理由1：予測値が上書きされ、その効果が測られていない
最も多いのは、AIの予測値を営業や計画担当者が「自分の感覚」で上書きし、上書きが正しかったかを誰も確かめていないパターンです。上書きには正当な理由もあります。大口顧客の発注予定、競合の撤退、販促の計画など、AIが知らない情報を担当者は持っています。問題は、上書きの是非が検証されず、AIの予測も担当者の判断も改善されないことです。
上書きには、構造的な偏りも生じやすいです。営業は欠品を恐れて多めに、生産管理は在庫を恐れて少なめに上書きする傾向があり、どちらの部門が最終数字を持つかで在庫水準が変わります。この偏りは、上書きの方向（増やしたか減らしたか）を部門別に集計すると見えてきます。
対策は、上書きの記録と精度比較です。
- AI予測値、上書き後の値、上書きの理由（選択式）を毎回保存する
- 実績が出たら、AI予測と上書き後のどちらが近かったかを集計する
- 上書き理由ごとの勝率を毎月共有する
「大口顧客の情報による上書き」は勝率が高く、「なんとなく多め」は低い、といった結果が出れば、上書きのルールを根拠をもって決められます。
理由2：最終数字に誰が責任を持つか決まっていない
需要予測は営業・生産管理・SCMの間にある業務で、責任の所在が曖昧になりがちです。AIの予測が外れたときに「AIのせい」、当たったときに「担当者の判断」となると、AIは信頼されません。
| 決めること | 例 |
|---|---|
| 予測の最終数字の責任者 | 需給計画担当（S&OPで承認） |
| AI予測の位置づけ | 初期値（ベースライン）。上書きは理由つきで可 |
| 上書きできる人と範囲 | 営業は顧客情報による増減のみ、±30%超は承認制 |
| 精度の評価者 | SCM部門が月次で集計し、S&OPで報告 |
理由3：予測が計画と在庫の数字につながっていない
予測が単独の画面に表示されるだけで、生産計画や安全在庫に自動で反映されない場合、担当者は二重入力を避けて従来の方法に戻ります。予測区間から安全在庫を計算し、APSやERPに渡す流れを作ることが定着の条件です。最初から完全な自動連携が難しければ、予測と安全在庫をERPの取込形式のファイルで出力し、担当者が取り込むだけにする段階から始めても構いません。担当者の手作業が増えないことが重要です。詳しくは需要予測をS&OPと生産計画につなぐを参照してください。
理由4：予測の理由が説明されない
「なぜ来月は増えるのか」に答えられない予測は、担当者が上書きしやすくなります。勾配ブースティングなら特徴量の寄与（季節性、販促、前年の傾向など）を表示できます。全品目の詳細な説明は不要で、大きく変動した品目だけ理由を示す運用で十分なことが多いです。たとえば前月の予測から±20%以上変わった品目に限り、「前年同月の水準」「直近3か月のトレンド」「販促予定」のどれが寄与したかを一覧で示します。SAPが2025年にIntegrated Business Planningへ生成AIによる予測結果の説明機能を加えたように、計画基盤のベンダーも説明の重要性を認識しています。ただし説明文の正しさは、元の特徴量の寄与が正しく計算されていることが前提で、生成AIの文章をそのまま信じてよいわけではありません。
理由5：運用が止まる（再学習・マスタ変更への追従）
PoC時点のモデルは、品番の追加・廃止、顧客の変化、設計変更に追従しないと精度が落ちます。誰が再学習し、品番マスタの変更を誰が反映するかが決まっていないと、半年後には使えない予測になります。再学習は、毎週・毎月の定期実行に加え、精度が閾値を下回ったときに担当者へ通知する仕組みがあると、運用の負担が下がります。品番マスタの変更（新規・廃番・改番）は、ERP側の変更をデータ連携で検知し、予測対象の品目リストを自動で更新するのが理想です。McKinseyが2018年に700社超を調査した報告では、デジタル製造の取り組みを全社展開できた企業は約30%にとどまり、障壁として人材（69%）やROIの欠如（61%）が挙がっていました。需要予測も例外ではなく、モデルより運用体制の問題で止まります。
よくある質問
上書き理由の選択肢はどう作ればよいですか？
「顧客の発注予定」「販促・価格変更」「新規・失注」「生産能力の制約」「その他」程度の5〜6個から始め、その他が多ければ選択肢を見直します。自由記述だけでは集計できません。
上書きの勝率はどのくらいの期間で評価できますか？
上書きの件数によりますが、季節を一巡する1年間が目安です。3か月程度でも傾向は見えるので、中間報告として共有すると改善が早まります。
この記事に出てくる用語
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
