倉庫の棚を前に、過去の売れ方のグラフがやわらかく浮かび上がり、次にどれくらい仕入れるべきかを考えているEC担当者
AI活用約10分

AIで需要予測｜EC在庫と価格のムダを減らす始め方

朝、倉庫の棚を見て「あの人気色、また切らしてる」と気づく。その隣では、去年多めに仕入れた別の色が箱のまま眠っている。売れるものは足りず、売れないものは余る——在庫の話になると、毎月このため息が出ていませんか。

勘と経験で仕入れを決めるのは悪いことではありません。でも、店が育つほど商品数も注文も増えて、一人の頭では追いきれなくなります。今日は、その「どれくらい売れそうか」の見積もりを、AIに手伝ってもらう最初の一歩をたどります。難しいツールの導入話ではありません。手元の売上データと対話型AIがあれば、今日から小さく試せる範囲の話です。読み終えるころには「まずはこの1商品でやってみよう」と思えるはずです。

結論：需要予測（この先どれくらい売れそうかを見積もること）は、過去の売れ方・季節・イベントといった手がかりをAIに読ませると、勘だけよりも「根拠のあるたたき台」を早く作れます。
ねらいは、欠品（売り切れて売る機会を逃すこと）と過剰在庫（売れずに資金が寝てしまうこと）の両方を減らすこと。ただしAIの予測は「絶対当たる数字」ではなく参考値です。最後に仕入れ数を決めるのは、現場を知るあなた。まずは売れ筋1商品の来月分を見積もるところから始めるのが現実的です。

需要予測と「在庫のムダ」の正体

需要予測とは、その名のとおり「この先、どれくらい売れそうか」を前もって見積もることです。売れる数が読めれば、仕入れる数や作る数を決めやすくなります。

読み違えると、痛みは2つの形で出ます。ひとつは欠品。人気商品が品切れになると、買う気だったお客様を逃します。これは目に見えにくいけれど、確実な機会損失（本来得られたはずの売上を逃すこと）です。もうひとつは過剰在庫。多めに仕入れて売れ残ると、その分の現金が商品の形で倉庫に眠り、キャッシュフロー（手元のお金の回り）を圧迫します。値下げして売り切れば、今度は粗利（売上から仕入れなどの原価を引いた儲け）が削れます。

つまり在庫は、多すぎても少なすぎても損。ちょうどいい量に近づけるための「読み」を助けるのが需要予測であり、その読みの下ごしらえをAIに任せよう、というのが今日の話です。在庫管理そのものの基本は在庫管理の基本｜適正在庫と発注点の考え方でも触れています。

いま現場で何が起きているか

過去の売れ方や季節の情報をAIが読み込み、来月の見込み数という「たたき台」を出し、人が最終判断する流れの図
過去実績・季節・イベントをAIに渡す→見込みのたたき台が出る→人が最終数を決める。AIは下ごしらえ役。

これまで需要予測というと、専用の在庫管理システムや、統計に強い担当者がいる大きな会社の話でした。中小のECでは、店主やスタッフが「去年これくらい売れたから、今年もこのくらい」と経験で決めるのが普通です。それ自体は現場の勘として貴重ですが、商品数が増えるほど一人では追いきれず、勘の当たり外れも大きくなります。

ここ数年で変わったのは、対話型AI（ChatGPTなどの生成AI）に表形式の売上データを渡して、傾向の読み取りや来月の見込みを頼めるようになったことです。「この12か月の販売数から、季節の波を考えて来月の見込みを出して」と頼めば、数分でたたき台が返ってきます。高価なシステムを入れなくても、まずは対話型AIで「読みの下ごしらえ」ができる時代になりました。

もうひとつの動きが、価格の見直しです。需要の強さや在庫の残りに応じて売価を調整する考え方を、ダイナミックプライシング（需要や在庫に合わせて価格を変える売り方）と呼びます。航空券やホテルでおなじみのしくみですが、ECでも「売れ行きが鈍い在庫は早めに動かす」「品薄の人気品は無理な安売りをしない」といった判断の材料に、AIの予測を使えます。ただし価格の見せ方には景表法・薬機法・特商法の表現ルールが関わる場面（不当な二重価格表示など）もあるので、極端な操作ではなく「根拠のある調整」にとどめるのが安全です。

一方で注意点もはっきりしています。AIの予測は、渡したデータの範囲でしか考えられません。急なテレビ紹介やSNSでの拡散、天候不順といった「データにない事情」は読めませんし、データが少ない新商品はそもそも予測が苦手です。だからAIの数字は出発点。最後は現場の事情を足して人が決める、という前提を外さないことが大切です。

具体例：売れ筋1商品の来月をAIで見積もる

大がかりな準備は要りません。手元の売上データを整えて、対話型AIに渡すだけです。

① 過去データをテキストにまとめる

まず、対象商品の月ごとの販売数を12〜24か月分用意します。表計算ソフトからコピーして、こんな形で十分です。

2025-07 120個 / 2025-08 135個 / 2025-09 98個 …（以下続く）

あわせて、思い出せる範囲で「その月にセールがあったか」「品切れで売れなかった時期はないか」もメモしておくと精度が上がります。売上を集計する第一歩はGA4でECの売上を見る最初の一歩も参考になります。

② AIに「予測のたたき台」を頼む

集めた数字を貼り付けて、後半の「コピペで使えるプロンプト」の形で頼みます。AIは季節の波やトレンドを読んで、「来月の見込みは○個前後、根拠は△△」といった形で返してくれます。

③ 現場の事情を足して最終数を決める

ここが人の出番です。AIの見込みに、AIが知らない事情を足していきます。

これらを踏まえ、「AIの見込み＋安全在庫（品切れを防ぐための余裕分）」で最終の仕入れ数を決めます。季節商品なら季節商品・トレンド品の在庫リスク管理の考え方も合わせると安心です。

コピペで使えるプロンプト

そのままコピーして、（　）の部分を自店の内容に置き換えて使ってください。過去データは②の形式で貼り付けます。

# 役割
あなたはEC運営の在庫・需要予測のアシスタントです。

# 入力素材
- 商品名：（例：オーガニック保湿クリーム 50g）
- 商品カテゴリ：（例：スキンケア／単価3,980円）
- 過去の月別販売数：（例：2025-07 120個 / 2025-08 135個 …と12〜24か月分）
- 特記事項：（セール実施月、品切れで売れなかった月、値上げした月など分かる範囲で）
- 来月の予定：（セール有無・広告強化・新色追加などあれば）

# やってほしいこと
1. 過去データから、季節の波・全体の増減傾向を簡潔に読み取る
2. 来月の販売数の見込みを「最小〜最大」の幅と代表値で示す
3. その見込みにした根拠を、素人にも分かる言葉で3点まで
4. 品切れを防ぐための安全在庫の目安と、その考え方
5. 予測が外れやすい注意点（データにない事情など）を2点

# 出力条件
- 表と箇条書きを使い、全体で500字程度に収める
- 専門用語には短い言い換えを添える
- データに書かれていないことは推測で断定せず「不確実」と明記する

# 禁止
- 手元データにない売上や事実を作り出さない
- 「必ず売れる」「絶対に儲かる」などの断定・誇大な表現を使わない
- 根拠のない極端な値下げ・値上げをすすめない

# 禁止の3行が効きます。AIは気を利かせて“それっぽい断定”をしがちなので、データにないことは作らない・言い切らないと先に釘を刺しておくと、たたき台として信頼して使えます。プロンプトを他の業務にも広げたいときはAIでメルマガ・LINE・SNSを量産する運用フローも同じ考え方で応用できます。

あなたへの影響

明日やること

  1. 欠品や余りで困りがちな看板商品を1つ選び、月別の販売数を12〜24か月分テキストにまとめる。
  2. セール月・品切れ月などの特記事項を思い出せる範囲でメモに足す。
  3. 上の「コピペで使えるプロンプト」に貼り付けて、対話型AIに来月の見込みを出してもらう。
  4. AIの見込みに、来月の予定や仕入れの日数など現場の事情を足して、最終の仕入れ数を決める。
  5. 翌月、実際の販売数と見込みを見比べて、ズレの理由を一言メモする。この振り返りを重ねるほど、予測も自店の勘も磨かれます。

在庫の読みは、一度で当たる魔法ではありません。でも、AIにたたき台を作ってもらい、現場の事情を足して決め、翌月にズレを振り返る。その小さな輪を回すうちに、「また切らした」「また余った」のため息は少しずつ減っていきます。まずは1商品、来月分から始めてみましょう。

過不足のない棚を前に、見通しが立って安心した表情で次の仕入れに取りかかるEC担当者の前向きな情景
たたき台を作り、現場の事情を足し、翌月に振り返る。その輪が「ちょうどいい在庫」への近道になる。

チェックリスト

関連テンプレート・無料ツール

「どれくらい仕入れればいいか、いつも迷う」——そんな商品を1つ教えていただければ、無料診断で過去の売れ方の見方と、AIに需要予測を頼むときの最初の切り口を3つお返しします。在庫のムダを減らす一歩を、一緒に踏み出しましょう。