調達は、人工知能（AI）に最適な機能のように思える。AIは、退屈で反復的な手作業を取り除き、財務インパクトの評価を自動化することを約束する。利益率、キャッシュフロー、商品の品質といった重要な要素は、AIの計算能力に自然に組み込まれるように見える。調達は、McKinseyが2026年2月のレポートで指摘しているように、エージェント型AIの台頭により、単純な自動化から自律的に意思決定するAIエージェントへと大きく移行しつつある。
しかし、そこには落とし穴がある。調達業務は膨大なデータの交差点に位置しているにもかかわらず、McKinseyの推計によれば、今日の調達部門が実際に活用しているのは利用可能なデータの20%未満に過ぎない。
調達がAI投資の重点領域になっているのも不思議ではない。BCGは、AIによって調達業務の最大75%を自動化でき、手作業による支出分析のおよそ90%を排除し、チームが従来の70%の能力で十分に稼働できるようになると推計している。経営幹部はすでに、膨大な量の請求書、注文書、契約書、サプライヤーの見積書を数秒で処理するためにAIを活用している。AIはデータを抽出し、文書を照合し、異常を特定し、購買パターンを浮き彫りにする。一見、万能薬のように聞こえる。だが、そうではない。
AIはこうした業務を実行できるが、円滑に運用するには人間の関与が必要である。AIは有能なアシスタントではあるが、それ以上ではない。サプライヤーがなぜ失敗したのかを記憶しているわけではなく、交渉の微妙なニュアンスを理解しているわけでもない。戦略的なビジネス判断を下すこともできない。これは依然として、完全に生身のプロフェッショナルの領域である。
多くの企業が準備できていない理由
AIの導入を成功させるには、構造化されたプロセスが不可欠である。古い格言の通り、「ゴミを入れれば、ゴミしか出てこない」。データが乱雑であれば、AIは無秩序というジャングルを進む道を見つけられない。AIを機能させるには、サプライヤー名を標準化し、承認は管理されたシステム内で行われる必要がある（メールやチャットではない）。また、購買依頼は標準化された構造に従わなければならない。
この影響を最も強く受けるのが中堅企業である。複数の法人、拠点、部門を持つ成長企業は、大企業がそうした複雑性を吸収し整理するために頼る専任の調達オペレーションチームを持たないまま、エンタープライズ級の購買の複雑さを抱えることになる。
私の経験では、規模拡大中の組織の多くはまだその段階に到達していない。依頼は口頭で行われる。承認は別々のメッセージング環境に散在する。そして請求書は、注文が完了して初めて届く。サプライヤーは複数の名称で登録され、購買カテゴリーは週ごとに変わる。
このような環境にAIを導入しても、AIが混乱を理解してくれるわけではない。企業は二重に損をする。期待していた生産性向上を得られず、AIそのものへの信頼も失うのである。
人々はプラグアンドプレイの体験を期待する。プラットフォームを導入すれば、すぐに生産性向上を享受できると考える。だが、調達でAIを機能させるには、組織として相応の下準備が必要である。企業はテクノロジーを導入する前に、プロセスを整え、データセットを標準化しなければならない。
データ、統制、構造
では、調達プロセスの高度化に意欲的な企業は、AIへの道をどのように、そして正しい方法で歩み始めるべきなのか。私はクライアントに対して、常に1つのことを強調している。データ品質である。私がよく目にする最も一般的な問題は、サプライヤー記録の重複、支出分類の不一致、そして請求書と発注書のひも付けの欠落である。インフラが存在していても、データ項目が空欄のままで、購買がシステムに入力されないこともある。
問題は間接材支出において特に深刻である。そこでは意思決定の責任が不明確で、確立された統制の外で物事が進む。データは、企業資源計画（ERP）システム、スプレッドシート、メールなどに散在する。そのようなデータは整理も処理も難しい。Deloitteも同じ問題を指摘している。「データ品質の維持は継続的な課題であり、対処しなければ、データ属性の欠落、重複、不整合につながり得る」
したがって、多くの中堅企業は態勢を立て直す必要がある。まず、標準化された受付プロセスと購買ポリシーを導入すべきだ。そして導入するだけでなく、従業員がそのルールに従うよう徹底しなければならない。つまり、一貫した承認、サプライヤー管理の一元化、品目の構造化されたカタログ化、すべての購買が注文と照合される状態の確保、そして支出に関する明確な可視性である。これを行うことで、AIはようやく、購買活動を理解し、会社のポリシー内で動作するために必要な情報を得られる。
私がビジネスリーダーに勧めていることの1つは、調達の成熟度を測定することだ。管理下にある支出、発注書のカバー率、承認サイクルの所要時間、サプライヤーマスターの重複率、請求書と発注書の照合率、支出分類の一貫性、全体的なデータの完全性、契約外または独断的な支出の割合を確認する。こうした指標は、AIへ移行する準備ができているかを判断し、その活用の成功度を測るうえでも役立つ。
AIの導入
これらすべての条件が整ったら、AIを試験導入する時期である。ただし、慎重かつ良心的に進めるべきだ。私が最もよく見る過ちは、すべての調達活動を一度に自動化しようとすることである。代わりに、効果が明確で測定可能な、価値の高いユースケースを1つか2つに絞ることを提案している。文書取り込み、請求書照合、ガイド付きの受付、契約管理は理想的な出発点だ。なぜか。これらは構造化された反復業務であり、AIが得意とする領域だからである。
AI導入の責任は、調達チームと財務チームの双方が担うべきである。どちらの機能も、支出と財務統制を所管しているからだ。ここでITは、セキュリティ、統合、ガバナンスを提供することで不可欠な支援役を果たす。しかし、AIの取り組みを成功させるものは、テクノロジープロジェクトではなくビジネスプロジェクトであり続ける。
今後、成熟した調達プロセスを持つ組織と、そうでない組織との格差はさらに広がっていく可能性が高い。AIは日ごとに能力と自律性を高めており、クリーンなデータ、構造化されたワークフロー、強固なガバナンスの価値はますます高まっている。AIの導入は、古いテクノロジーを置き換えるほど単純ではない。そもそも基盤が強固でなければならない。その時に初めて、中堅企業のリーダーは、調達においてAIが真にできることを活用できるのである。
