武田薬品工業が医薬品の需要予測をAI化、人の判断と組み合わせた運用体制

AIの予測値をそのまま計画に採用せず、担当者の経験や知見を踏まえて最終判断を下す二段構えの設計が、この取り組みの土台になっています。予測モデルを意思決定そのものではなく、判断の材料を高速に用意する装置として位置づけた、と言い換えてもよいでしょう。この切り分けがあると、モデルが想定外の値を出したときにも現場が止まらず、逆に人の側も、勘の当て推量ではなく提示された数字を吟味する役割に集中できます。責任の所在を人に残したことが、実運用に踏み出せた条件だったと考えられます。

適用対象を、学習に足る過去データが揃い、かつ出荷頻度の高い製品へ絞り込んだ判断も効いています。出荷が多い製品はデータが厚く、予測の当たり外れも短い周期で検証できるため、モデルの妥当性を早い段階で見極めやすくなります。全製品を一度に対象とすれば、データが乏しい品目の外れ値に振り回され、AI活用そのものへの信頼が揺らぎかねません。データの蓄積を見ながら範囲を広げる段取りは、成果を焦らずに再現性を確かめていく進め方として理にかなっています。

予測の更新頻度を引き上げ、その結果を生産計画へ反映しやすくする仕組みまで整えた点は見逃せません。どれほど精度の高い予測でも、計画に組み込む工程が重ければ、更新された数字は使われないまま置き去りになります。予測を出す側と計画に落とす側をつなぐ経路を軽くしたことで、需要の振れに応じて計画を組み替える余地が生まれた、という構造です。