急速に変化するサプライチェーン管理の世界では、毎秒が重要です。遅延、非効率性、および分断されたデータは、財務上および業務上の重大な結果をもたらす可能性があります。COO は、製品の設計から顧客の場所での納入と運用まで、持続可能で耐久性の高いサプライチェーンを維持することに重点を置いています。

この幅広い視点により、意思決定はデータに基づいて行われ、リソースの戦略的活用が進むことで、業務の効率化や柔軟性、生産性、サステナビリティの向上が期待できます。しかし近年、パンデミックや貿易摩擦、関税、社会不安、さらには異常気象など、サプライチェーンを取り巻く環境はますます不安定になっており、COOにとって大きな課題となっています。

こうした中で、自然言語の理解や情報ギャップの埋め込み、システム間の連携、さらには自律的な判断と実行を可能にするAI エージェントの導入は、製造業者やサプライチェーンパートナーの業務改善において大きな可能性を秘めており、今やビジネスに欠かせない存在となっています。

生成 AI とエージェンティック AI には大きな違いがあります。生成 AI はコンテンツの作成、予測、または質問への回答に最適ですが、エージェンティック AI は物事をさらに取り上げます。インサイトを生成するだけでなく、インサイトに基づいて行動することができます。AI エージェントは、さまざまなビジネス機能にわたって連携し、意思決定を行い、アクションをトリガすることができます。つまり、エージェンティック AI は提案から実行に AI を移動します。

AI エージェントは、自然言語クエリとして表現された目標を達成する目標をエージェントに付与するだけで、設計から運用までのすべてのプロセスを COO にほぼリアルタイムで監視および管理することができます。テクノロジーメーカーの COO が AI エージェントに「どうすれば効率を改善し、ラップトップの製造コストを 5% 削減できるか」と尋ねたとします。このオーケストレーションエージェントは、依頼を解釈し、回答を見つけるための最善のアクションを決定および適用するための緯度を持ちます。オーケストレーションエージェントは、このプロセスに関連するさまざまなシステム全体にわたる COO のプロキシです。生産、ロジスティクス、サプライヤー、ビジネスパートナーからの情報を活用し（これらの分野の他の AI エージェントとやり取りすることもある）、それらすべてを統合して、最も効率的で最もコストの低い経路を決定します。つまり、金型からコピー機ベースのコネクターへの切り替え、より有利な価格でのサプライヤーへの変更、製造と組立のダウンタイムを削減するためのメンテナンスの改善、またはより効率的な組立場所への移行が可能になります。

エージェントが、各部門からマニュアルで情報を収集するよりも、生産を向上させる方法を発見するスピードが飛躍的に速くなる理由を簡単に確認できます。

COO の場合、エージェンティック AI は課題と単一の機会の両方を表します。AI エージェントには、サプライチェーンを事後対応型のサイロ化された業務からインテリジェントに変え、ネットワークを継続的に改善できる可能性があります。

しかし、ほとんどの新しいテクノロジーと同様に、誇示と現実を分ける必要があります。現在、サプライチェーンの AI エージェントから実際に価値をもたらす最初の兆候が見えてきており、予測、製造、および倉庫担当者がドメイン内で効率的に作業しています。しかし、このテクノロジーはワープスピードで進化しており、これらの AI エージェントの真の統合は、あなたが考えているほどではありません。エージェントが部門や機能間でのデータ共有と照合を調整できると、幅広いプロセスの効率が向上するだけでなく、COO と CFO の連携が改善されます。そのため、COO は今、エージェンティック AI に向けた最初のステップを検討し、機能の成長に合わせて準備する必要があります。

AI エージェントは今日、現実的に何ができますか？

現在のところ、機能横断型のエージェントは野生で見つけることは困難ですが、サプライチェーンがその生命線である最大の企業は、すでに専門の AI エージェントを展開しています。2025 年には、米国小売の e コマース売上の半数近く (44%) が Amazon と Walmart を通じて流れています。Walmart 社は、膨大な店舗ネットワーク全体で需要を予測し、在庫レベルを調整するために AI エージェントを採用しています。エージェントは、履歴販売データおよび外部要因 (コミュニティイベントや現地の天候など) を使用して需要を予測し、会社が適切な製品を適切なタイミングで在庫保管し、過剰在庫を削減できるようにします。Amazon は AI エージェントをフルフィルメントセンターに統合し、倉庫業務を合理化します。エージェントは在庫を管理し、棚スペースを最適化し、受注ピッキングを自動化します。さらに、会話型AIの技術を活用することで、従業員や顧客とのインタラクションも効率化されています。もう 1 つの例として、物流業者 DHL は AI を活用したエージェントを使用して、リアルタイムでロジスティクスを監視および最適化します。エージェントは、シップメントを追跡し、遅延や在庫不足などの潜在的な混乱を特定し、中断を最小限に抑えるための代替ルートを提案します。

これらのサプライチェーンにおける AI 活用は、製造業 AIの分野においても同様に重要な役割を果たしており、生産ラインの効率化や品質管理の自動化など、多くの課題解決に貢献しています。

しかし、AI エージェントは最大規模の企業だけにとどまらないことが増えています。あらゆる規模のサプライチェーンは、AI エコシステムが急速に発展するにつれ、AI エージェントを探索し始めることができます。

ほとんどのサプライチェーン業務において、完全に自律的で相互接続された AI エージェントは自然界ではまだ非常に概念的ですが、このテクノロジーは急速に進んでいます。サプライチェーンAI社 FourKites 社のデジタルトランスフォーメーションソリューション担当バイスプレジデントを務めるスリー・マンガランパリ (Suree Mangalampalli) 氏は次のように述べています。Mangalampalli 社が LinkedIn の記事で特定した 33 種類のサプライチェーン AI エージェントのうち、「今日（2025 年 2 月）のサプライチェーン業務において 25% が実際の現実であると回答します」

AI エージェントが急な学習曲線に乗る

現在、AI エージェントの機能は拡大し始めています。ここでは、エージェント開発の 4 つのフェーズを示します。各新規フェーズは、複雑さの大きなステップアップを表します。

1. 最初のインサイト。各 AI エージェントは、自然言語クエリを実行し、サプライチェーンの領域内の構造化データと非構造化データを分析して、関連情報を提供し、行動指針を提案します。

2. 並列インサイト。AI により、初期クエリを超えるデータのパターンが検出されます。エージェントには、"この質問を行いましたが、回答のデータを分析する際に、追加の問題 A、B、および C が表示されます。彼らに対して行動してほしいですか？」この段階は、複雑さの飛躍的な飛躍を表します。最初の照会から実行可能なアクションの範囲を拡大するには、実行可能なすべての利用可能なプロセスを特定して有効化するための多大な作業が必要です。

3. 実行が提案されました。エージェントがアクションに慣れると、以前の決定パターンに基づいてアクションの推奨が開始されます。過去に何度か同様の質問を行った場合、AI エージェントから同様のインサイトが提供され、10 回のうちの 9 回が同じアクションを行った場合、エージェントは今回同じアクションを実行するかどうかを尋ねます。この段階で、AI エージェントはユーザに意思決定のためのサポート情報を提供します。

4. 自律的な実行。これは、エージェンティック AI の最終目標です。AI エージェントは、特定のクエリやデータに対する応答を "学習" したので、単独で、または人間の介入を最小限に抑えてアクションを実行します。

「誇張対現実」については、エージェンティック AI は間違いなく急速に成長していますが、自動車業界のサプライチェーンの自動化に役立つ CodersLab のシニアアカウントマネージャーであるカルロス・ロモ (Carlos Romo) 氏は次のように述べています。多くの企業が実験を行っていますが、複雑な意思決定には依然として人間による監視が必要です。しかし、テクノロジーは急速に進化しているため、より自立したシステムに近づいています」

サプライチェーン組織の大部分は、予測に AI エージェントを使用しています。パンデミック以降、組織は将来の成長の基準として履歴データを当てることができません。「ビジネスに最も近い相関関係を持つ外部市場要因を取り入れ、それに応じて予測を行う必要があります」と、彼は言います。AI がこれらの市場要因から学び、将来の予測に加重すべき量と、それが需要にどのように影響するかを把握できるようにします。非常に複雑な問題ですが、エージェントは常に予測をそのまま学習および更新しています」

製造日程計画は、AI エージェントにとってもう 1 つの簡単なターゲットです。品目プロバイダからのデータ、得意先変更、および納入目標を分析して、製造現場での日程計画をより効率的にし、アイドル時間を削減することができます。AI エージェントは倉庫内に配置され、入荷在庫がアウトバウンドシップメントに最適化されるため、保管が制限され、配分が効率的になります。

これらの担当者は、サプライチェーン全体で相互に対話していますか。まだだが、技術は急速に動いている、とMangalampalli氏は語る。「さらに 6 カ月も続けてください」

その中でも注目されている Copilotとは、こうしたAI技術を活用し、需要予測や製造スケジューリング、在庫管理などの現場業務をリアルタイムで支援するAIアシスタントの仕組みです。Copilotは人の判断を補完する形で提案や自動化を行い、サプライチェーンの複雑なプロセスをより効率的かつ柔軟に進めることを可能にします。

可能性の技術：エージェンティック AI は明日何をすると予測されますか。

エージェンティック AI のユースケースは、サプライチェーンプロセスのすべての機能に対して発生しており、各ユースケースは効率の改善、コストの削減、および自動化の全体的な向上につながる可能性があります。

最終的な目標は、これらすべてのタスク固有のサプライチェーンエージェントが連携するだけでなく、販売や調達などの他の領域の AI エージェントと連携して、柔軟なインテリジェントな自動化によるエンドツーエンドプロセスを構築することです。

製品設計

AI は、顧客フィードバック、市場動向、およびパフォーマンスデータを分析して、既存製品の改善を提案したり、新製品を刺激したりすることができます。

新しいスキンケア製品を設計する場合、AI は、現在の製品のパフォーマンスおよび市場で求められているものについて、会社のカスタマーサービスデータをすべて取得することができます。その後、設計者は AI エージェントに対して、既存の製品には何が不足しているか、または顧客が何を求めているかを尋ねることができます。例えば、ビタミンCとニアシナミドは、2025年の需要でスキンケア食材のトップとしてネットで流行している。AI エージェントは、顧客ベースに一致する R&D およびソーシャルメディアデータを掘り下げ、組織が新製品を作成する方法に関する代替の数式、レシピ、またはモデルを提示します。イギリスで禁止されている石油蒸留油を、シーバター、ビースワックス、ココナッツオイルと交換するといった新しい材料も提案できる。あるいは、多くの消費者が自社製品で望まないパラベンやアルミなどの特定の材料を避けることができます。

製造

AI エージェントは生産のステップとプロセスを最適化でき、それらを品質管理に使用することへの関心が高まっています。ビジュアル品質検査ツールでは、すでに生産ラインの不良をリアルタイムで特定できるため、廃棄物を削減し、品質を向上させることができます。ただし、AI エージェントはそこで停止しません。保全作業指図をトリガしたり、製造パラメータを自動的に調整したりすることもできます。

契約製造では、AI エージェントが製造指図の進捗を監視し、契約者の AI システムと直接通信して、組織がサービスレベル契約 (SLA) を満たしていることを確認することができます。

また、AI エージェントは生産ラインにおける最適なステップ順序を決定し、適宜調整します。

倉庫管理

エージェンティック AI は、需要変動と在庫レベルに基づいて倉庫作業を継続的に調整します。また、すでに導入されている倉庫ロボティクスシステムと連携して、より効率的な使用のために資材の保管を改善することもできます。たとえば、特定の電子コンポーネントの需要の急増が発生した場合、AI エージェントは倉庫レイアウトを調整して、製品が積載ドック近くに配置されるようにして、アクセシビリティを容易にすることができます。AI エージェントは、さらなる学習を通じて、出荷、梱包、フルフィルメント速度の向上のためのプロセス全体を自動化します。

輸送およびロジスティクス

AI エージェントは、配送経路を最適化し、納入時間を短縮し、燃料コストを削減することができます。また、気象レポートやガス価格、港湾混雑のニュースレポートなどの外部データを使用して、出荷や走行経路をリアルタイムで調整することもできます。

ここでは、テキストやニュースレポートなどの非構造化データにアクセスすることが不可欠です。船がスエズ運河を遮断していた時、その情報はテキストで伝わり、サプライチェーンに影響を与えた。同様の状況を考えると、AI エージェントは内部通信やニュースフィードから迅速にインシデントを検出できます。その後、幸望岬周辺または陸路での配送経路変更の経済性を積極的に計算し、代替サプライヤーに発注をシフトしたり、在庫戦略や価格設定を調整したりすることができます。

計画と予測

AI エージェントはまもなく製造、計画、ロジスティクス間で同期され、SLA を満たすために使用する最も効率的な製造計画を伝えることができます。たとえば、計画担当者は、SLA を満たすために 2 つの製造指図を同じ製造業者に送信するか、個別の製造業者に送信するかを AI エージェントに尋ねることができます。エージェントは原材料、製造の詳細、および SLA 要件に関するデータを収集し、アクションプランを作成します。

天候からソーシャルメディア、オーディオニュースアカウントまで、構造化データと非構造化データの予測、監視、AI エージェントをリアルタイムで活用することで、企業は生産計画とロジスティクス計画を迅速に調整することができます。

エージェンティック AI によってサプライチェーンを妨げているのは何ですか。

テクノロジーベンダーは、企業が自律型 AI ボットを使用する準備ができていると賭けていますが、企業はそう確信していません。2 月の Wall Street Journal Tech Summit の参加者の 61% が AI エージェントの実験中であると回答しましたが、21% が「まったく使用していない」と回答しました。世論調査によると、テクノロジーに対する最も差し迫った懸念は信頼性の欠如であり、これには信頼性の高いデータが含まれていることがわかりました。

あらゆる種類の AI を正常に使用するには、事前に構造化データと非構造化データの両方を表示、修正、およびアクセスする必要があります。これが問題です。企業は、社内システム、サプライヤーコラボレーション、ロジスティクスプロバイダー、さらにはソーシャルメディアやモノのインターネット (IoT) センサーなどのデータに溺れかけていますが、その多くはサイロ化、構造化されていない、または単純に雑然としています。

エージェンティック AI に向けた最初のステップにはデータの順番での取得が含まれますが、サプライチェーンの特定領域でエージェントを数人から開始する方が簡単です。

Mangalampalli は、データに関しても、より継続的な改善と柔軟なマインドセットへのシフトを提案しています。「始める前に完璧である必要はありません」と彼は言います。

エージェンティック AI によって主導されるサプライチェーンにおいて、人間はどの役割を果たしますか。

前述のとおり、AI エージェントが行っている意思決定を検証するには、まだプロセスで人間が必要です。AI の能力が成長しても、サプライチェーン管理における人間の役割は消えることはなく、発展します。エージェントがどれだけ自律的であれ、人間は、やはり監督を行うその中心に立つことになります。しかし、中心にある人間のスキルセットは変わるだろう。

現在、サプライチェーン管理は、専門的な従業員 (計画担当者、プラントマネージャ、ロジスティクスエキスパートなど) に依存しています。AI エージェントは、新しい製品設計の作成、製造現場での製造スケジュールの設定、または新製品の最適な品目サプライヤの選定に必要な専門知識の多くを吸収します。これにより、意思決定が業務オペレーションと COO に移行し、技術エキスパートから解放されます。

これらの再教育された " 知識のエキスパート " は、代わりに AI エージェントの特定の機能の全体像と、サプライチェーン全体での機能の相互作用について請求されます。AI エージェントのパフォーマンスを監視し、その機能領域内外のさまざまなデータとのインタラクションを検証します。

成功の鍵は、AI 自動化と人間の判断のバランスを取ることです。エージェントでサプライチェーンの 100% 複製が得られるのは疑わしく、常に人がループにいる可能性が高くなります。AI は人間に代わるものではありませんが、AI を使用する人間は、そうでない人間に代わります。

COO が今何をすべきか？

エージェンティック AI をサプライチェーンに統合しようとしている COO にとって、最初のステップは、最新の AI ツールを購入することではなく、ビジネス上の最大の課題を特定することです。

1. 明確なビジネス成果を念頭に置く。結果を理解すれば、エージェントを構築してそれに到達できます。
2. データを確認してください。これらの問題を解決するための適切なデータが実際にありますか。そうでなければ、どこで入手できますか？
3. ソフトウェアプロバイダーと連携します。SAP を含む企業は AI エージェントを開発しているため、COO は一から構築する必要がありません。特定の機能を持つ個々のエージェントを構築する企業もあれば、エージェントを管理したり、事前構築済みの機能を組み合わせてユーザが独自のエージェントを迅速に構築したりするソフトウェアを提供したり、提供を計画しているものもあります。

今日のサプライチェーンは、エージェンティック AI のメリットを享受できる問題に波及しています。AI エージェントは、すべてのグローバルサプライチェーンビジネス間でのマスターデータの共有と統合に取り組んでいます。これらのソースが異なる形式、標準、システムを使用している場合でも同様です。そして、動的で複雑なサプライチェーン環境をナビゲートできます。エージェンティック AI は、事前定義されたシナリオに依存する従来のルールベースの自動化を超え、代わりに履歴データから学習して、潜在的な中断を予測し、マニュアル介入なしで計画を自動的に調整することができます。

さらに有望なのは、組織全体でデータを統合して共有できることです。COO、CFO、および経営幹部の間のやり取りは、よりコラボレーティブです。これにより、それらの機能が連携してボトルネックを検出し、自律性とガードレールの適切なバランスを組み込むことができます。

設計から運用までのプロセスにおけるエージェンティック AI は、生成 AI へのアップグレードだけでなく、大きな飛躍をもたらす可能性があります。AI がパッシブインサイトから有効な実行に移行されます。しかし、それを機能させるには、企業には戦略が必要です。まず、適切なデータを使用し、適切なユースケースを見つけて、AI エージェントが各自の専門分野内で効率的に作業できるようにします。その後、テクノロジーの進歩に合わせて準備を整えることができます。そうすれば、AI の誇張から AI の結果へと移行できます。

詳細はこちら