AI活用在庫不足予測をAIで自動化｜廃棄ロスと欠品を同時に減らすChatGPT×スプレッドシート実践ガイド
当サイトはアフィリエイトプログラムを利用しており、紹介リンク経由での申込により報酬を得る場合があります。記事内で紹介するサービスには筆者が実際に使用しているものと、客観情報として比較掲載しているもの（未使用・PR表記あり）が含まれます。
結論
過去3〜12ヶ月の売上CSVをChatGPT/Claudeに貼り付けるだけで、需要の波・発注タイミング・適正在庫数が数分で見えてくる。手順は「データ整理→AIでトレンド分析→発注点を計算→週次チェックを定型化」の4ステップ。完全自動化でなくても、AI補助だけで廃棄ロスと欠品を同時に削減につながりやすい。
なぜ「勘と経験」だけの発注管理は限界を迎えるのか#
「いつも同じ量を頼んでいるのに気づいたら在庫切れ」「思ったより売れなくて月末に廃棄」——この繰り返しに悩んでいる方は多いはずだ。
人間の記憶は「最近の出来事」に引っ張られやすい性質がある。先週たまたま売れたから多めに仕入れ、翌週は全然動かなかった——これが過剰在庫と廃棄ロスの典型的なパターンだ。逆に欠品を怖がって多めに抱えれば保管コストが膨らむ。
たとえばサンプルデータをChatGPTに投げ込んで分析させてみると、「毎年3月第2週に売上が25〜30%上振れするパターン」といった季節性を指摘してくれることがある。人間が「春になると少し売れる」という感覚で捉えていた変動を、AIは月単位・週単位のパターンとして数秒で言語化してくれる。
メモ
廃棄ロスと欠品は表裏一体のジレンマ。欠品を怖がって多めに仕入れると廃棄が増え、廃棄を減らそうとすると今度は欠品リスクが上がる。AIによる需要予測はこのトレードオフを数値で整理し、「適切な発注点」という第三の答えを出してくれる。
AIが在庫予測を変える仕組み#
需要予測AIの基本は「過去の売上データのパターン認識」だ。大手製造業や物流企業では専用の需要予測システムが使われているが、非エンジニアがゼロから始めるなら「ChatGPT/ClaudeにCSVを読み込ませる」だけでも実用的な分析ができる。
AIが特に得意なのは次の3つだ。
| 分析の種類 | AIがやること | 人間だけではどう難しいか |
|---|---|---|
| 時系列トレンド | 週・月・季節ごとの売上パターン抽出 | 数百行のデータを目視で比較するのは現実的でない |
| 異常値検出 | 「この週だけ突出している」を即発見 | 気づかず翌年も同じ発注ミスを繰り返す |
| シナリオ予測 | 楽観・中央・悲観の3パターン同時出力 | 主観が入り単一の見通しになりがち |
ChatGPT/Claudeが強いのは「数字を言葉で説明してくれる」点だ。数値の羅列をそのまま貼り付けると「3月第2週は前年比+28%で伸びており、春の需要期と一致しています。発注タイミングを1週間前倒しすることを推奨します」といった自然言語の分析を返してくれる。
非エンジニアが今日から始められる4ステップ#
手順
- 過去3〜12ヶ月の売上データをGoogleスプレッドシートに整理する
- ChatGPT/ClaudeにCSVを貼り付けてトレンド分析を依頼する
- 発注点（再発注が必要になる在庫数）と発注量をAIに計算させる
- 週次チェック用プロンプトを定型化して毎週実行する
Step1：売上データをスプレッドシートに整理する#
まずGoogleスプレッドシートに以下の列を作る。難しい関数は不要だ。
- 日付（YYYY-MM-DD形式で統一）
- 商品名またはSKU
- 販売数量
- 在庫数（あれば）
- 廃棄数・返品数（あれば）
データが複数の場所に点在している場合——POSのCSV出力、メールの注文確認、手書き台帳——は、全部をChatGPTに貼り付けて「この3つのデータを日付・商品・数量の3列に整形して」と依頼すると整形済みのCSVを出力してくれる。私はGA4からエクスポートしたセッション数とページ別データを売上指標の補助情報として使ったこともある。
メモ
最低3ヶ月分、理想は12ヶ月分のデータを用意する。1ヶ月だと季節性が見えず、直近の特需に引っ張られてしまう。12ヶ月あれば年間の季節変動まで捉えられる。
Step2：ChatGPT/ClaudeにCSVを貼り付けてトレンド分析を依頼する#
スプレッドシートをCSV形式でコピー（目安50〜100行程度）し、次のプロンプトを送る。
以下は過去6ヶ月の売上データです。
[CSVをここに貼り付け]
次の観点で分析してください：
1. 週・月単位の売上トレンド（増加・減少・季節性の有無）
2. 売上が高い時期・低い時期のパターン
3. 今後4週間の需要予測（楽観・中央・悲観の3シナリオ）
4. 推奨する発注タイミングと数量の目安このプロンプト1つで、AIが「先月と比べて今月は+15%の上昇トレンド」「毎月第3週に売上ピークがある」などを表形式で整理してくれる。サンプルデータで試すと「3週連続で需要が高い週の前に曜日別の偏りがある」といったパターンが浮かび上がることがあり、発注タイミングの見直しにつながるケースがある（効果は条件によって異なる）。
Step3：発注点と発注量をAIに計算させる#
「発注点」（在庫がこの数を下回ったら注文する）と「経済的発注量」を計算式で出すのは素人には難しい。しかしAIに次のプロンプトを投げれば自動で計算してくれる。
以下の条件で発注点と推奨発注量を計算してください。
- 月間平均販売数量：[数値]
- リードタイム（発注から入荷まで）：[日数]
- 安全在庫として確保したい日数分：[日数]
- 仕入れ単価：[金額]
- 1回の発注にかかるコスト（送料・手数料など）：[金額]
計算過程と結果を表で示し、意味を非専門家向けに解説してください。例えば「月10個売れる商品・リードタイム7日・安全在庫3日分を確保したい」という条件なら、在庫が3〜4個を下回ったら発注すべき、という発注点が計算上導き出せる（目安であり、実際の状況に応じた調整が必要だ）。
注意
AIが出した数字はあくまで計算上の目安。季節イベント・取引先の最小発注数・保管スペース・キャッシュフロー——これらの実態は人間側で必ず確認して補正すること。AIの出力を無検証でそのまま発注条件に設定しないこと。
Step4：週次チェックプロンプトを定型化して毎週実行する#
毎週同じ分析をするなら、プロンプトをテンプレートとしてGoogleドライブのドキュメントに保存しておく。私はプロンプト集をGoogleドライブで管理しており、毎週月曜日に最新の売上行を追加してからAIに投げるだけの運用になっている。作業時間の体感は分析で5〜10分程度だ。
完全に自動化したい場合はGoogleスプレッドシートのApps Script経由でAPIを叩く方法もあるが、週次で手動チェックするだけでも発注判断の質は大きく変わる。
やってみてわかったリアルな評価#
メリット
- 「何となく多め」だった発注が数値ベースの判断に変わる
- 過去データを掘り返す中で「あの時なぜ売れなかったか」の原因に気づける
- プロンプトに慣れれば週次チェック1回が5〜10分程度で終わる（体感）
- 追加コストほぼゼロでスタートできる（ChatGPT無料版でも基本分析は可）
デメリット
- 初回のデータ整形・整理に1〜2時間程度かかる
- AIの予測は過去パターン依存のため、まったく新しい商品や急な市場変化には対応しにくい
- 精度を高めるには外部データ（気温・イベント・プロモーション情報）の手動追加が必要になる
- 実際の「発注実行」まで自動化するには在庫管理システムとのAPI連携が別途必要
在庫予測ツールの選び方：規模別比較#
| ツール種別 | 向いている規模 | 自動化レベル | 月額コスト目安 |
|---|---|---|---|
| ChatGPT/Claude手動分析 | 個人〜小規模（50SKU以下） | 分析のみ・発注は手動 | 無料〜3,000円 |
| AI機能付き在庫管理SaaS | 中小規模（50〜500SKU） | 半〜全自動発注 | 1〜5万円 |
| 汎用BI＋AIアドオン | データ担当者がいる企業 | カスタム次第 | 初期費用高め |
| ERP内蔵の需要予測 | 大規模製造・流通業 | 基幹連携・全自動 | 数百万円〜 |
非エンジニアの個人事業主・小規模事業者なら「ChatGPT/Claude×スプレッドシート」で感覚と効果を確認してから、必要に応じて専用ツールへ移行するのが現実的な進め方だ。
この手法が向かないケース#
メモ
AI在庫予測が効果を発揮しにくい状況：
- 販売開始から3ヶ月未満でデータが少ない
- 流行品・新規参入市場で過去パターンが当てはまらない
- 取引先都合で発注タイミングが固定されている
- 在庫品目が5SKU以下（感覚で十分管理できる規模）
逆に最も効果が出やすいのは「季節性がある・SKU数が10以上・過去1年分以上のデータがある」ケースだ。飲食店の食材仕込み量管理、アパレルの季節仕入れ、通販の消耗品補充タイミングなどが典型例として挙げられる。
AIスキルを体系的に学ぶと応用範囲が広がる#
在庫管理の予測はあくまでAI活用の一つの入り口だ。プロンプトの設計や業務フローへの組み込み方を体系的に身につけると、レポート作成・問い合わせ対応・営業資料の自動化など横展開できる場面が一気に増える。
PRおすすめAI活用スクール（非エンジニア向け）業務自動化のためのAI活用を体系的に学べるオンラインスクール。無料カウンセリングから始められる。在庫管理以外の自動化スキルも身につけたい方に。※受講による成果・収益を保証するものではありません。まとめ#
AI在庫予測の最初の一歩は、高価なシステム導入でも複雑なコード作成でもない。「Googleスプレッドシートに3ヶ月分の売上を整理してChatGPTに貼り付ける」ことから始められる。
この方法で手に入るのは「次の4週間に何個売れそうか」「今すぐ発注すべきか」という根拠ある判断材料だ。廃棄ロスと欠品を同時にゼロにすることは難しくても、意思決定の根拠が「勘」から「データ＋AI分析」に変わるだけで、積み重なってきた無駄が削れていく。
まずは今日、直近3ヶ月の売上データをCSVに整えてChatGPTに投げてみることから始めてほしい。
よくある質問#
ChatGPTの無料版でも在庫予測に使えますか？#
無料版でも基本的なトレンド分析・発注点計算は可能だ。ただしCSVのデータ量が多い場合や、複数商品を一度にまとめて分析したい場合は、有料版（GPT-4o）の方が扱えるデータ量や安定性が上がる場合がある。まず無料版で試して手応えを確認してから、有料版への移行を検討するのが現実的だ。
完全自動で発注まで実行させることはできますか？#
ChatGPT/Claude単体では「分析と推奨」まで担当し、実際の発注処理は人間が行う必要がある。完全自動化にはERPや在庫管理システムとのAPI連携が必要で、一定の構築コストがかかる。まずはAI補助による半自動化（分析・判断はAI、発注実行は人間）から始め、運用に慣れてから自動化範囲を広げていくアプローチが現実的だ。
どのくらいのデータ量があれば精度の高い予測ができますか？#
最低でも3ヶ月分、理想は12〜24ヶ月分の日次または週次データがあると季節性まで捉えられる。データが少ない場合は「直近の傾向が続く前提」でAIに分析させつつ、楽観・悲観の2シナリオを必ず出力させると意思決定の幅が広がる。データが増えるほど予測精度は上がっていくので、今日から記録を始めることが大切だ。
