月曜の朝8時30分。経営会議まで、あと1時間半。
社長はパソコンでAIとの対話を開き、こう打ち込みます。
「先月の月次の数字を出して」
9時には、経営ダッシュボードができていました。
今月手を打つ課題が5件、優先順位つきで並び、1位の課題は担当者のタスクとして基幹システムに登録済みです。
経営判断の短サイクルとは、数字を集めてから課題を選び、実行のタスクにするまでを、会議の前の短い時間で回すことです。
この記事のケースでは、NetSuiteと生成AIをつなぎ、その流れを30分で回しました。
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。
では、30分で回ったのは、AIが優秀だったからなのか。
答えは違います。第5章で、先に揃っていた4つの条件を示します。
この記事で分かること
- AIがNetSuiteの数字を集め、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、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、担当者の怠慢ではなく、工程の分断にあります。
数字を締める人、資料にする人、判断する人、実行する人。
4つが別の作業として並び、そのたびに待ち時間が入ります。
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。
けれど、どこから手をつけるかの判断は、人の勘に頼っています。
取引先が多い卸売業では、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・商社のNetSuite活用ガイドで扱っています。
数字が揃っても判断が速くならない理由は、データドリブン経営とはをご覧ください。
このデモが試したのは、「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、デモ用に作ったものです。
A社は、食品を扱う卸売業。年商は数十億円規模です。
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。
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なく、ふだんの言葉です。
AIはこの指示を受け、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、共通の接続規格と考えてください。
NetSuiteは、外部のAIとつなぐ仕組みとしてAI Connector Serviceを提供しており、MCPに対応しています。
公式FAQで対応が明記されているのは、Claude ProとChatGPTです。
使い方の例はNetSuiteの経営データをClaude・ChatGPTに直接聞くにまとめています。
数十秒で、5種類の数字が返ってきました。
社長は、画面を切り替えていません。
試算表・在庫・受注の画面を行き来せずに、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。
画面の設計は、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
単なる可視化との分かれ目は、ここからです。
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位は、粗利の話です。
前月の営業利益が、前年同月を下回っている。
その減益額の約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%。
全体が悪いのではなく、1社の条件が悪化している。しかも、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、滞留在庫の処理や、発注残の見直しが並びました。
AIがしたのは、集計ではなく、「どれから手をつけるか」の並べ替えです。
「利益が落ちた」だけなら、既存のレポートでも分かります。
落ちた分の大半が1社に起因し、その1社への依存度も高い。
そこまで結ばれると、打ち手が1つに絞られます。
人が同じ結論に至ることもあるでしょう。
ただ、5種類の数字を毎月30分以内に突き合わせ切るのは、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、担当者・期限・内容を入れたタスクの案を作りました。
そして、登録する前に確認画面を出しました。
社長が内容を確かめて承認すると、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。
時計は9時。
資料作成から課題選び、タスク化まで、30分で終わっています。
10時の会議は、「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。
「その数字はどこから出たのか」という確認から始めずに済みました。
何が変わったのか
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 |
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、気にしていない領域はそもそも載りません。
AIが全データを見て並べると、関心の外にあった数字も候補に上がります。
採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
会議そのものは、短くなりませんでした。
資料説明の時間が消えた分、議論が長くなったからです。
決断の重さも、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響きます。
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。
決めて、実行して、責任を取る部分は、人のままです。
AIに任せる範囲、人が決める範囲
このデモで、AIは判断の手前まで踏み込みました。
それでも、実行の手前では必ず止まっています。
| 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 |
人が承認する場所を先に決める考え方は、AIエージェントに「任せる範囲」と、経営者が「握る範囲」で扱っています。
NetSuiteのAIには、組込型と外部連携型の2つがあり、どちらを選ぶかで設計が変わります。
違いはNetSuiteの「純正AI」と「外部AI連携」は何が違う？をご覧ください。
このデモが成立していた4つの条件
「うちでも同じことができるのか」
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。
数字が一か所に揃っていた
AIが取りに行った数字は、5種類でした。
- 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。
販売管理と会計が別のシステムなら、AIは「どこに何があるか」を探すところから始めます。
探した先のデータが、同じ日付で締まっている保証もありません。
AIの精度より前に、数字の置き場所で差がつきます。
数字の定義が、社内でひとつだった
「売上」と聞いて、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。
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だったので、AIの課題リストをそのまま議論の材料にできました。
人が決める場所が、あらかじめ決まっていた
AIは、タスクを登録する前に必ず確認画面を出しました。
これは技術の制約ではなく、設計で意図して置いた止まり木です。
課題の並べ替えまではAIに任せる。担当と期限は人が承認する。
この線引きが先にあったから、迷わずに進みました。
線引きがないままAIを動かすと、どこまで任せるかを毎回考えることになります。
小さく始めていた
扱ったのは、月次の判断サイクル1本だけです。
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1つ選んだだけです。
だから、うまくいかなかったときに何を直せばよいかも、すぐ分かります。
4つを並べると、AIの性能の話が1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。
どれも、経営の側で決めることです。
AI活用に向けたデータの整え方は、AI導入の成否は「データの整い方」で決まるで扱っています。
同じことを試して、うまくいかない4つのパターン
「せっかく入れたのに、動いていない」
その状態には、4つの典型があります。
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、会議で毎回表示される。けれど、そこから決まることが増えていない。
なぜ起きるか：作る過程が大変なので、完成した時点で達成感が出ます。
見えるようになったこと自体が成果に見え、「で、どうするか」が後回しになります。
どう避けるか：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。
決める人と内容が書けない指標は、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。けれど答えが毎回ずれ、担当者が直すほうに時間がかかる。
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、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：データの統合を先に進めてください。
目安は、「同じ質問を人にしたら、何か所の部署に聞くことになるか」です。
3か所以上なら、AIも同じだけ迷います。
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。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：承認を挟む設計でも、運用の中で形骸化します。
毎回同じ画面で「承認」を押すうちに、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ってください。
押す前に見る点は、2〜3個に絞ります。10個あると、誰も見なくなります。
承認は「押す作業」ではなく、「止める権利」として設計します。
止めた回数がゼロのまま半年が過ぎたら、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り、出てくる課題が現実と合わない。
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。
AIに渡す前提を誰も更新しなければ、仕組みが会社の変化に追いつきません。
どう避けるか：四半期に一度、15分でよいので、「この観点はまだ見る必要があるか」を見直してください。
ベンチャーネットならこう見る｜守り→攻め→次へ
NetSuite認定パートナー（Solution Provider）であるベンチャーネットは、このケースを「次へ」の段の入口と見ています。
型1：守り→攻め→次へ
- 守り：在庫・販売・会計を1つにし、日々の業務が回る。第5章の「数字が一か所に揃う」は、ここで決まる
- 攻め：データで打つ。生成AIでの集計は、この段にあたる
- 次へ：経営が変わる。AIが課題を並べ、人が選んでタスクにする月次の判断は、ここに入る
守りが済んでいない会社が、いきなり次への段を狙っても、第6章6-2のようにずれ続けます。
ERP導入は、ITプロジェクトではなく経営プロジェクトです。
AIを載せる話も、同じでした。
数字を揃える決断をした会社に、システムが応えます。
型2：1業務・1KPIに絞った1周目
最初の1周は、1つの会議・1つの指標に絞ります。
このデモが「経営会議の前の30分」だけを選んだのと同じ考え方です。
どの会議を対象にするか、誰が承認するか、指標を何個に絞るか。
ここは社内の事情を知る方が決めるほうが、速く正確です。
一方、数字の定義をどこまで揃えるか、どのデータをAIに渡すか（権限の設計）は、他社での進め方を知らないと判断しにくい領域です。
権限は、見せすぎても見せなさすぎても、あとで効いてきます。
いまの自社がAIを使える状態かを先に見極めたい場合は、AI導入率16.6%の中小企業へが判断の材料になります。
接続の仕組みそのものは、NetSuite AI Connector Service（MCP）とはで扱っています。
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れば、このケースに近い動きができます。
システムが分かれているなら、データの統合が先です。
統合してからAIを載せるほうが、結果として速く進みます。
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。
AIを間違えないようにするより、間違えても止まる場所を作っておくほうが先です。
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なら考え方は共通です。
ただし、試算表・キャッシュフロー・在庫・受注を同時に扱うなら、それらが同じ基盤にあることが前提になります。
複数のシステムをまたぐと、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につなぐ外部のAIを使います。
AI Connector ServiceはMCPに対応しています。
公式FAQで対応が明記されているのは、Claude ProとChatGPTです。
接続には、MCP Server ConnectionとOAuth 2.0 Access Tokensの2つの権限が要ります。
管理者（Administrator）ロールでは接続できません。
MCP Standard Tools SuiteAppの一部のツールでは、REST Web Servicesなどの権限が追加で要ります。
文章生成のような用途は組込型、経営データへ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サイクルは短期間で試せます。
データの統合や定義の整理から要る場合は、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。
まとめ
- 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
- 動いたのは、手前が整っていたから。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り、範囲が小さかった
- AIに任せるのは、集める・組む・並べるまで。選ぶ・決める・責任を取るのは人
- 会議は短くならなかった。資料の説明が消え、その分だけ論点の議論が長くなった
月曜の朝の30分は、特別なAIがなくても始められます。
次の経営会議を1つ選び、その前の30分で何を揃えたいかを書き出してみてください。
最初から全部を整えるより、まず1つの会議で回すことから始めた会社のほうが、早く形になります。
