SCMに取り組むすべての企業のために

2026年10月22日、ザイオネックス株式会社は「AI時代に、SCMで『人』が担うべき役割とは？ ～ASCM CHAINge 2026から考える、人とテクノロジーの新しい協奏～」と題したオンラインセミナーを開催しました。

AIの進化により、サプライチェーンマネジメントの業務も大きく変わりつつあります。これまで人が担ってきた情報収集や分析、計画業務の一部をAIが支援するようになる一方で、最終的な判断や意思決定、部門間の調整など、人に求められる役割はこれまで以上に重要になっています。

本セミナーでは、代表取締役の藤原玲子が、2026年9月に米国・ロングビーチで開催された「ASCM CHAINge 2026」での議論や現地で得た知見をもとに、AIによってSCMの仕事がどのように変わるのかを解説しました。

さらに、ザイオネックスが提供するSCMシステム「PlanNEL（プランネル）」に搭載予定のAI機能も交えながら、AI時代に人に求められる判断力や言語化能力、意思決定のあり方について紹介しました。本記事では、その内容を紹介します。

ASCM CHAINge 2026から見えたSCMの潮流

本日は、毎年北米で開催されているSCMのカンファレンス「ASCM CHAINge 2026」についてお話しします。今年は、カリフォルニア州ロングビーチで開催されました。

ASCM CHAINgeは、サプライチェーンマネジメントに関する世界最大規模の国際会議です。「国際会議」といっても、必ずしもアカデミックな内容だけではありません。政治家や実務家など、さまざまな立場の方々が参加して、サプライチェーンに関わるグローバルなテーマについて議論する場になっています。

会場では、さまざまなテーマのセッションや講演が用意されていて、それらを聴講しながら、合間には参加者同士で交流する機会もあります。今年は私たちザイオネックスも展示ブースを出展し、弊社が提供する製品をご紹介しました。

私は2018年からこのASCM国際会議に参加しています。コロナ禍では開催されなかった時期もありましたが、継続して参加していると、カンファレンスそのものの変化もすごく感じます。今年は、やはり「AI」が非常に大きなテーマになっていました。

ここで、主催するASCMについても少しご紹介します。ASCMは「Association for Supply Chain Management」の略称で、もともとはAPICSを母体とする組織です。サプライチェーンマネジメントに関する国際的な標準化や、教育、資格認定などに取り組んでいます。

では、なぜSCMに国際的な標準が必要なのか。サプライチェーンは、一つの企業の中だけで完結するものではなく、企業や国の境界を越えてつながっています。ですので、全体を最適化したり、企業同士でコミュニケーションを取ったりするためには、共通の考え方や言葉、評価基準が必要になります。イメージとしては、国際会計基準のようなものに近いと考えると、分かりやすいかもしれません。

ただし、「国際標準」といっても、すべての企業がまったく同じ業務プロセスで仕事をしなければならないというものではありません。共通の基盤を持った上で、自社の競争優位につながる部分は、それぞれの企業が独自に進めていく。たとえば、どこに工場を置くのか、どこに物流拠点を置くのか、といった戦略は企業ごとに異なります。

ASCMが提供しているドキュメントや教育プログラム、資格試験などは、基本的に英語で提供されています。これが、日本ではASCMがまだあまり広く知られていない理由の一つかもしれません。一方、日本にもASCMに関連する活動や学習機会がありますので、ご興味があればぜひ調べてみていただければと思います。

今年の開催地は、カリフォルニア州のロングビーチでした。「ロングビーチ」と聞くと、海に近い、少しのんびりした場所をイメージされるかもしれません。私自身も、それまではロングビーチについてそれほど詳しく知りませんでした。

ところが実際には、ロングビーチには「Port of Long Beach（ロングビーチ港）」があり、北米最大級の国際貿易港の一つです。隣接するロサンゼルス港とともに、特にアジアとアメリカを結ぶ物流の要所になっています。

国際会議場とホテルを行き来する中で、大きな橋の上から何度も港を見ました。本当に色とりどりのコンテナがたくさん積まれていて、巨大なガントリークレーンもずらっと並んでいます。その光景はかなり圧巻でした。

近年は、パナマ運河で通航制限が発生するなど、世界の物流環境にもさまざまな変化があります。そうした中で、ロングビーチ港の重要性はさらに高まっているようです。日本や韓国をはじめ、アジアからの多くの貨物も、この港を経由してアメリカ国内へ運ばれています。

ASCM CHAINgeでは毎年、「Top 10 Supply Chain Trends」が発表されます。今年は、その第1位にAIが挙げられていました。

昨年までは、どちらかというと「サプライチェーンが混乱している」「地政学的なリスクが高まっている」「物流が大変になっている」といった話題が多かったように思います。もちろんAIについてもたくさん語られていましたが、全体としては「この混乱をどう管理するか」という議論が中心でした。

それに対して今年は、AIをもっと積極的に活用して、自分たち自身も変わっていこうという、前向きな意見がかなり多かったです。世の中はどんどん変化しますし、国と国との力関係や、コスト・調達をめぐる環境も変わっていく可能性があります。そうした変化を単に管理するのではなく、変化に対応し、自分たちから変えていこうという空気を感じました。

昨年は、アジアからの参加者がやや少なく、少し元気がない印象もあったのですが、今年はアジア系の方々を多く見かけました。会場全体に前向きなエネルギーが戻ってきたように感じました。

今回、私が参加したセッションの中で特に印象に残ったものがあります。タイトルは「How Humans and AI Can Work Hand in Hand to Improve Performance」。日本語にすると、「人間とAIがどのように協力して、パフォーマンスを向上させるか」といったテーマです。

複数の有識者や政治家がパネルディスカッションを行っていたのですが、そこで私が特に重要だと感じたメッセージは、「人間をAIに置き換えることが目的ではない」ということでした。

AIによって人間が不要になるのではなく、AIを活用することで、人間がこれまで以上に高いパフォーマンスを発揮できるようにする。つまり、人間を「ハイパフォーマンス化する」という考え方です。ここが、今回のセッションの大きなポイントだったと思います。

AIによってSCMの仕事はどう変わるのか？

「AIによってSCMの仕事はどう変わるのか」という点に触れる前に、まずは一般的にAIと呼ばれているカテゴリーの整理をしました。AIにはいろいろな分類の仕方があります。広く捉えれば、以前から使われているルールベースの仕組みや統計的な手法も、AIにつながる技術の一部として考えることができます。本日は主に、機械学習やディープラーニング、LLM、AIエージェントといったものを中心に考えていきます。

従来型のルールベースでは、人間があらかじめルールを決め、そのルールに沿って処理をします。ですので、中身が比較的分かりやすいですし、「AならB」というように結果が安定しやすい。人間がルールを決めているので、なぜその結果になったのかを説明しやすいというメリットもあります。

一方で、人間が定義したルール以外のことには対応しにくく、想定外のことが起きると弱いという側面があります。自然言語のような曖昧な情報を扱うのも得意ではありません。また、ルールを増やしていくと、既存のルールと矛盾したり、特定の人しか保守できなくなったりすることもあります。

ただ、ルールが明確で、それが普遍的に適用できるような業務であれば、ルールベースで処理するのはまったく問題ありません。「AIを使ったSCM」と書いてあっても、すべてがAIで作られているわけではなく、ベースにはルールベースや数理最適化など、従来からの技術があります。その上にLLMやAIエージェントを組み合わせることで、人間の思考をより速く、より強力にサポートできるようになってきています。

もう一つ、AIを活用するメリットとして、人間がルールを一つひとつ作り込む負担が小さくなるという点もあります。学習データをもとに処理できる領域では、これはかなり大きな変化だと思います。

たとえば、需要予測や需要計画の業務にAIを使うとどうなるのかを考えてみます。従来、プランナーの方は、まずデータを集める必要がありました。消費財メーカーであれば、「最近はどんな商品が売れているのか」「どんなトレンドがあるのか」といった情報をリサーチし、データを集め、使える形に整える。ここにかなり時間がかかっていたと思います。

AIを活用すると、ニュースや検索トレンド、SNS、天候、気温、経済予測など、さまざまな外部データを収集しやすくなります。もちろん、SNSで話題になってからでは将来に備えるには遅いこともありますので、どのデータを使うかは重要です。私たちの会社でも、天候や気温だけでなく、経済予測なども含めていろいろ試しています。

一方で、将来の需要を予測すること自体は、従来のSCMシステムでも統計手法などを使って行われてきました。需要と供給のギャップを見ることも、これまでのSCMシステムでできます。ですので、AIによって何もかもが突然できるようになった、ということではありません。

むしろ大きいのは、情報を集めて、分析して、その結果を人間に分かりやすく説明し、さらに次の対応まで提案してくれるようになってきたことだと思います。

SCMでは、「例外」への対応が非常に重要です。ここでいう例外とは、いわゆる異常な状態です。たとえば、ある商品が急に売れ始めた、突然供給が追いつかなくなった、といったケースです。

これまでは、こうしたことが起きると、プランナーがいろいろな方に電話をしたり、メールをしたりしながら、「なぜこうなったのか」を一つずつ調べていたことも多かったと思います。AIは、予測モデルや異常検知によって、こうした例外の兆候や原因を見つけるところはかなり得意です。

ただし、その先にある「判断」と「調整」は、やはり人間の役割だと思います。AIは、判断に必要な情報を集めたり、「こういう対応が考えられます」とレコメンドしたりできます。でも、最終的にどの計画を採用するのか、何を優先するのか、関係部門をどう動かすのか。そこは人間が責任を持って判断する必要があります。

AIの活用が進むと、人間の役割がなくなるのではなく、むしろ役割が高度になっていく。私はそのように考えています。人間でなくてもできることはAIが処理して、人は判断や調整、意思決定といった、より人間らしい能力に時間を使うようになるのではないでしょうか。

ここからは、弊社が提供しているSCMシステム「PlanNEL」に搭載を予定しているAIについて少しご紹介します。その前に、初めての方もいらっしゃると思いますので、PlanNELについて簡単にご説明します。

もともと弊社では、比較的大規模なエンタープライズ企業向けのSCMシステムを提供してきました。そのノウハウを活かしながら、より多くの企業に、できるだけ導入しやすいコストで使っていただきたいという思いから、日本で企画したのがPlanNELです。国内でも導入事例がだいぶ増えてきました。

PlanNELでは、基幹システムなどからデータを連携し、需要予測を行った上で、営業やマーケティングなどの意思を反映した需要計画を作成できます。さらに、在庫計画、補充計画、供給計画、生産計画、分析レポートなど、SCMに必要な一連の計画業務を一つのシステム上で行えます。

AI機能については、今日は、まだベータ版を含む開発段階のものをご紹介します。実際にご提供する際には画面や仕様が変わる可能性がありますが、どういう考え方でAIを使おうとしているのか、という点はご理解いただけると思います。

一つ目が、「マーケティングエージェント」です。ニュースや検索トレンドなど、外部マーケットのシグナルを自動的に収集して分析するものです。従来は、需要変動の要因として人間が情報を集めてシステムに与える必要がありましたが、その部分をAIエージェントが支援します。

もちろん、Web上の情報を何でも無差別に集めるわけではありません。対象とする業界やキーワード、期間などを指定します。たとえば「Semiconductor」「Automotive」「Electric Vehicles」といったキーワードを指定して、直近1カ月の情報を集める、といった使い方です。

集めた情報をもとに、「市場がどう変わる可能性があるのか」を文章で説明してくれるのも特徴です。これまでであれば、どのレポートを見ればいいのかを知っている人が、グラフや数値を見て判断していました。AIを使うと、「このデータから何が読み取れるのか」を文章で説明してくれる。これは、人間にとってかなり分かりやすいと思います。

在庫についても同じです。まず全体を見て、在庫がどう推移しているのか、欠品や過剰在庫がどこで発生しているのかを特定します。従来のダッシュボードでは、あらかじめ閾値を決めて、その基準に対して今どういう状態なのかを見ることが多かったと思います。AIを使うと、グラフだけではなく、「どこに問題があるのか」「何に注意すべきか」を文章でも説明してくれます。

さらに、「では、どうすればこの問題を解決できるのか」というところまで進みます。AIが、安全在庫の水準やサービスレベル、在庫分類の基準などの見直しを提案するイメージです。

PlanNELでは「ABC-XYZ分析」の考え方を使っています。ABCは売上や出荷量などの規模で分類し、XYZは需要の変動性で分類します。需要の変動が小さいものをX、大きいものをZとすることで、商品特性に応じて在庫の持ち方を変えていきます。

たとえば、年間に数回しか売れず、需要が発生するタイミングもばらばらな商品であれば、需要変動は大きくなります。こうした商品について、安全在庫をどのくらいにするのか。これまでは、サービスレベルを98％にするのか96％にするのか、といった設定をトライアンドエラーで調整することもありました。今後は、この辺りもAIが計算して、適切な水準を提案してくれるようになります。

また、ABC-XYZの分類基準そのものについても、「この基準を見直した方がいいのではないか」とAIが提案することができます。こうしたAI機能は、PlanNELのオプションとして2027年前半を目途に提供できるよう準備を進めています。

AI時代に「人」が担うべき役割とは？

AIがこうした部分を支援するようになると、当然、仕事のやり方も変わってきます。計画業務では、Excelはやはり手軽ですので、長年需給業務を担当してきたエキスパートの方が、Excelで計画を作り、Excelを見ながら調達量などを決めているケースは少なくありません。いわゆる「Excel職人」です。

でもこれからは、Excelを使いこなせること以上に、AIに適切な指示を出す力や、AIが出した結果が妥当なのかを判断する力が大事になります。また、単にシステムを操作するのではなく、経営や業務に関わる意思決定ができること、そして関係者と調整するコミュニケーション能力も重要です。

私は、人にとって特に重要になるのは、「判断する力」「専門知識」「組織をつなぐ力」、そして「AIとともに学習する力」の4つだと考えています。AIが人に取って代わるのではなく、AIを使って人間の判断と行動の質を高める。ここが非常に重要です。

AIによって、人間の知的活動の構造も変わっていくと思います。これまでは、与えられた選択肢の中から正解を選ぶ、という力が重視されていたかもしれません。これからは、自ら目的を定めて、「どのような状態を実現したいのか」を言葉にし、それをAIを使って実現していく力が重要になります。

たとえば、何か困ったことがあってコンサルティングファームに相談すると、「Aという方法があります」「Bという方法があります」「Cという方法があります」と、いくつか選択肢が提示されます。これまでは、その中から自社に合うものを選べばよかったのかもしれません。

ただ、これからは、用意された選択肢から選ぶだけではなく、「そもそも自社にとって何が正解なのか」「自分たちは何を実現したいのか」を自ら設定することが、もっと重要になると思います。

その出発点になるのが、問題を定義することです。何が問題なのか、何を解決したいのかをきちんと言葉にする。問題解決力や分析力ももちろん必要ですが、それ以上に「構想力」「言語化能力」「判断力」が重要になります。

人間の役割は、「答えを出す人」というより、「問いを立てる人」に変わっていくのではないでしょうか。

弊社の韓国法人の社長がよく話すのですが、韓国の大手企業では、システムを評価する時に「私たちはこれをやりたい」「こういう状態にしたい」ということを非常にはっきりおっしゃるそうです。その上で、「ザイオネックスのソリューションでそれはできますか」と聞いてくる。機能を見て選ぶのではなく、最初に目的があるわけです。そうした高い要求に応えていく中で、ザイオネックスのソリューションも磨かれてきたのだと思います。

目的や意思を持っていたとしても、それをきちんと言葉にできなければいけません。最近は「Articulation」という言葉もよく目にしますが、言語化する力を磨くことは、本当に大事だと思います。

「こうしたい」「こうなればいい」と頭の中でぼんやり思っていても、それが相手に伝わる形で言えなければ十分ではありません。AIを壁打ち相手として使いながら、「自分は、本当は何を実現したいのか」「どう言えば伝わるのか」を整理していくのも、とても有効だと思います。

ただし、言語化能力は単なるプロンプト作成のスキルではありません。AIへの指示が上手な人というのは、プロンプトの書き方のテクニックをたくさん知っている人というより、「自分は何をやりたいのか」「なぜそれをやりたいのか」「何を優先し、何なら犠牲にできるのか」「どんな制約があるのか」「何をもって成功とするのか」を明確にできる人だと思います。

日頃、お客様とお話ししていて感じるのは、日本企業では「制約条件」から考えるケースが比較的多いということです。「うちの会社はこうだから仕方がない」という話から始まることがあります。もちろん、本当に変えられない制約もあります。ただ、それ以上に大切なのは、「何を実現したいのか」「なぜ、それを実現したいのか」だと思います。

外部の専門家やパートナーに課題解決をお願いする時も、制約条件だけではなく、「私たちは何を実現したいのか」「なぜそれが必要なのか」をしっかり伝えることが大切です。本質はプロンプトの技術ではなく、自分自身の意思や考えを明確にする力にあります。これはシステム選定でも同じだと思います。

もちろん、最初から自分の目指す姿を完全に言語化できる人ばかりではありません。だからこそ、AIとの対話を使えばいい。人は、自分なりの意思や仮説、価値観を持っています。それをAIに投げかけて、別の視点や情報をもらいながら、自分自身が本当に実現したいことを深めていく。その使い方がとても重要だと思います。

たとえば、需要計画で欠品リスクが発生したとします。従来であれば、「増産したらどうなるのか」「今の生産量を維持して、一部の欠品を許容したらどうなるのか」と、人がいくつかの条件を設定して結果を比較していました。いわゆるWhat-ifシミュレーションです。

AIと協働する場合は、単に条件を設定するだけではなく、人がまず目的を設定します。たとえば、「今期は短期的な利益の最大化よりも、戦略顧客との信頼関係を維持することを優先したい」といった意思です。

その目的を受けて、AIは複数のシナリオを作り、コスト、供給能力、納期、顧客への影響などを比較してくれます。最終的にどの案を採用するかを決めるのは人間ですが、その判断材料をAIが整理してくれるわけです。

ですので、これからますます大事になるのは、「何を優先するのか」という価値判断です。今、この局面で何を大切にするのか。利益なのか、顧客との関係なのか、供給の安定なのか。経営者や責任者は、そこをきちんと判断しなければいけません。

もちろん、AIが言うことが必ずしも正しいわけではありません。AIがどのような情報をもとに回答しているのか、必要に応じて出典や根拠を見ることも非常に大切です。ただ、AIとの対話を通じて、自分自身の考えを深めることはできます。より明確な目的を持ち、より質の高い意思決定をするためにAIを使えばいいのだと思います。

人とAIが協働するSCMの実現に向けて

最後に、今日お伝えしたかったことをまとめます。これからのAI時代に人に求められるのは、「正解を選ぶ力」から「目指す姿を描く力」へと変わっていくのではないでしょうか。分析や情報収集だけではなく、「自分たちは何を実現したいのか」をしっかり考える力、そして、その意思を言葉にする力が、これまで以上に重要になります。

そうすることで、AIと競争するのではなく、AIと協働しながら、より質の高い仕事ができるようになると思います。SCMでも、目の前の問題を一つずつ「もぐら叩き」のように解決するだけではなく、「将来的に自分たちは何を実現したいのか」をきちんと定義することが大切です。

「何をしたいのか」「どのような姿を目指すのか」を決めること。これは、人間だからこそできる重要な役割だと思います。つまり、「意思を持つ」ということです。だからこそ、これからの日常業務では、目の前の作業をこなすだけではなく、「自分たちは何を目指すのか」を考えることに、より多くの時間を使っていくことが大切なのではないでしょうか。