「倉庫の在庫は膨らんでいるのに、注文が来たら欠品している」——中小の卸・小売・製造業で繰り返し聞く悩みです。Excelで安全在庫を決めて運用してきたが、季節変動や急な需要増には対応できない。本記事ではAIを使って在庫管理を進化させる実務手順を、中小企業の身の丈に合った形で整理します。月3〜5万円で組める構成と仮想A社の事例で具体化し、過剰在庫と欠品を同時に減らす道筋を示します。
この記事の結論（3行）
- AI在庫管理の本質は需要予測。過去2〜3年の販売実績と外部要因（曜日・天候・販促）をAIに学習させる
- 全SKUを予測対象にする必要はない。ABC分析で上位20%のSKUに絞れば月3〜5万円で運用できる
- 安全在庫の見直しを四半期に1回回すだけで、在庫金額を15〜25%圧縮できた事例がある
なぜ中小企業の在庫管理は「過剰と欠品」が同居するのか
中小企業の在庫管理で、過剰在庫と欠品が同時に発生する現象は珍しくありません。理由は3つあります。第一に、安全在庫の数値が「経験則」で固定されていて、季節変動や販促の影響を反映できていません。「この商品はだいたい月50個出るから100個積んでおこう」という決め方が、実際の動きと乖離していきます。
第二に、SKU（在庫管理単位）が増えすぎて全てを人間が見切れません。小売で1,000〜3,000、製造業で500〜2,000のSKUを扱うと、担当者が見られるのは「動きの激しい100SKUだけ」になりがちで、残りは野放しに近い状態です。第三に、発注リードタイムが長い商品の予測精度が低く、欠品が出やすくなっています。海外仕入れで2か月先を読む必要がある商品では、勘での発注が当たらなくなってきました。
安全在庫が経験則で固定されている
安全在庫の見直しは本来、月次か四半期で回すべきです。しかし中小企業では「2年前に決めた数字をそのまま使っている」ことが大半で、需要構造が変わっても気づきません。AIに過去販売実績を読ませると、見直すべきSKUを自動で抽出できます。
SKUが多すぎて人間が追えない
担当者の経験で運用できるのは100SKU程度が限界です。それ以上はAIに任せる前提で、ABC分析で重要SKUに人を、それ以外にAIを当てる役割分担が現実解になります。
AI在庫管理の3つの使いどころ
AI在庫管理は「全SKUの予測精度を10%上げる」ような壮大な構想ではなく、特定の使いどころに絞ると効果が出やすくなります。中小企業で先に効くのは次の3つです。
需要予測による発注量の最適化
過去2〜3年の販売実績、曜日、天候、販促履歴をAIに学習させ、翌週・翌月の販売数を予測させます。予測値に安全係数を掛けて発注量を出す運用が基本形です。ABC分析の上位20%のSKUに絞れば、月3〜5万円のクラウドAIサービスで十分回ります。
滞留在庫の早期警告
「過去90日で出荷ゼロ」「在庫回転日数が業界平均の3倍」といった条件をAIに監視させ、滞留しそうなSKUを早期に警告する仕組みです。手動で月末に棚卸ししてから気づくのではなく、毎週リスト化することで損切り判断が早まります。
欠品リスク予測
販売ペースが急に上がっているSKUを検知し、リードタイムを考慮した欠品予測を出します。「現在の在庫数と販売ペースから、2週間後に欠品する確率は60%」のような数値を毎日出せれば、欠品の半分は事前回避できます。中小企業の在庫管理を診断する場合、まずこの3つのどれから着手するかを切り分けてください。
月3〜5万円で始めるAI在庫管理の構成
AI在庫管理を中小企業で始めるとき、専用パッケージを買う必要はありません。月3〜5万円で組める構成があります。
| 役割 | ツール例 | 月額目安 | |---|---|---| | データ集約 | スプレッドシート・Airtable | 0〜2,000円 | | 需要予測AI | Prophet（無料）・Amazon Forecast | 0〜2万円 | | 可視化 | Looker Studio | 0円 | | 対話分析 | ChatGPT Plus または Claude Pro | 3,000円 | | 自動連携 | Zapier・Make | 0〜3,000円 | | 合計 | — | 月3,000〜3万円 |
Prophetのようなオープンソースの需要予測ライブラリを使えば、AI予測部分は無料で動かせます。中小企業では「上位20SKUだけ予測する」運用から始め、効果が出てから対象を広げていくのが安全な進め方です。
経営者目線で考える「AI在庫管理に投資する判断軸」
経営者がAI在庫管理に踏み出すかを判断するとき、3つの数字を確認してください。
第一に、在庫金額の月商比率です。在庫金額が月商の1.5か月分を超えている、または年間で在庫金額が2割以上増えているなら、過剰在庫の兆候があります。第二に、欠品率です。受注に対して欠品で対応できなかった件数の比率が3%を超えているなら、機会損失が発生しています。第三に、棚卸し差異の金額です。年間で月商の1〜2%の在庫差異が出ているなら、データ精度に課題があり、AI予測の前にデータ整備が要ります。
この3つの数字を出すだけで、AI在庫管理に投資すべきかが見えてきます。在庫金額が月商の2か月分以上、欠品率5%以上、棚卸差異3%以上のいずれかが当てはまれば、投資効果は十分期待できます。年間で在庫金額を15〜25%圧縮できれば、中小企業でも数百万円〜数千万円のキャッシュ改善になります。
ぷらすわんの実例：仮想A社（地方の文具卸）の場合
ぷらすわんが業務改善の診断で関わった仮想A社の事例をお伝えします。A社は地方で文具卸を営む従業員25名の会社で、年商8億円、SKU数は約2,200。倉庫の在庫金額が月商の2.3か月分まで膨らみ、銀行借入の返済圧力が高まっていました。
最初に行ったのはABC分析で、売上上位20%（約440SKU）が売上の82%を占めることを確認しました。この440SKUに絞り、過去3年の販売実績をChatGPTに読ませて季節変動パターンを抽出し、上位50SKUにはProphetで需要予測モデルを組みました。残り390SKUは「安全在庫の見直しシート」をAIに自動生成させる運用に切り替えました。
導入から半年後、在庫金額は月商2.3か月分から1.7か月分まで圧縮され、約4,000万円のキャッシュが生まれました。同時に欠品率も4.2%から2.1%に改善しました。投資額はProphetの構築費用とクラウド費用で初期60万円、運用月3万円。投資回収は2か月で達成しました。在庫管理のどの部分からAIを入れるかを項目別に整理したい場合は、診断で順序立てて検討できます。
まとめ
中小企業のAI在庫管理は、過剰在庫と欠品の同居という慢性課題に効く打ち手です。重要なのは、全SKUを対象にせず、ABC分析で上位20%に絞ること。需要予測・滞留警告・欠品リスクの3つの使いどころから1つ選び、月3〜5万円の構成で始めるのが現実的な第一歩です。
経営者が確認すべきは在庫金額の月商比率、欠品率、棚卸差異の3指標です。この3つの数字が悪化しているなら、AI在庫管理への投資は数か月で回収できる可能性が高いです。Excelの安全在庫運用から一歩進める判断を、データで支える時期に入ってきました。