AI が販売計画のたたき台に、年 4,200 時間減へ — 人は「決める」仕事に

何が起きたの? — 年間 4,200 時間の手入力

Umios は創業 146 年の食品メーカーです。2026 年 3 月に、マルハニチロから社名を変えました。冷凍食品を中心に、業務用と市販用の事業を持っています。

業務用流通事業部では、全国の支社の営業担当者が毎月、翌月以降の販売計画を手作業で入力していました。数字は商品ごと、倉庫ごとに入れます。

かかる時間は、全支社で年間約 4,200 時間です。計画を管理するシステム上のデータは約 470 万セルにのぼり、人手での管理は限界を迎えていました。

取り組みは、事業部とデジタル化を進める部署、グループのシステム会社、アマゾン ウェブ サービス(AWS)の 4 社の体制で進めました。

どういう仕組み? — 予測が専門の AI

最初は、社内の対話型 AI「UmiChat」で予測を試しました。中身は Anthropic の「Claude Sonnet 4」です。

ただ、文章を作る AI に一度に予測させると、毎回同じ答えが出るとは限りません。システムに組み込むのも難しいことが分かりました。

そこで選んだのが「Chronos-2」です。過去の数字の並びから先を読む、予測が専門の AI(時系列基盤モデル)で、Amazon の研究部門が開発しました。比べてみると、UmiChat を上回る精度が出ました。

Chronos-2 は、数字を 1 つに言い切りません。下振れした場合、真ん中、多めに見た場合の 3 点を出します。天気予報が「晴れ」と言い切らず、降水確率で幅を示すのに近い考え方です。

事業部が「使える」と考える目安は、精度 60〜70% でした。試験導入では、定番商品の年間の合計で 95% の精度が出ています。

うまくいかなかった点もあります。毎年 2〜4 月に売れ行きの山が来る季節商品では、予測のずれが 62.57% ありました。初めは 1 年分の販売データしか使っていなかったためです。データを 3 年に広げ、「何月か」という情報を足すと、ずれは 20% まで下がりました。

在庫を減らすための安売りの数字は、学習から外しました。本当の需要とは違う動きだからです。

担当者の仕事はどう変わるの?

まず、入力をそろえました。社内で作った簡単な入力画面を全国で共通にし、毎月 20 日に締め切るルールを設けました。

AI の予測が出たら、支社の担当者が 10 日間の確認期間で点検・修正し、最終的に確定します。会社は AI を「ロジカルなたたき台」と位置づけています。

予測は毎日、最新の実績で更新されます。既存の分析画面に予測・計画・実績が並び、予測とずれると知らせが出ます。

人手が要る場面も残っています。商品の規格が変わると商品コードが切り替わり、販売の履歴が途切れます。現場では、新旧のコードを手作業でひも付けて対応しました。

今後は、予測の理由を言葉で説明する仕組みや、ずれが大きいときに打ち手を示す仕組みを入れる予定です。対象も、定番品からスポット品や新商品へ広げる計画です。

SYNCON の視点 — 数字を作る人から、数字を決める人へ

4,200 時間は、全商品に広げたときの見込みです。今は定番商品での試験導入の段階で、季節商品や新商品はこれからです。数字の大きさより、どう組み立てたかに目を向けたい事例です。

目を引くのは、AI を入れる前に入力のやり方を全国でそろえたことです。締め切りの日を決め、データの抜けとばらつきをなくしました。データがそろわなければ、どんな AI も先を読めません。

もう一つは、最後に決める人と、確認の期間をはっきり決めたことです。自社で同じことを考えるなら、AI の選定より先に決めることがあります。誰が数字を確定するか。何日で確かめるか。AI と現場の数字が割れたら、どちらを採るか。この 3 点です。

要点まとめ

• Umios(旧マルハニチロ)が、全国の支社で手入力していた販売計画に AI の予測を導入
• 業務用流通事業部の全支社で、年間約 4,200 時間の作業削減を見込む
• 対話型 AI ではなく、予測が専門の AI「Chronos-2」を選んだ
• 定番商品の年間の合計で予測精度 95%。季節商品はデータを足して、ずれを 62.57% から 20% に
• AI はたたき台。支社の担当者が 10 日間で点検・修正し、確定する
• 鍵は、入力のやり方を全国でそろえたことと、最後に決める人を決めたこと