仕入先の異変をAIエージェントが毎日監視？製造業の調達・購買を自動化する方法

製造業の調達・購買担当者は、単に「安く仕入れる」だけの仕事をしているわけではありません。

例えば、

• 仕入先から予定通り納品されるか
• 原材料価格が急に上がっていないか
• 仕入先の経営状態に問題がないか
• 災害や地政学リスクの影響を受けていないか
• 代替できる仕入先があるか
• 見積価格に大きな変化がないか

といった情報を継続的に確認する必要があります。

問題は、

何か起きてから確認するのでは遅い

ということです。

重要な仕入先で納期遅延が発生すれば、自社の生産計画にも影響します。

そのため購買担当者は、

ニュースを見る。

仕入先からのメールを確認する。

取引情報を見る。

価格表を比較する。

社内の在庫状況を確認する。

といった作業を日常的に行います。

こうした、

「何か問題が起きていないか探し続ける仕事」

をAIエージェントへ任せる事例が出てきています。

tesaではAIエージェントが仕入先リスクを毎日監視

粘着テープなどを製造するドイツのtesaでは、Microsoft Copilotや独自の「Agent Factory」を活用し、社内で50以上のAI活用ユースケースを検討しています。

その中で、特に事業インパクトが大きい事例として導入されているのが、

Supply Risk Agent

です。

このAIエージェントは、

社内データ
＋
外部データ

を毎日分析し、サプライチェーン上のリスクを検知します。

例えば、

• 仕入先の財務的な問題
• 環境災害
• その他の供給リスク

などです。

問題を検知すると、購買担当者へ自動的に通知します。

tesaによると、従来はこうしたリスク情報を人が手作業で調査していましたが、現在はAIから通知を受け取り、問題があればすぐに対応できる状態になっています。(microsoft.com)

ここで重要なのは、

AIが仕入先を勝手に変更しているわけではない

ということです。

AIの役割は、

情報を集める。
↓
異変を探す。
↓
リスクを整理する。
↓
担当者へ知らせる。

ところまで。

最終的に、

仕入先を変更するのか。

発注量を調整するのか。

代替品を探すのか。

取引先へ確認するのか。

を判断するのは人間です。

この役割分担は、中小企業がAIエージェントを導入するときにも非常に参考になります。

調達・購買業務には「探す仕事」が多い

AIエージェントとの相性がよい業務には一つ特徴があります。

それは、

複数の情報を集めて、何か問題がないか判断する仕事

です。

調達業務はまさにこのタイプです。

例えば購買担当者が、

「A社から仕入れている部品は問題ないだろうか」

と判断するとします。

確認するものは一つではありません。

納期。

在庫。

価格。

過去の遅延。

品質。

仕入先からのメール。

場合によってはニュースや災害情報。

こうした情報を見ながら、

「今のところ問題ない」

「少し注意が必要」

「代替調達先を探した方がいい」

と判断しています。

AIエージェントでは、この前段階を自動化できます。

例えば、こんな流れにできる

中小製造業で考えるなら、例えば次のような仕組みです。

1. 仕入先データを確認する

AIが、

• 発注履歴
• 納期
• 遅延実績
• 不良実績
• 価格推移
• 取引量

などを確認します。

2. 外部情報を確認する

さらに必要であれば、

• 企業情報
• ニュース
• 災害情報
• 原材料価格
• 為替情報

などを確認します。

3. リスクを判定する

例えば、

「最近3回連続で納期が遅れている」

「主要工場の地域で災害が発生している」

「価格が短期間で大きく上昇している」

といった変化を検知します。

4. 担当者へ通知する

例えば、

A社について確認をおすすめします。

過去3回の発注で平均4日の納期遅延が発生しています。

現在の在庫では約18日分の生産が可能です。

といった形です。

5. 対応案を提示する

さらに、

• 発注量を増やす
• 代替仕入先を確認する
• 仕入先へ納期確認メールを送る

といった次のアクション案まで出すこともできます。

人間はゼロから調べるのではなく、

AIが整理した情報を見て判断する

形になります。

「問題が起きたら調べる」から「AIが先に知らせる」へ

従来のAI活用では、

人間がAIに質問します。

例えば、

「A社の最近の納期遅延をまとめて」

と聞く。

するとAIが調べる。

これは便利です。

ただし、質問しなければ何も起きません。

AIエージェントでは、

毎日データを見る
↓
変化を検知する
↓
問題候補を抽出する
↓
必要なときだけ人へ通知する

という動きができます。

つまり、

人間がAIに聞きに行く

のではなく、

AIが異変を見つけて人間へ知らせる

わけです。

調達・購買のような監視業務では、この違いは大きいと思います。

見積比較にもAIを使える

tesaの事例では、Supply Risk Agentだけでなく、日常の購買業務にもCopilotを活用しています。

例えば、

複数社から届いた見積の比較

です。

従来は最大45分かかっていた比較作業を、AIを使うことで数秒まで短縮したとしています。

見積比較は、製造業ではよくある仕事です。

A社：

単価100円
納期14日
最低ロット1,000個

B社：

単価105円
納期7日
最低ロット500個

C社：

単価98円
納期21日
最低ロット2,000個

というように、単価だけ比較すればよいわけではありません。

AIなら、

価格。

納期。

最低ロット。

送料。

支払条件。

過去の品質。

過去の納期実績。

などを整理して比較表を作ることができます。

ただし、

「どの会社へ発注すべきか」までAIへ完全に任せる必要はありません。

AIには比較材料を揃えてもらい、人間が判断する。

これだけでもかなり時間を減らせます。

中小製造業なら、もっと小さく始められる

tesaのような大企業では、社内外のさまざまなシステムを接続しています。

中小製造業で、いきなり同じ規模のシステムを作る必要はありません。

例えば、

仕入先一覧：Excel

発注履歴：基幹システムからCSV

納期回答：メール

価格表：PDF

という状態でも構いません。

まず、

毎週人が確認している情報を一つだけAIに見てもらう

ところから始められます。

例えば、

「納期回答メールを確認し、遅延予定だけ一覧化する」

でも十分です。

次に、

「過去の遅延履歴も加えて、注意仕入先を抽出する」

へ広げる。

さらに、

「在庫情報と組み合わせて、生産への影響を判定する」

まで進める。

最初から、

調達業務全部をAIエージェント化する必要はありません。

こんな会社では効果が出やすい

特に、

• 仕入先が多い
• 納期確認メールが多い
• 購買担当者がExcelで管理している
• 過去の納期遅延を担当者が覚えている
• 見積比較を毎回手作業で行っている
• 特定の仕入先への依存度が高い
• 原材料価格の変動が大きい
• 在庫不足が生産へ直結する

という会社では相性がよいでしょう。

逆に、

仕入先が5社程度しかない。

価格も年間固定。

発注頻度も低い。

という場合は、大規模なAIエージェントを作る必要はないかもしれません。

Excel管理を整理するだけで十分なケースもあります。

AIに発注を勝手に変更させる必要はない

AIエージェントという言葉から、

「AIが勝手に仕入先を変えるのでは？」

と思うかもしれません。

実際には、そこまで任せる必要はありません。

むしろ調達では、

人間の承認をどこに残すか

が非常に重要です。

例えば、

AIに任せる

• 情報収集
• 見積比較
• 遅延検知
• リスク判定
• 対応候補作成
• メール案作成

人間が判断する

• 発注確定
• 仕入先変更
• 数量変更
• 価格交渉
• 契約変更
• 重要な納期調整

という分け方ができます。

AIが判断材料を集め、

最終意思決定は購買担当者が行う。

この形なら導入ハードルも大きく下がります。

仕入先リスクは「担当者の経験」に依存しやすい

もう一つ大きな問題が属人化です。

長年購買を担当している人なら、

「この会社は少し納期が怪しい」

「このメーカーは繁忙期に遅れやすい」

「ここは急ぎでも対応してくれる」

といった情報を持っています。

しかし、それがシステムには残っていないケースがあります。

AIを活用する場合、

単に現在の発注データだけを見るのではなく、

過去の、

• 遅延
• 不良
• メール
• クレーム
• 緊急対応

なども整理することで、

担当者が経験から感じ取っていたリスクをデータとして見えるようにする

ことができます。

これは調達担当者の代わりを作るというより、

担当者が判断するための材料を自動的に揃える仕組み

と考えた方が近いです。

AIエージェント導入より先に確認したいこと

AIを導入する前に、

まず現在の購買業務を見てみます。

例えば、

1日30分、仕入先からのメールを確認。

週2時間、見積を比較。

週1時間、納期確認。

月2時間、仕入先評価。

という状態なら、

月に十数時間を、

「情報を探す・整理する」

ことに使っています。

ここがAI化の候補です。

反対に、

価格交渉。

仕入先との関係構築。

新規サプライヤーの最終判断。

といった仕事は、人間が行った方がよいでしょう。

AIエージェント導入では、

人間の仕事を全部なくすのではなく、人間が判断する前の準備を減らす

という考え方が重要です。

調達業務のAI活用は「監視」から始めると分かりやすい

AIエージェントというと、

何か複雑な仕事を完全自動化するイメージがあります。

しかし、今回のtesaの事例から分かるように、

非常に価値がある使い方の一つが、

監視

です。

AIが毎日、

データを見る。

ニュースを見る。

変化を見る。

問題がなければ何もしない。

問題があったときだけ人間へ知らせる。

この仕組みなら、

人間が毎日チェックする必要がなくなります。

調達だけでなく、

在庫。

売上。

原価。

品質。

設備。

契約。

などにも同じ考え方を応用できます。

AIエージェントの大きな価値は、

質問されたときに答えるだけでなく、継続的に仕事を見張ってくれること

にもあるのです。

自社の調達・購買業務もAI化できる？

例えば、

「納期確認のメールが毎日大量に届く」

「見積比較をExcelでやっている」

「仕入先の異変に気づくのが遅い」

「特定の購買担当者しか仕入先事情を分かっていない」

という課題があるなら、AIを活用できる可能性があります。

ただし、

必ずしもAIエージェントを新しく開発する必要はありません。

既存システムの改善。

Excel整理。

メール自動化。

SaaS導入。

などで十分な場合もあります。

重要なのは、

AIエージェントを導入することではなく、購買担当者が現在何に時間を使っているかを見ること

です。

まずは業務改善セルフチェックで、自社の業務がAI・システム化に向いているか確認してみてください。

また、

「今使っているExcel、発注データ、メールだけでも何かできるか」

「仕入先リスク監視をどこから始めればよいか」

「AIへ任せる部分と人間が判断する部分を整理したい」

という場合は、30分のオンライン相談で現在の購買フローから整理することもできます。

---

参考事例

Microsoft Customer Stories
「With AI to more freedom: How tesa uses Microsoft Copilot for cultural change」

tesaでは、50以上のAI活用ユースケースを抽出し、そのうち9件を高い事業インパクトと実装可能性を持つものとして選定しています。

調達部門では、Supply Risk Agentが社内外の情報を毎日分析し、仕入先の財務問題や環境災害などを検知して自動通知。

また、Copilotの活用によって、従来最大45分かかっていた見積比較が数秒で完了する事例も紹介されています。