プランから賭けへ: なぜサプライチェーンは無人決定が必要なのか
私がサプライチェーン入門を出版したとき、多くの読者から、書籍全体に静かに流れている一つのアイディア、すなわちサプライチェーンにおける無人意思決定への推進について、さらに掘り下げてほしいという要望が寄せられました。『より多くのダッシュボード』や『より多くのアラート』ではなく、人間が「承認」をクリックするのを待つことなく、日常の決定を自動で行い実行するソフトウェアのことです。
このエッセイでは、私が「無人決定」と呼ぶものが何であるか、なぜそれが経済的に避けられないと考えるのか、そしてどのようにして計画、予測、会議を中心とした主流のサプライチェーン手法と衝突するのかを明確にしたいと思います。
サプライチェーンの本来の仕事：一日中賭けを行うこと
専門用語を取り払えば、サプライチェーンは賭けを行うための機械にすぎません。
すべての発注、すべての倉庫間の割り当て、すべての価格変更は小さな賭けです。不確実な中で、長期利益を向上させるために、ある選択肢を犠牲にして別の選択肢を追求します。未来は決して分からないのに、とにかく資源を投入するのです。
この視点から見ると、サプライチェーンの日々の業務は「計画を維持すること」ではなく、選択肢の中から選ぶことなのです。SKU、流通経路、顧客が多ければ多いほど、その選択肢は増えます。控えめな小売業者でさえ、毎日何万件ものマイクロな賭けを行い、大規模なネットワークでは何百万件にも上ります。
これらの決定が、スプレッドシートに向かって身を屈める人々によって一つ一つ行われると、ボトルネックとなるのはトラックや船、倉庫スペースではなく、人間の注意力、すなわちプランナーの一週間の労働時間になります。
無人意思決定は、まさにそのボトルネックを深刻に捉えるための私の試みです。
「無人決定」とは何か
無人決定とは、非常に具体的なものを意味します：
ソフトウェアは企業の記録と関連する外部シグナルを取り込み、提案される行動を計算し、通常の状況下ではそれらの行動が自動で実行されます。プランナーが数量を再入力する必要はなく、マネージャーが発注書に署名する必要もありません。ソフトウェアが直接、記録システムに注文を書き戻すのです。
もし条件が許容範囲を逸脱した場合―データの破損、奇妙な市場ショック、矛盾する制約―ソフトウェアは停止して警告を発します。しかし、停止は例外であり規則ではありません。通常は、決定は人間の検閲なしに進行します。
ここでの狙いは、「プランナーの判断をより速くする」ことではなく、そもそも人間が介在する必要のある決定の数を減らすことにあります。
それには、2つの点を痛切に明確にする必要があります。
まず第一に、「良い」とは貨幣において何を意味するのかを決めなければなりません。余剰在庫は品切れに対する一定の保護をもたらしますが、運転資本を拘束し、棚スペースを消費し、後々の評価損を増加させる可能性があります。これらの効果はそれぞれ金銭的な影響を持ちます。トレードオフを金銭で表現できなければ、機械に適切な選択を期待することはできません。
第二に、許容される手段の範囲、すなわちどのサプライヤー、どのリードタイム、どの輸送手段、どのルート、どの最小値と最大値、どの規制や物理的制限が許されるかを定義しなければなりません。述べることさえ怠った制約は、機械が守ることはできません。
明確な経済的尺度と許容される事項の明確な記述が得られれば、無人決定の根拠は自明になります。同じ構造を持つ反復的な決定は、一度計算として符号化され、その後、規模を問わず毎日ソフトウェアによって実行されるべきです。
つまり、決定が頻繁で体系化され、安定した経済性に基づいているのであれば、毎朝人間が再度決定を下すのは無駄なのです。
簡単な思考実験
あらゆる需要シグナル、在庫状況、リードタイムの更新、コストを把握し、その上で人間の介入なしにすべての発注、転送注文、ピッキングウェーブ、価格変更を発行する単一のシステムを想像してみてください。
そのような世界では、セールス＆オペレーションズ・プランニング会議で「調整」するべき事項は何もなくなります。なぜなら、システムがすでに各選択において需要、供給、財務を調和させているからです。また、個別の「在庫ポリシー」や「サービスレベルターゲット」も必要ありません。それらの概念は経済的計算に暗黙のうちに含まれているのです。
この思考実験はSFではありません。広告オークション、クレジットスコアリング、リアルタイム価格設定など、特定の分野では多くのデジタル企業が既にこの方式を採用しています。これらの分野では、完全自動化された意思決定エンジンが数年前から標準となっており、人間の反応速度や記憶力が単に追いつかないためです。
サプライチェーンは、本質的に自動化が難しいわけではなく、主に歴史的な理由から遅れをとっているのです。
主流はサプライチェーンをどのように捉えているか
この対立を理解するために、この分野がどのように自らを表現しているかを簡単に見てみましょう。
CSCMPのような専門団体は、サプライチェーンマネジメントを、調達、仕入、変換、ロジスティクスに関与するすべての活動の計画と管理、さらにチャネルパートナーとの調整と協力として定義しています。ASCMも同様の言葉を用い、この語彙を標準化するための辞書を提供しています。
SCORモデルのようなフレームワークは、この活動を一連のプロセス、すなわち、計画（Plan）、調達（Source）、製造または変換（Make/Transform）、配送（Deliver；場合によっては注文（Order）と履行（Fulfill）に分割）、返品（Return）、そして有効化またはオーケストレーション（Enable/Orchestrate）に整理します。これらのプロセスには、豊富なメトリクスとベストプラクティスのライブラリが付随しています。
さらに、支配的な経営の儀式はセールス＆オペレーションズ・プランニングおよびその後継である統合業務計画（Integrated Business Planning）です。要するに、需要の単一の合意予測を作成し、それを生産、調達、ロジスティクス、財務の調整の中核として、ローリングホライゾンで活用するという考え方です.
今日、大企業のS&OP会議に出席すれば、ほぼ間違いなく以下のようなものが見られるでしょう:
- ファミリー、地域、またはSKUごとの時系列予測で満たされたスライド。
- 目標とするサービスレベルおよび在庫回転率。
- 予算に対するギャップ分析。
- 誰もが「一つの数値」に合意するための事前会議や経営層レビューのカレンダー。
これらの手法は非常識ではありません。むしろ、複雑な組織に秩序をもたらそうとする試みなのです。しかし、それらは問題の本質に対する特定のビジョンを体現しています。
そのビジョンにおいて、中心となる成果物は計画、つまり未来に投影された時系列の束です。マネージャーの仕事は、現実をその計画に「合わせる」か、数値が再び受け入れ可能に見えるまで計画を修正し続けることにあります。この環境での自動化は、主により洗練されたダッシュボード、円滑なワークフロー、伝統的な数式のより一貫したパラメーター設定を意味するに過ぎません。
私の見解は、ここで明確に異なります。
プランから賭けへ
主流の見方は計画から逆算しますが、私の見方は賭けから前進します。
計画中心の世界では「すべての部門がどのようにして同じ未来に合意するか」が問われます。一方、賭け中心の世界では「現状を踏まえて、次の限界的なユーロ、パレット、または生産能力の1時間をどこに投入すべきか？」という問いになります。
計画は、せいぜい第二の問いに対する副次的な結果に過ぎず、主要な対象ではありません。もし明日の選択肢が変われば、計画もそれに応じて変わるべきです。目標は計画に従うことではなく、不確実性の中で日々利益をもたらす賭けを行うことなのです。
これは抽象的に聞こえるかもしれませんが、いくつかの軸で両者の見解を対比してみましょう。
1. 予測の役割
主流の実践では、予測が主要な制御信号となっています。S&OPとIBPは、月次または週次の単一時系列予測の作成に大きな重きを置き、その曲線に全員を合わせようとします。MAPEやバイアスといった精度指標が中核的なパフォーマンス指標となります。
私の経験では、これには二つの問題があります。
第一に、需要を整然とした時間区分に集約すると、ばらつく売上、プロモーション、製品間のカニバリゼーション、乱れたリードタイム、相関するショックといった、最も重要な行動が隠れてしまいます。滑らかな線は安心感を与えますが、真実を映し出すものではありません。
第二に、予測が密かに意思決定の代わりとなってしまいます。つまり、「我々の制約を考慮して、この価格でこの商品の別のコンテナを導入すべきか？」と問う代わりに、「来月の需要はどうなるか？」と問い、その答えを古い補充ルールが注文に変換してしまうのです。もしそのルールが経済的に単純であれば―実際ほとんどの場合―予測精度が2ポイント向上しても、利益に対しては何の意味も持たないのです。
無人で賭け中心の世界においても、未来の見通しは必要ですが、それは需要の時系列に限定されません。バスケットの構成、リードタイム、返品、チャネルミックス、価格変動の影響など、さまざまな事柄についての確率的な推定が必要です。そして、それらは金銭的に選択肢を比較する際にのみ必要となります。
焦点は「私の需要予測は正確か？」から、「あらゆる不確実性を踏まえて、どの選択肢が最も良い期待収益をもたらすか？」へと移ります。
2. 自動化するもの
主流のツールは通常、「意思決定支援」と形容されます。プランニングシステム、コントロールタワー、IBPプラットフォームはデータを集約し、KPIを表示し、例外を強調し、時には行動を提案しますが、人間の確認なしに何かを実行することはほとんどありません。
ほぼすべての決定において、人間は意図的に「ループ内」に置かれます。ガバナンスの観点では安全に思われるかもしれませんが、経済的には高コストです。一日に百件の補充提案を承認しなければならないプランナーは、一つ一つに深く考察する余裕がなく、軽く流し、ほとんどを承認し、いくつかを微調整し、何も問題が起こらないことを期待するのです。
対照的に、無人意思決定は、論理が反復的であり経済学的に十分理解されている部分において、あえて人間を排除することを目指します。
ソフトウェアが記録を読み取り、選択肢を評価し、決定を下します。もし、引き分けやパターン外の事象があれば、停止して助けを求めます。決定が自動化されているからといって恣意的であるわけではなく、毎日その都度即興で行うのではなく、一度論理を確立したということを意味しているのです。
航空との類推は有用です。現代の航空機では、巡航中のデフォルトは手動操縦ではなく自動操縦です。パイロットは離陸、着陸、および異常事態に備えて存在します。これをパイロットの威信の低下と捉える者はなく、むしろ機械が長時間にわたり安定した軌道を維持するのに優れているとの認識です。
サプライチェーンにも独自の「巡航フェーズ」があります。それは、慣れ親しんだパターンに従うために退屈である反面、数え切れないほどの反復的な選択肢です。これらこそが無人で行われるべきものです。
3. アーキテクチャ：意思決定はどこで行われるのか？
SCORモデルやほとんどのERPスイートは、計画と実行が同じトランザクションコア内およびその周辺で行われると仮定します。注文はそこに保存され、パラメーターもそこに保管され、組み込まれたロジックがそれらを推奨アクションに変換します。
結果として、ビジネスロジックは設定テーブル、バッチジョブ、カスタムレポート、スプレッドシートのエクスポートなどに散在してしまいます。何か問題が起これば、なぜその決定が下されたのかを把握するのは困難です。ロジックを改善したいときは、古いルールが隠れているあらゆる箇所を突き止めなければなりません。
無人意思決定が機能するためには、より明確な分離が必要だと私は考えます。
記録システムはトランザクションおよびマスターデータの単一の真実の源として残り、分析システムは過去の事象について語り続けることができます。しかし、データを具体的なコミットメントに変換する意思決定ロジックは、論理立てやすく、バージョン管理やテスト、ロールバックが容易な専用のレイヤーに存在するのです。
私はこのレイヤーを「意思決定エンジン」と呼ぶこともありますが、名称よりもその運用規律が重要です。重要なのは、金銭、スペース、時間をコミットするロジックを、様々なツール内のパラメーターのもやではなく、一級の成果物として扱うことにあります。
これが適切に行われれば、すべての自動化された決定は、読み取り可能な論理の一片と特定のデータスナップショットに遡ることができ、まさにブラックボックスの逆となるのです。
4. ガバナンスとインセンティブ
主流のガバナンスはしばしば、重要性を従業員数や会議スケジュールに結びつけます。大規模なプランニングチームを運営し、主要なS&OPプロセスを主宰するマネージャーは、戦略上中心的な存在と見なされます。ベンダーはユーザーごとのライセンス販売や、「ユーザー採用」を重要な成功指標として祝うことで、これを強化します。
無人意思決定はその威信の勾配を逆転させます。チームに贈る最高の賛辞は、ほとんど誰にも気づかれることなく、毎週何百万もの正しい決定が下されるという事実です。ガバナンスの焦点は、システムに関与する人数ではなく、意思決定ロジックの質とそれが利益やリスクに与える影響となります。
これは単なる哲学ではなく、契約にも影響を及ぼします。もしベンダーが席ごとに支払いを受け取っているなら、その席を自動化して排除するインセンティブはほとんどありません。もし、チームが広範な会議の儀式を維持することで報酬を得ているなら、無意識のうちにその儀式を守ろうとするでしょう。
もし、無人意思決定の質向上、すなわち同じ在庫水準での品切れの減少、キャパシティのより良い活用、同一リスク下でのより良いマージンに対して報酬を与えれば、内部外部問わず、関係者は正しい方向へと駆り立てられるのです。
「これは危険ではないのか？」 – よくある反論
私が無人意思決定を主張すると、必ず三つの反論が挙がります。
第一の反論は、コントロールを失うことへの恐れです。マネージャーは、意思決定をソフトウェアに委ねることを懸念します。私の答えは、多くの大企業がすでに、既存ツールに組み込まれた数式やパラメーターを通じて、暗黙のうちに意思決定をソフトウェアに委任しているということです。プランナーがほとんど理解していない補充ルールに頼るとき、彼らは本当に「コントロール」しているとは言えず、単にレガシーアルゴリズムの人間フロントエンドに過ぎないのです。
論理を明確に表出し、経済性を明示し、コードにバージョン管理を導入することで、実際にコントロールを取り戻すことができます。代替の方針を並行してテストし、異なるルールセットの下で昨年の状況を再現し、どの変更がどの結果をもたらしたのかを正確に確認できるのです。
The second objection is the fear of fragility. What happens if the model is wrong? Here, again, the comparison with the mainstream is instructive. A company that runs on fixed safety stock formulas and rough service‑level targets is already exposed to model error; it is just hidden under layers of habit. Unattended decision‑making must be paired with mechanisms for detecting misbehaviour quickly: halting rules, monitoring of economic outcomes, and the ability to fall back to a simpler policy while we investigate.
The third objection is about people. Does this vision make planners obsolete?
It certainly changes the work. In an unattended world, there is less demand for people to adjust orders by hand and more demand for people who can help encode the right economics and constraints, who can challenge the data, who can run experiments and interpret the results. The centre of gravity moves from repetitive micro‑decisions to designing and maintaining the decision framework itself.
For organizations willing to make that shift, the human work becomes more interesting, not less.
What an unattended day looks like
Let me paint a modest picture.
In a retailer, overnight, a decision engine reads yesterday’s sales, current stocks, inbound shipments, and updated supplier lead times. It knows the cost of capital, the penalties for late deliveries, the markdown patterns at the end of the season. It proposes the day’s purchase orders and transfer orders. For the vast majority of SKUs and locations, the economics are routine; the orders are emitted automatically into the ERP.
A small fraction of cases look odd: a supplier that suddenly doubled its lead time, a product whose demand has exploded beyond any historical pattern, a constraint conflict on a key warehouse. The engine does not try to be clever there; it stops and logs a dossier. Human experts inspect those cases in the morning, decide what to do, and, if needed, adjust the logic for next time.
In a spare‑parts network, the engine continuously re‑evaluates which parts are worth stocking where, given failure rates, repair times, equipment criticality, and holding costs. It changes stocking policies without ceremony as conditions evolve, because the underlying economic calculation has changed. No one convenes a quarterly review to adjust “ABC classes” by hand.
In transportation, routing and consolidation are treated the same way. The system knows the cost curves for different carriers, modes, and service levels. It allocates shipments to lanes based on total cost and service impact, not a hierarchy of rules written five years ago in a workshop.
None of this requires mystical artificial intelligence. It requires precise data, honest economics, and the will to let the software place the everyday bets.
Why this confrontation matters
It might be tempting to see unattended decision‑making as a niche preference in software architecture, or as just one more “approach” among many. I do not see it that way.
The mainstream, plan‑centric view and the unattended, wager‑centric view are answering different questions.
The plan‑centric view asks: “How do we bring people into alignment around a view of the future?” It is understandably obsessed with consensus, meetings, and process maturity.
The wager‑centric view asks: “Given the uncertainty we face, how can we allocate scarce resources today in a way that improves long‑run profit?” It is obsessed with economics, with the flow of coins through the ledger, and with encoding that reasoning in software.
Both views care about service levels, costs, and risk. Both care about collaboration. But only one is designed to survive in a world where the volume and speed of decisions will continue to grow, while human attention remains finite.
In my book, I argue that supply chain is best seen as a branch of applied economics: a discipline whose job is to allocate scarce resources under variability. If that is true, then the natural endgame is clear. Wherever the economics are understood and the patterns are stable, we should let machines decide unattended. Wherever the economics are murky or the world has just changed, we should invest human effort to clarify the trade‑offs and update the logic.
The future does not belong to those with the prettiest plans. It belongs to those who can turn better reasoning into better decisions, at scale, without needing a roomful of people to re‑type the numbers every morning.
