2026年に進化し続けるAI駆動型計画機能

2025年が終わりを迎えるにつれ、企業やサプライチェーンのリーダーは、変化する関税や貿易政策、および経済の不確実性によって影響を受けるホリデーシーズンとビジネス景気に直面しています。これらの要因は2026年にも影響を与え続ける可能性があります。

過去数年でわかったことは、不確実性と波動性を管理することが新しい常態になったということです。従来のエンタープライズビジネス計画手法は、スプレッドシートや部門間で情報が断片化することが多いため、もう十分ではありません。

市場の不確実性やサプライチェーンの混乱が続く中、利用可能なデータの量も増加しています。2024年のマッキンゼー社の報告書によると、2030年までに、2020年からのデータ量は10倍になることが予測されています。2つの要因は直接関連していないかもしれませんが、ビジネスリーダーは、より多くのデータを活用してビジネスの不確実性をより効果的に乗り越えるために、データに基づいた意思決定を行う概念を認識するようになっています。より多くの企業が、データウェアハウスの構築、エンタープライズデータ戦略の開発、AIを活用したプラットフォームの導入など、データを戦略的に活用するための総合的なアプローチをとっています。これらのプラットフォームは大量のデータを取り込み、さまざまなビジネスシナリオをモデル化し、事前に障害を検知することができます。

データの断片化を排除するためのAIの活用

包括的なデータ戦略を計画から実現に移すために必要な最初のステップの1つは、データと知識をデジタル化して統一することです。多くの企業では、複数の部門が独立して運営されており、それぞれが独自のデータソースを使用しています。たとえば、財務部門は独自のデータセットを使用し、調達部門は別のデータセットを使用し、サプライチェーン計画部門は別のデータセットを使用します。さらに、各部門は独自の外部データシグナルを使用しています。これにより、1つの部門が潜在的なサプライヤーの遅延を認識していても、他のチームは決定を下すのに十分な時間がない可能性があります。

AIを活用した計画プラットフォームは、内部および外部の大量のデータを取り込み、単一の真実源として機能します。デジタルツインモデルは、エンドツーエンドのサプライチェーンの可視性を提供し、チームがさまざまな計画シナリオを横断してインサイトを開発できるようにします。これにより、チームは共同でデータに基づいた計画とビジネス上の決定を下すことができます。たとえば、需要の急増が発生した場合、データは、どのサプライヤーが増加した注文を時間内に満たすことができるか、どのサプライヤーが最後の瞬間に大量の注文を満たすのに苦労する可能性があるか、または、特定の市場の消費者が最も人気のあるフレーバーが限られた供給の場合に別の製品フレーバーに切り替える可能性があるかを明らかにすることができます。計画チームがトレンド、リスク、機会を事前に検知できる場合、企業は代替サプライヤーに切り替えたり、別の輸送ルートを使用したり、需要が最も高い配送センターに在庫を再割り当てしたりすることができます。

これらのプラットフォームは、組織全体の内部の部族的知識を解放し、デジタル化することもできます。チームがより効率的に協力できるようにします。たとえば、20年の経験を持つプランナーは、サプライヤーAとサプライヤーBの両方が需要の増加を満たすのに十分な在庫を持っていることをデータから判断できますが、サプライヤーAはより信頼性が高いことを知っているため、サプライヤーAに注文を優先することを知っています。一方、経験の少ないプランナーはサプライヤーBを選択するかもしれませんが、製品が需要を満たすのに十分な時間内に到着しない可能性があります。高度な計画プラットフォームを使用すると、プランナーはサプライヤーの情報、注文日、出荷日、配達日などを手動で入力できます。これらのインサイトは、他のプランナーにも表示され、同様のコンテキストに基づいて決定を下すことができます。

シナリオ計画の強化

内部知識をデジタル化し、すべてのデータ源を統一してチーム間の計画と意思決定のためのより効果的なコラボレーションを促進した後、チームは潜在的なリスクや障害を事前に検知することだけでなく、シナリオ計画能力を強化することができます。チームが複数のビジネス機能を横断してデータを取り込み、接続できるAIプラットフォームを使用する場合、チームは協力して、単一のイベントまたは障害のビジネスや顧客への直接的な影響を翻訳することができます。計画チームが状況とその潜在的な影響を事前に理解することができると、チームは障害の悪影響を軽減するためにシナリオを検討することができます。

たとえば、サプライチェーンの障害により人気のスナック製品が不足した場合、計画チームはデータに基づいたインサイトを使用して、現在の在庫を他の配送センターに転送できる製品の量を判断し、他の製品フレーバーに対する強い需要がある地域を特定することができます。この知識を活用して、計画チームは在庫を需要の高い地域に再割り当てし、代替フレーバーを需要の高い地域に再バランスさせることで、潜在的な不足や小売在庫切れを軽減することができます。

AIエージェントを通じたタスクの自動化

エージェントAIの機能を備えたプラットフォームは、チームがルーチンワークの計画タスクやシナリオの提案を自動化するのに役立ち、チームがより高度な計画戦略やシナリオ管理に集中できるようにします。AIエージェントは、状況を分析し、その影響を理解し、プランナーが確認および検討するための複数のオプションまたはシナリオを提案するように構成できます。エージェントは、チームがさまざまな可能性を評価し、コストや製品マージンなどの要素を考慮し、需要や供給の急激な変化に応じるのに役立ちます。エージェントAIの機能を初めて導入する場合、エージェントは人間の検証のために提案を提示できます。エージェントの提案の品質に信頼が確立されると、エージェントは、定義された境界内でより高度な自律モードに移行できます。

しかし、プランナーが計画を承認したり、特定のガイドラインに基づいてエージェントの提案を上書きしたりする必要がある場合もあります。シナリオプランがカナダの配送センターから製品を移すことを提案する場合、プランナーは販売チームがカナダの大手企業との契約を締結しようとしていることを知っているため、在庫が短期間で必要になることを知っています。したがって、プランナーはこのシナリオオプションを上書きします。

また、エージェントAIの機能を導入し始めた企業は、エージェントを特定のタスクの自動化に構成し、クロスファンクショナルチームの生産性を高め、ビジネス計画のタイムラインを同期させる機会を特定する必要があります。

エンタープライズ全体にAIを責任を持って拡大する方法

AIを活用した計画プラットフォームを導入して、組織のデータや外部シグナル（需要、在庫、調達など）を接続し、データに基づいた計画戦略を構築しようとしているビジネスリーダーにとって、最も重要なステップの1つは、AIツールが解決できるビジネス上の価値のギャップを理解することです。たとえば、計画チームが大量のデータを分析したり、増加した注文の処理に追いついたりするのに苦労している場合、これらはAIプラットフォームを導入して、利害関係者が問題の原因をよりよく理解し、意思決定を改善するための洞察を提供できる可能性のある分野である可能性があります。

AIに焦点を当てたソリューションを導入するチームは、ツールやプラットフォームを使用する予定の同僚からの買い込みを得る必要があり、プラットフォームの結果と提案（およびユーザーのフィードバックを組み込む）を徹底的にテストする必要があります。パイロットプログラムが成功した結果を示した後、ビジネスリーダーは、追加のAIテクノロジーをビジネス内でどこに導入することが適切かを検討し、組織全体に統合されたビジネス計画および意思決定モデルを提供するプラットフォームを活用することができます。