- 活用事例
- シリーズ:業務課題・AI/データ活用
- 業界
- AI
- ビジネス
卸売業の AI 活用、最初に試す仕事の選び方
卸売業・専門商社で生成 AI を最初に試す仕事を、誤りがどこで止まるかで選ぶ方法を説明します。問い合わせへの返信の下書きと商品情報の整備を候補に、見積を後に回す理由、AI に入れてよい情報の分け方、試す間の記録の取り方を示します。

この記事の目次
卸売業・専門商社で AI を最初に試すなら、単価や納期を人が埋めても、AI に任せる文面づくりが残る仕事を選びます。問い合わせへの返信の下書きか商品情報の整備が候補で、見積は 2 つめに回します。AI の出力は不正確になりうるので、単価・納期・在庫の数字は人が元の記録で決めます1。
こんな困りごとはありませんか
図 1 「AI を使え」と言われても、どの仕事から始めるかが決まらない
以下は仮想シナリオです。社員数十人の機械部品の専門商社で、社長が営業部長に「うちも AI を使え」と指示しました。
営業部長は文面を AI に手伝わせたいものの、どれから始めるかも、取引先の情報をどこまで渡すかも決められずにいます。間違った文面が取引先に届くのも心配です。
- 見積・問い合わせ・商品情報のどれから手を付けるか決められない
- 文面を AI に下書きさせるとき、取引先名や単価まで入れてよいか分からない
- AI の誤りが取引先に届き、信用を落とすのが怖い
この記事では、卸の 3 つの仕事(見積・問い合わせ・商品情報)で AI に任せる部分と人が決める部分を分け、最初の 1 つを試す手順を紹介します。
最初に試す仕事の比べ方
比べる軸は、数字を外しても AI に任せる仕事が残るかです。 単価・納期・在庫の数字は AI の出力から外し、人が元の記録で埋めます。見積は中身が数字そのもので、外すと AI に残るのは添える文面と、準備の要る過去の見積探しなので、最初の候補から外します。
| 仕事 | 人が決める部分 | 外した後に AI に任せる部分 | AI の仕事の量 |
|---|---|---|---|
| 問い合わせ | 在庫数・納期、送信 | 返信の下書き | 多い |
| 商品情報 | 元の資料との照合 | 表記の統一、説明文の下書き | 多い |
| 見積 | 単価・数量・納期 | 添える文面、過去の見積探し | 少ない |
問い合わせと商品情報のどちらから始めるかは、担当者が時間を取られている方で決めます。
AI に入れてよい情報を分ける
図 2 そのまま貼る・置き換える・確かめてから入れる、の 3 つに分ける
試す前に、会社で使ってよい AI サービスを確かめ、入れてよい情報を 3 つに分けます。 聞く相手は情報システム担当で、いなければ社長です。決まっていなければ取引先名や単価は入れず、公開カタログの文面などで試します。
取引先名や個人名は、無くても下書きの質が変わらないので置き換えます。このあと紹介する問い合わせの返信と商品情報の整備は、単価を入れずに試せます。2 つめに回す見積の文面などで単価や取引条件を入れたくなったら、サービスの扱いを確かめてから入れます。
| 区分 | 例 | 扱い |
|---|---|---|
| そのまま貼る | 公開されている仕様、カタログの文面 | そのまま入れてよい |
| 置き換えて貼る | 取引先名、担当者の個人名 | 「A 社」「B さん」に置き換える |
| 確かめてから入れる | 未公開の単価、取引条件 | 会社が認めたサービスの扱いを確かめる |
AI に入れた文章の扱いは、サービスと契約で変わります2。確かめるのは次の 3 点です。
2026 年 10 月時点で、主な提供元は、法人向けの契約なら最初の設定のままで入力を学習に使わないと説明しています567。ただ、設定が変わっていて学習に使われると、入れた文章が提供元の AI を改良する材料になります。そうなると、社外に出せない単価や取引条件が、自社の管理の外で使われます。
契約と設定を確かめても、不正利用が疑われた入力は、提供元の担当者が確認することがあります8。国内では個人情報保護委員会も 2023 年 6 月に、個人情報を生成 AI サービスへ入れるときの注意を出しています9。どちらも、取引先名や個人名を置き換える理由になります。
名前を置き換えたうえで、使うのは会社が決めたサービスに限ります。社内文書をどこまで AI に読ませるかは、社内文書を AI に読ませるときの情報漏えい対策で扱っています。
問い合わせは返信の下書きから
問い合わせは、文面を AI に任せ、数字を人が埋める形にしやすい仕事です。 仮想シナリオの会社には、「この品番の在庫はあるか」といった問い合わせが毎日届きます。返信の文面を整える作業が、担当者の時間を少しずつ奪っています。
ここで使う生成 AI は、文章で指示すると、文章や表を作って返す道具です(ChatGPT など。中の仕組みは用語集:LLM)。
使い方は簡単で、AI サービスに次の指示文を貼ります。会社名は、前の節で分けたとおり置き換えて貼ります。最後の行は、実際の問い合わせに差し替えます。
あなたは機械部品の専門商社の営業担当の補助です。
次の問い合わせに対する返信の下書きを、丁寧な文面で書いてください。
在庫数と納期は「○○」のまま残し、私が確かめてから埋めます。
<問い合わせの文面を貼る。会社名は「A社」に置き換える>在庫数と納期を空欄のまま残させるのがこつです。数字は担当者が在庫の記録を見て埋め、読み直してから送ります。誤りは、送信前に社内で止められます。
商品情報は表記をそろえる
図 4 表記のゆれを AI にそろえさせ、元の資料と照らして直す
商品情報の整備は、取引先に出る前に、元のカタログと照らして社内で直せる仕事です。 品番・仕様をまとめた商品の一覧は、メーカーごとにカタログの書き方が違うため、表記がゆれます。
例えば、同じ材質を「ステンレス」と「ステンレス鋼」と書き分けることがあります。AI には、こうした表記を社内の決まりにそろえる作業を任せます。カタログの文面から、商品説明の下書きを作らせることもできます。
ただし、AI の出力は不正確になりうると Microsoft は注意しています1。同社は、出力の情報源を示すことを対策の 1 つに挙げています10。SignaRoot は、根拠の箇所を AI に示させ、担当者が元の資料と照らしてから反映することを勧めます。照らさずに反映すると、仕様の誤りがカタログや見積を通して取引先に届きます。
見積は文面と過去の見積探しまで
見積は、最初に試す仕事には向きません。 2 つめに回すときは、次の範囲で AI に任せます。
AI に任せられるのは、見積に添える文面の下書きと、過去の似た見積探しまでです。単価・数量・納期は、数字の誤りがそのまま約束として取引先に届くので、SignaRoot は担当者が元の記録で書くことを勧めます。
過去の見積を探すには、社内の記録を検索して AI に渡す仕組み(RAG、用語集:RAG)が要ります。準備に手間がかかるので、見積は問い合わせか商品情報で手応えを得てから 2 つめに回します。
1 つの仕事を試して記録する
図 6 使ってよいサービスを確かめ、時間を取られている作業を聞き取り、今の時間を測ってから、件数・時間・手直しを記録して見返す
選んだ 1 つを、今の時間を測ってからひと月試し、記録を見て続けるかを決めます。
試す仕事は、次の順で決めて進めます。
- 会社で使ってよい AI サービスと入れてよい情報を確かめる(「AI に入れてよい情報を分ける」の節)
- 営業と業務の担当者に、月に一番時間を取られている作業を 1 つずつ聞く
- 問い合わせと商品情報のうち、聞き取りで時間を取られていた方から始める(どちらも挙がらなければ問い合わせから)
- 試す前に、今のやり方で件ごとにかかる時間を測る
- 試す間は、下書きさせた件数・件ごとの時間・手直しの件数と理由を記録する
- 週ごとに見返し、ひと月たったら、続けるか、別の仕事に移るか、やめるかを決める
仮想シナリオでは、在庫の問い合わせへの返信が一番時間を取っていました。営業部長は、その下書きから始めます。
始める時点では、時間を何割減らすといった目標は決めません。今の時間を測る前に決めた目標には、根拠が無いからです。
ひと月後、件ごとの時間が試す前より減り、手直しの理由が言い回しの直しに収まっていれば続けます。時間が減らないときや、手直しの理由が数字の誤りばかりのときは、止めて理由を見直します。理由が仕事の向き不向きにあるなら、もう一方の仕事に移ります。もう一方の仕事でも時間が減らなければ、いったんやめて、相談先と進め方を見直します。
まとめ
- 卸売業・専門商社の AI は、問い合わせの返信か商品情報の整備から 1 つを選び、見積は 2 つめに回す
- 選ぶ軸は、単価や納期を外しても AI に任せる文面づくりが残るか
- 単価・納期・在庫の数字は、AI の出力を写さず人が元の記録から決める
- 試す前に使ってよいサービスを確かめ、入れる情報をそのまま貼る・置き換える・確かめてから入れるの 3 つに分ける
- ひと月試して件数・時間・手直しを記録し、続けるかを決める
ご相談
どの仕事から AI を試すかを一緒に整理したい方はお問い合わせへ。
次に読む
参考文献
-
Overview of Responsible AI practices for Azure OpenAI in Foundry Models - Microsoft Foundry(Microsoft。出力が不正確になりうることを利用者に伝え、数値に注意を促し、人のレビューを行うよう開発者に勧めている)
-
Enterprise privacy at OpenAI(OpenAI。法人向けでも、既定の扱いと利用者側の設定で入力の扱いが変わる)
-
Enterprise privacy at OpenAI(OpenAI。利用者が許可すると学習に使われる場合がある)
-
Gemini Enterprise Agent Platform and zero data retention | Google Cloud Documentation(Google。一部の API では保存の既定値が有効)
-
Enterprise privacy at OpenAI(OpenAI。法人向けでは既定で学習に使わない)
-
Data, privacy, and security for Foundry Models sold by Azure in Microsoft Foundry - Microsoft Foundry(Microsoft。許可なく学習に使わない)
-
Gemini Enterprise Agent Platform and zero data retention | Google Cloud Documentation(Google。許可なく学習に使わない)
-
Data, privacy, and security for Foundry Models sold by Azure in Microsoft Foundry - Microsoft Foundry(Microsoft。乱用の監視で印が付くと担当者が確認できる)
-
生成AIサービスの利用に関する注意喚起等について |個人情報保護委員会(個人情報保護委員会。2023 年 6 月 2 日、生成 AI サービスの利用に関する注意喚起)
-
Overview of Responsible AI practices for Azure OpenAI in Foundry Models - Microsoft Foundry(Microsoft。出力の情報源を示すことを緩和策に挙げている)
更新履歴
- 公開
- 更新




