AIで在庫処分・値下げ判断｜滞留在庫を利益に変える

滞留在庫の処分・値下げ判断が必要な理由

滞留在庫を感覚だけで値下げすると、まだ売れる商品の利益まで失います。在庫日数、粗利、季節性、再入荷予定を組み合わせ、処分対象と施策を段階的に決める方法を解説します。

EC運営では、担当者が複数の管理画面や資料を行き来し、情報を集めてから判断する仕事が少なくありません。処理そのものより、探す・そろえる・確認する作業に時間がかかるため、判断が遅れたり改善が後回しになったりします。

そこでEC CrewのようなAI社員を、意思決定者の代わりではなく、必要な情報を同じ形式に整え、確認すべき点を示す役割として使います。人が重要な判断に集中できる状態を作ることが、導入の目的です。

AI社員と人の役割分担

AI活用を安定させるには、「できるか」ではなく「どの条件なら任せるか」を決めます。主な入力、AI社員の処理、人が持つ判断を次のように分けます。

扱う情報	AI社員に任せる処理	人が持つ判断
SKU別在庫数・在庫日数・販売速度	滞留リスクをSKU別に分類する	ブランド毀損、価格方針、販路、廃棄・寄付などの最終判断
原価・粗利・保管費・廃棄コスト	値下げ幅ごとの粗利と消化期間を試算する	基準外・低確信のケースを確認して承認する
季節性・賞味期限・型落ち予定	セット・特典・販路変更を比較する	基準外・低確信のケースを確認して承認する
広告・セット販売・値下げの過去実績	実施後の在庫と利益を再評価する	基準外・低確信のケースを確認して承認する

AIの出力には、参照元、確認日時、確信度、未確認事項を添えます。根拠が不足する場合は処理を続けず、担当者へ戻す運用にすると、誤判断を防ぎやすくなります。

データと運用ルールの設計

最初に必要なのは、新しいツールの導入よりも、入力データと承認ルールの整理です。特に次の情報を同じ場所から確認できるようにします。

• SKU別在庫数・在庫日数・販売速度
• 原価・粗利・保管費・廃棄コスト
• 季節性・賞味期限・型落ち予定
• 広告・セット販売・値下げの過去実績

データには取得元と更新日を付け、古い情報を自動的に使わない仕組みにします。また、AIが作った案をそのまま公開・実行せず、重要度に応じて「自動処理」「承認後に処理」「必ず人が対応」の3段階に分けると運用しやすくなります。

成果を判断する指標

AI導入の成果を「使った回数」で測ると、業務改善につながっているか分かりません。目的に応じて、次の指標を導入前後で比較します。

• 在庫回転日数
• 滞留在庫金額
• 施策後の粗利額
• 廃棄・保管コスト

滞留在庫対策は、値下げ幅を決める前に、在庫を持ち続ける費用を見える化することから始まります。

短期の数値だけでなく、修正や確認にかかった時間、顧客からの反応、現場の手戻りも記録します。数字が改善していても確認工数が増えている場合は、自動化範囲や入力データを見直します。

小さく始める導入ステップ

最初の30日で大規模な自動化を完成させる必要はありません。次の順番で一つの業務を確実に改善します。

1. STEP 1——目的を一つに絞り、在庫回転日数の現状値を確認する
2. STEP 2——SKU別在庫数・在庫日数・販売速度と原価・粗利・保管費・廃棄コストを集め、欠損と表記ゆれを整理する
3. STEP 3——滞留リスクをSKU別に分類する試行を小さな対象で実施し、人が結果を確認する
4. STEP 4——例外と修正内容を記録し、滞留在庫金額を含む指標で継続可否を判断する

週に一度、AI社員の出力と人の修正内容を並べて確認します。同じ修正が繰り返される場合は、プロンプトだけでなく元データや業務ルールを直すことが重要です。

よくある失敗と回避策

滞留在庫の処分・値下げ判断を進める際は、次の失敗を避けてください。

• 販売速度だけで値下げを決める——自動処理の範囲と承認者を明記し、結果を定期的にレビューします。
• 全チャネルへ同じ価格を適用する——自動処理の範囲と承認者を明記し、結果を定期的にレビューします。
• 値下げ待ちを学習させる——自動処理の範囲と承認者を明記し、結果を定期的にレビューします。
• 処分後の補充計画を見直さない——自動処理の範囲と承認者を明記し、結果を定期的にレビューします。

AI社員は、曖昧な業務を自動的に正しくする魔法ではありません。業務の目的、使うデータ、例外時の対応を先に決めることで、初めて継続的な改善につながります。