FTが検証した「AI×サプライチェーン」の実態——エージェント型AIの導入は8%、多くは既存技術のリブランド
AIエージェントがサプライチェーンを変える、という話は本当にどこまで進んでいるのか。Financial Timesが専門家への取材と複数の調査データで実態を検証したレポートを公開した。「AI サプライチェーン 活用」を検討している企業にとって、期待値を正しく設定するための良い材料なので、事実関係を整理した上で私の見解を書く。
出典: How AI is reshaping supply chains (Financial Times, Lucy Colback, 2026-07-15)
要点 (事実のみ)
- FTのレポートは、AIエージェントのサプライチェーン業務への貢献はこれまで限定的だとし、「エージェント」として販売されるサービスの多くは以前から存在する基本レベルのプログラムだと指摘している。ロンドンBayes Business SchoolのManMohan Sodhi教授は「重い処理は既存の数理モデルが担っている」「変わったのはマーケティングだけの場合も多い」と述べた
- Blue Yonderの「Supply Chain Compass 2026」調査 (サプライチェーンリーダー678人) では、機械学習・予測AIの利用は95%に達する一方、生成AIの活用は約4分の1、エージェント型AIは8%にとどまる
- Gartnerの2026年11月調査 (幹部140人) では、プロセスとワークフローの変革的な再設計に取り組んでいる企業は17%のみで、残りは個別用途への漸進的な適用にとどまる
- MITサプライチェーン変革ラボのMaria Jesús Saénz氏は、自動化・自律化されたサプライチェーンは「多くの企業にとってビジョンだが、実現しているのは最も成功した少数の企業だけ」とし、変革は「Jカーブ」を辿る長い道のりで、最も成功している企業は5年前に変革を始めたと述べている
- 規制対応の負荷も増しており、2025年に企業が世界で支払った関税罰金・規制違反金は総額43億ドルに上る (Industrial Arbitrage調べ)。EUではCBAM (1月稼働)、森林破壊規制 (12月施行)、CSDDD (2027〜29年施行) などが控える
- 常時稼働の自律エージェントについてSodhi教授は、過剰な応答が性能をむしろ悪化させるリスク、エラーの連鎖、エージェント同士が不透明に連携するシステムで「問題が起きても誰も対処法が分からない」危険を指摘。人間の監督は依然不可欠だとしている
徐 聖博の見解
研究者出身の癖で、「エージェント」という言葉が既存技術のリブランドに使われる場面には敏感になる。このレポートの価値は、その違和感を数字で裏付けたことだ。機械学習の利用95%に対してエージェント型AIは8%——つまり現場で価値を出しているのは長年使われてきた数理モデルと予測エンジンであり、「エージェントで自律化」はまだ大多数にとってビジョンの段階にある。ベンダーの資料で「AI demand sensing」「autonomous replenishment」という言葉を見たら、その中身が何年前からある技術なのかを確認する、というのは発注側がすぐ実践できる自衛策だと考えている。
一方で、このレポートは「AIに価値がない」とは言っていない。リアルタイムデータでの継続的な最適化、LLMによる横断データの要約と意思決定支援、規制対応の文書処理——価値が出ている領域は、いずれも「デジタル化と業務の構造化が済んでいる」ことが前提だ。Saénz氏の「AIが学習できるのは、標準化されたプロセスと明確な意思決定ポイントがあるときだけ」という指摘は、先日書いた日本IBMのALSEAの話——AI活用の主戦場は組織の知見の体系化にある——と完全に同じ構図で、業界を問わずこの結論に収束しつつあると私は見ている。
中小企業への含意も添えておきたい。レポートには、中小の自動化率は10%程度という現場推定が出てくる。裏を返せば、データの整備と業務プロセスの言語化という地味な部分から始めれば、規模に関係なく積み上がる領域だということでもある。「エージェント導入」の相談を受ける立場として言えるのは、8%側に入る近道は最新ツールの購入ではなく、自社の業務をAIが読める形に書き起こすことから始まる、ということだ。
(編集レンズ: 研究者出身のリアリズム / 実装・運用視点 / 発注側・中小企業への含意)
