在庫が余る製品と欠品する製品が同時にある――製造業の生産計画でよく起きるこの矛盾は、需要予測が担当者の経験と前年実績だけに依存していることの表れです。AIによる需要予測は当てるための魔法ではなく、受注・出荷・季節要因のデータをそろえ、計画担当者の判断材料を増やす仕組みです。結論として、予測AIの前に「製品ごとの出荷実績と在庫の数字が月次でそろう状態」を作ることが先決です。

まず整えるのは受注・出荷・在庫の3つの数字

予測の入力になるのは、受注実績、出荷実績、月末在庫の3系列です。これらが営業部門の表計算、生産管理システム、倉庫の在庫表に分散し、製品コードすら一致していない企業は少なくありません。コード体系の統一と月次締めのルール化という地味な整備が、予測精度の土台になります。「2025年版ものづくり白書」が引用する調査では、デジタル技術を活用した業務改善の実施率は「生産管理」が43.7%と工程別で上位にあります。取り組む企業が多い工程だからこそ、データのそろえ方で差がつきます。

予測は「全製品一律」ではなくABC分析で対象を絞る

出荷金額と出荷頻度で製品をABCに分け、出荷の大きいAランク製品に予測を適用し、Cランクは定量発注に寄せるなど、製品群ごとに方式を変えるのが現実的です。予測が外れた場合は、外れ幅と理由（特需、客先の計画変更、天候要因など）を計画会議で記録します。この「外れの記録」が、次の予測改善と、担当者の属人的な勘を組織知に変える材料になります。

生産計画会議の運用まで含めてDXと呼ぶ

予測値を出して終わりではなく、月次の生産計画会議で「予測値」「営業の見込み」「確定受注」を並べて差分を議論する運用を決めて初めて、計画のDXと言えます。会議の決定内容は、どの予測値を採用し、どこを人の判断で上書きしたかまで含めて議事メモに残してください。上書きの理由が蓄積されると、ベテラン計画担当者の判断の癖が見えるようになり、若手への引き継ぎ資料としても機能します。評価指標は、在庫回転率、欠品による出荷遅延件数、予測誤差率の3つに絞り、四半期ごとに見直します。指標を絞ることで、現場が「何のためにデータを入力するのか」を理解しやすくなります。

自社の現場に引きつけた進め方を検討したい方は、本誌の30分無料相談で、対象製品の選び方や進め方の優先順位を一緒に整理できます。まずは現状の課題をお聞かせください。

あわせて読みたい

「経営計画にAIをどう組み込むか。3年ロードマップの描き方」 https://axdx.aohalab.ai/#/article/17

「中堅企業のAXロードマップ：1年目にやること・やらないこと」 https://axdx.aohalab.ai/#/article/50

出典：経済産業省・厚生労働省・文部科学省「2025年版ものづくり白書」 https://www.meti.go.jp/report/whitepaper/mono/2025/

本記事で紹介した内容は2026年11月時点の公表情報に基づきます。最新の内容は出典の一次情報をご確認ください。