9月8日、IIoT Worldが「What Can AI Agents Do in Supply Chains?」と題した記事を公開した。この記事では、P&GやMilwaukee ToolによるサプライチェーンへのAIエージェント実装事例と、ROI測定の実態について詳しく紹介されている。
IIoT World Manufacturing & Supply Chain Dayのパネルセッションに登壇したP&G需要予測ディレクターのJaimie McIntyre Horstman氏とMilwaukee ToolのOracle導入責任者Srinivasan Narayanan氏の2名が、AIエージェントの実運用事例を語った内容をもとに構成されている。なお、元記事の冒頭では「3名のサプライチェーンリーダー」と紹介されているが、本文で具体的な発言・事例が取り上げられているのは上記2名分であるため、本稿もその範囲にとどめる。
P&G：「ドライバーへの電話」をAIが代替
冒頭の一文が現場感を端的に示している。10年前、P&Gはトラックの配送状況を把握するために各ドライバーへ電話していた。今はGPS監視とAIエージェントが組み合わさり、倉庫や配送センターへの配達アポイントメントを人手を介さずに再調整する。
P&GにおけるAIエージェントの適用範囲は広い。
- 調達領域：注文・請求書管理の自動化、見積依頼（RFQ）プロセスの自動化、品質・コスト・信頼性の軸でサプライヤーパフォーマンスを評価しリスクプロファイルを生成。バックアップサプライヤーが必要なタイミングや、他社への入札切り替えのタイミングを検知する。
- 在庫領域：機械学習に基づき、安全在庫水準をリアルタイムで自動調整する。
- 物流領域：手動のトラック追跡作業を廃止。AIエージェントが配送アポイントメントの再調整を担う。
Milwaukee Tool：Oracleエージェントで計画・出荷・保全をカバー
Milwaukee ToolはOracleの標準エージェント群をサプライチェーン全体に展開中だ。
供給計画では、100名超のプランナーが推奨事項のレビューと承認を行う業務において、エージェントが特定品目やサプライヤー組み合わせに関する複数プランナーのメモを自動で要約する。情報集約の手間が減り、意思決定の速度が上がる。
出荷では、梱包の自動化、正確なロケーターへの在庫特定、出荷書類の生成をエージェントが処理する。
保全（メンテナンス）の活用が特に面白い。整備技術者はiPadを携帯しており、修理完了後にその場でエージェントを呼び出せる。技術者が対象設備と実施した修理内容を伝えると、エージェントがワークオーダーの作成、原材料の払い出し、工数の記録を行う。技術者がPCの前に戻る時間が減り、現場で設備を直す時間が増える——シンプルだが効果が見えやすい設計だ。
Milwaukee Toolの生産ライン適用：センサーデータで最適制御点をシミュレート
Milwaukee Toolのケースでは、AIエージェントを既存の生産ライン制御システムに予測レイヤーとして追加する取り組みも紹介されている。ライブのセンサーデータを使い、複数シナリオをシミュレートして、特定の製品・ロット・シフトに対する最適な制御ポイントを算出する。エージェントは制御システムを通じてラインを自動調整するか、推奨設定と代替シナリオをオペレーターに提示する。最適化の目標は、製品・ロット・シフトに応じて変化する。
ROI測定の難しさと「回避コスト」という指標
「成功すると何も起きない」——これがAI ROI測定の根本的な難しさだとパネルでは語られた。問題が起きなかったという事実は記録に残りにくく、AIが介入しなければ発生していたはずのコストや損失を可視化することが難しい。
Milwaukee Toolはこの課題に対し、回避コスト（avoided cost）という指標で価値を測定している。回避コストとは、AIの介入によって「発生しなかった損失」を金額換算した概念で、緊急出荷の削減、回復速度の向上、サービスレベルの改善がその具体的な測定項目となる。Oracle導入後に配送センターのサービスレベルが目標を下回った局面では、デジタルツイン（実際の設備やプロセスをデジタル上で再現したシミュレーション環境）を使って「システムがなければどうなっていたか」を定量化し、レジリエンスを測定可能なビジネス成果に変換した。
ROIの基準として、ダウンタイム1時間のコストを計算式に組み込むことが推奨されている。また、最もROIが高い領域としてパネルが挙げたのは、ロボティクス＋コンピュータビジョン＋AIの組み合わせによる手作業の自動化だ。手動品質が不十分な工程でも、コンピュータビジョンがより精度高くタスクをこなし、ライン能力を向上させる。ただし実装コストは高く、技術がすべての問題を解決するわけではないため、問題の定義とその規模の把握が先決だとされた。
なお、記事はCIOへの警告も含んでいる。AI・機械学習・エージェントAIを同時に追いかけ、できるだけ多くのプラットフォームに関与しようとすると、特定の問題を解決しないままコストだけが膨らむ。優先度の高い問題を先に定義し、2〜3のプラットフォームに絞って評価することが現実的なアプローチとして示されている。
詳細はWhat Can AI Agents Do in Supply Chains?を参照していただきたい。
