AI需要予測、現場データが鍵だった

需要予測って聞くと「AIが自動でなんかすごい計算してくれるやつ」ってイメージありますよね。でも実際の現場では、AIや統計モデルがどれだけ高性能でも「肝心なデータが入っていない」という理由で精度が全然出ないケースが多発しているんです。

今回紹介するのは、そのリアルな話。需要予測における最大の壁は「技術的な限界」ではなく、「現場にいる人しか知らない情報がモデルに入っていない」という、ある意味シンプルな問題なんです。

たとえばシステムには記録されていない「来月大口の商談がほぼ決まっている」「今週セールをやる予定」「在庫がそろそろ切れそう」といった情報。これって現場の人なら当然知っていますよね。でもAIはそれを知らないまま「過去データ」だけで計算しているんです。この構造的なズレが、予測精度を下げる最大の原因になっています。

マーケターにとってなぜ重要なのか？

① 予算配分・施策タイミングが「外れた予測」に引っ張られるリスク

マーケターにとって需要予測は、広告出稿量・在庫確保・プロモーションのタイミングを決める根拠になりますよね。でもその予測が「現場情報を無視したAIの計算結果」だとしたら、どうでしょう。

たとえば「来月は大口顧客との商談が決まっていて売上が跳ね上がる見込み」という情報を営業担当は知っている。でも需要予測モデルにはその情報が入っていない。結果、AIは「平月並みの売上」と予測し、マーケターはその数字をもとに控えめな広告予算を組んでしまう——こういうズレが実際に起きているんです。

逆もあります。在庫が実は薄くなっていて大量発注を促すキャンペーンをやっても意味がない、という状況をマーケターが知らずに施策を打ってしまうケースも。

② 「AIに任せたから正しいはず」という思考停止が一番危ない

以前ASADASHIで紹介したAIが株・KPI分析を自動レポート化する時代への流れと似ているんですが、AIが自動でアウトプットを出してくれると「それが正しい」と思いがちなんですよね。でもAIが学習しているのはあくまで「過去のデータ」。現場の生きた情報は入っていない。

マーケターが持っている「なんとなくこの時期は動きが鈍い」「競合がセールをやりそうな気配がある」「今年は例年と顧客層が違う」といった感覚的な情報は、実はモデルの精度を大きく左右する「隠れた変数」なんです。それをデータとして渡す仕組みがなければ、どんなに高度なAIも的外れな予測を出し続けます。

③ マーケターの「肌感」は競争優位になり得る

ここが面白いポイントで、需要予測の精度競争において「現場担当者の知識をいかにモデルに組み込むか」が今、最大の差別化要因になってきています。高度なアルゴリズムは各社が導入すれば横並びになりますが、「自社固有の現場情報」は他社には真似できない。

マーケターが持つキャンペーン計画・商談状況・顧客の反応感度・競合の動向観察——これらを需要予測担当者やデータチームと定期的に共有する仕組みがあるだけで、予測精度は段違いに変わる可能性があるんです。

よくある疑問

Q1. 「現場情報をモデルに入れる」って具体的にどういうことですか？難しそうで…

A. 難しく考えなくて大丈夫です。たとえば「来月セールがある」という情報を、予測モデルに「来月はセールあり＝1、なし＝0」という形で渡すだけでも違います。「競合がプロモーションをやっている週」という情報をカレンダーデータとして渡すこともできます。技術的な実装はデータチームがやることなので、マーケターがすべきは「こういう情報が予測に使えそうだ」と気づいて伝えることです。

Q2. うちにはデータチームも需要予測モデルも正直ないのですが、それでも関係ある話ですか？

A. むしろ今がチャンスです。需要予測を「Excelの勘と経験」でやっているなら、最初からモデルを構築する際に現場情報を組み込む設計にできます。後から付け足すより、最初から入れた方が断然楽なんです。小規模なら、GoogleスプレッドシートやBIツールで「現場メモ欄」を作るだけでも立派な第一歩です。また、以前紹介したAIが株・KPI分析を自動レポート化する時代へのようなツールを使いながら、定性情報をどう補足するかを考えるアプローチも有効ですよ。

Q3. 「現場の人しか知らない情報」を入れすぎると、属人化が進みませんか？

A. 鋭い視点ですね。確かに「その担当者が異動したら予測できなくなる」という問題は起きやすいです。だからこそ、個人の頭の中にある情報を「構造化して記録する仕組み」を作ることが大事なんです。商談メモをCRMに入力する習慣・プロモーション計画をカレンダーで共有する習慣——こういった「情報の民主化」がセットで必要になります。属人化を避けながら現場情報を活かす設計が、中長期的な予測精度向上の鍵です。