2年間の需要予測システム比較を経て属人化からの脱却を目指す。全国の病院・施設への「食」の安定供給を支える

当時は、発注業務の負荷と属人化が深刻な課題でした。 発注担当者は5名で全7倉庫分の発注を担当しており、1倉庫あたり約2,000SKUを扱っていました。 レギュラー商品や会社施策で扱う季節商品などが増加し、年々担当者の業務負担が大きくなっていました。 判断基準は"経験"と"勘"に大きく依存していたため、担当者によって数字の出し方が異なり、欠品や過剰在庫が発生しやすい構造的な問題がありました。 さらに、担当者が異動した際には、新任者が業務に習熟するまで約1年を要するほど属人化が進んでおり、「特定の人しかできない」という状況が続いていました。 在庫の"多い"/"少ない"の判断も人が担う必要があり、発注業務は負荷・リスクがともに高い状況でした。

前任者の頃から「新しい需要予測システムを探す必要がある」という課題があり、私が発注担当として着任した2022年春から需要予測システムの調査を開始しました。 通常業務と並行しながら、ネットでの情報収集や展示会への参加を進め、2年間で20社弱と商談し、うち3社で性能比較テストを実施しました。 その中で、100品目を対象に実績データを提供し、毎日の出荷・入荷データをもとにAIに発注数を算出してもらうテストを各社のシステムで行ったのですが、「α-発注」だけが欠品ゼロで推奨値を出せていたのが決め手になりました。 加えて、サポートの丁寧さ、柔軟な対応、現場の声を踏まえた開発姿勢が導入後の運用イメージと合致しており、総合的に「α-発注」が最適だと判断しました。

当初は、毎月200SKUずつ段階的に移行する方針を立てていました。まずは変動の少ない商品から移行し、AIの推奨値の傾向を丁寧に確認しながら進めました。 実際には推奨値の精度が高く、作業時間も短縮されるため、計画よりも早いペースで移行が進みました。 導入初期は、推奨値に違和感のあるSKUもありましたが、チューニングを重ねることで精度が安定し、次第に推奨値の確認不要でそのまま発注するSKUも増えてきています。 導入を進められた背景には、情報システム部がデータ連携や検証環境を丁寧に整えてくれたこと、そして現場の発注担当者一人ひとりが前向きに意見を出し合い、協力しながら移行を後押ししたことが大きく貢献しています。

導入後、最も大きかったのは発注担当者の削減につながったことです。これまで長年5名体制で行ってきた発注業務が、「α-発注」の導入により4名体制でも運用できるようになりました。 担当者依存からの脱却が進んだ点は非常に大きな成果です。「AIが後ろで支えてくれているからこそ実現できた体制」と感じています。 従来は毎朝8時から15時頃までかかっていた発注作業が、1日あたり1時間以上短縮できました。担当者が1名減った現在でも安定した運用が可能となり、省人化に成功しました。 さらに、在庫面では、月末在庫の目標を14日分としていたところ、現在は良い月で約20％削減されるなど、改善が見られています。在庫が適正化されたことで、倉庫保管料や入荷作業量の削減にも効果が出ています。 また、SKUの移行も順調に進み、当初は70％を移行しようと考えていたところ、今ではレギュラー商品の約80％が「α-発注」で運用されています。 特殊な仕入れ対応が必要な商品など、人の判断を残すべきカテゴリは人が扱いつつ、AIの強みを最大限活かしたバランス運用ができています。 AIの導入によって担当者ごとに判断がバラつく状況が改善され、"数字の判断を人が抱えすぎない"状態になったことで、現場の心理的負担も軽減されました。

他社の発注業務担当者の方と話すと、「需要予測やAI発注に興味はあるが、上司を説得できるか？」「本当に信頼できるのか？」という声をよく耳にします。 「α-発注」は、導入前に無料で発注推奨値のシミュレーションを確認できるのが非常に大きなメリットです。 まずは一度テストしてみて、AIの成果を自分たちの目で体感してみるのが一番だと思います。その結果をもとに、社内で検討するのがいいと思います。 私たちもシミュレーションの結果を見て導入を決めました。