「AIで経営が変わる」と言われて、もう何年か経ちました。
ですが、実際にどこまで動くのかを見た方は、まだ多くないはずです。
この記事では、NetSuiteと生成AIをつないだデモを、1本のケースとして再現します。数字を集めるところから、課題を選び、担当者のタスクを基幹システムに登録するまで。ひと続きの流れです。
先にお伝えします。登場する企業名・数値はすべて架空です。 実在の導入事例ではなく、ベンチャーネットが実施したデモをもとにした想定ケースです。
それでも、この記事には意味があると考えています。「AIに何ができるか」より、「どこまでをAIに任せ、どこから人が決めるか」のほうが、経営者にとって切実な問いだからです。
この記事で分かること
- AIがNetSuiteの数字を集めて経営ダッシュボードを作るまでの流れ
- AIが課題に優先順位をつけ、タスクを登録するまでの手順
- AIに任せる範囲と、人が決める範囲の線引き
- このデモが成立するために、先に揃っていた4つの条件
- 同じことを試して、うまくいかない4つのパターン
月次の経営判断は、どこで止まっているのか
多くの中堅企業で、月次の数字は出ています。
問題は、出ていないことではありません。出てから、動き出すまでが遅いことです。
典型的な流れはこうです。
- 月初：経理が試算表を締める
- 数日後：担当者がExcelで資料を作る
- 経営会議：資料を見て、気になる点を議論する
- 会議後：誰が何をやるかを決めて、メールで共有する
ここまでで、月の3分の1が過ぎていることも珍しくありません。
遅れの原因は、担当者の怠慢ではありません。工程が分断されていることです。
数字を締める人、資料にする人、判断する人、実行する人。4つがすべて別の作業として並んでいます。
そのたびに待ち時間が入ります。
そして、議論の中身も似通ってきます。「売上が落ちた」「在庫が増えた」までは分かる。ですが、どこから手をつけるべきかの判断が、人の勘に頼っているのです。
とくに卸売業のように取引先が多い業種では、全体の数字を見るだけでは原因にたどり着けません。関連する論点は卸売業のNetSuite活用でも扱っています。
数字が揃っていても、判断が速くなるとは限りません。データドリブン経営がうまくいかない理由については、データドリブン経営とはでも整理しています。
このデモが試したのは、その「揃ってから動くまで」を短くできるか、という一点でした。
【ケース】ある卸売業A社の月曜朝、30分で起きたこと
この会社は架空です。 登場する数値も、すべてデモ用に作ったものです。実在の企業の実績ではありません。
設定はこうします。
A社は食品を扱う卸売業。年商は数十億円規模。経営会議は毎月第2月曜の10時から。社長と、経理担当が1名。
その日の朝、8時30分。会議まで1時間半あります。
社長は、パソコンでAIとの対話を開きました。
①数字を集める
社長が最初に打ち込んだのは、こういう文でした。
先月の月次の数字を出して。試算表、キャッシュフロー、在庫評価、受注残、発注残。
専門的なコマンドではありません。ふだんの言葉です。
AIはこの指示を受けて、NetSuiteに接続しました。使われているのはMCP（Model Context Protocol）という仕組みです。AIと業務システムをつなぐための、共通の接続規格だと考えてください。
NetSuiteは外部AI連携としてAI Connector Serviceを提供しており、MCPに対応しています。ChatGPTやClaudeといった外部のAIから直接データを参照できる仕組みです。詳しくはNetSuiteのMCP活用シーンで解説しています。
数十秒で、5種類の数字が返ってきました。
ここで大事なのは、社長が画面を切り替えていないことです。試算表の画面、在庫の画面、受注の画面を行き来していません。同じ対話の中に、全部が集まりました。
②ダッシュボードができあがる
次の指示は、これだけです。
経営会議で使うダッシュボードにして。
AIは集めた数字を整理し、月次の経営ダッシュボードを組み立てました。
売上と粗利の推移。キャッシュの残高と見通し。在庫の回転と滞留。受注残と発注残のバランス。
人がExcelで作れば半日かかる資料が、対話の中で出てきます。
ただし、何を載せるかを決めるのは人です。そこはAIの仕事ではありません。
ダッシュボードの設計そのものは経営ダッシュボードの作り方で扱っています。
③AIが課題を並べ替える
ここからが、単なる可視化との分かれ目です。
社長は続けて聞きました。
この中で、今月優先して手を打つべき課題を挙げて。理由も。
AIは5件の課題を挙げ、優先順位をつけました。
1位に来たのは、粗利の話でした。
AIの説明はこうです。前月の営業利益が前年同月を下回っている。そして、減益額の約9割が、1つの取引先に集中している。その取引先の売上構成比は約58%。
つまり、全体が悪いのではなく、1社の条件が悪化している。そして、その1社への依存度が高い。
だから最優先だ、という判断でした。
2位以下には、滞留在庫の処理、発注残の見直しなどが並びました。
ここでAIがしたのは、集計ではありません。「どれから手をつけるか」の並べ替えです。
この違いは大きいと感じます。
「利益が落ちた」だけなら、既存のレポートでも分かります。ですが「落ちた分の大半が1社に起因していて、しかもその1社への依存度が高い」まで結ばれると、話は変わります。
打ち手が1つに絞られるからです。
人が同じ結論に至ることもあります。ですが、5種類の数字を突き合わせる作業を、毎月30分以内にやり切るのは簡単ではありません。
④人が承認し、タスクがNetSuiteに戻る
社長は1位の課題を選び、こう指示しました。
この件、営業部長にタスクを立てて。今週中に取引条件を確認する内容で。
AIはタスクの案を作りました。担当者、期限、内容。
そして、登録する前に確認画面を出しました。
社長が内容を確認し、承認したところで、タスクがNetSuiteに登録されます。NetSuite側を開くと、たしかに反映されていました。
時計を見ると、9時。30分で、資料作成から課題選定、タスク化まで終わっていたことになります。
会議は10時から。この日の議題は「資料の説明」ではなく、「1社への依存度をどうするか」から始まりました。
参加者は全員、事前に同じ課題リストを見ています。
だから「その数字はどこから出たのか」という確認から始まりません。議論の開始地点が、一段先に進んだ状態です。
何が変わったのか
このケースで変わったのは、作業時間だけではありません。
会議の中身が変わりました。
| 観点 | これまでの月次判断 | AIを挟んだ月次判断 |
|---|---|---|
| 資料の準備 | 担当者がExcelで半日〜1日 | 対話の中で数分 |
| 課題の洗い出し | 会議の場で議論しながら | 会議前に候補が並んでいる |
| 優先順位づけ | 参加者の経験と勘 | AIが根拠つきで提示し、人が判断 |
| 会議の中身 | 資料の説明が半分を占める | 最初から論点の議論に入れる |
| タスク化 | 会議後にメールで共有 | その場で基幹システムに登録 |
| 抜け漏れ | 気づいた人がいれば拾える | 数字に出ているものは必ず並ぶ |
とくに大きいのは、最後の行です。
人が資料を作ると、作る人の関心が反映されます。気にしていない領域は、そもそも載りません。
AIが全データを見て課題を並べると、関心の外にあった数字も候補に上がります。採用するかどうかは人が決めますが、候補から漏れることは減ります。
変わらなかったこと
一方で、変わらなかったこともあります。ここは正直に書いておきます。
会議そのものは、短くなりませんでした。
資料説明の時間は消えましたが、その分だけ議論が長くなったからです。これは悪いことではないと考えています。
もうひとつ。決断の重さは、まったく変わりません。
「1社への依存度を下げる」と決めれば、その取引先との関係に影響します。取引条件の交渉も、代わりの販路探しも、痛みを伴います。
AIは、その痛みを引き受けてくれません。
課題を見つけるまでは速くなりました。ですが、決めて、実行して、責任を取る部分は人のままです。
ここを混同すると、期待とのずれが生まれます。
AIに任せる範囲、人が決める範囲
このデモで、AIは判断まで踏み込みました。ですが、実行の手前で必ず止まっています。
線引きは、こうなっていました。
| 工程 | 誰がやるか | 理由 |
|---|---|---|
| 数字を集める | AI | 集計に人の判断は要らない |
| ダッシュボードを組む | AI（設計は人） | 何を載せるかは事前に人が決めている |
| 課題を洗い出す | AI | 網羅性はAIのほうが高い |
| 優先順位をつける | AI が提案、人が採否 | 根拠は示せるが、経営判断は人の責任 |
| 担当者と期限を決める | 人 | 組織の事情はデータに出ない |
| システムに登録する | AI（人の承認後） | 承認を挟むことが前提 |
この「人が承認する場所を先に決めておく」考え方は、AI活用の設計思想として重要な論点です。詳しくはAIエージェントと人の承認設計で扱っています。
なお、NetSuiteのAIには組込型と外部連携型の2つのアプローチがあります。どちらを選ぶかで設計は変わります。NetSuite純正AIと外部AIの違いもあわせてご覧ください。
このデモが成立していた条件
ここまで読んで、「うちでも同じことができるのか」と思われたかもしれません。
正直にお伝えします。
このデモが30分で終わったのは、AIが優秀だったからではありません。先に4つの条件が揃っていたからです。
順番にお話しします。
数字が一か所に揃っていた
このデモでAIが取りに行った数字は、5種類ありました。
- 試算表
- キャッシュフロー
- 在庫評価
- 受注残（受注済みでまだ納品していない分）
- 発注残（発注済みでまだ届いていない分）
これらがすべて、同じシステムの中にありました。
もし販売管理と会計が別のシステムに分かれていたら、話は変わります。AIはまず「どこに何があるか」を探すところから始めます。
しかも、探した先のデータが同じ日付で締まっている保証はありません。
AIの精度以前に、数字の置き場所の問題です。
数字の定義が、社内でひとつだった
「売上」と言ったとき、営業と経理が同じ数字を思い浮かべる会社は、実は多くありません。
受注ベースか、出荷ベースか、検収ベースか。粗利に物流費を含めるか、含めないか。
部門ごとに定義が違うと、AIは平気で違う数字を並べます。そして、間違っていることに気づきません。
このデモでは、定義が一本に決まっていました。だからAIの出した課題リストを、そのまま議論の材料にできたのです。
人が決める場所が、あらかじめ決まっていた
デモの中で、AIはタスクを登録する前に必ず確認画面を出しました。
ここは技術的な制約ではありません。設計上、意図的に置いた止まり木です。
AIが課題を並べ替えるところまでは任せる。担当者を割り当てて期限を切るところは、人が承認する。
この線引きが先に決まっていたから、迷いなく進みました。
線引きが決まっていない状態でAIを動かすと、どこまで任せていいのか毎回考えることになります。それでは速くなりません。
小さく始めていた
このデモが扱ったのは、月次の判断サイクル1本だけです。
全社の業務をAIに置き換えたわけではありません。日次の受発注も、与信も、人事も触っていません。
「経営会議の前の30分」という、範囲の決まった場面をひとつ選んだ。それだけです。
だから、うまくいかなかったときに何を直せばいいかも、すぐ分かります。
4つを並べてお気づきかもしれません。
AIの性能の話が、ひとつも出てきません。
数字が揃っているか。定義がひとつか。誰が決めるか。どこから始めるか。
すべて、経営の側で決めることです。
NetSuite認定パートナー（Solution Provider）であるベンチャーネットは、こうお伝えしてきました。
ERP導入は、ITプロジェクトではなく経営プロジェクトである。AIを載せる話も、まったく同じでした。
システムを入れれば数字が揃うのではありません。数字を揃える決断をした会社に、システムが応えるのです。
逆に言えば、この4つが揃っていない状態でAIだけを先に入れても、期待した動きにはなりません。
そこは、正直にお伝えしておきます。
同じことを試して、うまくいかない4つのパターン
これは、AI活用を売り込みたくて書くのではありません。「せっかく入れたのに、動いていない」状態を、実際によく見かけるからです。
4つに整理してお伝えします。
ダッシュボードを作って、満足してしまう
症状
きれいな画面ができあがる。会議で毎回表示される。ですが、そこから決まることが増えていない。
なぜ起きるか
可視化は目的ではなく手段です。ですが、作る過程が大変なので、完成した時点で達成感が出てしまいます。
見えるようになったこと自体が成果に見えて、「で、どうするか」の議論が後回しになります。
どう避けるか
ダッシュボードを作る前に、「この画面を見て、誰が、何を決めるのか」を紙に書いてください。
決める人と決める内容が書けないなら、その指標は載せなくて構いません。
データが揃う前に、AIから入れる
症状
AIは導入した。ですが、出てくる答えが毎回ずれる。担当者が「これは違う」と直すほうに時間がかかっている。
なぜ起きるか
AIは、渡されたデータの範囲でしか答えられません。販売管理と会計が分かれていれば、AIは片方しか見ずに結論を出します。
間違っているのはAIではなく、データの置かれ方です。
どう避けるか
先にデータの統合を進めてください。順序を逆にすると、AIの精度を疑う時間だけが増えます。
判断の目安はシンプルです。「同じ質問を人にしたら、どの部署に何回聞くことになるか」を数えてみてください。
3か所以上に聞きに行くなら、AIも同じだけ迷います。
AI活用に必要なデータの整い方についてはAI活用に必要なデータ基盤の条件で扱っています。
AIの判断を、そのまま実行してしまう
症状
最初はうまく回る。ですが数か月後、誰も内容を見なくなり、的外れなタスクが積み上がる。
なぜ起きるか
承認を挟む設計にしていても、運用の中で形骸化します。毎回同じ画面で「承認」を押していると、確認が儀式になるのです。
どう避けるか
承認する人を、内容に責任を持てる人に限定してください。
そして、承認を押す前に見るべき点を2〜3個に絞ってください。10個あると、誰も見なくなります。
ベンチャーネットでは、承認を「押す作業」ではなく「止める権利」として設計することをおすすめしています。
止めた回数がゼロのまま半年が過ぎていたら、それは形骸化のサインです。
一度作って、そのあと更新しない
症状
導入直後は動いた。半年後、組織や商品構成が変わって、出てくる課題が現実と合わなくなった。
なぜ起きるか
経営の関心事は変わります。去年の重点KPIが、今年も重点とは限りません。
ですが、AIに渡す前提を誰も更新していない。仕組みが会社の変化に追いついていない状態です。
どう避けるか
四半期に一度、「この観点はまだ見る必要があるか」を見直す時間を取ってください。
15分で構いません。やらないと、確実に古びます。
自社だけで決められること、決めきれないこと
ここまで読んで、次に何をすればいいか迷われるかもしれません。
切り分けておきます。
自社だけで決められること
- どの会議を対象にするか（月次経営会議か、週次の営業会議か）
- 誰が承認者になるか
- 最初の1サイクルで、どこまでを範囲にするか
- 見るべき指標を何個に絞るか
これらは、社内の事情を知っている方が決めるほうが速く、正確です。外部が口を出すことではありません。
自社だけでは決めきれないこと
- 数字の定義を、どこまで揃える必要があるか
- どのデータをAIに渡すか（権限設計をどう組むか）
- 既存の運用を、どこまで変えずに進められるか
- 段階的に広げるとして、次の一手をどこに置くか
こちらは、他社での進め方を知らないと判断が難しい領域です。
とくに権限設計は、「見せすぎ」も「見せなさすぎ」も後で効いてきます。最初に決め方を間違えると、あとから直すのに手間がかかります。
ベンチャーネットは、この後半の4つについてご相談をいただくことが多くあります。
前半は御社で決めていただき、後半を一緒に考える。そういう分担が、いちばん無駄がないと考えています。
なお、社内の状態がAI活用に耐えるかどうかを先に見極めたい場合は、AI活用が進む会社の条件もあわせてご覧ください。判断の材料になるはずです。
よくある質問
Q1. うちのデータでも、同じことができますか
データが1つのシステムに統合されているかどうかで、大きく変わります。
NetSuiteのように販売・在庫・会計が同じ基盤にある場合、このケースに近い動きができます。
一方、システムが分かれている場合は、まずデータの統合が先になります。AIを入れてから統合するより、統合してからAIを載せるほうが、結果的に速く進みます。
Q2. AIが間違えた場合、どうなりますか
間違えることを前提に、承認を挟む設計にしています。
このケースでも、AIはタスクを登録する前に必ず確認画面を出しました。人が内容を見て、承認しなければ登録されません。
大事なのは、AIを完璧にすることではありません。間違えても止まる場所を作っておくことです。
Q3. NetSuiteを使っていないとできませんか
MCPに対応したシステムであれば、考え方は共通です。
ただし、この記事のように「試算表もキャッシュフローも在庫も受注も」を同時に扱う場合、それらが同じ基盤にあることが前提になります。
複数システムをまたぐ場合、接続の数だけ設計と保守の手間が増えます。
Q4. どのAIを使うのですか
NetSuiteのAI Connector ServiceはMCPに対応しており、ChatGPTやClaudeなど外部のAIから接続できます。
自社で契約しているAIをそのまま使う形です。特定のAIに縛られない設計になっています。
なお、NetSuiteには組込型のAI機能も別途あります。文章生成のような用途は組込型、経営データへの自然言語での問い合わせは外部連携型、という使い分けが基本です。
Q5. 始めるとして、どのくらいかかりますか
データが揃っていれば、月次の1サイクルを回すところまでは短期間で試せます。
一方、データの統合や定義の整理から必要な場合は、そちらに時間がかかります。
期間を左右するのはAIの設定ではなく、その手前の状態です。まず現状を確認するところから始めるのが現実的です。
まとめ
このケースで起きたことを、もう一度整理します。
AIがNetSuiteから数字を集め、ダッシュボードを作り、課題を並べ替え、人の承認を経てタスクを登録した。所要30分。
ですが、この記事で本当にお伝えしたかったのは、そこではありません。
動いたのは、その手前が整っていたからです。数字が一か所にあり、定義がひとつで、誰が決めるかが決まっていて、範囲が小さかった。
逆に言えば、この4つに手をつければ、AIを載せる準備は進みます。
そして、最初から完璧である必要はありません。
ベンチャーネットが大切にしているのは、完璧を目指すより、まず回すことです。動かしながら磨いていく。月次の1サイクルでいい。1つの会議でいい。
そこから始めた会社のほうが、結果的に早く形になります。
