受注生産をしている会社に「この仕様だと、いつ納品できますか」という問い合わせが入ったとき、その場で答えられることはほとんどありません。営業が電話を切り、工場に内線を入れ、担当者が席を外していて、戻ってきた頃には別の段取りに入っていて、結局その日のうちには返せない。翌日の朝礼でようやく話が通り、夕方に回答が出る。結論から先に言うと、この一連の往復にかかっている時間の大半は、判断そのものではなく「社内の誰かがすでに知っていることを、別の誰かに届けるまでの待ち時間」でできています。AIを生産管理のデータにつないでおくと、この待ち時間の部分だけをまとめて削れます。逆に、工場長が図面を見て「この形状はうちの機械では一発で通らない」と判断する工程は削れませんし、削ってはいけません。この記事では、一件の問い合わせが返るまでの流れを工程ごとに「今」と「AI導入後」で並べ、最後に人が必ず確認すべき線をどこに引くかまで書きます。

「確認して折り返します」と言った瞬間に、その案件は止まる

沖縄の製造業や加工業でよく見る風景があります。県外の取引先から夕方近くに問い合わせのメールが届く。内容は「添付の図面で、数量三十、いつまでに出せますか」というだけのもの。営業担当はすぐに返したいのですが、材料の在庫も、来週のラインの詰まり具合も、本土から取り寄せる部材の船の便も、自分の手元では分かりません。だから「確認して折り返します」と書いて送る。この一文を送った瞬間から、案件は担当者の記憶の中だけに置かれ、誰も進捗を見ていない状態になります。

問題は、この止まっている時間が見えないことです。待たされている側の取引先には「返事が遅い会社」としてだけ記録され、社内では誰も自分が遅らせているとは思っていません。全員が自分の持ち場では普通に働いているのに、案件だけが工程と工程のすきまに落ちている。受注生産の納期回答が遅れる原因は、たいていの場合、誰かの怠慢ではなく、この構造のほうにあります。

一件の回答が返るまでに、社内で実際に起きていること

手順を分解してみると、思っているより多くの工程が挟まっていることに気づきます。まず営業が問い合わせ文と図面を読み、何を聞かれているのかを整理します。次に、その仕様に使う材料が手元にあるか、なければ発注からどれくらいかかるかを調べます。続いて製造側の予定表を見て、いつラインを空けられそうかの当たりをつけます。ここまでは机の上でもできますが、確信が持てないので工場の担当者に確認を取ります。担当者が現場にいれば五分で済み、いなければ半日待ちます。回答が揃ったら、今度はそれを取引先向けの文章に組み直します。数量が変わった場合や、分納でよいかどうかの条件も添えます。そして送信。

ひとつひとつは短い作業です。それでも、工程と工程の間に「相手の手が空くのを待つ」時間が四回も五回も挟まるので、合計すると半日から二日になります。しかも問い合わせは一件ではありません。月に何十件と来る会社では、営業担当の一日がこの確認作業でほとんど埋まってしまいます。

工程を左右に並べて、どこが縮むのかを見る

実際に工程ごとに置き換えてみると、AIが引き受けられる部分とそうでない部分がはっきり分かれます。下の表は、標準的な受注生産の一件を想定した並べ方です。所要時間は扱う製品や社内の体制によって大きく変わるので、あくまで一例として見てください。

工程	今の流れ	AIを使った流れ
問い合わせを読み解く	営業が図面とメールを突き合わせて要点を整理（15〜30分）	メールと添付から数量・仕様・希望時期を自動で抽出して一覧化（数分）
材料・在庫を調べる	在庫表を開いて品番を照合、足りなければ仕入先の納期を確認（30分〜半日）	在庫データと過去の調達実績を参照し、不足分の目安を提示（数分）
ラインの空きを見る	製造の予定表を見て、担当者に電話（担当者が戻るまで待ち）	生産計画のデータから空き枠の候補を三案ほど出す（数分）
工場担当者に確認	電話・内線・現場まで行く（10分〜半日）	草案を提示したうえで可否だけ判断してもらう（5〜10分）
回答文を作る	過去のメールを探して言い回しを真似る（20〜40分）	自社の過去回答の型に沿って下書きを作る（数分）
送信	営業が確認して送信	営業が確認して送信（変わらない）
合計の目安	半日〜二日	当日中、早ければ一時間以内

並べてみると分かるとおり、消えているのは判断ではなく「探す時間」と「待つ時間」です。在庫表を開いて品番を目で追う作業、予定表とにらめっこして空き枠を探す作業、過去のメールフォルダをさかのぼって似た案件の文面を探す作業。どれも人がやると集中力を使うのに、成果物としては何も新しいものを生んでいません。ここを機械に渡すというだけの話です。

AIが持てるのは「聞かなくても分かる部分」だけ

ここを誤解したまま導入すると、まず失敗します。AIは在庫データを読めますし、過去三年分の類似案件から「この仕様なら前回は十四営業日だった」と引っ張ってくることもできます。しかし、今日の午後に主力機が突然止まったことや、ベテランの担当者が来週から長期の休みに入ることは、どこにもデータとして入っていません。工場の中にしかない情報は、AIには構造的に見えないのです。

だから設計の出発点は「どの情報がすでにデータになっているか」の棚卸しになります。在庫管理をエクセルでつけているなら、それは使えます。生産計画がホワイトボードにマグネットで貼ってあるだけなら、それはまだ使えません。過去の見積書と納品書が共有フォルダに残っているなら、それは実績データとしてかなり強い材料になります。逆に、担当者の頭の中にしかない「この客先は分納を嫌がる」といった知識は、誰かが一度書き出さないかぎり、いつまでもAIの外側に残ります。

この見極めをせずに「AIで納期回答を自動化したい」と始めると、結局どの工程も人が二重にチェックすることになり、かえって手間が増えます。AIエージェントを業務に組み込む考え方も、まずは手元のデータが何を語れるのかを確かめるところから始まります。

半日が十五分になる工程と、どうやっても変わらない工程

時間の縮み方には、はっきりした偏りがあります。いちばん大きく縮むのは、情報を探す工程です。在庫と過去実績の照合に三十分かかっていたものが数分になる。これは人間が目で追っていたものを検索に置き換えているだけなので、素直に効きます。次に縮むのが待ち時間です。今まで「担当者に聞かないと分からない」から丸ごと止まっていた案件が、草案が先にできている状態で担当者に渡るので、確認は五分で済みます。電話で一から説明していたものが「この三案でいいですか」に変わるだけで、往復の回数が減ります。

一方で、まったく縮まない工程もあります。材料の調達そのものにかかる日数は変わりません。本土から取り寄せる部材が船で一週間かかるなら、AIを入れても一週間です。加工そのものにかかる時間も変わりません。ここを縮める話と、回答を早く返す話は別物です。納期回答のAI化で得られるのは「同じ納期を、より早く伝えられる」ことであって、納期そのものが短くなるわけではない。この区別を社内で共有しておかないと、期待だけが先に膨らんで、導入後に「思ったほど変わらない」という評価になってしまいます。

ただ、この「早く伝えられる」だけでも取引先からの見え方はかなり変わります。夕方の問い合わせに翌朝ではなくその日のうちに返せる会社は、同じ納期を出していても信頼されます。受注生産の商談で最後に効いてくるのは、この積み重ねのほうです。

沖縄の受注生産には、船便と本土発注という変数が入る

県内の会社で納期回答を組み立てるとき、本土の同業とは違う条件が二つ乗ってきます。ひとつは材料の調達です。県内で完結する材料ならいいのですが、本土からの取り寄せが入ると、発注の締め時間、船の便、天候による遅延、そして港での荷受けのタイミングまでが納期に効いてきます。同じ品番でも「木曜の午前までに発注できたか」で一週間ずれることがある。これは経験のある担当者なら体で覚えていますが、新人には見えません。

もうひとつは、繁忙の波が本土と少しずれることです。観光関連の設備や飲食店向けの什器を扱っていれば、県内の閑散期と繁忙期に合わせて仕事が動きます。年末年始や慰霊の日前後の稼働、台風で一日二日まるごと止まることも計算に入れないと、出した納期が守れません。

こうした条件は、実はAIに載せやすい部類の知識です。「この仕入先は水曜締めで翌週着」「台風接近時は稼働見込みから一日引く」といったルールは、文章で書き出せます。ベテランの頭の中にあるうちは属人的ですが、一度書き出して参照できる形にしておけば、誰が問い合わせを受けても同じ精度で答えられるようになります。沖縄の中小企業でAIをどう使うかという話の実体は、たいていこういう地味な書き出し作業です。

人が必ず確認する工程はどこに線を引くか

ここがこの記事でいちばん大事なところです。工程を並べたうえで、どこまでを機械に任せ、どこから先は必ず人が見るのかを、導入前に決めておく必要があります。おすすめしたい線の引き方は三つです。

第一に、取引先に出す文面は必ず人が読んでから送る。下書きまではAIが作ってかまいませんが、送信ボタンは人が押す。納期は契約に直結する数字なので、ここを自動送信にすると、間違えたときに取り消せません。第二に、過去に例のない仕様は自動回答の対象から外す。類似案件が見つからない問い合わせは、AIが出す見込みの根拠が薄くなります。「これは初めての形です」とだけ表示して、人の判断に回すほうが安全です。第三に、現場の状況が通常と違う日は、工場側の確認を必ず挟む。設備が止まっている、応援に人を回している、といった事情はデータに出てきません。

この三本を引いておくと、AIの役割は「回答を決める人」ではなく「回答を準備する人」に落ち着きます。営業担当の手元には、材料の状況と空き枠の候補と、それを踏まえた文面の下書きが揃った状態で案件が届く。あとは目を通して、必要なら工場に一本だけ確認を入れて、送る。往復が四回から一回に減るというのは、そういう意味です。

最初にやることは、過去の回答を一箇所に集めること

いきなりシステムを入れる話にする必要はありません。実務として先にやる価値があるのは、過去の納期回答を集めて並べてみることです。この半年から一年のあいだに出した見積書、納期回答のメール、実際の納品日。この三つを突き合わせると、自分の会社が「どのくらい余裕を見て回答しているか」「実際にどれだけずれたか」が数字で見えてきます。

この作業は、AIを入れるかどうかとは関係なく効きます。回答した納期と実績のずれが一貫して同じ方向に出ているなら、回答の出し方そのものを見直す余地がある。逆に、ばらつきが特定の材料や特定の工程に集中しているなら、そこが本当のボトルネックです。並べてみてはじめて「毎回工場に確認していたのは、実は在庫が分からなかっただけだった」と分かることもあります。

そのうえで、どの範囲をAIに任せるかを決めていきます。全部を一度に変えようとせず、まずは問い合わせ内容の整理と在庫照合だけ、といった限定の仕方でも十分に効果は出ます。どこまで自動化できるかは扱う製品や既存システムの構成によって変わるので、実際の進め方は個別に見ていくことになります。判断に迷う段階の相談でも、お問い合わせからご連絡いただければ、まず現状の工程を一緒に並べるところからお付き合いします。

まとめ

受注生産の納期回答に時間がかかるのは、判断が難しいからではなく、判断に必要な情報が社内に散らばっていて、集めるために人と人の往復が何度も発生するからです。工程を「今」と「AI導入後」で並べてみると、縮むのは探す時間と待つ時間であり、材料の調達日数や加工時間そのものは変わりません。つまりAIで手に入るのは、同じ納期をその日のうちに伝えられる状態です。

そして、すべてを自動にする必要はありません。取引先に出す文面は人が確認する、前例のない仕様は人に回す、現場が通常と違う日は工場に確認する。この三本の線を最初に引いておけば、AIは営業担当の前に材料を揃えて置いておく役に徹します。まずは過去の回答と実績を一箇所に集めて、自分の会社のどの工程に時間が溶けているのかを確かめるところからで十分です。