本記事にはアフィリエイト広告（プロモーション）を含みます。
棚卸の翌朝9時。あなたはまた、同じ画面の前に座っている。
文具コーナーのB010ボールペン、理論在庫より22個少ない。前回も、その前も、同じ商品で同じくらいの差異が出ていた気がする。でも「気がする」だけだ。確認する手段がない。前任の田中さんが退職したとき、「あの棚はいつもズレる」という田中さんの頭の中のメモは、誰にも引き継がれなかった。
そして午後3時、ようやく発注優先度のリストができあがる。費やした時間、6時間。あなたはリストを上司に渡し、また次の四半期まで、B010のことを忘れる。
この記事は、その「忘れる」をやめる話だ。棚卸差異を毎回ゼロから処理するのではなく、AIに差異のパターンを記録させていく。すると「いつも同じ商品でズレる」という構造が、初めて目に見える形になる。
「あの商品」でまた差異が出た——毎回リセットされる6時間
中規模のスーパーや小売店では、棚卸のたびに在庫担当者がExcelで突合作業をする。理論在庫（システム上あるはずの数）と実在庫（実際に数えた数）を並べ、差が出た商品を洗い出し、原因を仮で分類し、発注優先度を整理する。
問題は、この作業が毎回「ゼロから」始まることだ。
前回どの商品で差異が出たか。その原因が結局なんだったのか。記録は残っていない。残っていても、Excelファイルが四半期ごとにバラバラに保存され、横断して見る人がいない。だから同じ商品で同じ差異が出ても、誰も気づかない。気づいても、忘れる。
担当者の頭の中には「あの棚はいつもズレる」という感覚がある。でもそれは数字でも記録でもなく、本人が辞めれば消えてしまう「経験知」にすぎない。属人化したまま、誰にも引き継げない。
ここを変えると、棚卸差異は「毎回処理する作業」から「だんだん減っていく対象」に変わる。
棚卸差異を「今回だけ処理」し続けると、年間どれだけ消えるか
まず、見ないふりをしてきた数字を直視したい。
四半期ごとの棚卸が年4回。1回の差異分析に約6時間。これだけで年間24時間が、差異データの突合だけに消えている計算になる（中規模店での内部試算・あくまで合理的な範囲の目安）。これは「差異を減らすための時間」ではない。「差異を毎回また並べ直すための時間」だ。
そして、この消耗は技術で減らせる余地が大きい。中小企業庁の2025年版中小企業白書は、中小企業のデジタル化・DXの現状を扱っている。同白書が示すのは、中小企業全体でAIの活用がまだ約3割にとどまる一方、小売業はソフトウェア投資が活発化している業種だという姿だ。言い換えれば、いまだ多くの中小小売業がAIを在庫業務に使えていない。
数字を3つ並べてみる。
- 年間24時間——年4回の棚卸で、差異分析だけに費やす担当者の工数（内部試算）
- 約3割——AIを活用できている中小企業の割合（中小企業庁・2025年版中小企業白書）
- 残り約7割——つまり、AIをまだ在庫業務に使えていない中小企業の側にあなたがいる可能性
この24時間は、差異を「処理」するだけの時間だ。もしAIに差異を「記録・蓄積」させていれば、同じ24時間が「構造を見つける時間」に変わる。同じ時間を払うなら、来年の差異を減らす方に使いたい。
全国の小売業がどれだけの在庫を抱えているかは、経済産業省の令和3年経済センサス‐活動調査で公的に集計されている。事業所数・年間商品販売額・期末商品在庫額といった規模感がわかる。これだけ多くの店舗で、同じ「毎回リセットされる6時間」が、同じように繰り返されている。
「仮分類して終わり」が、繰り返す差異を生んでいる
なぜ同じ商品で差異が出続けるのか。理由は、原因を「仮で分類して終わり」にしているからだ。
差異が出た商品に対して、担当者は「たぶん検品ミス」「たぶん万引き」「たぶんシステム入力漏れ」と当たりをつける。でもその仮説は、検証されないまま次の棚卸に進む。検証されないから、本当の原因にたどり着かない。本当の原因にたどり着かないから、対策が打たれない。対策が打たれないから、また同じ差異が出る。
このループを断つには、原因を「記録」して「照合」する必要がある。前回B010の差異原因を「検品ミス」と仮分類したなら、今回も同じ差異が出たとき、「では検品の何が原因か」と一段深く掘る。記録があれば掘れる。記録がなければ、また「たぶん検品ミス」で終わる。
この「繰り返しを記録で断つ」考え方は、在庫だけの話ではない。たとえば飲食店の食材コスト管理でも、毎回のロスを記録して原因を蓄積する発想が効く（参考：飲食店の食材原価をAIで管理する記事）。記録して、繰り返しを見つけて、構造を直す。やることは同じだ。
そしてもう一つ。担当者が変わると、この経験知はゼロに戻る。田中さんの「あの棚はいつもズレる」が引き継がれなかったように。だからこそ、人の頭ではなくAIとデータに記録を残す。担当者交代で消えない知見にする。これが本記事のいちばん伝えたいことだ。
AIに差異パターンを記録させると、何が変わるか
ここからは具体的な設計に入る。ポイントは、AIを「1回の差異を速く処理する道具」ではなく「差異の履歴を蓄積する相棒」として使うことだ。
やることは3つ。
- 毎回の差異データを同じ形式でAIに渡す——商品コード・差異数・仮の原因分類を、棚卸のたびに同じフォーマットで記録する。
- 過去の差異履歴とつき合わせる——「この商品は過去にも差異が出ているか」をAIに照合させる。繰り返している商品を浮かび上がらせる。
- 発注優先度と要調査リストを分けて出す——すぐ発注すべき商品と、原因を調べるべき「繰り返し商品」を、別のリストとして出させる。
3を分けるのが肝だ。従来は発注優先度だけを出して終わっていた。そこに「繰り返し商品＝構造を調べるべき商品」のリストを足す。これで初めて、B010のような常習犯が可視化される。
なお、AIに渡すデータには注意が要る。個人情報保護委員会は生成AIサービスの利用に関する注意喚起を出している。在庫データそのものに個人情報は含まれにくいが、取引先名・担当者名・顧客情報などが混ざる場合は、AIに入れる前に必ず取り除く。商品コードと数量だけにする。これは後の章でもう一度触れる。
コピペで使える：差異パターン記録型 棚卸AIプロンプト
実際に使えるプロンプトを示す。ChatGPTなどの生成AIにそのまま貼り付けて使える形にした。商品コードと数量以外の情報は入れないこと。
あなたは小売店の在庫管理を支援するアシスタントです。
以下の「今回の棚卸差異データ」と「過去の差異履歴」を照合し、
3つの出力を作ってください。
【今回の棚卸差異データ】
商品コード / 商品分類 / 理論在庫 / 実在庫 / 差異数 / 仮の原因
B010 / 文具 / 120 / 98 / -22 / 検品ミス？
（以下、差異が出た商品をすべて記載）
【過去の差異履歴】
商品コード / 過去に差異が出た回数 / 前回の仮原因
B010 / 3 / 検品ミス？
（あれば記載。なければ「履歴なし」と書く）
【出力してほしいもの】
1. 発注優先度リスト：欠品リスクが高い順に並べる
2. 繰り返し差異の要調査リスト：過去にも差異が出ている商品だけを抜き出し、
「毎回ズレている可能性」を指摘する
3. 次回への申し送り：今回の差異データを、次回の「過去の差異履歴」に
追記できる形式で出力する
なお、原因の断定はせず「可能性」として示してください。
最終判断は人間が行う前提です。
入力例として、文具コーナーのB010に「過去3回差異あり」を渡すと、AIは出力2の要調査リストでB010を筆頭に挙げ、「3回連続で同方向（マイナス）の差異が出ており、単発の検品ミスではなく、構造的な原因が疑われます」といった指摘を返す。
ここで大事なのは、出力3だ。今回のデータを「次回の履歴」として残せる形で出させる。これを毎回繰り返すことで、差異の履歴が雪だるま式に貯まっていく。1回目は履歴ゼロでも、4回目（1年後）には立派なパターン分析ができる。
差異の原因を手順書に落とし込む段階に進みたいなら、AIで作業手順書を整える方法も合わせて読むとよい（製造業の作業手順書をAIで作る記事）。「繰り返す差異」を見つけたら、その対策を手順として定着させる。そこまでやって、ようやくループが止まる。
なお、こうした一次対応の設計は小売以外の小規模事業でも応用が利く。たとえば個人ベーカリーの問い合わせ対応をAIで整える例も参考になる（個人パン屋の一次対応AIの記事）。
業務データをAIに渡す前に知っておくべきこと
実装の前に、守ってほしい線が3つある。とくに在庫は会社の数字に直結するため、ここを外すと現場で事故になる。
第一に、個人情報をAIに入れない。 前述のとおり、個人情報保護委員会が生成AIの利用について注意喚起を出している。取引先の担当者名、納品書に書かれた個人名、顧客の購買情報などは、AIに渡す前に必ず削除する。AIに渡すのは「商品コードと数量」だけにする。
第二に、最終判断は必ず人が行う。 AIが出すのは「可能性」であって「事実」ではない。発注の最終決定、差異原因の確定、廃棄や値引きの判断は、人が責任を持って行う。総務省・経済産業省のAI事業者ガイドラインも、AIを使う事業者が人による確認とリスク管理を行うことを求めている。AIは下ごしらえまで、決めるのは人。この順番を崩さない。
第三に、棚卸差異が会計・税務に関わる場合は専門家に相談する。 在庫の評価額や棚卸資産の計上は、決算や納税に直結する。差異が大きい場合や、評価方法の判断が必要な場合は、AIや担当者だけで完結させず、税理士などの有資格者に確認する。ここは在庫管理を超えた領域だ。
この3つを守れば、AIは安全に「記録係」として働く。守らなければ、便利な道具がそのまま事故の入口になる。
「繰り返す差異」を終わらせる——次の棚卸から始める記録設計
最後に、明日からできることを整理する。
差異を「今回だけ処理」してきた人が変えるのは、たった1点だ。今回の差異データを、次回の「履歴」として残す。 それだけで、棚卸は「毎回ゼロから」ではなくなる。1回目は履歴ゼロでも、回を重ねるごとに「いつも同じ商品でズレる」が見えてくる。
そして、その記録は担当者の頭の中ではなく、AIとデータの中に残る。だからあなたが異動しても、退職しても、「あの棚はいつもズレる」という知見は消えない。これが、田中さんのときには失われたものだ。
具体的な3アクション。
- 次の棚卸から、差異データを同じフォーマットで残す——本記事のプロンプトの「出力3」を毎回保存する。
- 理論在庫の精度を上げる——そもそも差異が出るのは、理論在庫がズレているからでもある。POSレジと在庫を連携させ、販売のたびに在庫が自動で減る仕組みにすると、理論在庫の精度が上がる。AirレジのようなPOSレジは在庫データをCSVで出力でき、本記事のAIに渡すデータ準備が楽になる。
- データ分析の基礎スキルを身につける——差異パターンを自分で読み解けるようになると、AIの出力を鵜呑みにせず検証できる。AI・データ分析を体系的に学ぶならUdemyの講座が入口になる。
棚卸差異は、なくならない。でも「毎回同じ差異を繰り返す」ことは、終わらせられる。次の棚卸の翌朝、あなたが向き合うのが「初めて見る差異」だけになる日まで、記録を積み上げていこう。
コメントを残す