【海外事例】NautaのAI在庫最適化に学ぶ！米国の最新動向と日本への示唆

【Why Japan?】なぜ今、日本企業がこの海外トレンドを知る必要があるのか

2024年問題、深刻化する人手不足、そして依然として多くの現場に残る「紙・FAX・Excel」での管理業務。日本の物流・サプライチェーンは、今まさに大きな変革の岐路に立たされています。特に、グローバルな供給網に依存する輸入業者にとって、在庫管理は常に頭を悩ませる経営課題です。

「欠品による機会損失は避けたいが、過剰在庫はキャッシュフローを圧迫する」

このジレンマに対し、多くの企業が熟練担当者の「勘と経験」に頼らざるを得ないのが実情ではないでしょうか。しかし、その属人的なノウハウは、担当者の退職と共に失われかねない、極めて脆弱な経営基盤です。

今回ご紹介する米国のスタートアップ「Nauta」が提供するAIネイティブな在庫最適化エンジンは、この根深い課題に正面から挑むソリューションです。これは単なるツール導入の話ではありません。これまで受動的・事後対応型だった在庫管理を、データに基づき能動的・予測的に行う「在庫経営」へと昇華させる、経営思想の転換を促すものです。

本記事では、海外の最新動向とNautaの先進事例を紐解きながら、日本の物流企業がグローバルな競争環境で生き抜くためのヒントを探ります。大きなトレンドについては「2025年物流DX トレンド｜物流業界への衝撃を徹底解説[企業はどう動く？]」でも解説していますが、今回は「在庫」という具体的テーマに深く切り込みます。

海外の最新動向：AIが変える世界の在庫管理

世界では、サプライチェーンの混乱を乗り越えるため、AIを活用した在庫最適化が急速に進んでいます。特に米国、欧州、中国では、それぞれ異なるアプローチで市場が進化しています。

米国では、Nautaのように特定の業界課題に特化したバーティカルなAIソリューションが次々と登場しています。欧州では環境規制を背景に「売るための在庫」だけでなく「捨てないための在庫」という視点が加わり、中国では桁違いの物量を捌くためにAIによる自動化が不可欠なインフラとして定着しています。

このように、世界の潮流は明らかに「経験則」から「データサイエンス」へと移行しているのです。

先進事例：Nautaが輸入業者の「心臓部」をどう変えるか

それでは、今回注目する「Nauta」の具体的な取り組みを深掘りしていきましょう。Nautaは、自らを「AI-ネイティブな在庫最適化エンジン」と位置づけ、特に輸入業者が直面する複雑な課題解決に特化しています。

解決する課題：年間800億ドル規模の「見えない損失」

Nautaがターゲットとするのは、米国小売業界だけでも年間800億ドル（約12兆円）に上るとされる在庫問題です。これは、欠品による販売機会の損失と、過剰在庫による保管・廃棄コストの合計であり、多くの企業の利益を蝕んでいます。

この問題の根源は、データのサイロ化にあります。

• 販売計画は営業部門のExcelに
• 発注情報は購買部門のERPに
• 倉庫の在庫状況は物流部門のWMSに
• 輸送中の貨物情報はフォワーダーからのメールに

このように情報が断片化しているため、SKU（最小管理単位）レベルで「今、本当に発注すべきか？」「いつ、どれだけ届くのか？」を正確に把握することが極めて困難でした。

Nautaの技術的アプローチ：3つの核心

Nautaは、この根深い問題を3つの技術的アプローチで解決します。

1. AIネイティブな統一データ基盤の構築

Nautaはまず、ERP、WMS、TMS、さらにはスプレッドシートやメールといった、社内外に散在するあらゆるデータを統合する「統一データ基盤」を構築します。これがすべての分析の出発点となり、SKUレベルでのリアルタイムな在庫可視化を実現します。

2. 組織の「暗黙知」を学ぶエージェントAI層

Nautaの最大の特徴が、この「エージェントAI層」です。これは、単に過去の販売データを基に需要を予測するだけのAIではありません。

• 「サプライヤーAは納期が遅れがち」
• 「冬のシカゴ港は天候で混乱しやすい」
• 「この新商品はSNSで話題になると急に売れる」

といった、ベテラン担当者の頭の中にしかない組織固有の暗黙知やコンテキストを学習します。これにより、標準的な予測モデルでは捉えきれないリスクや機会を検知し、予測精度を飛躍的に向上させます。

3. 「受動的」から「能動的」へ導く予測アラート

データを統合し、AIが学習した結果を、具体的なアクションに繋げます。

「警告：SKU-12345は3週間後に在庫切れリスクが85%です。推奨発注数：500個。今発注すれば海上輸送で間に合います」

このように、問題が発生する前に具体的なリスクと対策を提示。担当者は後追いのトラブル対応から解放され、より戦略的な意思決定に集中できるようになります。Nautaの試算によれば、フルフィルメント率がわずか0.5%改善するだけで、数百万ドル規模の収益を保護できるとしています。

このアプローチは、以前ご紹介した「Inside Cleo’s vision for an AI-native supply chain that thinks aheadについての最前線」が描くサプライチェーン全体の未来像に対し、Nautaはまず輸入業者の「在庫」という心臓部に特化して変革を起こそうとしている点で、非常に現実的かつ強力な一手と言えるでしょう。

日本への示唆：海外事例から何を学び、どう活かすか

このNautaの事例は、日本の物流企業にとって多くの示唆に富んでいます。海外の成功事例をそのまま導入するのではなく、「日本の文脈」でどう活かすかを考えることが重要です。

日本市場への適用可能性と障壁

日本の輸入・卸売・小売業界も、米国と同様にデータのサイロ化や属人化という課題を抱えており、Nautaのようなソリューションへの潜在的ニーズは非常に高いと考えられます。

一方で、日本特有の障壁も存在します。

• 障壁1：多層的な商流構造
  • 米国に比べ、メーカー、一次卸、二次卸、小売といった多層的なサプライチェーン構造が根強く、企業を跨いだデータ連携のハードルが高い。
• 障壁2：システム投資への慎重な姿勢
  • 「まだExcelで回せている」「費用対効果が見えない」といった理由から、特に中小企業では新たなシステム投資に慎重な傾向がある。
• 障壁3：現場の心理的抵抗
  • 「AIに判断を任せられない」「自分の仕事が奪われる」といった、新しいテクノロジーに対する現場の抵抗感。

日本企業が今すぐ真似できる3つのステップ

Nautaのような高度なAIエンジンをすぐに導入するのは難しくても、その思想を参考に、今すぐ着手できることは数多くあります。

ステップ1：自社の「データ資産」の棚卸し

まずは、自社の在庫関連データが「どこに」「どのような形式で」存在しているかを可視化することから始めましょう。ERP、WMSといった基幹システムだけでなく、担当者個人のPCにあるExcelファイル、受信メールフォルダなども対象です。この棚卸し作業こそが、データドリブン経営への第一歩となります。

ステップ2：KPIを「経営視点」で見直す

在庫回転率や保管効率といった従来の物流KPIに加え、「欠品による機会損失額」や「過剰在庫によるキャッシュフロー圧迫額」といった、経営インパクトに直結する指標を測定・可視化する努力を始めましょう。これにより、在庫問題が単なる「物流現場の課題」ではなく「全社的な経営課題」であるという認識を醸成できます。

ステップ3：部門横断の「アナログな」情報共有

Nautaがシステムで解決する「サイロ化」を、まずは人間系で解決する試みです。例えば、週に一度、営業・購買・物流の担当者が集まり、販売予測と在庫状況を突き合わせる定例会議を設けるだけでも、多くの気づきが生まれます。こうした地道な取り組みが、現場を巻き込みながらDXを進める上で不可欠です。パナソニックコネクト社の事例のように、現場起点の改善活動は、日本企業において特に有効なアプローチと言えるでしょう。（参考: SCM最適化はなぜ現場から？パナソニックコネクトの挑戦に学ぶ海外DX最前線）

まとめ：在庫管理から「在庫経営」へ。AIは参謀の時代に

Nautaの事例が示すのは、AIが単なる予測ツールではなく、組織の暗黙知を学び、未来のリスクを警告し、具体的なアクションを提案する「参謀」へと進化している現実です。

700万ドル（約11億円）のシード資金を調達したNautaは、今後、在庫情報と連携した決済領域への展開も視野に入れています。これは、最適化された在庫計画に基づき、最適なタイミングで支払いを行うことで、キャッシュフローをさらに改善するという、より高度なサプライチェーン・ファイナンスの姿です。

日本の物流企業がこれから直面するのは、テクノロジーを導入するか否かではなく、テクノロジーをいかに活用し、ビジネスモデルを変革するかという競争です。

個別の業務効率化（点）に留まるのではなく、Nautaのようにデータを繋ぎ、部門間の壁を壊し、サプライチェーン全体を最適化する（線・面）という視座を持つこと。そして、受動的な「在庫管理」から、未来を予測し先手を打つ「在庫経営」へと進化すること。それこそが、不確実性の高い時代を勝ち抜くための唯一の道筋と言えるでしょう。