ChatGPTで発注・在庫管理を効率化する方法｜半日から15分へ

30秒でわかる結論

AI発注の基本は「データを渡す → AIが計算する → 人が決める」です。AIは発注候補と参考補充数を作りますが、最終数量の決定と承認は人が行います。

この記事を読むとできること

• 会社のデータを使わず、架空CSV^?CSV売上や在庫などの表データを保存するファイル形式。Excelやレジシステムから出力できることがあります。画面の別の場所をタップすると閉じますで発注分析を体験できる
• かんたん版から実務版へ段階的に進められる
• AIの結果を読み、問題があれば修正指示を出せる

無料ミニ教材｜架空CSVで安全に練習する

公開記事から、販売実績・店頭在庫・倉庫在庫・入荷予定・発注用テンプレートの架空CSVを保存できます。

操作場所を間違えないための3ステップ

1. Web記事で練習用CSVを保存する

2. ChatGPTを開き、入力欄の「＋」からCSVを添付する

3. 本記事の指示文をコピーしてChatGPTへ送信する

※添付・送信・結果確認はWeb記事上では行いません。操作画面風の図は説明図であり、タップできません。

2段階で試す

• かんたん版：販売実績と現在庫の2ファイルで、補充候補の考え方を体験する
• 実務版：倉庫在庫・入荷予定・除外条件まで加え、参考補充数を作る

出力結果の読み方

• 青：発注候補
• 黄：人の確認が必要
• 赤：データ不備
• 灰：対象外

うまくいかないときの追加指示

• 数字が合わない：「元データと集計結果を再照合し、不一致の行を示してください」
• 先頭ゼロが消えた：「商品コードを文字列として扱い、元の桁数と先頭ゼロを保持してください」
• 不足データを推測された：「不足値は推測せず『要確認』と表示してください」
• 表が見づらい：「発注候補・要確認・データ不備・対象外の順に分けて表で表示してください」
• CSVにできない：「列名と列順を提示したテンプレートに完全一致させてCSVを作成してください」

「発注表を作るたびに、複数のファイルを行き来している」

「よく売れている商品を補充したいが、倉庫在庫や入荷予定まで確認するのに時間がかかる」

「欠品は避けたい。でも、多く発注して在庫を余らせるのも怖い」

販売店の発注は、現在庫が少ない商品を見つけるだけでは終わりません。

販売実績。

現在庫。

倉庫在庫。

入荷予定。

販売速度。

発注から納品までの日数。

売場の予定や季節要因。

複数の情報を照合し、最後は店長が数量を判断します。商品数が多い店舗ほど、候補を見つけるだけでも時間がかかります。

そこで役立つのがChatGPTです。

CSVやExcelを使えば、在庫が少ない商品、一定期間によく売れた商品、欠品リスクが高い商品などを条件に沿って抽出できます。

ただし、AIへ「適当に発注数を決めて」と丸投げするのは危険です。

基本は、

候補抽出と計算はAI、例外判断と発注確定は人間。

この役割分担です。

この記事では、販売員・副店長・店長がChatGPTを使い、発注・在庫管理を安全かつ効率的に進める方法を解説します。最後に、そのまま使えるプロンプト^?プロンプトChatGPTへの指示文。目的・入力情報・条件・出力形式を具体的に伝えるほど、回答が安定します。画面の別の場所をタップすると閉じますも掲載します。

ChatGPTは「自動発注システム」ではなく、発注判断の前処理を速くする道具

ChatGPTへ在庫データを渡せば、条件に合う商品の抽出や補充数の計算ができます。

一方、データにないことは分かりません。

例えば、販売数が少ない商品でも、次週にイベントで使う予定があれば補充が必要かもしれません。

反対に、よく売れている商品でも、廃番予定、価格改定、売場変更、納品制限などがあれば、通常どおり発注できないことがあります。

AIが得意なのは、

• 複数ファイルの照合
• 条件に合う商品の抽出
• 販売速度や在庫日数の計算
• 発注候補の優先順位付け
• 欠損、重複、不一致の発見
• 指定フォーマットへの変換

です。

人間が判断するのは、

• イベントや販促の影響
• 売場変更や商品戦略
• 季節性
• 特注・予約・大口需要
• 廃番や価格改定
• 倉庫や物流の例外
• 最終的な発注数量

です。

AIは「何を確認すべきか」を絞り込み、店長は「本当に発注するか」を決める。

この線引きが、発注精度と安全性を両立させます。

私は半日かかっていた発注業務を15分に短縮できた

私自身、取り扱う商品をまとめて発注するときは、以前なら半日ほどかかることがありました。

まず、必要なデータをシステムからExcelへエクスポートする。

複数のファイルを発注判断に使える形へ整える。

販売実績と在庫を見比べ、商品を一点ずつ目視で確認する。

最後に、発注画面へ品番と数量を一件ずつ手入力する。

商品数が増えるほど、確認と入力にかかる時間も増えます。

さらに困っていたのが、発注画面のリロードです。

長時間入力していると画面が自動で更新され、途中まで作成していた発注内容が消えてしまうことが何度もありました。

時間を失うだけでなく、最初から入力し直すことで、品番や数量を間違えるリスクも高まります。

ChatGPTを取り入れてからは、販売実績と在庫データを条件に沿って照合し、確定した発注一覧をシステム指定のCSV形式へ変換できるようになりました。

品番を一件ずつ手入力せず、CSVを一括アップロードできるため、発注データの作成からアップロードまで約15分で進められました。

半日を4時間と仮定すれば、240分から15分です。目安では約94％の時間削減になります。

ただし、私が大きいと感じた変化は、時短だけではありません。

発注業務は、速くても品番や数量が間違っていれば意味がありません。

商品コードの重複、合計数量、対象外条件、指定フォーマットとの一致を確認しながら、信頼できる発注データを作れたことに驚きました。

もちろん、AIの出力を無条件に信用したわけではありません。元データとの突合と、アップロード前後の件数・数量確認は人間が行います。

それでも、

• 一点ずつ目視する時間
• 品番を手入力する時間
• 入力途中のデータが消えるリスク
• 転記ミスを確認する負担

をまとめて減らせたことで、発注業務そのものが変わりました。

この経験から、生成AIは一部のガジェット好きだけが触るものではなく、販売や店舗運営の実務を変えられる道具だと確信しました。

※所要時間は、商品数、元データの状態、社内システム、確認手順によって変わります。

ChatGPTで発注・在庫管理の何を効率化できる？

OpenAIの公式情報によると、ChatGPTはCSV、XLS、XLSXなどの表計算ファイルを分析し、計算、変換、表の作成などを行えます。

発注・在庫管理では、例えば次の作業に使えます。

• 在庫数が設定値以下の商品を抽出する
• 直近7日、14日、30日の販売数を集計する
• 1日あたり平均販売数を計算する
• 現在庫が何日分に相当するか計算する
• 欠品中なのに販売実績がある商品を見つける
• 販売実績と倉庫在庫を商品コードで照合する
• 発注対象外の商品を条件で除外する
• 補充候補を優先度順に並べる
• 発注用CSVの指定列へ変換する

正確に処理するには、1行目に分かりやすい列名があり、原則として1行が1商品または1件の記録になっているデータが向いています。

また、商品コードは先頭のゼロが消えないよう文字列として扱い、複数ファイルを結合するときは重複や未一致を確認する必要があります。

参考：OpenAI「Data analysis with ChatGPT」

https://help.openai.com/en/articles/8437071-data-analysis-with-chatgpt ↗

発注候補を作るために最低限必要なデータ

発注精度は、プロンプトの長さより元データの質で決まります。

最低限、次の情報を用意します。

あると精度が上がる情報は次のとおりです。

• 発注から納品までの日数
• 最低発注数、発注単位、ケース入数
• 安全在庫^?安全在庫急な売上増加や納品遅れに備えて、最低限確保しておく在庫です。画面の別の場所をタップすると閉じます
• 発注上限
• 廃番・休止・対象外フラグ
• 予約数
• イベント予定
• 欠品期間

すべて揃っていなくても始められます。ただし、不足項目を推測で埋めず、「要確認」として分けることが重要です。

発注・在庫分析は6つの順番で進める

STEP1｜目的と対象期間を決める

STEP2｜ファイルと商品コードを点検する

STEP3｜AIが販売速度と在庫日数を計算する

STEP4｜AIが目標在庫と参考補充数を計算する

STEP5｜除外条件と優先順位を適用する

STEP6｜人間が例外を確認して確定する

架空データで見る発注候補の考え方

次は説明用の架空例です。

前提

• カバーしたい期間：14日
• 安全在庫：2個
• 入荷予定：下表のとおり
• 倉庫在庫が少ない商品は要確認

商品Aは販売速度に対して現在庫が少なく、優先度が高いと考えられます。

商品Bは参考補充数が1個ですが、発注単位が2個なら調整が必要です。

商品Cは販売実績がありません。最低陳列数、欠品期間、新商品かどうかを人間が確認します。

商品Dは現在庫が少なく見えますが、入荷予定があります。予定日が間に合うかを確認してから判断します。

このように、計算結果をそのまま発注数にせず、「確認すべき理由」と一緒に出力させることが重要です。

そのまま使える｜発注候補をAIに計算させる指示文

添付した「販売実績」と「店舗在庫」の2つのファイルを、商品コードで照合してください。

【AIにお願いすること】
1. ファイル名・列名・行数・更新日時を確認する
2. 商品コードの重複・欠損・先頭ゼロを確認する
3. 商品ごとの販売数量を合計する
4. 販売数が多く、現在庫が少ない商品を候補として表示する
5. 数字が足りず判断できない商品は「要確認」と表示する

【大切なルール】
- 入力されていない数字や理由を推測しない
- この段階では発注数量を確定しない
- 元データと集計後の件数・数量合計を比較する

【表示する項目】
商品コード／商品名／販売数／現在庫／候補または要確認／理由

最初にデータの問題点だけを報告し、私の確認を待ってください。

あなたは小売店舗の店長を支援する在庫分析担当です。
添付した販売実績・店舗在庫・倉庫在庫・入荷予定のファイルから、発注判断に使う「参考補充候補」を作成してください。

【今回の条件】
分析対象期間：［例：直近28日］
在庫を確保したい日数：［例：14日］
安全在庫：［例：商品ごとに2個］
発注単位：［例：1個／2個／ケース単位］
除外する商品：［例：廃番・業務用・倉庫在庫7個以下］
優先する商品：［例：欠品中・予約あり・販売速度が高い］

【最初に行うこと】
1. ファイル名・更新日時・行数・列名・対象期間を確認する
2. 商品コードの桁数・先頭ゼロ・重複・欠損を確認する
3. ファイル間で一致しない商品コードを一覧にする
4. 問題と不足情報だけを先に報告し、私の確認を待つ

【確認後に行うこと】
1. 商品別の販売数と1日平均販売数を計算する
2. 目標在庫＝1日平均販売数×確保日数＋安全在庫で計算する
3. 参考補充数＝目標在庫－現在庫－入荷予定数で計算する
4. 除外条件・倉庫在庫・発注単位を反映する
5. 優先度を「高・中・低・要確認」で付ける

【重要ルール】
- 元データを最優先にし、不明な数値や理由を推測しない
- 判断できない内容は「要確認」と表示する
- 商品名だけで商品コードを推測して結合しない
- 参考補充数を確定発注数と表現しない
- 元データと集計後の件数・数量合計を突合する

【出力】
データ品質チェック／不足情報／発注候補一覧／除外商品と理由／商品コード未一致／人間が確認する例外

そのまま使える｜発注用CSVへ変換する指示文

確定済みの発注一覧を、添付した「発注CSVフォーマット」と同じ仕様へ変換してください。

【変換ルール】
- テンプレートの列名・列順・固定値を変更しない
- 確定済みの品番と数量だけを使用し、数量を再計算しない
- 商品コードは文字列として扱い、先頭のゼロを残す
- 空欄と0を区別する
- テンプレートに存在しない商品コードは出力せず「要確認」一覧に分ける
- 指定された文字コードと区切り文字を守る

【出力前の確認】
1. 元の確定一覧と変換後CSVの行数を比較する
2. 商品コードの重複と未一致を確認する
3. 数量合計が完全に一致するか確認する
4. CSV仕様と突合結果を報告し、私の確認を待つ

確認後、アップロード用CSVを作成してください。

発注・在庫管理でよくある失敗8つ

1．現在庫だけで発注する

在庫が少なくても低回転なら、すぐ補充する必要がない場合があります。販売速度と一緒に見ます。

2．販売実績だけで需要を判断する

欠品中は販売数が0になります。販売実績が少ないことと需要がないことは同じではありません。

3．入荷予定を差し引かない

すでに発注済みの商品を再度補充し、過剰在庫になる可能性があります。

4．古い在庫データを使う

ファイルの取得日時を確認し、可能な限り同じ時点のデータを使います。

5．商品コードを商品名で推測結合する

似た商品名、容量違い、色違いを誤って結合する危険があります。商品コードを基準にします。

6．大口販売を通常需要として扱う

一度のまとめ買いで平均販売数が大きく上がることがあります。通常販売と例外需要を分けて確認します。

7．AIの参考補充数をそのまま発注する

計算に含まれない予約、販促、廃番、予算、保管場所などを人間が確認します。

8．いきなり全商品で自動化する

最初は一つのカテゴリーや20〜50商品程度で試し、既存の発注結果と比較します。誤差や例外を確認してから対象を広げます。

会社の在庫データを入力する前に確認したいこと

在庫、販売実績、発注条件は会社の機密情報に該当する可能性があります。

業務でChatGPTを使う前に、勤務先のAI利用規程、情報管理ルール、利用可能なアカウントやサービスを必ず確認してください。

原則として、次の情報は入力しない運用が安全です。

• 顧客の氏名、住所、電話番号、会員番号
• 個人と結び付く購入履歴
• 未公開の売上、在庫、原価、利益、予算
• 取引先との契約条件や卸条件
• 社内だけで使う認証情報
• 未公開商品や発売前情報

練習では、架空データ、匿名化^?匿名化氏名や会員番号など、個人を特定できる情報を削除・置換することです。画面の別の場所をタップすると閉じますしたデータ、公開可能な範囲へ集計したデータを使います。

個人向けChatGPTでは、「データコントロール」から会話をモデル改善に使うかを変更できます。設定をオフにすると、会話履歴を残したまま、新しい会話をモデル改善へ使わない設定にできます。

ただし、この設定は会社の機密情報を入力する許可ではありません。勤務先の規程が最優先です。

参考：OpenAI「Data Controls FAQ」

https://help.openai.com/en/articles/7730893-data-controls-faq ↗

最初は「1カテゴリー・1発注サイクル」で検証する

発注業務は、いきなり完全自動化しない方が安全です。

最初の検証は、次の範囲がおすすめです。

• 対象：1カテゴリー、20〜50商品
• 期間：1回の発注サイクル
• 比較：従来の人間判断とAIの参考候補
• 最終決定：必ず人間

確認するKPI^?KPI目標までの進み具合を測るための数値。店舗なら売上・客数・客単価・成約率などが代表例です。画面の別の場所をタップすると閉じますは次の5つです。

時短だけを見てはいけません。

発注は、作業時間が短くなっても欠品や過剰在庫が増えれば成功とはいえないからです。

最初の目標例は、

• 作業時間：50％削減
• 致命的な商品コード不一致：0件
• 数量合計の突合差：0
• 欠品率：悪化させない
• 過剰在庫：悪化させない

です。

1回ごとに除外条件と例外を記録し、次回のプロンプトやSOP^?SOPStandard Operating Procedureの略。誰が担当しても同じ品質で進められるように、作業手順と確認事項をまとめたものです。画面の別の場所をタップすると閉じますへ反映すると、店舗専用の発注支援フローへ育てられます。

まとめ｜AIで候補抽出を速くし、店長は例外判断に集中する

ChatGPTを使えば、販売実績、店舗在庫、倉庫在庫、入荷予定などを照合し、発注候補と参考補充数を整理できます。

ただし、正確な発注には次の順番が重要です。

• 目的と対象期間を決める
• 最新データと商品コードを確認する
• 販売速度と在庫日数を計算する
• 目標在庫と参考補充数を出す
• 除外条件と優先順位を適用する
• 最後に人間が例外を確認する

AIに任せるのは、複数ファイルの照合、計算、候補抽出、表の変換です。

人間が担うのは、売場予定、予約、イベント、廃番、予算などを踏まえた最終判断です。

発注の目的は、AIに判断を置き換えることではありません。

候補を探す時間を減らし、店長が本当に考えるべき例外へ集中することです。

まずは機密情報を含まない架空データを使い、1カテゴリーだけで従来の発注結果と比較してみてください。

発注前の最終確認

• 元データと件数が一致している
• 数量合計が一致している
• 入荷予定を二重計上していない
• 対象外商品が混ざっていない
• 商品コードの桁数と先頭ゼロが保たれている
• 発注単位に合っている
• 最終判断を人が行っている

今日やることは、この3つだけ

1. 架空CSVを保存する

2. かんたん版プロンプトをChatGPTで試す

3. AIの結果を元データと照合する