在庫管理は、中小企業の現場で最も「感覚頼み」になりやすい業務のひとつだ。
「そろそろ発注した方がいい」「この商品はしばらく動かないから後回しでいい」──こういった判断が、担当者の経験と勘に依存している会社は多い。担当者がいる間は回るが、その人が抜けると在庫管理が途端に機能しなくなる。
在庫管理の問題は2つのパターンに分かれる。過剰在庫（売れない商品が積み上がり、資金と倉庫スペースを使う）と欠品（必要な時に在庫がなく、機会損失になる）だ。どちらも収益に直結する問題だ。
この記事では、中小企業が在庫管理にAIを活用して、過剰在庫と欠品を減らす方法を解説する。
在庫管理の何がAIで解決できるのか
在庫管理の問題が発生する主な原因は以下の3つだ。
- 需要の予測ができていない → 売れ行きの波がつかめず、仕入れが感覚頼みになる
- 在庫の実数と帳簿がずれる → 手入力ミス・棚卸し漏れ・ロット管理のミスによるズレ
- 発注のタイミングが分からない → 「いつ・何を・いくつ発注すべきか」の判断基準がない
AIが特に力を発揮するのは1の需要予測と3の発注タイミングの支援だ。
2の在庫ズレはシステムの問題というより運用の問題であることが多い。データの入力を正確にする仕組みを先に作らないと、AIを入れても正確な予測ができない。
AIで実際に取り組めること
需要予測（いつ・何が・どれくらい売れるか）
過去の売上データを読み込ませると、「季節性のパターン」「直近の売上トレンド」「特定商品の増減傾向」を分析できる。
例えば「この商品、来月の適正在庫数は何個か」という問いに対して、過去12ヶ月の売上データを生成AIに見せて「季節性を考慮して、来月の発注数の目安を教えてください」と聞くことができる。
精度はデータ量と質に依存する。1〜2年分の売上データがあると、季節変動を考慮した分析ができる。データが少ない場合でも、「先月より何%増えているか」「同じ時期と比べるとどうか」といった観察には使える。
発注アラートの自動化
在庫数が一定の閾値（発注点）を下回った時に通知が来る仕組みを作ることができる。
Googleスプレッドシートで在庫数を管理している場合、Apps Scriptを使って「在庫が○個以下になったらメールで通知」という自動化が可能だ。プログラミングの経験がなくても、生成AIに「Googleスプレッドシートで在庫が10個以下になったらメール通知するスクリプトを書いてください」と依頼すると、そのまま動くコードを出してもらえる。
過剰在庫の特定
全商品の在庫数と直近の出荷実績を並べたデータを生成AIに貼り付けて「この中で、在庫が多い割に最近の出荷が少ない商品を教えてください」と指示すると、処分・削減を検討すべき商品のリストが出てくる。
定期的（月次・四半期ごと）にこの作業をするだけで、滞留在庫の早期発見につながる。
仕入れ数量の最適化提案
「この商品、月の平均出荷数と現在の在庫数から、次の発注数はいくつが適切か」という問いに答えてもらうことができる。
シンプルな計算だが、これを全商品に対して手動でやると時間がかかる。AIを使えば、スプレッドシートのデータを見ながら数十商品分の提案を短時間で出せる。
具体的な進め方
ステップ1: 現在の在庫データを整理する
最初に「今、どのデータが存在するか」を確認する。
- 在庫管理：Excelか専用システムか
- 販売実績：POSレジ・受注システム・会計ソフトのどれか
- 発注履歴：仕入れ先からの納品書・Excelの発注管理シートか
これらが別々の場所にある場合、まず1つのスプレッドシートに集める。この工程に手間がかかるが、AI活用の前提になる。
ステップ2: 商品マスタを整備する
商品コード・商品名・単位・仕入れ先が統一された形で一覧化されているか確認する。「商品コードが仕入れ先ごとに違う」「同じ商品が2行に分かれている」という状態では、正確な集計ができない。
AIに「この商品リストの表記ゆれを修正して、同じ商品を1行にまとめてください」と依頼することで、クレンジング作業を補助できる。
ステップ3: 過去の販売データを集める
12ヶ月以上の月別・商品別の出荷数が揃っていると、季節性の分析が可能になる。データがない場合は、まず今から記録を始める。
データが少ない段階では完璧な予測は難しいが、「先月との比較」「同じ季節の比較」といった観察から始められる。
ステップ4: AIで分析・予測を試してみる
データが揃ったら、生成AIに貼り付けて分析を依頼する。最初は「この売上データで、前年同期比が大幅に変化している商品を教えてください」という基本的な分析から始める。
慣れてきたら「来月の発注数の目安を、在庫日数が14日を切らないように計算してください」という具体的な発注支援の依頼に進む。
ステップ5: 自動化の仕組みを追加する
手動分析がうまくいくようになったら、一部を自動化する。
- Googleスプレッドシートに在庫数を入力したら、発注点を下回った商品が自動でハイライトされる
- 在庫点数が閾値を下回ったらSlackやメールで通知が来る
この自動化はプログラミングの知識がなくても、AIに「どう設定すればいいか」を聞きながら進めることができる。
AIで在庫管理を改善する際の注意点
注意点1: データの質が先
在庫が実際に何個あるかを正確に記録する運用が先決だ。実際の在庫と帳簿がズレている状態では、AIが正確な予測を出しても意味がない。まず「在庫の記録を正確に保つ仕組み」を作ることが先になる。
注意点2: AIの予測を盲目的に信じない
AIが「来月は100個必要」と出しても、「先月、大口の1件が含まれていて実態と違う」というようなイレギュラーは人間が判断する必要がある。AIの提案は「参考値」として、最終判断は担当者が行う。
注意点3: 最初から全商品を対象にしない
数百品目を対象に一気に自動化しようとすると、必ずどこかで問題が起きる。まず売上上位の10〜20品目から始めて、うまくいったら対象を広げる。
専用ツールと生成AIの違い
在庫管理の自動化には、専用のSaaSツールを使う方法と、生成AIを組み合わせる方法がある。
| 項目 | 生成AI（ChatGPT/Claude） | 在庫管理SaaSツール |
|---|---|---|
| 初期費用 | 低い | 中〜高い（月額数千円〜数万円） |
| リアルタイム管理 | 手動更新が必要 | 自動連携で常に最新 |
| 予測の精度 | データ量と質に依存 | アルゴリズムが最適化されている |
| 操作の難易度 | 低い（指示するだけ） | 設定・操作の学習が必要 |
| 向いている会社 | SKU数が少ない・まず試したい | SKU数が多い・本格的に管理したい |
初めての在庫AI化は生成AIから試して、「もっとリアルタイムに管理したい」「SKU数が多すぎて手動では追えない」という段階で専用ツールへの移行を検討する。
まとめ
在庫管理のAI化は、以下の順序で進める。
- 在庫・販売データを1か所に集める
- 商品マスタを整備してデータを正確にする
- 生成AIで過剰在庫の特定・発注数の目安を分析する
- 慣れてきたら一部を自動化する（アラート通知等）
- 件数が増えてきたら専用ツールの導入を検討する
在庫管理の改善で最も効果が出やすいのは「感覚で決めていた発注数をデータで決める」という変化だ。AIを入れなくても、まずデータを整理するだけで発注の精度が上がることがある。AIはそのデータを活かすための道具だ。
