生成AIがサプライチェーン計画に実際にもたらしていること
あらゆる計画系ベンダーが今やAIコパイロットを提供しています。14年間、機能が名前を変えて売り直されるのを見てきた立場から、この技術が本当に変えているもの、そして変えていないものをお伝えします。
14年間、サプライチェーンテクノロジーで同じパターンを見てきました。ある機能が名前を変え、パッケージを変え、売り直されるのです。「デマンドセンシング」は「AIフォーキャスティング」になり、それが「MLドリブン・プランニング」になり、そして今は「生成AI」あるいは「エージェント型AI」と呼ばれています。ベンダーのプレゼン資料は、その裏にある最適化の数学よりもずっと速く変わります。
そこで私は懐疑的な立場でこの調査に取り組みました。そして条件付きで懐疑的なまま調査を終えました。計画業務における生成AIは本物であり、本番環境で稼働しており、この20年で計画ソフトウェアの使いやすさにおける最も本物の進歩です。しかし実際に捉えている価値は、基調講演が約束するものよりも限定的で、そして地味です。そのほとんどは分析と説明にかかるプランナーの時間の節約です。より良い計画ではありませんし、自律型サプライチェーンでもありません。
その違いと、それが2026年にどこへ資金を投じるべきかにとってなぜ重要なのかを解説します。
マーケティングを剥ぎ取ると実際にしていること
言葉を剥ぎ取ると、生成AIは今日、本番の計画環境で7つの明確なことをしています。そのどれも「より良い予測を作る」ではありません。
1つ目は計画データに対する自然言語分析です。SAPの2025年第2四半期のIBPリリースでは、プランナーが平易な言葉を使ってMicrosoft ExcelでIBPの数式を生成できるアドインが追加されました。その恩恵は学習曲線の短縮であり、より良い数字ではありません。
2つ目は例外事象と混乱の要約です。SAPの2025年後半の分析機能は複雑な最適化、在庫、予測の結果を要約し、複雑な計算を明快な自然言語に翻訳します。計画そのものは変わりませんが、その説明を読むのは速くなります。
3つ目は自然言語によるシナリオ生成です。ある混乱(「主要な鉄鋼サプライヤーが3週間操業停止する」)を記述するだけで、手作業でシナリオを構築することなく川下への影響分析を得られます。
4つ目はプランナー向けコパイロット、あるいは「デジタル同僚」です。Kinaxisは2025年10月にMaestro Agentsを発表しました。これはライブの計画環境に組み込まれた、文脈を理解するアシスタントと位置づけられています。
5つ目は複数システムにまたがって情報を取得し、推論し、行動する複合的な多段階エージェントです。o9は自社のエンタープライズ知識グラフの上に構築された生成AI駆動の複合エージェントで、Digital Brainプラットフォームを強化しました。
6つ目と7つ目はコールドスタート予測のための合成データと非構造化文書からのサプライヤーリスク検知です。これらは成熟度としてはまだ初期段階ですが本物です。Blue Yonderは2025年5月のICON 2025イベントで新しいAIエージェントとサプライチェーン知識グラフを発表しました。予測型、生成型、エージェント型のアプローチを組み合わせたものです。
生成AIが、信頼に足るどの本番導入事例においても、明らかに行っていないこと。最適化エンジンを置き換えること、単独で説得力のある数値予測を生成すること、責任を伴う計画コミット判断を下すことです。まともなベンダーはすべて人間をループに残し、「説明可能性」を強調しています。それはマーケティング上の理由ではなく、規制の厳しい業界が、自らの根拠を示せないモデルに計画のコミットを委ねることができないからです。
ベンダースコアカード
軍拡競争は本物であり、急速に進みました。デモされたものではなく、実際に出荷されたものを見てみましょう。
| Vendor | Product | Shipped | Headline claim (vendor-stated) |
|---|---|---|---|
| SAP | Joule + Joule Agents, in IBP | 2024–25 | 350 AI features, 2,400+ Joule skills by Q4 2025 |
| Kinaxis | Maestro Agents | Oct 2025 | Inventory-risk steps cut from 40 clicks to 4 (pharma) |
| o9 | Specialized AI Agents | Jun 2025 | First genAI pilot moved into production |
| Blue Yonder | Cognitive Solutions + 5 agents | May 2025 | Built on a $2B AI investment; knowledge-graph backed |
| Anaplan | CoPlanner for Demand Planning | Sep 2024 | Context-aware generative AI in planning |
| OMP | UnisonIQ | Oct 2025 | Orchestration framework + always-on gen AI assistant |
| Microsoft | Copilot in Dynamics 365 SCM | 2025 | Demand insights + cell-level explainability |
すべてに共通するパターンは同一です。AIはインターフェースとオーケストレーションの層に位置しています。プランナーが質問し、結果を読み、ワークフローを起動するのを助けます。その下にある予測エンジンと最適化エンジンは、おおむね3年前と同じ決定論的な数学のままです。
数字を正直に扱う
ここが、分析と単なる書き写しを分ける知的誠実さの見せどころです。このカテゴリー全体で最も引用される統計、AIが予測誤差を20から50%削減するというもの、はたった一本のマッキンゼーの記事に由来します。マッキンゼーは、AI駆動の予測が誤差を削減できること、そして倉庫費用が5から10%、管理費用が25から40%削減され得ることを発見しました。その数値は本物ですが、ベンダーのプレゼン資料からアナリストのスライド、業界紙へと、しばしば元の文脈を失いながら使い回されています。これは目安となる上限として扱うべきであり、期待すべきベンチマークではありません。
2025年のケーススタディ層はより具体的ですが、ほぼすべてベンダー発信です。
- Kinaxis × 製薬トップ10企業: プランナー生産性が最大10倍、在庫リスクの特定作業がクリック40回から4回に削減。
- SAP IBP × Joule: 予測実行の分析におけるプランナー生産性が、ベンダー発表で25%改善。
- SAP Digital Manufacturing: 誤差分析にかかる時間が最大25%削減。
これらは注意深く読んでください。「プランナー生産性10倍」と「クリック40回から4回」は、同じ主張を2通りの言い方で述べたものであり、それが表しているのはクリック削減であって予測品質ではありません。それは本物で価値のある生産性向上です。しかし、より良い計画とは別物です。
どれくらいの規模で、どれくらいの速さか
このカテゴリーの市場規模推計は、誰が数えていてどうカテゴリーを定義しているかを踏まえない限り、ほとんど無意味です。信頼できる基準点は次の通りです。
Gartnerは、エージェント型AI機能を持つサプライチェーン管理ソフトウェアの支出が、2025年の20億ドル未満から2030年には530億ドルに成長すると予測しています。 別途、より広い「サプライチェーンにおけるAI」市場は、MarketsandMarketsによれば2025年に約139億ドル、2032年には504億ドルに達すると見積もられており、北米が最大のシェアを占めています。
導入状況については、マッキンゼーの2025年State of AI調査によれば、組織の88%が今や少なくとも1つの事業機能でAIを利用しており、前年の78%から上昇しています。しかし同じ調査には、私たちを正直にさせるべき詳細も含まれています。今のところ測定可能な収益インパクトをAIに帰属させているのは少数派にとどまるのです。導入はほぼ普遍的である一方、価値の獲得はそうではありません。
まだ導入すべきではないところ
予測に関する文献は、生成AIの弱点について異例なほど率直です。そしてその率直さは、控えめに言うインセンティブを持たない人々から来ています。最も冷静にさせるデータポイントは、M5小売予測コンペティション、この分野で最も厳格な公開ベンチマークで、優勝手法が大規模モデルではなく、学部生が提出した勾配ブースティング木の等重み組み合わせだったことです。この結果は、大規模言語モデルが予測精度を向上させるというベンダーの主張をすべて冷ますべきものです。それらが向上させるのは予測の説明です。
2025年から2026年の導入において本物だと私が見なす5つの失敗モードです。
- 数値推論における幻覚。 LLMは算術や制約付き最適化が苦手です。ベンダーは数学の部分を決定論的なエンジンに回すことで緩和していますが、モデルが結果をナレーションした瞬間、その結果からずれる可能性があります。
- データ品質への依存。 パイロットは整備されたデータの上では成功し、本番環境の下にあるマスターデータの乱雑さの中で死にます。上流での地味な作業、ガバナンスやマスターデータの整備は、後回しにできるものではなく、前提条件です。
- 説明責任のギャップ。 これが、どのベンダーも説明可能性を強調する理由です。規制対象のプランナーは、監査で弁護できない計画をコミットすることはできません。
- パイロットから本番への崖。 Gartnerは、2027年末までにエージェント型AIプロジェクトの40%超が中止されると予測しています。理由はコストの高騰、価値の不明確さ、リスク管理の不十分さです。
- イネーブルメントの幻想 — データや従業員をそれを使いこなすために準備しないまま、能力だけを購入すること。
居心地の悪い結論
生成AIは、計画ソフトウェアがこの20年で経験した最良の使いやすさの向上です。「先週、このDC向けの予測がなぜ変わったのか」と尋ねて30秒で筋の通った答えを得られるプランナーは、確かに生産性が高くなり、その効果はチーム全体に波及します。
しかし、その同じプランナーが自動的により正確な予測やより優れた供給計画を生み出しているわけではありません。数字を生成するエンジンは変わっていません。モデルはその数字をより速く説明し、英語で問いただせるようにしているだけです。
したがって2026年に向けた購買判断の論理はシンプルです。生産性には対価を払ってください。それは本物であり、大きな賭けをしなくても既存のベンダーから手に入ります。自律性には対価を払わないでください。自律性として売られているものの大半は、より高価な名前をまとったクリック削減にすぎないからです。そして、地味なデータガバナンスの作業を先に済ませてください。それが、これらすべてが本番環境との接触を生き残るかどうかを実際に左右する変数だからです。
技術は本物です。変革は基調講演が語るよりも控えめです。この2つは同時に真実です。
Sources
- SAP News Center. (2025). SAP Business AI: Release Highlights Q2 2025; Q4 2025. news.sap.com
- Kinaxis. (2025). Kinaxis Accelerates Agentic Era for Supply Chain Orchestration with the Launch of Maestro Agents. kinaxis.com
- o9 Solutions. (2024–2025). Composite Agents; Specialized AI Agents for Planning and Execution. o9solutions.com
- Blue Yonder / Business Wire. (2025). Blue Yonder Transforms Supply Chain Management With New AI Agents at ICON 2025. businesswire.com
- Anaplan. (2024). Anaplan CoPlanner for Demand Planning. anaplan.com
- OMP. (2025). OMP Unveils UnisonIQ. omp.com
- Microsoft Learn. (2025). Dynamics 365 Supply Chain Management 2025 Release Wave 1. learn.microsoft.com
- McKinsey & Company. (2021). AI-driven operations forecasting in data-light environments. mckinsey.com
- McKinsey & Company. (2025). The State of AI in 2025: Agents, Innovation, and Transformation. mckinsey.com
- Gartner. (2025). Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027. gartner.com
- Gartner. (2026). Gartner Forecasts Supply Chain Management Software with Agentic AI Will Grow to $53 Billion in Spend by 2030. gartner.com
- MarketsandMarkets. (2026). AI in Supply Chain Market. marketsandmarkets.com
- Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2022). The M5 Accuracy Competition: Results, Findings and Conclusions. International Journal of Forecasting.