ROI事件ファイル No.554『追い風は吹いていたのに、勘で作り続けていた』
追い風は吹いていたのに、勘で作り続けていた
第一章：勘で作り、廃棄を積み上げていた
「需要予測のAIを作りたいんです。物流センターに、廃棄寸前の在庫が積み上がっていて」
GlobaTech社の経営企画部長、蔵元健司氏は、そう言いながら状況を語った。全国約四百社の取引先を抱える企業だ。「生産計画が、各工場の製造責任者の経験と勘に頼っている。だから過剰生産が止まらない。フードロスが、深刻な問題になっています」
「需要は、読みにくいのですか」とClaudeが尋ねた。
「読みにくいです」と蔵元氏が答えた。「天候やシーズンで需要が大きく動く。見込みで作ると、外れる。外れた分が、廃棄になる。勘のいいベテランが抜けたら、もっと外れるでしょう」
「AIで需要予測をする、という判断に、御社を後押しする外部環境はありますか」と私が確認した。
「あるような気はします」と蔵元氏が答えた。「フードロス削減は世の中の流れだし、AI技術も進んでいる。でも、それが投資の追い風になるのか、ちゃんと読めていない。何となく『今やるべき』と感じているだけで、根拠が弱いんです」
「追い風が吹いているなら、それを四方位から読まないといけませんね」と私が応じた。「PESTで分解しましょう」
第二章：PESTが問う、政治・経済・社会・技術の四方位
「この案件には、PESTが必要です」
Claudeがホワイトボードに「政治・経済・社会・技術」と書いた。
「PEST——Political・Economic・Social・Technological、政治・経済・社会・技術とは、自社を取り巻く外部環境を四つの方位で読むフレームワークです」と私が説明した。「肝は、追い風を勘ではなく構造で捉えること。政策・経済・消費者意識・技術の四方位を読めば、いま投資すべきかが根拠を持って言える。『何となく今』を、『この四つが揃ったから今』に変える道具です」
「まず現状のコストを測りましょう」とGeminiがROI Polygraphを開いた。蔵元氏から提供されたデータを入力する。
「月間のコストが出ました」とGeminiが読み上げた。「経験と勘による生産計画の調整・修正工数が月平均百七十時間、時給四千百円で月六十九万七千円。過剰生産による物流センターの廃棄・在庫処分損失が月平均六十二万円。需要変動への対応遅れによる欠品・販売機会損失が月平均四十万円。製造責任者依存の属人化による事業継続リスク期待値が月平均三十五万円。四百社の需要データ未活用による分析機会損失が月平均三十二万円。合計で月二百三十八万七千円。年間換算で約二千八百六十四万円」
蔵元氏が数字を見つめた。「廃棄のコストだけだと思っていました。勘に頼ること自体や、データを使えていないことまで入れると、これほどとは」
「では、PESTで設計します」と私が続けた。
[政治——政策の追い風を読む]
「最初に、政治の方位を読みます」とClaudeが言った。「政府の食料廃棄削減政策により、フードロス削減は企業の社会的責任として重視されている。AI導入は、規制対応であると同時に企業イメージの向上にもつながる。政策が、投資の追い風です」
[経済——コストと利益の構造を見る]
「次に、経済の方位を見ます」とGeminiが続けた。「消費の先行きが不透明で、購買行動が読みにくい。だからこそ正確な需要予測が、在庫コストの削減と利益の最大化を分ける。経済の不確実さが、予測精度の価値を押し上げています」
[社会——消費者意識の変化を捉える]
「経済の次に、社会の方位を捉えます」と私が続けた。「消費者の食品ロスへの関心が高まり、持続可能な企業活動が求められている。フードロスを減らす取り組みは、消費者の信頼を得る材料になる。社会の意識が、追い風です」
[技術——使える技術の成熟を確かめる]
「最後に、技術の方位を確かめます」とClaudeが続けた。「AIの進化で、需要予測の精度は飛躍的に上がっている。四百社分のデータがあれば、それを学習に使える。技術が成熟したいまだから、勘を予測に置き換えられます」
[投資回収を試算する]
「ROI Proposal Generatorで試算しましょう」とGeminiが提案した。
- 初期費用：需要予測AI構築・四百社データ統合基盤・在庫最適化連携・現場検証費用合計五百六十万円
- 月次費用：システム運用・モデル更新継続費合算月二十六万円
- 月次削減効果：過剰生産・廃棄の削減＝月六十二万円、勘依存の計画工数削減＝月四十六万円、欠品機会損失の回収＝月三十二万円、データ活用による精度向上＝月二十六万円、合計月百六十六万円
- 月次純削減：百六十六万円－二十六万円＝月百四十万円
- 投資回収期間：五百六十万円÷百四十万円＝約四・〇ヶ月
「四ヶ月の回収です」とGeminiが整理した。「効くのは、需要予測を技術だけで判断せず、四方位の追い風を読んでから投資する点です。政策・経済・社会・技術が揃っているから、いま入れる根拠が立つ。勘で『今だ』と決めるのではなく、構造で正当化するから、投資が空振りしません」
蔵元氏が数字を確認しながら言った。「何となく今やるべきだ、と感じていただけでした。四方位で読むと、追い風が揃っていると根拠を持って言える」
「PESTは、追い風を勘ではなく構造で読む道具です」と私が応じた。
第三章：四方位を読んでから動く導入計画
「進め方を整理します」と私がホワイトボードの前に立った。
「第一ヶ月——外部環境のPEST分析と投資根拠の確定。第二ヶ月——四百社の需要データの棚卸しと統合設計。第三・四ヶ月——需要予測AIの構築と在庫最適化連携。第五ヶ月——一部工場での現場検証、精度測定。第六ヶ月——全社展開と運用定着。第七ヶ月以降——予測モデルの継続改善、フードロス削減効果の測定」
「予測が外れたら、結局また廃棄が出ませんか」と蔵元氏が確認した。
「精度は、データで上がります」とClaudeが応じた。「勘が外れるのは、判断材料が個人の記憶だからです。四百社分のデータと、天候・シーズンの変動をモデルに学習させる。技術の方位で確かめたとおり、いまのAIはこれを扱える。検証で精度を測りながら回すので、勘より着実に当たります」
蔵元氏がメモを取りながら言った。「技術が使えるか、だけ見ていました。四方位で追い風を読んでから動く。順序が見えました」
第四章：勘が、予測に変わった日
十ヶ月後、蔵元氏から報告が届いた。
過剰生産は、需要予測AIの導入後、大きく減った。「勘で多めに作っていた分が、予測に置き換わった。物流センターに積み上がっていた廃棄寸前の在庫が、目に見えて減った」と蔵元氏は記していた。
属人化のリスクも下がった。製造責任者の勘に頼っていた計画が、データに基づくものに変わった。「ベテランが抜けたら回らない、という不安が和らいだ。予測は、人ではなくデータが持つようになった」と報告書にあった。
最も大きな変化は、投資判断の根拠に表れた。「何となく今」だった状態から、追い風を構造で語れる状態に変わった。「フードロス削減も、AIの成熟も、別々に『良いこと』だと思っていた。PESTで四方位を読んだら、それが一つの追い風に揃った。根拠を持って投資を決められた」と蔵元氏は記していた。
フードロスも減った。政策の流れに沿った取り組みが、企業イメージの面でも効いた。「廃棄を減らす会社だ、と外に言えるようになった」と報告書にあった。
副次効果として、意思決定の進め方が変わった。外部環境を四方位で読む発想が、経営の議論に入った。「『今やるべきか』を、勘で決めるのをやめた。政治・経済・社会・技術で揃っているか、で議論するようになった」と蔵元氏は記していた。
蔵元氏の報告書の最後にはこう書かれていた。「需要予測AIは、技術の問題だと思っていた。だが本当に問うべきは、いま投資する追い風が揃っているかだった。PESTで四方位を読んだ瞬間に、勘で感じていた『今』が、根拠のある『今』に変わった。作る前に、追い風を読むことが先だった」
追い風が吹いていたのに勘で作り続けていた会社が、追い風を読んで動ける会社に変わった日、需要予測は技術導入の判断から、政治・経済・社会・技術で投資を正当化する設計に変わっていた、と記されていた。
「AI導入の相談は、たいてい『技術が使えるか』という形で来る。だが技術の前に問うべきことがある。いま投資する外部環境の追い風は、揃っているか。PESTが問うのは、政治・経済・社会・技術の四方位だ。四つを読めば、勘で感じた『今』が根拠を持つ。追い風が吹いていたのに勘で作り続けていた会社が、追い風を読めた日、変わったのはAI技術ではなく、追い風を勘ではなく構造で読む視点そのものだった」
関連ファイル
使用ツール
- ROI Polygraph — 勘依存の計画工数・過剰生産廃棄損失・需要データ未活用コストの可視化
- ROI Proposal Generator — 政治・経済・社会・技術の四方位を起点にした需要予測AIの投資回収シミュレーション
