、効果が見えてきたら専用ツールへの移行を検討するのが、コストリスクを抑えた進め方です。
AI需要予測はどんな業種に向いていますか？
小売・飲食・製造・卸売など、商品を仕入れて販売する業種全般に有効です。特に、季節や曜日・天候によって需要が変動しやすいアイテムを扱う場合に効果が出やすいとされています。一方、カスタムオーダーが中心で受注後に調達する業態では、在庫予測よりもリードタイム管理の自動化が優先されることもあります。
発注をAIに完全自動化するのはリスクがありますか？
いきなり完全自動化はリスクがあります。最初は「AIが算出した発注推奨数を人が確認してから発注する」半自動の運用が安全です。AIの予測精度やシステムの動作を確認しながら信頼感を高め、段階的に自動化の範囲を広げていくのが現実的なアプローチです。

関連記事：ワークフロー自動化ツールとは？繰り返し作業をなくしてチームの時間を取り戻す考え方

株式会社DnDでは、販売データを活用した在庫管理の仕組みづくりや業務自動化を、業務効率化DXパッケージとしてご提供しています。「まず何から手をつければいいか」という段階からご相談いただけます。ご相談・お見積りは無料です。

お問い合わせ →