2026年8月10日、Anthropicがひとつの研究成果を発表しました。
研究段階のAIが、リーマン予想という数学の難問に取り組んだという内容です。証明そのものには至っていません。ただし、予想を満たす零点の割合について、下界を41.6%から67.2%へ引き上げました。
この成果は査読前の段階にあります。Anthropic自身も、リーマン予想の直接的な解決にはつながらないと述べています。
それでも、経営の現場から見て示唆的な点がひとつあります。手法です。
まったく新しい材料を発明したわけではありませんでした。すでに公表されている複数の論文を、これまで誰も結びつけていなかった形で組み合わせた。そこから前進が生まれています。
新しい発見の多くは、新しい材料からではなく、既にある材料の未接続の組み合わせから生まれる。ここに、会社のデータと同じ構図があります。
売上も、在庫も、原価も、データは既に社内にあります。問題は、それらが別々の場所にあって、誰も横断して見ていないことです。
NetSuiteは、業務データを単一のデータベースで持つクラウドERPです。だからこそ、AIをつないだ瞬間に横断的な分析ができます。
効くのは「AIが賢いから」ではありません。「つながったデータがあるから」です。
この記事を書いているのは、NetSuite認定パートナー（Solution Provider）であるベンチャーネットです。
NetSuiteと生成AIをつなぐ仕組みと、安全に始めるための実務を整理してお伝えします。
この記事で分かること
- NetSuite AI Connector Service（MCP対応）の仕組みと、どのAIが使えるのか
- 社内データをAIに触らせるときの、安全設計の3つの原則
- 決算・入金消込・在庫購買など、業務別に効く具体的な使いどころ
- 現時点でできないこと（制約）と、何から始めればよいかの手順
読了目安：約12分
NetSuite AI Connector Serviceとは
NetSuite AI Connector Serviceは、自社が選んだAIをNetSuiteに接続するための仕組みです。MCPという規格に対応しています。
MCP（Model Context Protocol）とは、AIと外部システムをつなぐ共通規格のことです。Anthropicが提唱し、その後さまざまなベンダーが採用して、事実上の標準になりつつあります。
接続の中身は、MCP Standard Tools SuiteAppという追加アプリケーションが担います。レコード、レポート、保存検索、SuiteQLといった標準ツールが用意されています（出典：Oracle NetSuite公式）。
重要なのは、この接続がNetSuiteのロールベースセキュリティで統制される点です。ユーザーもAIも、そのロールに設定された範囲しか参照できません（出典：Oracle NetSuite公式）。
つまり、AIに特別な権限が渡るわけではありません。AIは「与えられたロールの範囲で動く、もう一人の利用者」として扱われます。
なお、組込型AIと外部AI連携型の違いや、MCPの仕組みそのものについては、別記事で詳しく整理しています。
→ NetSuiteの「純正AI」と「外部AI連携」は何が違うのか
費用について
AI Connector Serviceは、NetSuiteの標準機能に組み込まれている仕組みです。
ただし、実際にかかる費用は、利用するモジュール・ユーザー数・必要なオプションによって変動します。AI側の利用料も別途発生します。
正確な条件については、Oracleの営業担当またはベンチャーネットへお問い合わせください。
なぜ「つながったデータ」が効くのか
AIを業務で使おうとして、期待ほど効かなかった。そういう声を聞くことがあります。
原因の多くは、AIの性能ではありません。渡せるデータの側にあります。
販売はA社のシステム、在庫はExcel、会計は別のパッケージ。この状態でAIに「今期の利益率が落ちた理由を教えて」と聞いても、答えようがありません。
AIは、渡された範囲でしか考えられないからです。
NetSuiteは、販売・在庫・購買・会計を単一のデータベースで扱います。AI対応のために後から改修したのではなく、もともとデータが一か所に集まる構造でした。
だから、AIをつないだだけで横断的な問いに答えられます。
- 「利益率の低い商品を、仕入先別に並べて」
- 「在庫回転が悪化した商品と、その発注履歴を見せて」
- 「今月の売上の伸びを、前年同月と担当者別に比べて」
こうした問いは、データが分かれている会社では、まず「データを集める作業」から始まります。そこに数日かかることもあります。
AI×ERPが経営にとってどういう意味を持つのかという論点は、次の記事で扱っています。
どのAIを使えばよいか
結論から言えば、すでに契約しているAIをそのまま使うのが現実的です。
NetSuiteは「Bring your own AI」という考え方を取っています。特定のAIベンダーに縛られない設計です。
利用の条件は、Oracleの公式情報で示されています。リモートMCPに対応し、所定のプロトコル版・streamable HTTP・OAuth 2.0の認証方式を満たすことです。
ClaudeやChatGPTの有料プランなどが該当します（出典：Oracle NetSuite公式）。
主要な生成AIには、いずれも接続の手段があります。
この記事では、どのAIが優れているかという比較はしません。理由は2つあります。
ひとつは、業務で使うAIは既存の契約や社内ルールで決まっていることが多いためです。もうひとつは、対応状況と安定性がツールごとに異なり、変化が速いためです。
⚠️ 対応状況は更新が頻繁です。実際に接続する際は、そのときの公式ドキュメントで最新の対応要件をご確認ください。
日本語での利用について
対話に使うAI側（ChatGPTやClaudeなど）は日本語に対応しています。日本語で問いかけ、日本語で答えを受け取ることができます。
一方、Oracleが提供する追加機能には、現時点で日本では未対応のものがあります。
具体的には、財務担当者向けのプロンプト集であるNetSuite AI Connector Service Companionです。NetSuite Analytics Warehouse向けの対応も同様です。
これらは英語で世界提供が開始されています。追加言語への拡大は今後予定されています（出典：日本オラクル公式発表・2026年4月）。
整理すると、次の3段階になります。
| 段階 | 内容 |
|---|---|
| ① 今できること | MCP Standard Tools SuiteAppによる接続。日本語での対話も可能 |
| ② 作り込めば実現できること | 自社専用のカスタムツール、読み取り専用の分析レイヤーの構築 |
| ③ 今後を待つもの | Companion・Analytics Warehouse対応の日本語化（英語で提供中） |
安全に始めるための3つの原則
ここが、この記事でもっともお伝えしたい部分です。
AIをNetSuiteにつなぐこと自体は、難しくありません。難しいのは、つないだあとに事故を起こさないことです。
ベンチャーネットでは、次の3つを原則としてお勧めしています。
原則① AI専用の、権限を絞ったロールを新しく作る
最初にやりがちで、いちばん危ないのが、管理者ロールをそのまま使い回すことです。
管理者ロールは、あらゆるデータとあらゆる操作にアクセスできます。それをAI経由で開放すれば、想定外の参照や更新が起こり得ます。
対応はシンプルです。AI接続専用のロールを新規に作り、必要な範囲だけを与える。これだけで、リスクの大半は制御できます。
なお、Oracleは財務向けの事前構成ロールを用意しています。CFO・Controller・AR/APアナリスト・Treasuryの4種類です（出典：Oracle NetSuite公式）。
ゼロから設計する必要はありません。
ロール設計の考え方そのものは、別記事で詳しく解説しています。
原則② 検証できる業務から始める
「うちのビジネスを分析して」という問いかけは、避けたほうがよいものです。
範囲が広すぎて、答えが正しいかどうかを人が検証できません。検証できない出力は、業務では使えません。
始めるなら、答え合わせができる業務からです。
- 発注点を下回っている在庫品目の一覧（NetSuiteの画面で照合できる）
- 特定の仕入先への今四半期の支払額（会計データと突合できる）
- 期日を過ぎた債権の一覧（AR台帳と一致するか確認できる）
正しさを確認できる問いから始めると、社内の信頼が積み上がります。逆に、最初に検証不能な問いで曖昧な答えが返ると、「使えない」という印象だけが残ります。
原則③ AIは準備、人が判断
AIに任せる範囲と、人が持ち続ける範囲を、最初に線引きしておきます。
| AIに任せてよいこと | 人が持ち続けること |
|---|---|
| 要約する | 承認する |
| 分類する | 仕訳を計上する |
| 下書きを作る | 財務上の判断をする |
| 比較する | 顧客への最終回答を出す |
| 候補を提案する | 例外の扱いを決める |
この線引きは、技術上の制約ではありません。会社としての姿勢の問題です。
ベンチャーネットは、お客様との対等な関係を大切にしています。同じ考え方が、AIとの関係にも当てはまると思っています。
AIは有能な準備担当です。判断する人の代わりではありません。
AI時代の権限設計という論点
いま、AI活用の現場で最大の壁になっているのは、AIの性能ではありません。権限設計です。
2026年8月、Cloudflare社が自社の社内AI基盤をオープンソースとして公開しました。この発表を機に、AIに社内データを触らせる際の権限設計が広く議論されるようになりました。
そこで示された論点は明快です。システムが分散しているほど、接続先ごとに権限を設計する必要があり、その負荷が重くなる。
裏返せば、こうなります。
データが一元化されている会社は、この壁が最初から低い。
NetSuiteの場合、権限はロールという単位で既に設計されています。AIを接続しても、その統制がそのまま効きます。新しい権限体系を作り直す必要はありません。
これは、ERPを土台に持っていることの構造的な優位です。AIの導入コストは、AIそのものよりも、周辺の整備に現れます。
業務別の実務Tips
ここからは、部門ごとに効く具体的な使いどころを整理します。
決算・経理
決算業務では、説明資料の下書きにAIが効きます。
- 予算差異の説明文を下書きする
- 定期的な仕訳の候補を提示する
- 監査対応の資料構成を組み立てる
- 例外的な取引を洗い出してレビュー対象にする
いずれも、最終的な計上と承認は人が行います。AIは、その手前の整理を引き受けます。
入金消込（AR）
入金消込は、効果が見えやすい領域です。
AIに、入金と請求の突合案を出させます。このとき、適用先・根拠・一致の確からしさをセットで提示させるのがコツです。
担当者は、その内容を確認して承認するだけで済みます。
ここで起きる変化は、作業の速さだけではありません。担当者の役割が、照合の実行からポリシーの管理へ移っていきます。「どこまでを自動で当ててよいか」を決める仕事に変わります。
在庫・購買
在庫と購買では、先回りの気づきに効きます。
- 発注点を下回っている品目を一覧にする
- 仕入先ごとのリードタイムの推移を見る
- 欠品しそうな品目を、切れる前に知らせる
在庫データが会計や販売と同じ場所にあるため、金額影響まで一度に確認できます。
顧客対応・営業
商談前の準備が短くなります。
過去の取引履歴を要約させる。支払いが遅れている顧客をアラートさせる。この2つだけでも、訪問前の確認作業が変わります。
メール側との連携については、次の記事で扱っています。
経営
経営層にとっての使いどころは、ダッシュボードとKPIの要約です。
数字そのものは既にNetSuiteにあります。AIが担うのは、「どこが動いたか」を言葉にする部分です。
会議の前に要点だけを受け取れると、議論の時間を使い方の話に回せます。
データを経営判断に変える設計については、次の記事もあわせてご覧ください。
すぐ試せるプロンプト例と、設計で効くひと工夫
まず試してみる3つの問いかけ
導入直後に試すなら、次の3つが分かりやすいです。
- 「発注点を下回っている在庫品目を一覧にして」
- 「今四半期の主要仕入先への支払を要約して」
- 「これらの例外の根本原因を説明し、是正措置をまとめて」
いずれも、NetSuiteの画面で答え合わせができます。原則②の考え方に沿った問いかけです。
なお、期間・子会社・絞り込み条件を明示すると、精度が上がります。「今期」ではなく「2026年4月から6月」と書くだけで、返ってくる答えが変わります。
設計で効く3つの工夫
読み取り専用の分析レイヤーを挟む
生の取引データを直接AIに渡す必要はありません。集計済みの総勘定元帳や差異計算だけを渡す層を用意しておくと、安全性と応答速度の両方が上がります。
ポリシーをプロンプトに埋め込む
承認の閾値や例外の扱いといったルールは、プロンプト側に持たせることができます。ルールを変えたいとき、開発者に依頼せず自分たちで変えられます。
広げる順番を決めておく
一度に全社へ広げないことをお勧めしています。
- 1拠点・1エンティティから始める
- 閾値とエスカレーションのポリシーを定義する
- 取引先コードなどの識別子を標準化する
- 対象範囲を広げる
完璧を目指すより、まず回す。動かしながら磨いていく。この順番のほうが、結果的に速く着地します。
正直にお伝えする、現時点の制約
ここは、他社があまり書かない部分です。ですが、知らずに始めると必ずつまずくところなので、先にお伝えします。
| できること | できないこと・注意点 |
|---|---|
| レコード・保存検索・SuiteQLによるデータ参照 | 標準の損益計算書・貸借対照表へは、追加の設定なしでは直接アクセスできない |
| 条件を指定した集計・比較・要約 | SuiteQLには取得行数の上限がある（500行程度）。大量データは分割が必要 |
| 受注などのレコード作成 | 作成はできるが、承認はできない。承認は人が行う |
| 自然言語での問いかけ | 複雑な問い合わせはトークン消費が大きく、AI側の利用料に影響する |
とくに1つめは、経理部門で期待とのずれが起きやすい点です。
「AIに決算書を読ませたい」という要望は、そのままでは実現しません。集計済みのデータを渡す仕組みを別に用意する、という設計が必要になります。
4つめのコストも、見落とされがちです。全社員が毎日、大きな範囲の問い合わせを繰り返せば、AI側の費用は無視できない額になります。
だからこそ、範囲を絞って始めることに意味があります。
こうした制約は、時間とともに解消されていく部分もあります。ただ、現時点でできないことを「できます」とはお伝えしません。できることの範囲で、確実に効く使い方から始めていただくのが、いちばん早い道だと考えています。
実際の活用例：米国と日本の2社
米国：Promier Products社
米Promier Products社では、AI Connector Serviceを通じてClaudeを利用しています。
同社COOのMichael Wollack氏のコメントが、Oracle公式サイトに掲載されています。Claudeへの簡単な指示で、データ分析とレポート作成の工程が効率化されたという内容です（出典：Oracle NetSuite公式）。
日本：株式会社キュリエ様
ベンチャーネットの支援先である株式会社キュリエ様の事例が、ビジネス+ITに掲載されています（2026年7月1日掲載）。
同社はプリンタ用の互換インクなどオフィスサプライ品の輸入・卸売を手がけています。商品の種類と点数が膨大で、以前はExcelでの在庫管理に限界を感じていたと、代表取締役の吉塚康一氏が語っています。
掲載記事によれば、生成AIとの接続設定にかかったのは約2時間でした。その後は全社員が生成AI経由でNetSuiteのデータを扱い、結果をSlackで共有しているとされています。
数週間を要していた分析が、数分で返ってくる。そうした変化が紹介されています。
この2社に共通しているのは、特別なAI人材を採用したわけではないという点です。既に持っていたデータと、既に使えるAIをつないだ。それだけです。
他の導入事例については、次のページにまとめています。
何から始めるか（4ステップ）
最後に、実際の進め方を整理します。
ステップ1：使うAIを決める（所要：数日）
すでに社内で契約しているAIがあれば、それを使います。新たに選び直す必要はありません。社内の情報取り扱いルールとの整合だけ確認します。
ステップ2：AI専用ロールを設計する（所要：1〜2週間）
いちばん時間をかけるべき工程です。誰が、どのデータに、どこまで触れてよいかを決めます。事前構成ロールを出発点にすると早く進みます。
ステップ3：1つの業務で検証する（所要：2〜4週間）
1拠点・1業務に絞ります。答え合わせができる問いを10個ほど用意し、実際に試します。ここで精度と使い勝手を確認します。
ステップ4：ポリシーを決めて広げる（所要：継続）
承認の閾値、例外の扱い、識別子の標準化。この3点を決めてから、対象を広げます。
ベンチャーネットからお伝えしたいこと
AIとERPをつなぐ話は、技術の話に見えます。ですが、実際に難しいのは技術ではありません。
「どこまでをAIに任せ、どこから先を人が持つのか」を決めることです。これは、会社ごとに答えが違います。
そして、この線引きは、外から一方的に決められるものではないと考えています。現場の実務を知っている方々と、一緒に決めていくものです。
ベンチャーネットは、NetSuiteの導入から運用まで伴走するパートナーです。権限設計やポリシーの定義といった、判断に迷いやすい部分をご一緒します。
まず1つの業務から。そこから、御社に合う形を一緒に見つけていければと思います。
よくある質問
Q1. AI Connector Serviceを使うのに、追加の費用はかかりますか？
AI Connector Serviceは、NetSuiteの標準機能に組み込まれている仕組みです。
ただし、実際の費用は利用するモジュール・ユーザー数・必要なオプションによって変動します。加えて、接続するAI側の利用料が別途発生します。正確な条件はお問い合わせください。
Q2. 日本語で使えますか？
対話に使うAI側（ChatGPTやClaudeなど）は日本語に対応しており、日本語で問いかけることができます。
一方、Oracleが提供する追加機能には、英語のみのものがあります。NetSuite AI Connector Service Companionと、NetSuite Analytics Warehouse向けの対応です。
追加言語への拡大は今後予定されています（出典：日本オラクル公式発表・2026年4月）。
Q3. AIに社内データを見せて、セキュリティは大丈夫ですか？
AIからのアクセスは、NetSuiteのロールベースセキュリティで統制されます。AIも、そのロールに設定された範囲しか参照できません（出典：Oracle NetSuite公式）。
ただし、AI専用のロールを新規に作ることが前提です。管理者ロールを使い回すと、この統制が意味を持たなくなります。また、外部のAIに渡ったデータの扱いは、そのAI提供者の規約に従う点もご確認ください。
Q4. どのAIを選べばよいですか？
すでに契約しているAIをそのまま使うことをお勧めしています。
NetSuiteは特定ベンダーに縛られない設計を取っており、主要な生成AIには接続手段があります。対応状況は変化が速いため、接続の際は最新の公式ドキュメントをご確認ください。
Q5. 何から始めるのが現実的ですか？
1拠点・1業務からです。
在庫の発注点チェックや、期日を過ぎた債権の一覧など、NetSuiteの画面で答え合わせができる問いから始めてください。正しさを確認できる問いを積み重ねることで、社内の信頼が育ちます。
もう少し詳しく知りたい方へ
- 【NetSuite×AI経営革新サービスを見る】NetSuite×生成AIによる経営革新伴走サービス
- 【AIクラウドERP両利き経営サービスを見る】AIクラウドERP – NetSuiteで両利き経営を実現
- 【詳しく相談する】お問い合わせ
関連記事
