製造業の調達でAI活用が進まない理由とは？調査結果にみる現状と課題

AI活用の現状とその課題

A1A株式会社が実施した調査によると、製造業における調達・購買業務は依然として多くの業務が「経験や勘」に依存していることが浮き彫りになりました。特に、104名の調達購買担当者を対象にした実態調査の結果は、業界全体のデジタル化が進んでいないことを示しています。

調査結果の概要

1. 経験依存の現状
調査結果によると、意思決定において「データに基づいた判断」が行われていると答えた回答者は過半数に留まり、5割以下との回答が目立ちました。これには調達購買業務のボトルネックとして「根拠データの不足」や「過去の見積データの散在」が関連しているとされています。

2. AI活用の実態と期待の乖離
AIの導入が進む一方で、実際の活用領域は「契約書の自動レビュー」などの単純業務に留まっており、期待される「調達価格の予測」などの戦略的活用は2割に満たない結果となりました。これは意識と実態の大きなギャップを表しています。

3. 障壁としてのデータ整備
AI活用を阻む要因としては「人材不足」や「費用対効果の不透明さ」と共に「データの整備状況」が指摘されました。調達や購買の現場で必要なデータがデジタル化や構造化されていないことが、デジタルトランスフォーメーションの進展を妨げているのです。

戦略的なAI活用に向けて

この調査から明らかになったのは、多くの企業が「データドリブンな意思決定」を求めつつも、実際には「経験や勘」に頼らざるを得ないという現状です。AIを活用した戦略的な意思決定を実現するためには、まずはデータ基盤の整備が急務です。つまり、見積書、図面、コミュニケーション履歴などの情報を整理・蓄積できる仕組みを構築することが重要です。

UPCYCLEの紹介

A1A株式会社が提供する製造業向け調達データプラットフォーム「UPCYCLE」は、こうした要求に応えるために開発されました。「UPCYCLE」は調達購買活動における低付加価値な業務を自動化し、分散していたデータを集約することで、経験や勘に頼らずにデータに基づいた意思決定を支援します。
また、AIを用いた部品の検索や原価低減の提案機能により、調達組織の戦略的な業務へのシフトを促進します。

まとめ

製造業における調達・購買のデジタル化が遅れている背景には、データ整備の不十分さや経験への依存があることが明らかになりました。これらの課題を克服するためには、まずはデータの整備を進め、AI技術を積極的に取り入れた業務改善を行うことが必要です。業界全体がこの方向に進むことで、製造業の効率性や競争力の向上が期待できます。