【2026年最新】在庫管理AIの使い方｜Claude Code／Codexで棚卸し・発注・欠品アラートを自動化するワークフロー設計
aikanri-admin
この記事の内容
「月末の棚卸しに丸1日かかる」「発注のタイミングを担当者の勘に頼っている」「欠品が発覚するのはお客様からクレームが来てから」「倉庫の片隅に何年も使っていない過剰在庫が積み上がっている」——在庫管理は多くの企業で「見えにくく・担当者に依存していて・問題が起きてから気づく」業務の代表格です。
結論から言います。在庫管理の「棚卸し・在庫数把握・発注判断・欠品アラート・過剰在庫検知」という一連の工程は、Claude Code／Codex（AIエージェント）で大幅に自動化できます。この記事では、在庫管理の現状フローと毎月の手作業の実態を整理したうえで、Claude Code／Codexを使った自動化ワークフローの設計方法を、AI鬼管理（株式会社GENAI）の実践ノウハウとともに解説します。データ入力全般の自動化に関心がある方はデータ入力AIの活用記事も、書類作成全般のAI化については書類作成AIの記事もあわせてご覧ください。
代表菅澤
AI鬼管理山崎
01 INVENTORY PAIN 在庫管理の現状フローと「棚卸し・欠品・過剰在庫」で消えている時間の実態 「なぜ在庫管理はつらいのか」を構造的に整理する
📚 用語解説
在庫回転率（Inventory Turnover Rate）：一定期間（通常1年間）に在庫がどれだけ入れ替わったかを示す指標。「売上原価 ÷ 平均在庫金額」で計算する。回転率が高いほど在庫効率が良く（売れ行きが良い・在庫を抱えすぎていない）、低いほど過剰在庫や滞留在庫の可能性がある。業種によって適正な在庫回転率は異なる（食品は高く・機械部品は低め等）。Claude Code／Codexは「過去12か月の売上と月末在庫データから在庫回転率を計算して、商品ごとに高い順に並べたCSVを出力するPythonコードを書いて」という指示で在庫回転率分析スクリプトを自動生成できる。
在庫管理の典型的なフローと、それぞれに消えている時間を整理します。
| 課題 | 具体的な問題 | AI自動化後 |
|---|---|---|
| 在庫数が常に不正確 | Excelの在庫数と実際の在庫数が合わない・更新が遅れる | POS・受発注システムと連携して自動更新 |
| 発注判断が属人化 | 「山田さんしか適正な発注量が分からない」 | 発注点・安全在庫を自動計算して通知 |
| 棚卸しに時間がかかる | 月末に全商品を手作業でカウント（半日〜1日） | バーコード読み取りデータ自動集計で大幅短縮 |
| 欠品が後手になる | お客様のクレームで欠品に気づく | 在庫が発注点を下回ったらSlackに即時アラート |
| 過剰在庫に気づかない | 「この商品、いつ仕入れたんだっけ」という状態 | 在庫回転率・滞留日数を自動計算してアラート |
代表菅澤
02 4 AUTO POINTS AIで自動化できる在庫管理業務の4つのポイント 「数える・判断する・発注する・気づく」の4工程を全部変える
在庫管理業務の中でClaude Code／Codexに任せやすい4つのポイントを整理します。
📚 用語解説
SKU（Stock Keeping Unit：最小在庫管理単位）：在庫管理における個別商品の識別コード。色・サイズ・バリエーションが異なる商品はそれぞれ別のSKUを持つ。例：「Tシャツ・白・Sサイズ」と「Tシャツ・白・Mサイズ」は同じ商品でも別SKU。在庫管理をAI化する際は「SKU単位で在庫数・発注点・安全在庫を設定して管理する」ことが基本設計になる。Claude Code／Codexは「SKUコードと商品名・現在庫数・平均日販数・リードタイムが入ったCSVを読み込んで、発注推奨リストを生成するPythonコードを書いて」という指示で発注判断スクリプトを自動生成できる。
AI鬼管理山崎
03 DATA COLLECT 在庫データの自動収集・棚卸し効率化の設計 「現在の在庫数をリアルタイムに把握できる」状態を作る
在庫管理自動化の第一段階は「在庫データをリアルタイムに把握できる仕組みを作る」ことです。データの取得元ごとに設計手順を説明します。
在庫管理の自動化を「全商品・全工程を一度に」やろうとすると複雑になりすぎます。AI鬼管理では「①売上の上位20%の商品（ABC分析のA品）だけを先に自動化する ②発注頻度が高い消耗品から始める ③欠品が起きると損失が大きい商品を優先する」という段階的なアプローチを推奨しています。Claude Codeに「当社の在庫をどの順番で自動化すべきか優先順位の考え方を教えて」と依頼すると判断基準を提示してもらえます。
📚 用語解説
安全在庫（Safety Stock）：需要の変動や入荷の遅れに備えて通常の適正在庫に上乗せする余剰在庫量。「リードタイム中の需要変動リスクをカバーする量」として設定する。設定が低すぎると欠品リスクが上がり、高すぎると過剰在庫コストが増加する。計算式の基本は「安全在庫 = 安全係数（サービス率に応じた係数） × 標準偏差 × √リードタイム」。Claude Code／Codexは「過去○か月の販売データからSKUごとの安全在庫を計算するPythonコードを書いて。サービス率は95%とする」という指示で安全在庫計算スクリプトを自動生成できる。手動計算では商品数が多いと現実的でないが、自動化すれば全SKUの安全在庫を一括で算出できる。
代表菅澤
04 FULL AUTOMATION 【核心】Claude Code／Codexによる在庫管理自動化の全体設計 「在庫が動いたら自動で更新・閾値を超えたら自動で通知」を実現する
📚 用語解説
発注点（Reorder Point：ROP）：在庫数がこの水準を下回ったときに発注を行うべきとされる在庫量の閾値。「リードタイム中の予想需要 + 安全在庫」で計算する。例：調達リードタイムが5日・1日の平均販売数が10個・安全在庫が20個の場合、発注点は「10×5+20=70個」。在庫が70個を下回ったときに発注すれば、入荷日までの販売分をカバーできる。Claude Code／Codexは「この在庫データから商品ごとの発注点を計算して、現在庫数が発注点を下回っている商品をリストアップするPythonスクリプトを書いて」という指示で発注点計算・アラートスクリプトを自動生成できる。毎日このスクリプトを自動実行することで、人間が在庫数を確認しなくても発注タイミングを自動検知できる。
在庫管理自動化の全体像を「収集→更新→分析→通知→発注」の5段階で設計します。これが完成すると、担当者は「アラートを受け取って承認するだけ」になります。
| 工程 | 手作業（現状） | Claude Code自動化後 | 削減効果 |
|---|---|---|---|
| 在庫数更新 | Excelを手動更新（毎日） | システム連携で自動更新 | 0分/日 |
| 発注判断 | 担当者の勘・経験で判断 | AIが在庫数と発注点を比較して自動判断 | 0分/回 |
| 発注書作成 | Excelで手動作成・メール送信 | 発注推奨リストから自動生成・自動送信 | -30分〜2時間/週 |
| 棚卸し集計 | 手カウント→Excel入力→突合（半日） | スキャン→自動集計→自動突合（1〜2時間） | -3〜6時間/月 |
| 欠品検知 | クレームで発覚（手遅れ） | 在庫が閾値以下で即時Slackアラート | 損失防止 |
| 過剰在庫検知 | 気づかない・放置 | 滞留日数超過でSlackアラート | コスト削減 |
設計のポイント：「発注判断は人間が最終承認する」設計が重要
在庫管理自動化では「AIが発注推奨→人間が承認→自動発注」というフローが実務的です。完全自動発注（人間の確認なし）は、需要の急変・システムエラー・誤発注リスクがあります。AI鬼管理では「AIが発注推奨理由と数量をSlackで提示→担当者がボタンをタップ→発注書を自動生成・送信」という設計を推奨しています。人間が最終確認することで誤発注リスクを抑えつつ、判断に必要な情報をすべてAIが準備するため「考える時間」を最小化できます。
在庫管理を全部一度に自動化しようとすると時間がかかります。AI鬼管理では「まず発注点アラートだけ」をスタートラインとして推奨しています。現在の在庫データと発注点（担当者の経験から設定）をスプレッドシートに入れて、毎朝「発注が必要な商品リスト」をSlackに自動通知するだけで、「担当者が毎朝在庫を確認する」作業がゼロになります。この1施策で担当者の体感変化が大きく、自動化の有効性を実感しやすいです。
AI鬼管理山崎
05 DEMAND FORECAST 需要予測・発注点自動計算フロー 「担当者の勘」から「データドリブンな発注判断」へ
過去の販売データから需要を予測して発注点・発注量を自動計算するフローを設計します。
| 発注判断の方法 | 属人的な発注（現状） | AIによる発注点管理 |
|---|---|---|
| 発注タイミング | 「そろそろ頼む頃」という担当者の感覚 | 在庫数が発注点を下回った瞬間にアラート |
| 発注数量 | 「いつもの量で」という経験則 | リードタイム中の需要予測＋安全在庫で計算 |
| 季節変動対応 | 担当者が覚えている（引き継ぎ不能） | 過去データから季節性を自動計算 |
| 複数商品の管理 | 商品数が増えると見落としが増える | 全SKU一括チェックで見落としゼロ |
| 担当者が休んだ場合 | 「分からない」で発注ができない | スクリプトが毎日自動チェック |
代表菅澤
06 AUTO ALERT 欠品・過剰在庫アラートの自動通知フロー 「問題が起きる前に気づく」在庫監視を自動化する
📚 用語解説
ABC分析（ABC Analysis）：在庫管理における商品の重要度を売上貢献度で3分類する手法。A品（売上上位約20%の商品で売上全体の約80%を占める）・B品（売上中位約30%）・C品（売上下位約50%）に分類する。在庫管理の自動化では「A品は発注点管理を厳密に・安全在庫を多めに設定」「C品は発注頻度を下げてまとめ買い」という方針で管理コストを最適化できる。Claude Code／Codexは「過去12か月の商品別売上データからABC分析を実行して、各品目をA/B/C分類してCSVに出力するPythonコードを書いて」という指示でABC分析スクリプトを自動生成できる。
欠品リスクと過剰在庫を自動検知してSlackに通知するフローを設計します。
在庫アラートを設定するとき、閾値が低すぎると毎日大量のアラートが来て「狼少年化」します。Slackの通知が多すぎると担当者が無視するようになります。AI鬼管理では「最初は少なめのアラート数（発注点が非常に低い商品のみ）から始めて、1〜2か月かけて閾値を調整する」アプローチを推奨しています。「今日のアラートは3件」という少ない通知数を維持することで、担当者が必ず確認する習慣を作ります。
AI鬼管理山崎
07 STUMBLING POINTS 在庫管理自動化でつまずく「3つの典型パターン」 「システムを作ったが使われなくなった」を防ぐための設計ポイント
つまずき1：「在庫データが複数の場所に分散していて統合できない」
POSのデータ・受注システムのデータ・手書きの入出庫記録・Excelの在庫表——これらが統合されておらず「どのデータが正しいか分からない」状態が自動化の最大の障壁になるケースがあります。解決策は「まず手入力のエクセルだけを使った半自動化から始める」こと。「完全なデータ統合」を目指すのは後工程として、まず「Excelの在庫データを自動チェックするだけ」から始めると最短で効果が出ます。
つまずき2：「発注点を設定したら固定してしまって実態と合わなくなる」
一度設定した発注点・安全在庫を見直さないまま放置すると、実際の需要パターンの変化（季節・トレンド変動）に合わなくなります。解決策は「発注点の定期的な自動見直し設定」を最初から組み込むこと。「毎月1日に過去3か月の販売データで発注点を自動再計算する」スクリプトをClaude Codeと設計します。
つまずき3：「担当者が変わったらシステムが使えなくなる」
自動化スクリプトの設定や運用方法を前任担当者しか理解していない場合、担当者交代でシステムが止まるケースがあります。解決策は「運用手順書の作成と設定のGUIツール化」。Claude Codeに「このスクリプトの設定変更（閾値・発注先・商品追加等）を非エンジニアが行えるGoogle Spreadsheetの設定シートを設計して」と依頼すると、Excelを編集するだけで設定が変えられる管理画面を設計できます。
| 独学でAI導入 | AI鬼管理（伴走支援）で導入 | |
|---|---|---|
| データ統合 | 「複雑すぎる」で断念 | 段階的アプローチで最短で効果を出す |
| 発注点の見直し | 「設定して終わり」で実態とズレる | 自動見直しスクリプトを最初から設計 |
| 引き継ぎ | 「前任者しか分からない」で止まる | GUI設定シート＋手順書を一緒に作成 |
08 THE 3 WALLS 独学の3つの壁——AI鬼管理で最短突破 「在庫管理をAIで楽にしよう」と思っても動き出せない理由と突破方法
在庫管理自動化を独学で進めようとして止まる3つの壁があります。
AI鬼管理（運営：株式会社GENAI）は、在庫管理を含む社内業務のAI化を支援する伴走トレーニングです。データ入力の自動化についてはデータ入力AIの記事も、書類作成全般のAI化については書類作成AIの記事もあわせてご覧ください。
09 COMPARISON 在庫管理AI導入まとめ・手作業との比較 自社の商品数・システム環境・課題に合った「在庫管理の自動化」を選ぶ
📚 用語解説
需要予測（Demand Forecasting）：過去の販売実績・季節性・トレンド・外部要因（天気・イベント等）をもとに将来の需要量を予測すること。在庫管理において「どれだけ仕入れるか」「安全在庫を何個持つか」の判断基準になる。統計モデル（移動平均法・指数平滑法・ARIMA等）や機械学習（Prophet・LightGBM等）を使った予測が可能。Claude Code／Codexは「過去24か月の販売データからFacebook Prophetで需要予測するPythonコードを書いて、翌月の予測販売数を出力して」という指示で需要予測スクリプトを自動生成できる。販売数量のデータが蓄積されているほど予測精度が上がるため、データ収集は早めに始めることが重要。
| 手作業（現状） | 在庫管理専用ツール（ZAIKO等） | Claude Code＋Pythonスクリプト | |
|---|---|---|---|
| 在庫数更新 | 手動（遅延あり） | リアルタイム（ツール内） | システム連携で自動更新 |
| 発注判断 | 担当者の勘 | 発注点管理機能あり | 過去データで自動計算＋通知 |
| 棚卸し | 手カウント（半日〜1日） | ハンディ端末で短縮（機能による） | スマホスキャン→自動集計 |
| 欠品検知 | クレームで発覚（手遅れ） | アラート機能あり | Slack即時通知 |
| 需要予測 | 担当者の経験 | 基本的な予測機能あり | AI需要予測スクリプト |
| 費用感 | 人件費のみ（時間大） | 月額数万〜数十万円＋導入費 | 設計費＋API料金（安い） |
在庫管理業務をAIで自動化しませんか
「毎月の棚卸しが大変」「欠品が続いている」「発注のタイミングを誰かに任せっきりで不安」「在庫が多すぎて保管コストがかさんでいる」——こうしたお悩みを持つ方に向けて、AI鬼管理では無料相談でお話を聞かせていただいています。商品数・管理ツール・課題をお聞きし、今すぐ始められる自動化プランをご提案します。
代表菅澤
NEXT STEP
この記事の内容を、あなたのビジネスで
実践してみませんか？
AI活用を自社で回せるようになりたい方へ
AI鬼管理
Claude Code・Cowork導入支援から業務設計・社内浸透まで実践ベースで伴走。「自社で回せる組織」を90日で作る経営者向けトレーニング。
よくある質問
Q. 在庫管理システムを既に導入していますが、それでもClaude Codeで自動化できますか？
A. はい。既存の在庫管理システムがある場合でも、①システムのCSVエクスポートを活用した分析・レポート自動化 ②システムにない機能（需要予測・ABC分析・滞留在庫検知）の追加 ③複数システムのデータを統合した経営ダッシュボード作成 等の自動化が可能です。Claude Code／Codexは「このシステムのCSVエクスポートを使って○○を自動化したい」という相談に対して、現在のシステムを活かした自動化設計を提案できます。AI鬼管理の無料相談で現在のシステム環境をお聞かせください。
Q. 商品数が1,000品目以上あっても対応できますか？
A. Pythonスクリプトは数万品目の処理も問題なく対応できます。商品数が多いほど「手作業で全商品を管理する」工数が膨大になるため、むしろ品目数が多い企業ほど自動化の効果が大きくなります。ABC分析で「管理を厳密にするA品（売上上位20%）」と「簡易管理でいいC品（売上下位50%）」を分けて、管理コストを最適化することが重要です。Claude Codeが1,000品目以上のABC分析スクリプトを自動生成できます。
Q. Excelで在庫管理しているのですが、AIで何ができますか？
A. Excelが在庫管理の起点でも、以下の自動化が可能です。①Excelの在庫データを毎日自動読み込みして発注点チェック→Slackアラート ②月末に自動集計して在庫サマリーレポート生成 ③棚卸しデータをExcelに入力したら自動で理論在庫と突合・差異表示 ④ABC分析・在庫回転率計算を自動実行。Claude Codeに「Excelの在庫管理表のサンプルがこれです。自動化できることを提案してください」と現状を共有すれば、具体的な自動化プランが出てきます。
Q. バーコードを使った棚卸し自動化はどう実現しますか？
A. スマートフォンのカメラでバーコードをスキャンするアプリ（無料）と、スキャンデータをGoogle Sheetsに自動送信する仕組みを組み合わせます。手順は①バーコードスキャンアプリで商品をスキャン→数量入力→Google Formsに送信 ②Googleスプレッドシートに棚卸しデータが自動蓄積 ③「理論在庫（システム数値）- 実在庫（スキャン数値）= 差異」を自動計算して差異一覧を出力。Claude Codeがこのフローのセットアップ手順とGAS（Google Apps Script）コードを生成してくれます。
Q. 食品・日用品のような消費期限がある商品の在庫管理でも使えますか？
A. 賞味期限・消費期限のある商品の在庫管理にも対応できます。「先入れ先出し（FIFO）管理」の自動化、「期限切れ間近商品のアラート」「廃棄予測・廃棄コストの自動集計」等をClaude Codeで設計できます。在庫マスターに「ロット番号・入荷日・賞味期限」を追加して管理する設計をClaude Codeと一緒に構築します。特に食品業界での廃棄ロスは在庫管理の自動化で大きく削減できます。
Q. 複数拠点・複数倉庫の在庫管理を一元管理できますか？
A. 複数拠点の在庫を統合管理する設計は、各拠点のデータを定期的に取得して中央のスプレッドシート・データベースに集約するパイプラインで実現できます。Claude Codeに「3拠点の在庫データをGoogleスプレッドシートに自動集約して拠点別・全社計の在庫サマリーを毎朝自動生成するシステムを設計して」と依頼すると全体設計が出てきます。拠点間の在庫移動（在庫振替）の管理も同時に設計できます。
Q. 在庫管理の自動化でセキュリティ面は大丈夫ですか？価格や在庫情報は機密データです。
A. スクリプトはローカル（自社内のパソコン・サーバー）で実行できるため、在庫データを外部に送信する必要はありません。Googleスプレッドシートを使う場合はGoogleのサーバーにデータが保存されますが、アクセス権限の設定（社内メンバーのみに制限）で情報管理が可能です。Claude API（スクリプト生成のため）には「在庫データの構造」を指示しますが、実際の在庫数や価格をAPIに送信する必要はありません。AI鬼管理では「どのデータをクラウドに置いてよいか」の判断も含めて設計を支援します。
Q. 発注書の自動作成・自動送信はどう実現しますか？
A. 発注書の自動化は以下のフローで実現できます。①発注点アラートで「発注推奨商品・推奨数量・発注先」をSlackに通知 ②担当者がSlackでOKを返信（または承認ボタンをタップ） ③PythonスクリプトがExcelまたはPDF形式の発注書を自動生成 ④発注先メールアドレスに自動送信。「発注書のExcelテンプレートがこれです。このテンプレートに発注データを流し込んでPDF化してメール送信するPythonスクリプトを書いて」という指示でClaude Codeが対応するコードを生成できます。FAX送信（IFAX等のサービス経由）への対応も可能です。
あわせて読みたい：同じテーマの記事
Claude Codeで業務自動化を90日で叩き込む
経営者向けの伴走型パーソナルトレーニング
Claude Code を業務に落とし込む
専門研修コース一覧
受講者本人の業務を題材に、「使いこなせる」状態になるまで伴走する研修プログラム。1対1特化型・ハンズオン・法人講座の3コースを展開中。業務特化・実装まで踏み込むタイプのClaude Code研修です。
研修コース一覧を見る →AI鬼管理へのお問い合わせ
この記事を読んで気になった方へ。
AI鬼管理の専門スタッフが、御社に最適な
業務自動化プランを無料でご提案します。
- AI業務自動化サービス「AI鬼管理」を運営 — Claude Code を活用し、経営者の業務を「AIエージェントに任せる仕組み」へ転換するパーソナルトレーニングを 伴走構築 で提供。日報・採用・問い合わせ対応・経費精算・議事録・データ集計・営業リスト等の定型業務を、AIに代行させる体制を経営者と一緒に作り込む
- Claude Code 実装ノウハウを 経営者・法人クライアント に直接指導。生成AIを「便利ツール」ではなく 「業務を任せる存在」 として運用する手法を体系化
- 「やらせ切る管理」メソッドの開発者。シンゲキ株式会社（2021年設立・鬼管理専門塾運営）にて累計3,000名以上の学習者を志望校合格に導いた管理メソッドを、AI × 経営者支援 に転用
- 著書『3カ月で志望大学に合格できる鬼管理』(幻冬舎)、『親の過干渉こそ、最強の大学受験対策である。』(講談社)
- メディア出演: REAL VALUE / カンニング竹山のイチバン研究所 / ええじゃないかBiz 他
- 明治大学政治経済学部卒
