工場と販売の調整業務をAIで一元化、工数3割減を目指すリコーの実証

需給調整は、工場と販売部門という立場の異なる相手を突き合わせる仕事です。リコーでもこのやり取りは属人化しやすく、担当者どうしの連絡はエクセルとメールに頼っていました。その結果、業務全体が見えにくくなっていたことが、改革の出発点になっています。

ただ、編集部の見立てでは、困りごとの本質はツールが古いことそのものではありません。エクセルとメールという手段は、届いた瞬間から個人の受信箱の中だけで完結します。誰がどんな理由で数量を動かしたのか、その判断の経緯が組織側に残らず、一人ひとりの記憶と手元のファイルにしか蓄積されていかない。だからこそ担当者が代わると同じ判断を再現できず、可視化のしようもなかったのではないでしょうか。属人化は原因ではなく、この構造から必然的に生まれた結果だったと考えられます。

注目したいのは、既存の業務にAIを付け足すのではなく、やり取りが行われる場そのものを共通のプラットフォームへ移した順序です。メールに散らばったままの情報は、どれだけ高性能なAIを用意しても読み取る対象になりません。拠点も工場も本社も同じ基盤に乗せてデジタル化するという設計は、地味に見えて、AIが働ける前提条件を先につくる判断だったと受け止められます。

もうひとつは、AIの使いどころを定常の仕事と例外の仕事に切り分けた点です。日々のサプライ需要には、市場で動いている複合機の状況データを起点にした予測AIを当てる。一方、急な需要変動のように前例をなぞれない場面には、LLMによる調整支援を割り当てる。同じ需給調整という言葉でくくられていた業務を、繰り返しの多い部分と判断が要る部分に分解したうえで、性格の違う技術を配置する。この切り分けが、実運用に耐える設計につながっていくのだろうと考えられます。

RAG（外部のデータを検索してAIの回答に活かす仕組み）を組み合わせている点も、この文脈で読めます。調整の判断には社内に散在する固有の情報が要り、汎用のモデル単体では答えを出せません。自社が持つデータを参照させる構成は、外に一般解を求めるのではなく、社内の文脈にAIを引き寄せるやり方です。

本プロジェクトは実証実験の段階にあり、成果はまだ目標として置かれています。エクセルとメールへの依存から離れることで大幅な業務効率化が期待されており、2030年までに現時点から業務工数を3割減らすこと、あわせて業務品質を高めることが掲げられています。市場の稼働データを使った需要予測の精度向上は、サプライチェーン全体の最適化につながる価値があると見込まれています。ここで蓄積されたノウハウを将来的に顧客へ提供することも視野に入っており、社内のDXで終わらせない構えが読み取れます。