発注業務にAIを使う前に｜メリット・デメリットと依頼先の選び方

発注業務のどこまでを、AIに任せられるか

発注業務におけるAI活用とは、発注量の提案、発注書の作成、仕入先からの書類の読み取り、発注と受入と請求の突き合わせをAIに担わせる取り組みのことです。最初に試すのは、件数が多く、担当者の時間を取っている工程です。

図の「人が決める作業」は、仕入先との約束になる決定です。AIの出力は判断の材料として担当者に渡し、確定した人と日時を残す形を基本にします。

購買部門のAI活用は、どこまで進んでいるか

間接材の購買に関わる人への調査では、生成AIに取り組んでいると答えたのは、調達・購買部門の回答者38名のうち3割ほどで、ほかの部門ではまだ1割に届きません。需要予測と数量の推奨については、食品スーパーで行われた公的な実証の数字があります。部品や資材の購買で効果を測った公的な数字は、見当たりませんでした。

AIで発注担当者の手間が減るのは、どの作業か

朝はFAXで届いた納期回答を発注残の表に書き写し、昼は回答のない仕入先に電話で催促し、夕方は納品書と発注書を見比べて受入を登録する。同じ数字を紙、表計算、基幹システムの3か所に打ち込んでいるなら、AIに任せる候補はその書き写しと照らし合わせです。そこが減れば、購買担当者は数量や単価の検討に時間を回せます。

需要予測と数量の推奨で、計画の時間と廃棄・欠品を同時に減らした実証がある

日本気象協会が農林水産省の補助事業で行った実証では、スーパー20店舗で、店内で作る弁当などの需要予測と計画数量の推奨を使い、比較した店舗に比べて廃棄が12.59%、欠品が3.19%減りました。計画数量を決める作業の時間も、週126.8分から80.5分に短くなっています。ただし、対象は廃棄に課題のある店舗を選んでおり、一部の店舗では値引きの推奨も同時に行ったため、数量の推奨だけの効果は切り分けられていません。需要予測の手法は在庫管理×AIの記事で紹介しています。

納期回答をAIが取り込み、催促メールを下書きできる

仕入先からメール、FAX、表計算のファイルで届く納期回答をAIに読ませ、発注残（発注したがまだ届いていない分）の納期を更新させます。回答の来ていない発注と納期遅延になりそうな発注が毎朝一覧で届けば、担当者は催促する順番を決めるだけで済みます。催促のメールはAIに下書きさせ、担当者が確かめてから送ります。送る判断までAIに任せると、回答済みの発注にまで同じ文面が何度も届き、仕入先の担当者の手間を増やしかねません。催促の文面と間隔は仕入先ごとに担当者が決め、AIには下書きと順番の提案までを任せます。

読み取りがどのくらい正確かは、弊社が架空の回答30件で試した結果を、このあとの章で紹介します。

発注・受入・請求の3つのずれを、毎日見つけられる

数量の過不足、単価の違い、同じ納品への二重の請求は、月末の締めでまとめて見つかりがちです。発注・受入・請求の3つをAIに毎日突き合わせさせ、ずれのある取引だけを一覧にすれば、担当者は例外の確認に集中できます。届いた分だけを受入にし、残りを追納待ち（残りをあとで納めてもらう）にするか、仕入先と合意して取り消すか、返品するかは担当者が決めます。

届いた分の受入を登録し、未納の分を追納待ちや取消として管理する流れは、無料デモで触れます（登録不要）

相見積もりの比較表を、同じ項目にそろえて作れる

同じ部品を2〜3社に相見積もりすると、単価の書き方も送料の扱いも仕入先ごとに違います。見積書から単価、納期、最小発注数量、送料、見積の有効期限をAIに読み取らせ、同じ列に並べさせれば、比較表を作る手間が減ります。比較表には、過去の品質不良や納期遅延の記録も並べておくと、単価だけでは見えない違いまで比べられます。

AIは、仕入先の書類をどこまで正しく読めるか

弊社は2026年10月に、架空の納期回答・納品・請求のデータを作り、商用の生成AI（Claude Sonnet 5.5）に読み取りと照合をさせました。納期回答は、メールの本文を想定した文字のデータに加えて、同じ文面をFAX送信票に印字した画像でも読ませました。画像は、きれいにスキャンしたものと、FAXで受けたように粗くしたものの2種類です。

納期回答には、全角の数字や和暦、「来週水曜に出荷、翌日着」のような相対的な日付、分納（1つの発注を何回かに分けて納めること）、納期の変更を混ぜました。AIは30件中29件で、発注番号・納期・数量を正しく読み取っています。残る1件は「残り200個は入荷次第（11/10頃）」という回答で、AIは納期を「未定」と判定しました。「頃」を確定とみなすかは会社ごとに決めることで、その扱いを社内で決めてからAIに伝えておく必要があります。

FAX送信票の画像でも、結果は30件中29件で同じでした。文字が粗くなっても、発注番号が行の途中で折り返していても、読み違えた件数は増えていません。ただ、残る1件の答え方は変わりました。FAXのように粗い画像では、AIは「11/10頃」の200個を書き落としたまま、納期を「確定」と答えています。文字のデータでは「未定」として人に戻していた回答が、誤った確定になりました。納期が「頃」「次第」「予定」のような言葉で書かれた回答は、画像からの読み取りでも人の確認に回す決まりにしておくと安全です。

照合では、発注・受入・請求をそろえた24件のうち12件に、数量不足や単価違い、二重請求などのずれを1つずつ仕込みました。AIはずれのある12件をすべて見つけ、ずれのない12件を「ずれあり」とした判定もありませんでした。ただし、これは「どの請求の行が、どの発注に当たるか」が分かっている状態での結果です。

その対応づけは、仕入先の書き方で結果が分かれました。請求に「HBM8-30」のように寸法が残っていれば、AIは自社の発注「六角ボルト M8×30」に結びつけ、対応表がなくても20行すべて正解でした。仕入先独自の型番だけ（例：「SK-5749」）だと、対応表がないときは20行すべてを「不明」と答えています。当て推量で別の発注に結びつけた行は0件で、対応表を渡すと20行すべて正解でした。なお、AIへの指示には「確信が持てなければ『不明』と答える」と書いています。生成AIは、書類にない値をもっともらしく埋めることがあります（ハルシネーション）。読み取れない項目は「不明」で返すよう指示し、その件数を数えておく必要があります。

この検証から分かるのは、件数の少ない架空のデータなら、活字のFAXも含めて読み取りと照合の誤りは少ないということまでです。「頃」をどう扱うかの社内の決まりと、品番の対応表をAIに渡していないと、AIは「未定」や「不明」と答えて判断を人に戻します。

予測が外れたら、誰が負担するのか

AIの予測が外れれば、余った在庫や欠品への対応は発注した会社に残ります。導入を決める前に、外れたときの対応と、稼働後の確認と保守の負担も見積もってください。

需要予測は外れる。過剰在庫も欠品も、発注した会社が抱える

先の実証の報告書も、「需要予測を高度化しても、消費者需要の変化を完全に予測することはできない」として、予測が外れたときの代わりの手も用意する必要があると書いています。販促の期間は店舗の判断で数量を決めていたため廃棄が多く出たことや、予測する日が1週間以上先になると、気象予報の精度が落ちて来店客数の予測にも響いたことも、課題に挙げられました。数量は提案として扱って人が確定し、販促、新商品、季節の切り替わりには提案を使わないといった条件も決めておいてください。

そもそもAIが要らない品目もあります。毎月ほぼ同じ量が出ていくネジや梱包材は、発注点（在庫がこの数を割ったら発注する目安）を「1日の使用量×リードタイム（発注から届くまでの日数）＋安全在庫（予想外の出荷に備える分）」で決めておけば、AIを使わなくても回ります。数量の提案をAIに任せる意味があるのは、受注の波が大きい品目や、仕入先によって届くまでの日数が変わる品目です。

品目と仕入先のマスターが乱れていると、予測も照合も外れる

同じ報告書では、同じ商品IDに入数（1箱に入っている個数）の違う商品があったため、どの入数の商品が売れたかが分からず、予測の精度が落ちました。品目マスター（品目を登録した一覧表）に重複や入数の違いがあったり、同じ仕入先が別々のコードで登録されていたりすると、AIは誤った数量を提案し、照合でも取り違えます。弊社の検証でも、仕入先が独自の型番だけで請求してきた場合、対応表がないとAIは請求の行を発注に結びつけられませんでした。仕入先の型番だけで請求が届く取引が多いなら、仕入先の品名と自社の品番の対応表を先に作ってください。

品目マスターに登録したリードタイムや最小発注数量が実態より古い場合も、同じことが起きます。予測が当たっていても、届くのが遅れて欠品したり、ロットの切り上げで在庫が膨らんだりします。仕入先ごとの実際の納期と登録してある値の差は、3か月分のデータで確かめられます。

仕入先との取引条件を、AIに決めさせてはいけない

2026年1月1日に施行された取適法（中小受託取引適正化法）では、受託する事業者から価格の協議を求められたのに応じず、一方的に代金を決めることが新たに禁止されました。AIが出した目標の単価をそのまま発注書に入れ、仕入先の値上げの申し入れに応じないまま発注を続けると、この禁止に当たるおそれがあります。中小企業庁の調査（2026年3月時点、6月26日公表）では、価格交渉は行われたもののコスト上昇分を全額は転嫁できなかった企業のうち、発注企業から「納得できる説明があった」と答えたのは約6割でした。単価を決めた理由と、協議の記録を残しておく必要があります。

取適法の対象の取引では、受託事業者に責任がないのに受け取りを拒んだり、代金を減らしたり、返品したりすることも禁止されています。発注の残りを一方的に取り消すことも、給付の内容の不当な変更に当たるおそれがあります。AIが数量のずれを理由に、受入を止めたり、取消や返品を起票したりする作りにはしないでください。

提案が当たり続けると、担当者が確かめずに承認するようになる

AIの提案が何週間も当たり続けると、担当者が数量を見ないまま承認するおそれがあります。反対に一度大きく外れると、提案を見ずに全部を手で入れ直す人が出るかもしれません。どちらになっても、人が確定するという前提が崩れます。提案と確定した値の差を月に1回集計し、差のないまま承認が続く担当者と、毎回大きく直している担当者に理由を聞く運用にしてください。

作って終わりにならず、運用の手間と費用が続く

帳票の読み取りなどを担うAIのモデルを提供元が更新すると、同じ納品書でも読み取りの結果が変わることがあります。仕入先の入れ替えや品目の改廃のたびに、対応表を直す手間も出ます。稼働後の費用には、AIの利用料に加えて、こうした測り直しと人の確認、マスターの更新にかかる人手も含まれます。

発注データの扱いを誤ると、仕入先との秘密保持契約に触れる

仕入の単価、図面、数量は、仕入先との秘密保持契約で外部への提供が制限されていることがあります。外部のAIサービスを使うなら、入力が学習に使われないか、どのくらいの期間、どこの国で保存されるかを契約と設定で確かめ、主な仕入先との契約も確かめてから入力します。

依頼先に相談するまでに、社内で何をそろえるか

依頼先に相談する前に、社内で次の4つをそろえておくと、話が具体的になり、見積もりの前提もそろいます。担当者の方が上司に報告するときの材料にもなります。

購買管理システムやEDIがあっても、AIは要るか

購買管理システムやEDIを入れ替える必要はありません。AIを足すのは、EDIに乗らない取引と、照合で例外になった取引です。まず、EDIでつながっている仕入先と、メール・FAX・表計算でやり取りしている仕入先を分けて数えてください。後者が、AIで読み取りと照合を任せる対象になります。

仕入先から受け取った請求書の登録番号は、国税庁の公表サイトのWeb-APIで、仕入先マスターとまとめて照合できます。2026年10月1日から、登録のない仕入先からの仕入れで控除できる割合が80%から70%に下がったので、仕入先ごとの登録の有無をマスターに持っておく必要が高まりました。

発注業務のAI化は、どの会社に頼めばよいか

依頼先を比べるときは、AIの技術力より先に、次の5点を確かめてください。

商談では、次の質問をそのまま使えます。

弊社は、発注業務のAIをどう進めているか

弊社がHPで紹介している事例に、購買システムを開発した事例はまだありません。受発注の帳票を読み取る受注書OCRと、見積書の自動作成の開発では、次のように進めました。発注業務でも、実際の帳票で精度を確かめてから、開発する範囲を決めます。

1. 実際の帳票で精度を確かめてから、範囲を決めます受注書OCRは、取引先ごとに違う注文書のサンプルで、事前に精度を確かめられる形にしています。実証した5社の注文書で、AIが読み取りに付けた信頼度（AI自身が付ける確からしさの値で、正解率とは別のもの）の平均は99.6%で、信頼度の低い項目だけを人が確かめる形にしています。見積書の自動作成も、対象の図面で先に検証してから、導入する範囲を設計する進め方です。仕入先から届く納期回答や納品書でも、まず実物で読み取りの精度を確かめます。根拠：受注書OCRの開発事例／見積書自動作成の開発事例
2. 読み取りの信頼度が低い項目だけを、担当者に確かめてもらいます受注書OCRでは、読み取りの信頼度が低い項目だけを画面で強調し、担当者は全件ではなく要確認の分だけを見る形にしました。見積書も、担当者がプレビューで確かめてから送ります。根拠：受注書OCRの開発事例
3. いまの基幹システムを入れ替えずに始められます受注書OCRでは、CSVやPDFの出力と、基幹システムへの連携、取引先マスタとの自動照合で、いまの業務の流れに合わせました。根拠：受注書OCRの開発事例
4. 工程を絞った、数か月単位の開発を手がけています受注書OCRは約3か月で開発しました。全社の購買と会計を一度に入れ替える大規模な案件をお考えなら、体制と進め方を最初にご相談ください。根拠：受注書OCRの開発事例

仕入先との取引で、AIが守るべき法律は何か

AIのために新しく覚える法律は、ほとんどありません。AI推進法（2025年9月全面施行）に罰則はなく、国の「AI事業者ガイドライン」にも法的な拘束力はありません。発注業務で気をつけるのは、取適法、インボイス制度、電子帳簿保存法です。取適法は、規格品や標準品をそのまま買う取引は原則として対象外ですが、仕様を指定して作らせると製造委託に当たります。

内容は2026年10月8日時点の公表資料をもとにしています。自社の発注が取適法の対象になるか、保存の方法が電子帳簿保存法の要件を満たすかは、取引ごとに答えが変わります。顧問の弁護士や税理士に確認してください。取適法で発注書に書く項目は、製造業の見積作成をAIで自動化する記事でも整理しています。

発注業務のまわりで、弊社が手がけた開発と研修

購買システムの開発事例ではありませんが、帳票の読み取りと照合、発注の記録の内製で、発注業務に近い3件を紹介します。

• 開発事例｜製造業・卸売・小売受注書OCR＆管理システムFAX・紙・PDFの帳票を読み取り、取引先マスタと照合して、印の付いた項目だけを人が確認する仕組みです。開発は約3か月でした。事例を読む
• 開発事例｜製造業見積書の自動作成図面を取り込むとAIが概算を出し、担当者がプレビューで確かめてから送る仕組みです。事例を読む
• 研修事例｜建材メーカー・株式会社タブチ様発注の記録アプリも、社員が自分で作ったプログラミング未経験の5名が、研修から3週間で業務アプリ6本を作りました。その1本は、在庫にないコイルの発注と、使い残したコイルを記録するものです。事例を読む

無料デモ｜登録もインストールも要りません

読むより、触ったほうが早いかもしれません

仕入先への手配から受入の照合、部品の入荷の遅れの登録、発注点を割った品目の一覧まで、架空のデータで実際に動かせます。画面の並びより、御社の発注でどこに手間が残りそうかを見てみてください。

手配と受入の照合追納待ち・残数取消・返品で決着 部品の入荷の遅れを登録する受注生産の基幹システム 発注点を割った品目を見る基幹システムの体験デモ

デモ一覧を見る入荷の計上漏れで在庫が合わなくなる原因は在庫と棚卸のデモでたどれます

よくある質問

登壇・セミナー実績

開催レポートを読む →

開催レポートを読む →

神戸商工会議所・石川県庁など、各地の商工会議所や自治体でAI活用セミナーに登壇しています。

監修

仙入 功樹 せんにゅう こうき

代表取締役

吉村 祐樹 よしむら ゆうき

COO

本記事は代表取締役とCOOが監修しています。弊社は、AI導入の相談から開発・研修・運用定着までを支援しています。監修者の経歴と登壇実績はメンバー紹介をご覧ください。