サプライチェーンAIが失敗する理由：欠落した人間の文脈
- •MIT NANDAの研究によれば、2025年のサプライチェーンにおけるAI導入プロジェクトの失敗率は95%に達する。
- •AIシステムが失敗するのは、現場の担当者が日々活用している「業務上の文脈（operational context）」という暗黙知を無視するためである。
- •AIによる自動化を実現するには、意思決定をシステムに委ねる前に、人間の専門知識を「業務の探索（operational discovery）」を通じて明文化する必要がある。
サプライチェーン管理へのAI導入を巡る議論では、しばしば「データの質」が失敗の主犯として挙げられる。ベンダーは、断片化されたデータや部門間の縦割り構造、時代遅れのERP（統合基幹業務システム）がプロジェクトを阻害していると主張する。確かにインフラの課題は存在するが、それだけでは根本的な問題を見誤るだろう。AIの本質的な欠陥は、データそのものにあるのではなく、AIが支援対象であるビジネスの「業務上の文脈」を理解していない点にある。
業務上の文脈とは、熟練の計画担当者が長年の経験で積み上げてきた、明文化されていない重要な知識を指す。例えば、特定のベンダーが第4四半期に納期の約束を破りやすいことや、注文が膨らむ顧客行動のパターン、あるいは特定の機械が要求する微細なスケジューリング調整といったものだ。これらは不合理な行動ではなく、現実の世界で業務を円滑に進めるための適応的な戦略である。しかし、ERPや倉庫管理システムから出力された構造化データのみで学習するAIモデルにとって、こうした微妙なニュアンスは完全に不可視である。
AIがこれらの暗黙の現実を無視した推奨案を提示すれば、現場の担当者は自身の専門知識を否定されていると感じる。システムが何度も「失敗を招く」と経験的に分かっている判断を下せば、担当者は当然その推奨を上書き（オーバーライド）するだろう。こうした上書きの結果は構造化データとして記録されることが稀なため、AIは失敗から何も学べない。結果として、同じ不適切な推奨が繰り返され、担当者はそれを無視し続け、システムは最終的に形骸化する。これが、調査で示された95%という驚異的な失敗率の正体である。
解決策は、技術先行のトップダウン型導入から「業務の探索」プロセスへの転換にある。AIのエージェンティックAI（自律型AI）に意思決定を任せる前に、実際に物流を動かしている現場の専門家と協力すべきだ。不文律やサプライヤーの行動特性、現場の機械的な制約など、日々の意思決定を支配するルールを意図的に文書化する必要がある。最初の「上書き」をシステムの失敗とみなすのではなく、実際の業務の仕組みを明らかにする貴重なデータポイントとして扱うことで、初めて労働者から信頼されるAIを構築できる。
強固なデジタルインフラは必要不可欠な基盤であるが、それが導入のスタート地点ではない。AIを活用して持続的かつ大きな成果を上げている組織は、経営層の指令ではなく、現場の信頼を土台に構築している。人間が持つ組織的な知識と構造化データを統合することを優先すれば、技術的な能力と現実の業務との溝を埋められるはずだ。AIを単なる障害ではなく、生産効率を最大化する真のパートナーへと昇華させることが重要である。