購買・調達管理のAI内製化——SaaSの「AIエージェント化」と何が違うのか

「二重で計上していた箇所もあった」——原価表がブラックボックス化する現場

ある合成樹脂・産業資材メーカーの業務課長は、社内で使われている原価表について「中身は7割くらいブラックボックス化していて、Excelで配信されるので各担当がそれぞれカスタマイズしてしまう」と打ち明けていました。部材を一つ変えるだけで、全シートのセルを一個一個探して直す必要があり、実際に「二重で計上していた箇所もあった」といいます。誰か一人が使いやすいように手を加えるたびに、全体としては誰も正確な全体像を把握できなくなっていく——これは特別な会社の話ではなく、多くの調達現場で起きていることだと私たちは考えています。

もっと切実な声もあります。ある特注プラントメーカーの営業部長(調達側の見積もり比較にも同じ悩みが当てはまります)は、過去の取引条件を振り返る難しさを「10年前に作ったものを今作ったらいくらかかるか、過去条件と現在の比較を知りたい」と語っていました。同じ部材を過去にいくらで仕入れたか、なぜその単価で合意したかという記録は、たいてい担当者の記憶とメールの中にしか残っていません。担当者が異動や退職をすれば、交渉の勘所ごと消えてしまいます。

正直に言えば、この構造に最初に気づいたときは意外でした。調達の課題は「安く買う交渉力」の不足だと思われがちです。ですが実際には「良い条件を引き出せる人が異動したら、交渉の根拠ごと消える」という継承の不足であるケースが少なくありません。原価表が担当者ごとにカスタマイズされ、誰も全体を把握できなくなる状態は、技術の問題である以前に、記録の置き場所の問題だと私たちは見ています。「購買 属人化 AI化」という検索キーワードでこの記事にたどり着いた方が本当に知りたいのも、ツールの選び方ではなく、この属人化した記録をどう仕組みに移すかという手順のはずです。

なぜ今、調達・購買のAI内製化が現実的になったのか

2026年、大手SaaSベンダーが調達領域のAI機能を相次いで発表しています。NECは2025年12月、自動交渉AIを使って納期・数量調整をサプライヤーと自動で行う「NEC調達交渉AIエージェントサービス」の提供を開始しました(出典)。実証実験では約1,300品目の部品調達で自動合意達成率95%を達成し、従来数時間から数日かかっていた調整を約80秒に短縮したといいます。日経クロステックも、2026年後半から国内でAI対応の調達製品が続々と提供される見通しを報じています(出典)。

ただし、これらのサービスには規模の壁があります。NECのサービスは年間3,600万円からという価格設定で、今後5年間で100社への提供を目標にしています。大企業の基幹調達には現実的な投資でも、中堅・中小企業が最初の一歩として選べる金額ではありません。私たちの現場経験では、既存の商談履歴や仕入れ記録をAIで整理・検索できるようにするだけなら、初期投資をほぼかけずに試せる段階にすでに入っています。全社一斉の交渉自動化とは違う、もっと小さな入口があります。

ここで誤解のないように言っておきたいのは、これらの技術が「発注判断を自動で下す」ものではないという点です。AIが実際に得意なのは、過去の仕入れ実績から類似の発注条件を検索することや、見積もり比較の候補を整理することです。サプライヤーとの力関係や、今期の調達方針を踏まえた最終判断は、また別の話になります。B2B購買の現場でも「AIエージェント化」を掲げる動きが2026年に一気に広がっており、営業組織側もこの前提で商談準備を変え始めているといいます(出典)。買う側と売る側の両方でAIエージェントが動き始めているからこそ、自社がどこまでを人の判断に残すかを、あらかじめ決めておく必要があります。

SaaS型の調達プラットフォームと、内製は何が違うのか

調達・購買の仕組み化を検討すると、多くの場合、最初に候補に挙がるのは大手ベンダーの調達SaaS(Coupa、SAP Ariba等)です。標準化された購買申請・RFQ作成・支出分析の機能を短期間で導入できる利点がありますが、実際に比べてみると、進め方そのものに違いがあります。

観点	SaaS型(調達プラットフォーム)	AI-Path型(内製)
初期投資	全社一斉契約、年間数千万円規模になりやすい	1つの品目・1つのサプライヤーから数十万円規模で検証可能
対象範囲	ベンダー標準の購買フロー全体を一括導入	自社の商流・力関係の強いサプライヤーからだけ着手できる
データの扱い	ベンダーのクラウド基盤に仕入れ条件を預ける	自社データを外部に出さない設計も選択可
拡張性	契約範囲の機能・ライセンス数に限定	検証結果を見ながら段階的に品目を広げられる

「調達 SaaS AIエージェント 比較」と検索してこの記事にたどり着いた方の多くが求めているのは、機能の一覧表ではなく、既存の調達フローを壊さずに実現する方法だというのが私たちの実感です。中小・中堅の製造業や商社にとって現実的な入口は、全社一斉の調達SaaS導入ではありません。まずは1つの品目・1つのサプライヤーに絞り、既存の交渉記録をそのままの形でデジタル化し、AIに過去実績を検索させることから始めるほうが、現場の抵抗感も小さく済みます。この「1つの拠点・1つの品目から始める」という考え方は、在庫管理・受発注のAI内製化でも共通しています。仕入れる側か売る側かが違うだけで、内製化の進め方の型は同じです。

もう一つ見落とされがちな違いがあります。調達SaaSの多くは、入力項目や承認フローがベンダー側の標準に固定されています。ところが実際の調達現場では、品目や拠点ごとに「何を優先して発注条件を決めるか」の物差しが微妙に違います。ある品目では納期の確実性が最優先の関心事であり、別の品目では単価の安さが最優先かもしれません。標準プロセスに現場を合わせると、この温度差が均されてしまい、本当に守りたい判断基準が埋もれることがあります。内製型であれば、この物差しそのものを現場と一緒に設計できます。

内製型で始める、3つのステップ

私たちが購買・調達の内製化を支援するときは、次の3段階で進めます。

第1段階は、対象範囲の選定です。全品目を同時に対象にするのではなく、「単価の変動が大きい、または過去の交渉条件が複雑」な1つの品目・1つのサプライヤーを選びます。目安期間は1〜2週間、主担当は現場とAI-Pathの共同です。この段階でつまずく企業の多くは、対象を絞りきれずに「調達部全体」を選んでしまいます。まずは1つの品目で十分です。

第2段階は、既存の見積もり・発注履歴(メールやFAXでのやり取りを含む)を、そのままの形でデジタル化して蓄積することです。調達のやり方を変える必要はありません。目安期間は2〜4週間で、既存のExcelやメールの内容をそのまま流し込む作業が中心になります。整形や標準化を急ぐと現場の負担が増えて協力が得られにくくなるため、私たちはあえて「まずは汚いデータのまま入れる」ことを推奨しています。

第3段階で、蓄積したデータをAIに検索させ、過去実績の提示精度を交渉準備の場で確認する運用を試験的に始めます。目安期間は4〜8週間で、発注前にAIの提示結果を担当者にレビューしてもらう運用が中心です。この順序を守る理由は、いきなり全品目共通の入力項目に統一しようとすると、サプライヤーごとの商流や暗黙の力関係が失われてしまうためです。

試験運用の期間中は、AIが提示した過去実績を、担当者が発注前に1件ずつ確認する時間を欠かさず取ります。ここで「このサプライヤーとは今回、事情が違う」というズレが見つかることは珍しくありません。むしろ、そのズレを洗い出すこと自体が、試験運用の目的の一つです。ズレを放置したまま本運用に進むと、後になって「AIの提示は当てにならない」という不信感につながり、せっかく仕組み化した取り組みが使われなくなってしまいます。

複数拠点を持つ企業からは「1拠点で作った仕組みは、他拠点にも展開できるか」という質問をよくいただきます。私たちの答えは、できます。ただし条件があります。品目やサプライヤーごとに、納期の考え方や力関係に細かい違いがあるものです。最初から全品目・全拠点共通のルールに統一しようとせず、まず主要な品目でルールを言語化し、「品目ごとの差分」として管理できる設計にしておくと、展開がぐっとスムーズになります。

誰から協力してもらうか

内製化の進め方でもう一つ大事なのが、最初の協力者選びです。全部門・全担当者の賛同を最初から取り付ける必要はありません。むしろ、1人のベテラン調達担当者が「自分の交渉記録を出してもいい」と協力してくれれば、そこから試験運用を始められます。協力者が見つからないまま全社展開を急ぐと、データの質が揃わず、AIの提示精度もなかなか上がりません。

私たちは最初のヒアリングで、経営層の期待値と現場の温度感をすり合わせるようにしています。経営層が「全品目で使えるツール」を期待し、現場は「自分の交渉が楽になるかどうか」しか見ていない、というズレがあると、どんなに優れた仕組みを作っても定着しません。この温度差の調整に、私たちは技術設計と同じくらいの時間をかけています。

「発注は人間が最終承認する」という譲れない一線

調達の内製化を提案すると、決まって出てくる質問があります。「AIに交渉や発注まで任せてよいのか」というものです。私たちの答えは明確です。任せません。AIが担うのは過去実績の検索・見積もり条件の候補提示・単価の妥当性チェックまでです。サプライヤーとの力関係や、今期の調達戦略といった経営判断を最終的に行うのは購買担当者です。

私たちが社内のAI活用で徹底しているのも同じ考え方です。AIを信用してそのまま使うのではなく、こちらの前提情報や意図を渡し続けることで、初めて深い対話が生まれるという姿勢を大事にしています。AIは相手を見て応答するため、表向きの情報しか与えなければ、表向きの回答しか返ってきません。調達交渉の場面でも同じで、AIに単に「安い見積もりを探して」と指示するのではなく、「このサプライヤーとは過去にどんな経緯で取引条件を決めたか」という文脈ごと渡すことで、初めて実用的な候補が返ってきます。

サプライヤーとの交渉データを、社外に預けたくない

もう一つ、調達領域ならではの懸念があります。仕入れ単価や値引き条件、サプライヤーとの力関係は、経営判断に直結する機密情報です。SaaS型の調達プラットフォームは多くの場合、ベンダーのクラウド基盤にこれらのデータを預ける形になります。私たちが提案する内製型のアプローチでは、自社のサーバーや閉域環境にデータを置いたまま分析する設計も選べます。

これは、AI-Pathが掲げる「データ主権を前提にした企業AI基盤」という考え方を、購買・調達の領域で実装したものです。硬いデータ(基幹システムの発注実績)と柔らかいデータ(AIが活用する交渉メモや条件)を分けて整理します。基幹システムの横にデータ空間を設けてバッチでコピーする設計にすれば、AIはインフラを選ばず、オンプレでもクラウドでも、閉域環境でも動かせます。サプライヤーとの力関係が特定されうる情報だからこそ、誰が・どの範囲のデータを見られるかを最初に決めておくことが欠かせません。

私たちが調達領域の相談を受ける中堅製造業では、AI導入の手軽さそのものへの戸惑いをよく耳にします。導入があまりに簡単に見えると、かえって「セキュリティ対策が過剰投資にならないか」「自社の人材のITリテラシーで運用しきれるか」という2つの不安が同時に湧いてくるのです。過剰投資への警戒とスキル不足への不安は、どちらも私たちが調達領域の相談を受けるときによく耳にする声です。だからこそ私たちは、閲覧範囲を最初は担当者本人と管理職だけに絞る、といった小さな権限設計から始めることを勧めています。小さく始めれば、セキュリティ投資も現場のリテラシーも、規模に見合った分だけで済みます。

費用感——内製ならではのコスト構造

既存の仕入れ記録をAIで整理・検索できる最小構成であれば、初期費用数十万円程度、月額数万円からという水準で始められます。先に触れたNECの調達交渉AIエージェントサービスが年間3,600万円からであることと比べると、規模も対象も大きく異なります。全社の交渉を自動化する仕組みと、1つの品目から過去実績を検索できるようにする仕組みでは、そもそも解決しようとしている課題の大きさが違うからです。

ただし、違いは初期費用の大小だけではありません。SaaS型は品目数やライセンス数を広げるたびに追加費用が発生する設計になっていることがほとんどです。一方、内製で仕組みを作っておくと、1品目で固めた検索ロジックを、2品目目・3品目目に展開する際の追加コストを抑えられます。正直に言えば、この差が効いてくるのは2品目目以降であり、1品目だけで比べれば大手SaaSの機能のほうが充実している場面もあります。そこは率直にお伝えしておきたい点です。

もう一つのコスト構造は、開発の速さそのものです。私たちは自然言語でAIに指示を出すだけで、従来の10分の1程度のコストでオーダーメイドの仕組みを作る開発手法を用いています。動くプロトタイプをまず1日で作り、それを叩き台に現場と要望をすり合わせていくため、「思っていたのと違う」という手戻りが起きにくいのが特徴です。SaaS型のように契約前に仕様書を固め切る必要がなく、触りながら直せることが、内製ならではの強みになります。

導入でつまずくポイントと私たちの対処

購買・調達AIの導入には、技術面以外の壁もあります。私たちが現場で見てきた壁を整理すると、大きく3つに分かれます。

1つ目は、サプライヤー情報の漏洩懸念です。業界横断のプラットフォームに調達データを預ける提案をすると、決まって「自社の不利な取引条件や不具合情報が、質問を通じて外部に漏れるのではないか」という懸念が現場から上がります。調達データも同様で、どの範囲までAIに読み込ませてよいかを、最初に現場と一緒に線引きしておく必要があります。私たちが顧客企業の内製担当に伝えているのは、「最初はデータベースを直接いじらないところに留めた方がいい」という原則です。閲覧や検索の範囲であれば、試行錯誤しても後戻りできなくなる心配はありません。開発を進める際も、メインブランチに直接反映せずまずプルリクエストを作り、AIによるレビューを経てから取り込む、という二段階の確認を徹底しています。

2つ目は、既存の基幹システムとの連携です。多くの製造業では、発注実績そのものはすでに基幹システム(ERP)に入っています。ここに新しいAIの仕組みを重ねようとすると、「二重管理になるのでは」という懸念が決まって出ます。私たちの現場経験では、基幹システムのデータを書き換えるのではなく、参照用の別領域にコピーして分析だけを行う設計にすることで、この懸念はかなり和らぎます。

3つ目は、現場の抵抗感です。長年その品目を担当してきたベテランほど、「自分の交渉ノウハウが可視化されることで評価が下がるのでは」という不安を持ちやすいものです。ある大手化学メーカーの取締役は、人事評価にAIを絡める難しさについて「そこに使えないかと口酸っぱく言ってきたが、まだ人事評価のプロセスには使えていない」と語っており、評価との結びつきに現場が敏感であることがうかがえます。私たちが導入時に現場へ伝えているのは、この仕組みが個人評価のためではなく、調達ノウハウの継承のためのものだという運用方針です。

よくある質問

Q1. 調達交渉そのものをAIに任せられますか。 任せません。AIが担うのは過去実績の検索・見積もり条件の候補提示・単価の妥当性チェックまでです。最終的な発注判断は、購買担当者が行います。

Q2. 既存の調達SaaSを使っている場合でも、内製化する意味はありますか。 あります。標準的な購買申請やRFQ作成はSaaSに残したまま、自社の商流や力関係が絡む部分だけを内製で補うという組み合わせも可能です。役割を分けて考えることをお勧めします。

Q3. サプライヤーにも新しいシステムを使ってもらう必要がありますか。 最初の試験運用では必要ありません。まずは自社内の記録をデジタル化し、検索できるようにするところから始めます。サプライヤーとのやり取りの形式は変えなくて構いません。

Q4. 導入にはどのくらいの費用・期間がかかりますか。 1つの品目・1つのサプライヤーから始める最小構成であれば、初期費用数十万円程度、1〜2ヶ月の試験運用から着手できます。最新の費用感は、無償の業務プロセス診断でご確認いただくのが確実です。

Q5. 調達部門にAI専門人材がいなくても始められますか。 始められます。重要なのは専門知識よりも、日々の見積もりや発注条件を丁寧に残す現場の協力体制です。

まず試すなら

1. 直近1年分の主要サプライヤーとの取引条件を、どんな形式で残しているか棚卸しすること
2. その中から「単価の変動が大きかった」品目を1つ選び、なぜその条件になったのかを言葉にしてみること
3. その言語化にかかった時間と労力を記録し、全品目・全サプライヤーに展開したときの規模感を試算すること

どれも、外部への発注や大きな予算を必要としない、社内だけで今日から始められることです。AI-Pathでは、無償の業務プロセス診断(BPR)を実施しています。まずは無償の業務診断で、どの業務にAIが効くかを明らかにしませんか。調達業務の属人化ポイントを1つ棚卸しするところから、ぜひご相談ください。

参考リンク

• NEC、調達交渉を自動化するAIエージェントサービスを提供開始(2025年12月2日)
• AI活用で進む調達業務の自動化、2026年後半から国内でも対応製品が続々 | 日経クロステック