投稿者 投稿日: カテゴリー EC・WEBノウハウ
Amazon在庫管理AIとは、需要をAIで予測し欠品と過剰在庫を同時に防ぐ運用のことです。
FBAの在庫保管手数料の請求明細を見て、想定より高いと感じた経験はないでしょうか。Amazon Seller Centralの在庫パフォーマンス指標（IPI）が基準を下回ると保管上限が絞られ、逆に売れ残りが積み上がれば長期保管手数料が膨らみます。Amazon在庫管理をAIで運用する目的は、この「欠品による機会損失」と「過剰在庫による保管コスト」という相反する2つの損を、需要予測の精度で同時に小さくすることにあります。本記事では、出品データとSeller Centralのレポートを使い、ChatGPTやClaudeで需要予測と発注判断を半自動化する手順を、コピペで使えるプロンプト6本とともに具体化します。
FBA在庫の何がコストを生むのか
在庫が利益を削る経路は大きく3つあります。1つ目は長期保管手数料です。FBA倉庫に一定期間以上滞留した在庫には、通常の保管手数料に加えて追加の費用が課されます。2つ目は在庫パフォーマンス指標（IPI、在庫の健全性を点数化した指標）の低下による保管上限の縮小で、売れ筋を補充したいときに枠が足りないという事態を招きます。3つ目は欠品で、こちらは手数料ではなく、検索順位の下落とカートボックス（購入ボタンの優先表示）の喪失という形で機会損失になります。
現場で繰り返し見るのは、この3つを別々の担当者が別々のタイミングで眺めている状態です。発注担当は過去の出荷数を見て勘で補充し、経理は四半期に一度、保管手数料の総額に驚く。両者をつなぐのが需要予測で、AIはこの予測と発注点の算出を、毎週・毎日の単位で回せるところに価値があります。
需要予測の土台になるデータは、Seller Centralから取得できます。注文レポート、在庫レポート、FBA在庫健全性レポート、そして広告のキャンペーンレポートです。これらをCSVで書き出し、商品ごとの直近の販売速度（1日あたり何個売れるか）、季節変動、広告出稿の有無を並べると、AIに渡すための材料がそろいます。直近の支援案件で観測したのは、Excelの関数で組んだ単純な移動平均よりも、AIに販売速度の変化点と季節性を言語で説明させたほうが、欠品アラートの精度が上がるケースが多いという傾向でした（効果は商品の回転率による目安）。
ここで重要なのは、AIに丸投げするのではなく、判断の枠組みを人が設計する点です。リードタイム（発注から入荷までの日数）、最低発注ロット、安全在庫の考え方は店舗ごとに違います。AIに計算させる前に、この前提を言葉で固定しておくと、出力が実務に乗ります。Amazon全体の検索や出品の最適化を見直したい場合は、Amazon SEOの2026年版解説やAmazonマーケットプレイス出品の攻略も土台として役立ちます。
もう一点、見落とされがちなのが在庫データと売上データの「時間軸のずれ」です。FBAでは、注文が入ってから倉庫で引き当てられ、配送され、返品が戻ってくるまでにタイムラグがあります。返品率の高いアパレルやサイズ展開の多い商品では、見かけの在庫が潤沢でも、実際に販売可能な在庫はもっと少ないことがあります。AIに予測させる前に、純粋な販売可能在庫（総在庫から返品処理中・保留分を除いたもの）で考える癖をつけると、欠品の読み違いが減ります。この補正を入れるだけで、発注点の計算が現場の感覚に近づきます。
予測の材料をそろえる：Seller Centralからのデータ取得手順
予測の質は、渡すデータの質で決まります。最初にそろえたいのは4種類のレポートです。1つ目は注文レポート（直近90日分）で、SKUごとの日次販売数の基礎になります。2つ目はFBA在庫レポートで、現在の販売可能在庫・入庫予定・保留分を把握します。3つ目はFBA在庫健全性レポートで、滞留日数や長期保管手数料の対象見込みが分かります。4つ目は広告のキャンペーンレポートで、販売速度の変化が広告由来かどうかを切り分けられます。
取得手順はシンプルです。Seller Centralの「レポート」メニューから各レポートをCSV形式でダウンロードし、商品ごとにSKUをキーにして横に並べます。文字コードや列名はレポートごとに異なるため、AIに渡す前に列の意味を1行ずつメモしておくと、プロンプトの指示が書きやすくなります。週に一度この更新を回す担当を決めておくと、予測が止まりません。
データをそろえる段階でつまずく典型は、SKUの表記ゆれです。同じ商品が出品者SKUとASINで別々に並んでいたり、旧SKUと新SKUが混在していたりすると、販売速度が分散して見え、予測が狂います。最初に名寄せのルール（どのSKUを正とするか）を決め、レポートを取り込むたびに同じルールで整えることが、地味ですが効果の大きい前処理です。直近の支援案件で観測したのは、この名寄せを一度きちんと整理しただけで、欠品アラートの誤検知が大きく減ったケースでした（効果はSKU数による目安）。
AIで在庫管理を自動化する6つのプロンプト
ここからは、ChatGPTやClaude、Geminiで使えるプロンプトを6本、用途別に示します。いずれも独立して使えるよう設計しており、{ジャンル} や {リードタイム} の中括弧部分を自店の値に置き換えて使ってください。2026年6月時点では、長文の表データを扱う作業はClaudeのSonnet系、対話的な調整はChatGPTのGPT-5系が扱いやすい印象ですが、いずれのモデルでも下記プロンプトは動作します。
最初のプロンプトは、販売速度の算出です。注文レポートを貼り付けて、商品ごとの1日あたり販売数と、直近で速度が変化した商品を洗い出します。
（用途タイトル：販売速度と変化点の抽出）
あなたはAmazon FBAの在庫管理に精通したECコンサルタントです。
以下の注文データ（直近90日）をもとに、SKUごとに次を算出してください。
1. 直近30日の1日あたり平均販売数
2. 直近7日の1日あたり平均販売数
3. 7日平均が30日平均より20%以上増えた、または減った「変化点SKU」の抽出
4. 変化点SKUについて、増減の考えられる要因の仮説（広告・季節・在庫切れなど）を1行
前提：
- ジャンル：{ジャンル}
- 季節性の強い商品：{該当SKUがあれば記載}
出力：SKU・30日平均・7日平均・変化率・変化区分（増加/減少/横ばい）・要因仮説の一覧
次に、発注点と発注量を計算させます。リードタイムと安全在庫を前提として渡すのがポイントです。
（用途タイトル：発注点・発注量の算出）
あなたは在庫最適化の担当者です。以下の条件で、SKUごとの発注点と推奨発注量を計算してください。
条件：
- リードタイム：{発注から入荷までの日数}
- 安全在庫日数：{欠品を防ぐための余裕日数}
- 最低発注ロット：{ロット数}
- 1日あたり販売数：前段で算出した30日平均を使用
計算ルール：
1. 発注点 =（1日あたり販売数 ×（リードタイム＋安全在庫日数））
2. 現在庫が発注点を下回ったSKUを「要発注」として抽出
3. 推奨発注量 =（30日分の販売見込み）を最低発注ロット単位に丸める
出力：SKU・現在庫・発注点・要発注フラグ・推奨発注量
3本目は、過剰在庫の検知です。長期保管手数料の対象になりそうな滞留在庫を早期に見つけます。
（用途タイトル：滞留在庫・長期保管リスクの検知）
以下のFBA在庫健全性データから、滞留リスクの高いSKUを抽出してください。
判定基準：
1. 過去60日の販売数が在庫数の30%未満のSKU
2. 入庫から日数が経過し、長期保管手数料の対象に近づいているSKU
3. それぞれに「値下げ」「セット販売」「広告強化」「返送・廃棄」のうち推奨アクションを1つ
出力：SKU・在庫数・60日販売数・消化率・滞留区分・推奨アクション・理由1行
4本目は、季節需要の事前計画です。プライムデーやセール、年末商戦に向けた仕込みを設計します。
（用途タイトル：季節イベントの在庫計画）
あなたはECの需要計画担当です。次のイベントに向けた在庫計画を立ててください。
イベント：{イベント名と開催予定時期}
対象SKU：{主力SKU}
前提：昨年同時期の販売数は通常期の{倍率}倍だった（データがあれば数値、なければ仮置きと明示）
作業：
1. イベント期間の日次販売見込み
2. リードタイムから逆算した発注タイミング
3. 在庫を持ちすぎた場合のイベント後の消化策
出力：週次の在庫推移計画と、発注の意思決定カレンダー
5本目は、欠品時の対応です。欠品が起きたSKUの影響を見積もり、代替策を出します。
（用途タイトル：欠品インパクトの試算と対応）
以下の欠品SKUについて、影響と打ち手を整理してください。
欠品SKU：{SKU}／通常の1日あたり販売数：{数値}／欠品見込み日数：{日数}
作業：
1. 欠品による販売機会損失の概算（販売数×平均単価）
2. 検索順位・カートボックスへの影響リスクの説明
3. 入荷までの暫定策（価格調整・別出荷経路・販売ページの在庫表示）
出力：損失概算・リスク説明・暫定アクション3案
6本目は、経営向けの月次サマリです。在庫の健全性を意思決定者が読める形にまとめます。
（用途タイトル：在庫健全性の月次サマリ）
以下の在庫データを、経営者が3分で読める月次サマリにまとめてください。
含める要素：
1. 在庫金額の推移と前月比
2. 滞留在庫（消化率の低いSKU上位5件）と想定される追加コスト
3. 欠品が起きたSKUと機会損失の概算
4. 翌月に優先すべき発注・処分アクション3つ
文体：ですます調、表は使わず文章主体、専門用語は1行で補足
これら6本を、注文レポートと在庫レポートを更新するたびに回すと、発注会議の準備時間が大きく短縮されます。Amazon出品全体のデータ整備をAIで進めたい場合は、AmazonせどりをAIで仕入れ判定する手法の仕入れ側の考え方も合わせて読むと、在庫の入口から出口までが一本につながります。
在庫予測でやりがちな3つの失敗と回避策
1つ目は、平均だけで発注してしまう失敗です。直近30日の平均販売数だけを見て補充すると、需要が立ち上がりかけている商品を取り逃がし、逆に落ち始めた商品を積み増してしまいます。回避策は、前掲のプロンプト1のように7日平均と30日平均を併用し、変化点を別枠で見ることです。平均は過去の要約であって、未来の予測ではありません。
2つ目は、安全在庫を一律にしてしまう失敗です。回転の速い定番品と、季節商品や単価の高い商品では、欠品の痛みも過剰の痛みも違います。すべてのSKUに同じ安全在庫日数を当てると、定番品で欠品し、ニッチ品で過剰になります。回避策は、粗利率とリードタイムでSKUを数グループに分け、グループごとに安全在庫日数を変えることです。ある食品ジャンルの中規模店舗の事例では、定番品と季節品を分けて設定し直しただけで、長期保管手数料の対象在庫が目に見えて減ったケースがありました（削減幅は商品構成による目安）。
3つ目は、AIの出力をそのまま発注に流す失敗です。AIはデータの傾向を整理するのは得意ですが、取引先の都合や仕入れ価格の交渉余地、キャンペーンの内部情報までは知りません。回避策は、AIの算出を「発注のたたき台」として扱い、最終判断には人の文脈を足すことです。薬機法や景表法に触れる表現が販売ページに混ざっていないかのチェックと同じで、AIの出力には必ず人のレビューを挟みます。
KPIと費用・工数の目安
在庫管理AIの効果は、いくつかのKPIで測れます。代表的なのは、在庫回転日数（在庫が何日で一巡するか）、欠品率（欠品したSKUの割合）、長期保管手数料の総額、そして在庫パフォーマンス指標（IPI）の点数です。導入前後でこれらを並べると、改善が数字で見えます。目安として、発注準備にかけていた工数は半分前後まで圧縮できるケースが多く、浮いた時間を商品開発や広告の改善に回せます（効果は店舗規模による見込み、要検証）。
費用面では、生成AIの月額は実額で押さえやすい水準です。2026年6月時点で、ChatGPT Plusは月20米ドル前後、Claude Proも月20米ドル前後、Gemini系の有料プランも同水準が目安です。CSVを貼り付けて対話的に使う範囲であれば、この月額で在庫管理の予測作業はまかなえます。大量SKUを一括処理したい場合はAPI利用も選択肢ですが、まずは月額プランで主力SKUから始めるのが現実的です。
工数の配分も具体的に見ておきます。従来、月次の発注会議の準備に半日（4時間前後）を費やしていた店舗が、前掲のプロンプト群で要発注リストと滞留在庫リストを先に用意しておくと、会議準備は1時間前後まで縮むことが多いという感触です（時間は店舗規模による見込み）。浮いた3時間を、滞留在庫の販促企画や、売れ筋の追加バリエーション検討に充てると、在庫管理が守りのコスト削減から攻めの売上づくりに変わります。KPIを追うときは、回転日数や欠品率を週単位で記録し、施策の前後で比較する習慣をつけると、どのプロンプトが効いたかが見えてきます。
数字を読むうえでの注意点として、季節商品を含む店舗では、回転日数を全体平均だけで見ないことです。定番品と季節品を分けて回転日数を出さないと、季節品の在庫が平均を押し下げ、定番品の欠品リスクが隠れてしまいます。KPIもSKUグループ単位で持つと、打ち手の優先順位がつけやすくなります。
今後の展望｜発注の意思決定はどこまで任せられるか
在庫管理の次の論点は、予測だけでなく発注の実行そのものをAIエージェントにどこまで任せるか、です。2026年に入り、画面操作やデータ取得を自律的に行うAIエージェントの実用化が進み、Seller Centralのレポート取得から発注点の算出までを一気通貫で回す構想も現実味を帯びてきました。ただし、発注は資金とキャッシュフローに直結する意思決定です。当面は、AIが「要発注リストと推奨量」までを自動で用意し、人が承認するという分担が安全だと判断します。
検索体験のAI化も在庫戦略に効いてきます。AI買い物アシスタントが商品を提案する時代には、在庫がある商品ほど提案に乗りやすく、欠品は提案からの脱落を意味します。在庫の健全性は、もはやコスト管理だけの話ではなく、AI時代の検索露出を左右する要素になりつつあります。Amazonの検索や接客のAI動向はAmazon商品画像をAIで作る手順などの関連記事と合わせて追うと、在庫と露出の両面で打ち手が見えてきます。
もうひとつ注目したいのが、需要予測の「外部要因」の取り込みです。これまでの予測は自店の販売履歴が中心でしたが、AIに天候や連休、関連商品の話題性といった外部の文脈を言葉で説明させると、履歴だけでは読めない山と谷の手がかりが得られます。たとえば猛暑が予想される年は冷感寝具や飲料の立ち上がりが早まる、といった仮説をプロンプトに添えるだけで、発注タイミングの前倒し判断に幅が出ます。ただし外部要因は不確実性が高く、あくまで仮説として扱い、実データの変化点と突き合わせて検証する姿勢が欠かせません。在庫管理AIは、人の現場勘を置き換えるのではなく、勘を数字とデータで裏取りする道具として使うのが、2026年時点で最も再現性の高い使い方だと判断します。
よくある質問
Amazon在庫管理AIは無料で始められますか
主力SKUを対象に、ChatGPTやClaudeの無料枠やお試しから始めることは可能です。ただし、CSVを安定して扱い、毎週の運用に乗せるなら月20米ドル前後の有料プランが現実的です。まずは無料で前掲のプロンプト1と2を試し、効果を確認してから有料化する流れが無理のない進め方です。
在庫予測の精度はどのくらい見込めますか
精度は商品の回転率と季節性に大きく依存します。回転の速い定番品は予測しやすく、単発のヒット商品やトレンド品は外れやすいのが実情です。AIの出力は確率的な見込みであり、断定はできません。7日平均と30日平均の併用で変化点を早く捉えることが、精度よりも実務上の効果につながります。
一元管理ツールと併用すべきですか
複数モールを運営している場合、在庫を横断管理するツールとAI予測は役割が違うため併用が有効です。ツールが現在庫と出荷を同期し、AIが将来の需要を予測する、という分担が考えやすい形です。ツールが出力するレポートを前掲のプロンプトに渡せば、両者は自然につながります。
どのSKUから始めるべきですか
売上の上位2割で全体の大半を占めることが多いため、まずは販売金額の大きい主力SKUから始めるのが定石です。主力SKUで予測と発注の型を作り、運用が安定してから対象を広げると、現場の負担を抑えながら効果を出せます。
AIに発注まで自動化させても大丈夫ですか
2026年6月時点では、発注の最終判断は人が承認する運用を推奨します。AIが要発注リストと推奨量を用意し、担当者が取引先の事情や資金繰りを踏まえて確定する分担が安全です。完全自動の発注は、リードタイムや返品率が安定したSKUに限定して段階的に検討するのが現実的です。
Amazon以外のモールでも同じ手順が使えますか
需要予測と発注点の考え方はモールを問わず共通です。楽天市場やYahoo!ショッピングでも、注文データと在庫データがあれば同じプロンプトが流用できます。違いはレポートの項目名や手数料体系で、その部分だけ自店の条件に合わせて前提を書き換えれば対応できます。
著者：齋藤竹紘（株式会社オルセル 編集長／5,000社以上のEC支援実績／書籍3冊）
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
