SCMは「調整する仕事」である

例えば、ある商品の需要が想定以上に増え、2週間後に欠品する可能性が出てきたとします。SCM担当者は、まず在庫や生産状況に関する情報を集め、どの商品・地域・顧客に影響するかを調べます。増産するのか、他拠点から在庫を移すのか、顧客別に出荷を配分するのか。それぞれについて生産、調達、物流、販売への影響を調べ、関係部門と調整し、最終的な対応を決めます。
つまり、人が時間を使っているのは、計算そのものだけではありません。必要な情報を集め、影響を調べ、選択肢を作り、誰と何を話すべきかを考え、異なる重要業績評価指標（KPI）を持つ部門間の落としどころを探すことに多くの時間を費やしています。
AIMMS社が328人のサプライチェーン専門家を対象に行った調査でも、33％の組織では、チームの時間の約80％がデータ収集に費やされていました。また、計画会議の時間について、55％が「データ共有と意思決定が半々」、12％が「データ共有に全ての時間を費やす」と回答しています。SCMでは、意思決定に至る前の情報収集と認識合わせに、多くの時間が使われていることが分かります。（※2）

なぜこれほど調整に時間がかかるのでしょうか。
「必要な情報が散在している」「判断基準が人の頭の中にある」「誰と何を調整すべきかを毎回考えている」「部門ごとにKPIが異なる」といった理由があります。さらに、各部門では意思決定の影響が自部門の範囲に限られがちです。その結果、全社としての最適解が見えず、部門間のトレードオフに落としどころをつけるための“調整”が発生します。
これまで、ERP（統合基幹業務システム）、SCP（サプライチェーン計画システム）、IoT、AIなどの技術が発展しても、SCMのこうした構造は大きく変わってきませんでした。システムによってPSI（生産・販売・在庫）の実績を可視化し、将来を予測することはできても、最後は人が情報を読み解き、経験や企業方針、人間関係も踏まえて調整してきたからです。

「SCMにAIを使う」から「AIネイティブなSCMを作る」へ

ここに、生成AIとAIエージェントがもたらす大きな変化があります。
これまでの「SCMにAIを使う」は、人が意思決定するための材料をAIが提供する世界でした。需要を予測する、異常を検知する、在庫を最適化する。その精度がどれだけ上がっても、人が担う調整の構造そのものは基本的に変わりません。
AIネイティブなSCMでは、AIの役割を意思決定プロセスの中まで広げます。

例えば、
検知 → 分析 → アクション選択 → シミュレーション → 評価 → 関係者調整 → 判断・承認 → 実行
というSCMの意思決定を考えてみます。

AIは、需要・供給・外部環境の変化を常時検知し、影響範囲を分析、過去の対応や企業固有のルールを踏まえて複数のアクションを生成し、それぞれについて販売・生産・調達・物流をシミュレーションします。さらに損益計算書（P/L）、貸借対照表（B/S）、キャッシュフロー（CF）、顧客影響などの観点から各案を比較し、推奨案を提示する仕組みです。

そして重要なのは、その先にあります。
AIは単に「この案がおすすめです」と答えるだけではありません。「この判断には誰と誰の合意が必要なのか」「欠品をどこまで許容するのか」「重点顧客を優先することが企業方針に沿うのか」など、人が議論すべき論点まで提示するようになるのです。
私たちが検討するSCMの意思決定パッケージも、こうした考えに基づくものです。複数シナリオを財務観点（P/L・B/S・CF）などで比較するだけでなく、誰と誰がどの論点で意思決定すべきかを提示することで、人が「企業としてどの価値を優先するか」という本質的な判断に集中できる姿を想定しています。

図1：SCMの意思決定パッケージ

つまり、人の仕事は「判断するための材料を作ること」から、「企業として何を優先するかを決めること」へ移っていくのです。

なぜ、今それが可能になったのか

大きな理由の一つは、生成AIによって、これまでデジタル化が難しかった「判断知」を扱える可能性が高まったことです。
企業には、「この顧客は優先する」「このリスクなら在庫を多めに持つ」「この状況ではこの部門を巻き込む」といった知識が大量に存在します。しかし、その多くはマニュアルではなく、熟練者の頭の中、会議資料、メール、Excel、過去の意思決定の中に散在しているのが実情です。
これらを、「どの状況で、何を見て、誰が、どのような基準で判断するのか」という意思決定モデルとして蓄積し、AIが利用できるようになれば、AIは単なる予測ツールから、企業固有の判断を支える存在へ変わります。

私たちが構想しているAIネイティブなSCMでも、業務データだけでなく、「誰が何を決めるか」という組織の意思決定や、企業・人が持つ判断知までAIが扱える構造をめざしています。SCMの現場では、各部門がそれぞれのKPI（営業部門は売上、需給部門は欠品率、物流部門は物流コストなど）に基づいて業務を遂行しています。そのため、問題への対応にあたっては、部門間での合意形成が不可欠です。AIネイティブなSCMでは、そのような部門跨ぎの意思決定に対しても、誰と誰が、どういう論点で合意をすべきかといった示唆を提示し、企業としての意思決定をサポートします。

図2：AIネイティブなSCMのOS

AIの対象は、個人から組織、そして企業間へ

このような変化は個人の業務にとどまりません。
AIの対象は、個人の判断支援から、組織内の調整、販売・生産・調達・物流・財務といった部門間の調整、さらにはサプライヤーや物流事業者、顧客を含む企業間の調整へと広がっていくでしょう。
同時に、システムの姿も変わります。これまでのSCMでは、人がERPやSCPなど複数のシステムを操作し、そこから情報を取り出して意思決定していました。今後はAIエージェントが各システムのデータや計算エンジンにアクセスし、人は共通のAIインターフェースを介して業務を行う構造が増えていくと考えられます。
ソフトウェアも、人が画面を操作することを前提とした構造から、UIとデータ・計算エンジンが分離し、AIエージェントがその機能を直接呼び出す構造へ変化していく可能性があります。ERP、SCP、ハイパースケーラーの境界も、今後ますます曖昧になるでしょう。

ただし、こうした変革はまだ始まったばかりです。PwC社が2025年に国内のSCM関連部門の経営幹部・リーダー506人を対象に行った調査では、AIを導入済み、または試験導入中とする企業は25％にとどまり、「将来予測や付加価値創出」まで実現している企業は全体のわずか2％でした。また、AI活用の目的として「意思決定の迅速化・高度化」を挙げた回答は26％で、複数の関係者との調整や状況に応じた判断が必要な業務へのAI活用は、まだ道半ばとされています。（※3）
AIをSCMに導入することと、AIネイティブなSCM、つまりSCMそのものを変えることは同じではありません。

AI時代のSCM競争力は何か

ここまで見てきたように、AIネイティブなSCMとは、個別業務をAIで効率化することではなく、SCMの意思決定の仕組みそのものを変えていくことです。その実現に向けて、次の3つの視点が重要となります。

• 経営成果から逆算し、業務とITを一体で変革する
  AIをIT部門だけのテーマにせず、SCM部門自身も当事者となり、P/L、B/S、在庫、欠品などの経営成果から逆算して変革を考えることが重要です。
• 個別領域に閉じず、SCM全体の意思決定モデルを描く
  「需要予測をAI化する」「生産計画を自動化する」といった個別領域だけを見るのではなく、需要、販売、生産、調達、物流から、経営・財務までを横断して、SCM全体としてどのような意思決定ができる状態をめざすのかを描く必要があります。
• 全体像を持ちながら、実現できるところから始める
  一方で、すべてを一度に変える必要はありません。全体の将来像を持ちながら、「供給不足対応」「需給調整」など、まず価値の大きな意思決定を絞り込み、実現できるところから始めることが現実的です。

こうした取り組みが進むことで、SCMにおける競争力の重心も変わっていきます。
これまでSCMでは、需要と供給をできるだけ正確に見通し、計画精度を高めることが重要な競争力の一つでした。しかし、変化が激しく、計画通りにならないことを前提とする時代には、計画精度を高めるだけでは十分ではありません。変化をいち早く捉え、その影響を把握し、複数の選択肢から企業として最も望ましい行動を選び、実行する力がより重要になります。
その結果、AI時代のSCMでは、競争力の重心は「計画精度」から「組織全体としての意思決定の質と速度」へと移っていくと考えています。
AIが変えるのは、SCMの個別業務だけではありません。組織として意思決定する仕組みそのものです。
本連載では、この全体像を起点に、AIによってSCM業務はどう変わるのか、人は何を判断しAIに何を任せるのか、そして、それを支えるシステムはどのような構造になるのかを、順に掘り下げていきます。