経営層向け要約(2026年11月)
- 調達・購買のAIは、2025〜2026年に「文書を要約・作成する生成AI」から「見積比較・督促・交渉・申請チェックを自ら実行するAIエージェント」へ移りました。日立製作所、NEC、富士通、ソフトバンクなど国内大手も相次いで具体的なサービスや検証結果を公表しています。
- 公表された成果の例として、三菱電機トレーディングとNECの実証では納期・数量交渉の時間が約4分の1になり、日立製作所は自社の納期管理で作業時間を最大65%削減できると試算しました。海外ではHoneywellが2,500件超の自律交渉を実施しています(ベンダー公表)。
- 成果を出している企業に共通するのは、購買マスタ・取引データ・サプライヤー情報の整備と、人が最終判断を担う「Human in the Loop」の設計です。AIの前に、データと業務ルールの標準化に投資することが近道です。
調達・購買部門は、見積依頼、相見積の比較、発注、納期督促、価格交渉、請求照合と、取引先とのやり取りが多い職場です。人手不足と地政学リスクの高まりを受け、2025年から2026年にかけて、この領域にAIエージェントを適用する事例が国内外で急速に増えました。本記事では、基礎解説記事「AI活用による調達・購買業務|基礎と展望」を補う位置づけとして、2025〜2026年に公表された実名の事例に絞って整理します。数値は各社・各ベンダーの公表値であり、ベンダーが公表した数値はその旨を明記しています。
この記事でわかること
- 2025〜2026年に調達・購買AIで何が変わったのか(生成AIからAIエージェントへ)
- 自動交渉、購買オペレーション、サプライヤーリスク、データ基盤の4分野における国内外13件の実名事例と公表成果
- 事例から読み取れる成功要因と落とし穴
- 製造業が調達AIを始めるための実務ステップ(SAP S/4HANA・SAP Aribaとの関係を含む)
1. 全体動向
1-1. 生成AIから「実行するAIエージェント」へ
2023〜2024年の調達領域の生成AI活用は、仕様書や依頼文の作成支援、契約書の要約、社内規程の検索といった「人の作業を手伝う」使い方が中心でした。2025年以降は、複数のAIエージェントが役割を分担し、取引データの読み取りから判断、取引先への連絡、システム登録までを一連の流れとして処理する形が主流になりつつあります。
代表的な動きは次のとおりです。
- 国内ITベンダーの製品化:NECは2025年12月に「NEC 調達交渉AIエージェントサービス」を提供開始し、日立製作所は2026年11月に「TWX-21 調達AIサービス」の第1弾を提供開始しました。富士通は企業をまたいでAIエージェント同士を連携させる技術を開発し、ロート製薬と実証を進めています。
- 調達SaaSのエージェント化:Coupaは2025年5月に最初の「Navi」エージェントを公開し、2026年時点で450社超が本番運用していると発表しました。KeelvarはAIオーケストレーター「Kai」を2025年11月に発表し、SAPもSAP Ariba向けにJouleエージェント(入札分析、インテーク管理など)を順次提供しています。
- 自律交渉の実用化:PactumやNECのように、AIがサプライヤーと条件交渉を行い合意まで到達させる仕組みが、パイロットから全社展開へ進み始めました。
- リスク監視の高度化:Resilireは2026年9月、取引先ごとに財務・サイバー・地政学・規制・ESGのリスクをスコア化し、継続監視する機能を提供開始しました。関税や災害への備えとして、サプライヤーリスクの可視化に取り組む製造業が増えています。
1-2. 調達・購買AIの用途マップ
| 業務領域 | 主なAIの役割 | 代表的な事例・製品(本記事で紹介) |
|---|---|---|
| ソーシング・入札 | 入札イベントの自動作成、入札比較、配分シナリオの最適化 | 日産自動車×Keelvar、Coupa Navi、SAP Ariba(Joule) |
| 価格・条件交渉 | 交渉案の生成、サプライヤーとの自律交渉、合意形成 | 三菱電機トレーディング×NEC、Honeywell×Pactum、ソフトバンク |
| 購買申請・発注 | 申請内容の規程チェック、見積書の読み取りと発注登録、問い合わせ対応 | アクティオ×日本IBM、SUEZ×Pactum、Uniper×SAP Joule Studio |
| 納期管理・督促 | フォロー要否の判定、督促文の作成、リスク順の優先付け | 日立製作所(TWX-21 調達AI) |
| サプライヤーリスク | 災害・地政学・財務リスクの検知、影響範囲の分析、スコアリング | アイシン×Resilire、ロート製薬×富士通 |
| 支出・原価分析の基盤 | 図面・見積・購買履歴の一元化と類似検索、ソーシング履歴の蓄積 | 川崎重工業×CADDi、イーグル工業×SAP Ariba |
| 請求照合・支払 | 請求書と発注・検収データの照合、支払バッチ作成 | Coupa(Invoice Attachment Validation Agent等) |
2. 用途別の最新事例
2-1. 自律交渉・ソーシング
最も変化が大きいのが交渉とソーシングの領域です。これまで人手では手が回らなかった「少額・多品目」の交渉や、発注後の納期・数量調整を、AIが網羅的に処理する事例が出てきました。
| 企業 | 取り組み | 成果・状況 |
|---|---|---|
| 三菱電機トレーディング(商社・三菱電機グループの資材調達)× NEC | 「NEC 調達交渉AIエージェントサービス」(NEC独自の自動交渉AI)を、国内主要3拠点で、サプライヤ4社・発注済み部品20品目の納期・数量交渉に適用。実発注データを使い、交渉案の妥当性やUIの使いやすさも確認しました。 | 実証(2025年9月〜2026年2月)。1サプライヤあたりの交渉時間を約4分の1に短縮し、年間最大2,570時間の工数削減効果を見込めることを確認。交渉案件の最大80%程度がAIの自動交渉で合意に至りました。本導入に向けた課題は継続協議中です。 |
| ソフトバンク(通信) | 購買部門の業務を言語化して「エージェントマッピング」を作成し、優先度の高い領域から適用。全体統括エージェントの下で、指標値検索、比較分析、戦略立案、交渉の各エージェントが連携する「全体統括調達エージェント」を開発しています。熟練者の判断基準(暗黙知)の形式知化を重視しています。 | 実用化に向けた検証段階。戦略の選択や最終合意など重要な局面では人が判断するHITL(Human in the Loop)を採用。定量成果は公表されていません。製品・サプライヤ・契約の3つのデータベース整備が必須と説明しています。 |
| Honeywell(米国・産業機器/航空宇宙)× Pactum | 間接材のパイロットから開始し、支払条件の標準化、リベート、品目別値引きなどの交渉をPactumのAIエージェントが自律的に実施。その後、対象カテゴリーを拡大しました。 | 本番運用・全社展開。累計2,500件超の自律交渉、管理対象支出5億ドル超、接触したサプライヤーの80%が交渉に参加(いずれもベンダー公表)。1件の交渉でバイヤー関与なしに6万5,000ドルを削減した例も紹介されています。 |
| 日産自動車(自動車・北米の物流調達)× Keelvar | 完成車輸送、アフターサービス部品、生産部品の調達物流で、Sourcing Optimizer(シナリオ最適化)とAutonomous Sourcing(ソーシングエージェント)を導入。入札シートの配布、サプライヤーとの連絡・フィードバックを自動化しました。 | 本番運用。平均ソーシング期間を25日から12日へ49%短縮、2億3,400万ドルの支出を最適化して累計6,200万ドルを削減、バイヤー6名から5名で同じ業務範囲を維持(いずれもベンダー公表)。今後は欧州・アジアへの展開やKaiの活用を検討しています。 |
Keelvarは2025年11月のKai発表時に、匿名の大手建機メーカーでソーシングイベント数が前年比1,620%増えた例や、プラットフォーム上のソーシング活動の85%が自動化されていることを公表しています(ベンダー公表)。交渉AIは「人がやっていた交渉の置き換え」だけでなく、「これまで交渉していなかった支出に手を付ける」効果が大きい点が特徴です。
2-2. 購買オペレーション(見積・発注・納期管理・申請チェック)
調達部門の工数の多くは、見積書の読み取り、発注登録、督促、申請内容の確認といった定型的なやり取りに費やされています。この領域では、AIが下準備と判断材料の整理を担い、最終承認は人が行う形が一般的です。
| 企業 | 取り組み | 成果・状況 |
|---|---|---|
| 日立製作所(電機・ITサービス) | 企業間取引クラウド「TWX-21」を基盤に、見積比較、発注、納期管理などを複数のAIエージェントが連動して処理する「調達AI(調達オペレーション業務向け)」を開発。フォローが必要な案件の抽出、形式の異なる見積書の読み取り、督促文の作成(担当者が確認して送信)、案件ごとのリスク評価とダッシュボード表示を行います。 | 2026年11月に外部提供を開始。自社の納期管理業務に先行適用し、従来の人手作業と比べて作業時間を最大65%削減できることを確認したとしています。2026年度中には、自然災害や地政学リスクの影響と想定損失を予測する「調達AI(SCM業務向け)」も提供予定です。 |
| アクティオ(建設機械レンタル)× 日本IBM | 年間約23万件の間接材調達のうち、約半数を占める都度見積案件が対象。数千社の取引先から届く形式の異なる見積書をAIが約5分ごとに読み込み、品名・数量・単価・金額や値引き・送料の有無を確認したうえで、見積確認から発注登録までを判断プロセスを含めて一連のワークフローとして処理します。実行基盤はIBM Cloudです。 | 2026年9月の適用開始を目標に構築(2026年7月発表)。最終的な発注承認は従来どおり担当者が担います。紙やPDFに分散していた取引実績やコスト構造のデータも構造化・可視化し、今後はカタログ購買への誘導やサプライヤー集約に活用する計画です。 |
| SUEZ(英国・資源循環)× Pactum | 既存の購買システムCoupaにPactumの「Alignment Agent」を接続。すべての購買申請を自動で受け取り、カテゴリー判定、見積の妥当性、単価表との整合などを社内規程に照らしてチェックし、必要に応じてその場で修正します。 | 本番運用。申請処理のサイクルタイム90%短縮、手動レビューの80%削減、バイヤー時間の10%超を戦略業務へ振り向け(いずれもベンダー公表)。約3,800社のサプライヤー、年間7億ポンド超の支出が対象です。 |
| Uniper(ドイツ・エネルギー)× SAP | SAP BuildのJoule Studioでカスタム調達エージェントを構築。従業員の自然言語の質問に対し、購買申請の状況、調達ガイドライン、Ariba Catalogからの新規発注などを複数システムから回答します。SAP Ariba Buying and InvoicingとSAP BTPで連携し、Microsoft Copilot経由でも利用できます。 | SAPが2025年12月に顧客事例として公表。定量成果は示されておらず、情報アクセスの容易化による業務の効率化と、反復作業の削減による従業員満足度の向上が挙げられています。 |
| 大手チョコレート・菓子メーカー(社名非公表)× Coupa | CoupaのAIガイド付き購買を使い、カテゴリー動向とサプライヤーリスクをリアルタイムで評価し、自社の購買履歴と数量に基づく推奨を受けて購買しています。 | 本番利用。Coupa全体では450社超がNaviエージェントを本番運用し、申請サイクル最大50%短縮、ソーシングサイクル最大40%短縮の例があるとしています。支払バッチ作成エージェントは稼働5週間で2,395件・2,010万ドル分の支払を処理しました(いずれもベンダー公表)。 |
請求書と発注・検収データの照合(いわゆる3-way matching)も、AIエージェントの適用が進む領域です。Coupaは請求書の添付書類と請求データを突き合わせて承認・却下を判断するエージェントを一般提供しており、国内でも請求照合を支援するSaaSが相次いで登場しています。ただし、製造業の実名事例で効果が公表されたものは、本記事の調査時点では確認できませんでした。
2-3. サプライヤーリスク・サプライチェーン連携
関税、地政学、自然災害への備えとして、多階層のサプライヤー情報を可視化し、AIでリスクを先読みする取り組みが広がっています。さらに、企業の境界を越えてAIエージェント同士を連携させる研究も始まりました。背景については「サプライチェーン強靭化|関税・取適法・経済安保と基幹システムの備え」もあわせてご覧ください。
| 企業 | 取り組み | 成果・状況 |
|---|---|---|
| アイシン(自動車部品)× Resilire | 広範な自動車部品サプライチェーンの管理で、供給懸念に関する情報入手と初動対応の迅速化が課題でした。サプライチェーンリスク管理クラウド「Resilire」を導入し、サプライチェーン情報とリスク検知機能を組み合わせます。 | 2025年10月に導入を発表。供給懸念の早期把握と影響評価の精度向上を目指すとしています。定量成果は公表されていません。 |
| ロート製薬(医薬品・化粧品)× 富士通 × 東京科学大学 | 異なる企業・異なるベンダーのAIエージェントが、機微情報を一か所に集めずに提案と回答をやり取りし、サプライチェーン全体を最適化する「マルチAIエージェント連携技術」を検証。調達ルートやコスト、スケジュールの条件推定と、エージェント間の安全な情報共有(セキュアエージェントゲートウェイ)が中核です。 | 仮想サプライチェーンでの実証で、物流ルートやスケジュールの最適化により運搬コストを最大30%削減できる効果が期待できることを確認。2026年1月〜2027年3月にロート製薬のサプライチェーンを使った実践的な検証を実施中です。 |
ツール側でも機能強化が続いています。Resilireは2026年9月、取引先ごとに財務・サイバー・地政学・規制・ESGのリスクをスコアで示し、変化を継続監視して担当者に通知する「Resilireリスクスコアリング」の提供を開始しました。リスクが高まった取引先から供給を受ける製品や拠点を確認でき、定期評価や新規取引先の選定にも使えるとしています。日立製作所が2026年度中に提供予定の「調達AI(SCM業務向け)」も、災害や地政学リスクによる想定損失の予測を掲げています。
2-4. 支出・原価分析とAIの前提となるデータ基盤
AIエージェントが正しく判断するには、図面、見積、購買履歴、ソーシング結果といったデータが整理され、検索できる状態になっている必要があります。次の2件は、AIエージェントの導入そのものではなく、その前提となるデータ基盤の整備で成果を上げた国内製造業の事例です。
| 企業 | 取り組み | 成果・状況 |
|---|---|---|
| 川崎重工業(ロボット事業)× キャディ | 2023年12月に、製造業AIデータプラットフォーム「CADDi」のデータ活用クラウド「CADDi Drawer」を導入。別々のシステムにあった図面などの情報を一元化し、類似図面の検索や原価の見直しに活用しました。 | 導入から1年半で年間数千万円規模のコスト適正化を確認。調達部門の特定業務で70%以上の効率化を達成し、設計部門ではある部品群で100点以上あった図面を十数点に集約しました(キャディ公表の事例)。 |
| イーグル工業(メカニカルシール等)× ソフテス × SAP | 直接材はSAP S/4HANAとサプライヤーをWeb EDIではなくSAP Business Networkで直接接続し、SAP Ariba Sourcingで見積・入札を一元化。間接材はSAP Ariba Buying and Invoicingで購買申請の窓口を一本化し、パンチアウト連携でAmazonビジネス、モノタロウ、ASKUL、MISUMIなどと接続しました。 | 2025年11月に直接材、2026年8月に間接材が稼働。連携エラーへの対応負荷が解消し、相見積の比較結果や価格履歴がシステムに残るようになりました。購買部門の業務に占める購買実務の比率は70%から20%に下がると試算しています。 |
イーグル工業の事例はAIの導入事例ではありませんが、ソーシングイベントの履歴、価格履歴、サプライヤー回答がSAPに構造化データとして蓄積される状態は、SAP AribaのJouleエージェントや外部の交渉AIを活用する際の土台になります。SAP Aribaの導入範囲については「SAP Ariba導入ガイド」で詳しく解説しています。
3. 事例から見える成功要因と落とし穴
3-1. 成功要因
- 対象を絞り、段階的に広げている:NECと三菱電機トレーディングは「発注済み部品20品目・サプライヤ4社」、Honeywellは「間接材のパイロット」、日産自動車は「完成車輸送」から始めています。ソフトバンクも業務をマッピングしたうえで優先度の高い領域から適用しています。最初から全カテゴリーを対象にした事例はありません。
- 人が判断する場所を決めている:日立製作所の督促文は担当者が確認して送信し、アクティオでは最終的な発注承認を担当者が担い、ソフトバンクは戦略選択と最終合意を人が判断します。AIに任せる範囲と人が責任を持つ範囲を業務ルールとして明確にすることが、現場の受け入れと監査対応の両面で効いています。
- 既存の購買システムの上にエージェントを載せている:SUEZはCoupaに、UniperはSAP Ariba Buying and InvoicingにAIエージェントを接続し、利用者の操作を大きく変えずに導入しました。新しい画面を増やすより、既存のワークフローに組み込むほうが定着しやすい傾向があります。
- データ整備を先に行っている:ソフトバンクは製品・サプライヤ・契約の3つのデータベース整備を必須条件に挙げ、アクティオも分散していた取引データを構造化しました。川崎重工業やイーグル工業のように、まずデータを一元化するだけでも大きな効果が出ています。
- 利用を組織目標にしている:日産自動車は、バイヤーに対し最初の6か月で1〜2件のソーシングイベントをプラットフォーム上で実施することを正式な目標にしました。ツールの導入と同時に、使い方を組織として定着させる仕組みを用意しています。
3-2. 落とし穴
- ベンダー公表値をそのまま自社の期待値にしてしまう:本記事で紹介した削減率やROIの多くはベンダーの事例ページに基づきます。対象カテゴリー、期間、比較の基準が自社と異なることを前提に、自社データでの検証計画を立てる必要があります。
- 実証で止まってしまう:NECと三菱電機トレーディングの実証でも「本導入に向けた課題は継続議論」とされています。実証の段階で、本番運用の判断基準(合意率、工数、サプライヤー満足度など)と、運用体制・費用を決めておくことが重要です。
- サプライヤー側の受け止めを考慮しない:自律交渉やAIによる督促は、取引先から見れば相手がAIになることを意味します。Honeywellの事例ではサプライヤーの80%が参加しましたが、取引先への事前説明や、人と話せる窓口を残す配慮が欠かせません。下請取引に関わる法令(取適法など)への適合確認も必要です。
- データとアクセス権限の統制不足:ソフトバンクは、業務システム内のデータを理解せずにAIへ接続するとインシデントにつながりかねないと指摘しています。価格や取引条件は機微情報であり、エージェントが参照できる範囲と操作できる範囲を、既存の権限設計と合わせて管理する必要があります。
- 古いデータを参照してしまう:単価マスタや契約情報が更新されていないと、AIは誤った前提で交渉案や推奨を作ります。マスタ保守の責任者と更新頻度を決めておかないと、AIの精度は時間とともに下がります。
4. 製造業が始めるためのステップ
- 調達業務を棚卸しし、エージェント候補を洗い出す:見積依頼、相見積比較、発注、納期督促、価格・条件交渉、購買申請チェック、請求照合の各業務について、件数、工数、判断ルールの明確さを一覧にします。件数が多くルールが明確な業務(納期督促、申請チェック、少額品目の条件交渉など)が最初の候補になります。
- データの前提条件を確認する:品目マスタ、購買情報マスタ(SAPでは購買情報レコード)、サプライヤーマスタ、契約・単価条件、発注・入庫・請求の履歴が、一つの基盤で参照できるかを確認します。SAP S/4HANAを使っている場合は、購買発注と納期回答がシステム上で管理されているか、メールやExcelに残っていないかが重要な確認点です。
- 人が判断するポイントと権限を設計する:AIが自動で実行してよい範囲(例:一定金額以下、合意済み条件の範囲内)、人が承認する範囲、例外時のエスカレーション先を決めます。職務分掌と監査証跡の要件もこの段階で確認します。
- 対象を絞ったパイロットを実施する:1カテゴリー・数社のサプライヤーで2〜6か月程度の検証を行い、工数削減、リードタイム、合意率、削減額、サプライヤーの反応を測定します。開始前に本番移行の判断基準を数値で決めておきます。
- 既存システムとの連携方式を決める:SAP Aribaを使っている場合はJouleエージェントやJoule Studioによるカスタムエージェント、Coupaを使っている場合はNaviエージェント、それ以外では日立製作所やNECなど国内ベンダーのサービスや、Pactum・Keelvarのような専業ツールが選択肢になります。どの方式でも、結果をSAP S/4HANAの購買発注やマスタへ確実に戻す連携設計が鍵です。製品の比較は「Coupaとは|機能・SAP Aribaとの違い・導入判断」も参考にしてください。
- サプライヤーへの説明と運用ルールを整える:AIによる交渉や督促を行う旨、問い合わせ窓口、データの取り扱いを取引先に説明します。下請取引に関するルールに沿っているかも確認します。
- 効果を測定し、対象を広げる:パイロットの結果を経営層に報告し、対象カテゴリーと拠点を段階的に広げます。あわせて、マスタ保守の体制とエージェントの品質を監視する仕組み(誤判定の記録、定期的なルール見直し)を整えます。
まとめ
2025〜2026年の調達・購買AIは、生成AIによる文書作成支援から、見積の読み取り、督促、申請チェック、交渉までを実行するAIエージェントへと進みました。国内では日立製作所、NEC、富士通、ソフトバンクが製品化や検証を進め、三菱電機トレーディング、アクティオ、ロート製薬、アイシンといった実際の利用企業の事例も公表され始めています。海外ではHoneywellや日産自動車(北米)のように、自律交渉や自動ソーシングを本番運用している企業が出ています。
一方で、成果を出している事例はいずれも、対象業務を絞った段階的な導入、人が判断するポイントの明確化、そして購買マスタ・取引データの整備を前提にしています。製造業がまず取り組むべきことは、AIツールの選定より先に、SAP S/4HANAやSAP Aribaなどの基幹・購買システムにデータを集め、業務ルールを標準化することです。その土台があれば、どのベンダーのAIエージェントを選んでも効果を出しやすくなります。
AI活用のご相談
調達・購買業務へのAIエージェント適用の検討、SAP S/4HANA・SAP Aribaの購買データ整備、パイロット対象業務の選定などについては、お問い合わせからお気軽にご相談ください。製造業の調達業務とSAPの両面から、実行可能な進め方をご提案します。