生成AIを用いた営業計画業務の高度化ソリューション

なぜ今、営業計画業務の変革が必要なのか

昨今では戦争や紛争などの地政学リスクに加え、関税の動向、国内の労働力不足やクライアントニーズの多様化など、企業を取り巻く外部環境の変化は激しくなっています。

また、調達のグローバル化や輸送コストの高騰、世界的な半導体不足といった原材料価格や調達リードタイムに関わる多くの点でも大幅な変動が発生しています。

これらに起因する営業計画のブレは在庫過多やバックオーダーを招き、工数や負荷の増加につながります。特にグローバルに展開している企業ほど、その影響は大きくなってしまいます。

図表1：製造業を取り巻く外部環境

図表2：SCM全体への影響

これからの企業経営では、こうした不確実性の高い世界を前提とした舵取りが必要となります。

そのため、全ての変化を予想した精度の高い計画策定の下、年度などの長期戦略を固定して考えることは現実的ではありません。複数のシナリオを想定・作成し、予実分析と計画更新のサイクルを高速化することで、データに基づいて「経営を見通す」ことが重要です。

そのような体制を構築するためには、サプライチェーン全体の起点となる営業計画のDX化が不可欠です。これにより迅速な経営判断はもちろんのこと、後続の生産や調達の予実差を最小限に抑え、過剰在庫や欠品などに伴うコスト改善も実現します。

PwCが考える営業計画のDXとは

私たちは、営業計画におけるDXの一番のポイントは人とAIの分業だと考えます。

従来の営業計画業務では年度計画を作成し、月次分析で予実を確認しつつ、それ以降の計画に反映することが求められます。

その作成プロセスにおいては、多くの企業で優秀な人材が多大な労力と工数をかけて、需要予測や予実要因分析を行っているのが実態ではないでしょうか。

図表3：営業計画DXを実現するための変革ポイント

①の需要予測では現状、実績を踏まえた経験と勘を基に人間が予測していますが、今後はAIによる高精度予測に変えていくことが重要です。

また、②の意思入れにおいては、1つの年度計画の精度向上に注力するのではなく複数シナリオを作成することで、外部環境の変化に合わせて受け身が取りやすい状態になります。

そして、③の予実要因分析では製品数の多さなどから、予実差が大きいものに当たりをつけて分析・深掘りする傾向にありますが、今後は生成AIなどを通した網羅的な差異分析、要因探索が行えるようになるでしょう。

最後に、④の施策検討・実行の業務では、分析に工数を取られ施策検討に十分な時間を割けず、作業を次年度に持ち越す企業も多いですが、生成AIのインサイトを用いることで、施策検討への注力が可能となります。

これらの取り組みにより、計画の精度や効率が向上するだけでなく、属人的な内容の見直しに伴い業務均一化も進むことから、サプライチェーン全体に対するコスト削減や売上向上が見込めます。

営業計画のDX化に基づく月次管理業務の例

営業計画のDX化の下、計画と実績の乖離とその原因を月次などで特定し、対策を打つケースについてご紹介します。

図表4：月次業績分析～意思決定までの一連の流れ

最初に、実績データを基に、計画管理システム上で予実の乖離が大きい地域や製品群などを特定します。
その上で、生成AIを用いることで、なぜその差が生じているか分析します。
これにより、「どこで」予実の乖離が起きているのかに加えて、「なぜ」予実の乖離が起きているのかを特定できます。
そして、この生成AIの分析を基に、営業の担当者が打ち手の検討を行い、財務数値への影響をシミュレーションすることで、最終的な意思決定を行います。

これにより、多くの工数を要する属人的な業務であった予実管理を高速化し、意思決定や施策実行といった付加価値の高い業務に時間を割くことが可能になります。

PwCの支援

計画管理領域の特性を踏まえ、ウォータフォール形式・アジャイル形式双方でのエンド・トゥ・エンドの支援が可能です。

構想策定

• PwCコンサルティングのテンプレートを用いた現状の業務フローの整理
• 他社類似事例の知見を生かした、現行業務における課題・論点の整理
• あるべき姿と、実現ステップの策定

要件定義

• あるべき姿に対する業務フロー／業務機能展開図の定義とMVP（Minimum Viable Product）機能の抽出
• システムテンプレートに基づく画面レイアウト／UXの定義
• UX／UI検証のためのモックアップの構築とフィードバック収集
• オフショアも含めた、最適な開発体制の検討および構築
• 稼働後の内製化に向けた体制検討

設計・開発・テスト・移行

• 業務機能展開図に基づくロジック定義
• 多次元のデータ構造に基づく、レスポンス確保のためのデータ容量試算
• データフローの解析に基づく、レスポンス確保のための機能配置検討
• 専門資格の保有者による、迅速な開発およびフィードバック収集
• コードレベルでのレビューおよび改修によるシステム全体の最適化
• 立ち上げ支援・運用／保守
• 生成AIベースのチャットボットを用いた、事務局負担の少ない体制・運用の構築
• 設計／開発内容および技術的・業務的観点に基づくサービスデスクの設置