精度の改善は効果の途中経過にすぎない
需要予測の精度が上がっても、在庫や欠品が変わらなければ事業上の効果はありません。精度から効果までには、予測→計画→実行という段階があり、どこかで詰まると効果は出ません。
経営への報告は右端の業務成果で行い、効果が出ないときは左から順に原因を探します。予測が改善しているのに計画変更回数が減らないなら、予測が計画に反映されていません。計画は改善しているのに在庫が減らないなら、安全在庫のマスタ更新や発注ルールが変わっていない可能性があります。
ライトハウス工場の公表値をどう読むか
WEF（世界経済フォーラム）のグローバル・ライトハウス・ネットワークは、先進的な工場・サプライチェーン拠点を認定する取り組みです。2025年9月に発表された拠点には、需要予測に関係する成果を報告したものがあります。
2026年1月の発表でも、美的グループの芜湖拠点がAI計画システムとサプライチェーンのコントロールタワーで、納期39%短縮・在庫日数30%減を報告しています（WEF、2026年1月15日）。
これらの数字を読むときは、3つの条件を確認します。第一に、選ばれた先進拠点の自己申告であること。第二に、AI単独ではなく、業務プロセスやシステムの改革全体の成果であること。第三に、比較の基準時点や期間が公表資料では詳しく分からないことです。自社の効果の見込みに転用せず、「どのKPIで効果を語っているか」の参考として使うのが適切です。Tüpraşの例は、予測の効果を精度ではなく納期遵守率と業務生産性で報告している点で参考になります。各拠点の数値の一覧はライトハウス選出工場のAIユースケースにまとめています。
KPIを金額に換算する
経営判断には、業務KPIの変化を金額に換算した数字が必要です。主な換算の考え方を示します。
| KPI | 金額への換算 | データの所在 |
|---|---|---|
| 在庫日数・在庫金額 | 在庫減少額×資本コスト率＋保管費・廃棄損の減少 | ERP（在庫評価額） |
| 欠品率 | 欠品による逸失売上＋顧客ペナルティ | ERP（受注残・キャンセル） |
| 納期遵守率 | 違約金・特急輸送費の減少、取引継続の価値 | ERP・物流 |
| 緊急手配・段取り変更 | 特急調達費、残業代、計画変更による段取りロス | 購買・MES・勤怠 |
| 予測業務の工数 | 削減時間×人件費単価（再配置先の価値も記載） | 業務記録 |
在庫の減少額そのものは一度きりのキャッシュの改善で、毎年の利益ではありません。毎年の効果として数えるのは、資本コストと保管・廃棄の費用の減少分です。この区別を曖昧にすると、ROIを過大に見積もることになります。
AIの寄与を切り分ける
在庫や欠品は、需要の変動、調達リードタイム、生産能力など多くの要因で動きます。導入前後の比較だけでは、AIの効果か市況の変化か区別できません。切り分けには次の方法があります。
| 方法 | やり方 | 注意点 |
|---|---|---|
| 品目群の並行比較 | 一部の品目群だけAI予測を使い、残りは従来どおり | 品目群の性質をそろえる |
| 拠点・ラインの並行比較 | 一部の拠点で先行導入 | 拠点間の需要の違いを考慮 |
| 予測値の事後比較 | AI予測と人手予測の両方を記録し、どちらが当たったかを比べる | 計画への反映は片方だけなので精度比較に留まる |
| シミュレーション | 過去の需要でAI予測を使った場合の在庫を再計算 | 計画・発注ルールを正しく再現する必要がある |
最も現実的なのは、品目群の並行比較と予測値の事後比較の組み合わせです。
並行比較では、AIを使う品目群と使わない品目群の間で、需要の変動や顧客の構成ができるだけ似るように分けます。売上上位だけをAI側にすると、もともと管理が行き届いた品目で比べることになり、効果が小さく見えたり、逆に大きく見えたりします。品目をランダムに分けるか、売上規模・需要パターンでそろえた組を作ってから片方にAIを適用するのが、偏りの少ない方法です。
よくある質問
効果が出るまでどのくらいかかりますか？
予測の改善は数か月で確認できますが、在庫日数への効果は、安全在庫の見直しと既存在庫の消化を経るため、半年から1年かかることが一般的です。
計画担当者の工数削減は効果に数えてよいですか？
数えてよいですが、削減した時間が何に使われたかまで示すと説得力が増します。Tüpraşも予測業務の生産性を別のKPIとして報告しています。
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。
