A: この種のサプライヤーを選ぶ際の核心は、アルゴリズムがどれだけ華やかかではなく、計画の意思決定を自社の職場の制約の中で本当に着地させ、計画担当者が納得して自信を持って使えるようにできるかどうかです。率直に言えば、AI による計画立案の価値は人を置き換えることではなく、人が自分では計算できない部分を計算してあげることです。
1. まず計画制約への理解の深さを見る。計画立案は単純な並べ替えではなく、段取り替え時間、金型寿命、設備の稼働可能時間帯、材料のキッティング、作業者のスキルマトリクスといったハード制約を伴います。サプライヤーが知的最適化だけを語り、「ある射出成形機は午後に試作金型用として確保する」といった現場のルールをどう扱うか説明できなければ、汎用アルゴリズムを産業の場面に当てはめているだけです。質問してください。制約のモデリングは設定ベースか、コードベースか。計画担当者が自分でルールを変更できるか。
2. 次に、既存システムとデータで連携できる能力を見る。計画 AI の入力は ERP の作業指示、MES の実績報告、WMS の在庫から来て、出力は MES や APS に戻って実行されます。サプライヤーが「データガバナンスを完璧にしてから稼働させよ」と求めるなら、プロジェクトは長期化して頓挫する可能性が非常に高いものです。実践的なのは、汚いデータでもまず動かし、使いながら整える形です。ある電子工場の実情は BOM の精度が 80% 台前半しかありませんでしたが、AI による計画立案がまず材料不足のボトルネックをあぶり出し、結果としてデータ整備を後押ししました。
3. 経営者に見せる画面ではなく、計画担当者に何を渡すかに注目する。多くのソリューションはデモの大画面では見栄えがしますが、計画担当者は使うために大量のパラメータを入力しなければなりません。良い AI による意思決定支援は副操縦士のようなものです。計画担当者が「今週は顧客 A を優先」と入力すると、システムが数分で三つの計画案を返し、それぞれの納期遅延リスク、段取り替え回数、仕掛かり水準を示します。計画担当者は一つを選び、微調整してリリースします。ここでの重要な指標は、計画担当者の採用率であり、アルゴリズム上の最適解ではありません。
4. 業界の蓄積が本物かを検証する。産業 AI の計画立案は業種への依存が非常に強いものです。離散型製造とプロセス型製造では計画の論理が大きく異なり、射出成形、SMT、機械加工、組立それぞれに固有の課題があります。サプライヤーに聞いてみてください。支援した 120 社以上(15 業種以上)の中で、当社と同じ工程類型の顧客はあるか、と。顧客名を聞くのではなく、その業種固有の計画の難しさをどう解くのかを明確に説明させるのが要点です。一般的な論理しか語れないなら、慎重になるべきです。
5. 価値の計算はするが、自信満々の改善数値を鵜呑みにしない。AI による計画立案の価値は通常、計画作成時間が数時間から数十分に短縮される、段取り替えが減る、納期遵守率が上がる、仕掛かり在庫が下がる、といった形で現れます。ただしその幅は自社の基礎次第です。サプライヤーが即座に「効率 30% 改善」と言うなら、むしろ聞いてください。基準はどう定義しているのか。計画の効率か、設備の効率か。小規模なパイロット、たとえば一ラインや一職場で、実際の過去の作業指示を使ってバックテストし、計画結果が実際の実行からどれだけ乖離するかを見るよう求めるべきです。
最後に実践的な提案です。計画担当者の教育とルール設定の権限を契約に明記することに応じるサプライヤーを優先してください。AI による計画立案はソフトの購入ではなく、人とアルゴリズムの新しい協働の習慣の購入です。システムがどれほど賢くても、計画担当者が使わなければ価値はゼロです。逆に、アルゴリズムが最高水準でなくても、既存の計画チームの効率を倍にできるサプライヤーは良いサプライヤーです。3,200 台以上の端末の背後にある選定の論理も、しばしばこれだけ素朴なものです。