小売
家具小売チェーンのAI在庫最適配分システム
経験と勘の在庫配分を「根拠つきのAI提案」に置き換え、工数70%削減(想定)と誰でも回せる体制を両立
PythonOpenAI APIReactTypeScriptPostgreSQLAWS
約70%
在庫配分業務の工数削減
承認・修正のみの運用に集約
約40%
欠品率の低減
需要予測に基づく先回り配分
即日
新任担当の立ち上がり
属人ノウハウのルール化で実現
想定期間5〜7ヶ月(需要予測モデルの検証を含む)
想定体制PM 1名 + エンジニア 2〜3名
※数値・期間・体制は想定事例に基づく試算です。
課題
全店舗への在庫振り分けが、ごく少数のベテランの経験と勘に依存していた。判断の根拠は本人の頭の中にしかなく、配分が最適かどうかの検証も、売れ行きに応じた機動的な調整もできない。担当者が休めば業務が滞り、退職すれば再現できない — 属人化はもはや現場の効率の問題ではなく、経営層が直視すべき事業リスクになっていた。
アプローチ
ベテランの判断をブラックボックスのまま自動化しても、現場は結果を信頼できない。BREAKEDGEはまず売上・在庫データをPostgreSQLに集約し、OpenAI APIを用いた需要予測に各店舗の販売傾向・季節性・地域特性を学習させる。その上でベテランの暗黙知をルールとして言語化してシステムに組み込み、AIの配分提案には「なぜこの提案か」の根拠を必ず添える設計とする。画面はReact/TypeScriptで構築し、承認・修正の2操作に絞り込んだUIで、新任者でも初日から回せることを狙う。
想定される成果
在庫配分業務の工数は約70%削減、判断の属人化は解消される見込み。需要予測に基づく配分で欠品と過剰在庫を同時に圧縮し、販売機会の取りこぼしを減らし、在庫回転率を改善する。承認・修正の結果は学習データとして蓄積され、継続的な提案精度の改善につながる — 特定の個人ではなく、データと仕組みが強くなる体制に変わる。
同じような課題をお持ちですか？
お問い合わせ