「注文はFAXとメールと電話でバラバラに届く」「担当者がそれを見て基幹システムに手入力している」「その人が休むと受注処理が止まる」——受発注業務の課題は、業種を問わずほとんど同じ形をしています。
近年はAIによる文字認識や生成AIの精度が上がり、受発注業務の自動化は中小企業にとっても現実的な選択肢になりました。ただし、「AIを入れれば受発注が自動化できる」という話ではありません。実際に成果が出ている会社は、AIに任せる部分と人が残る部分を最初に線引きしています。
この記事では、受発注業務のどこがAIで自動化できて、どこが自動化できないのかを工程ごとに整理し、費用・期間の目安と、失敗しない進め方までをまとめます。
なぜ受発注業務は自動化が進みにくいのか
請求書処理や経費精算に比べて、受発注業務の自動化は明らかに難易度が高い分野です。理由は3つあります。
1｜注文の「入り口」が統一できない
最大の理由がこれです。受発注は自社だけで完結しません。注文方法を決めるのは、多くの場合こちらではなく取引先です。
「FAXをやめてWebフォームにしてください」と全取引先に言えるなら、そもそも自動化の悩みは半分消えています。言えないからこそ、複数の入り口が残り続けます。
| 注文の入り口 | データの状態 | 自動化の難易度 |
|---|---|---|
| EDI・Web受注 | 最初からデータ | 低い（すでに自動化済みのことが多い） |
| メール本文 | 文章。書式は取引先ごとにバラバラ | 中（生成AIが得意な領域） |
| メール添付（Excel・PDF） | 帳票。レイアウトが取引先ごとに違う | 中 |
| FAX・紙の注文書 | 画像。手書きが混ざる | やや高い（AI-OCRの精度が鍵） |
| 電話・口頭 | 記録が残らない | 高い（そもそも入力が必要） |
2｜表記が揺れる
同じ商品でも、取引先によって呼び方が違います。自社の正式名称、取引先の社内呼称、旧型番、略称。単位も「箱」「ケース」「入数10」と混在します。
人が処理できているのは、担当者の頭の中に「A社のこの書き方はうちのこの商品コード」という変換表があるからです。これが属人化の正体で、同時に自動化の最大の壁でもあります。
3｜例外処理が多い
在庫が足りない、指定納期に間に合わない、単価が契約と違う、締日をまたいでいる、いつもと数量の桁が違う。受発注はこうした例外の判断が業務の中心にあります。
例外をゼロにはできません。自動化の目的は例外をなくすことではなく、例外だけに人の時間を使える状態にすることです。ここを取り違えると、導入は必ず失敗します。
AIで受発注を自動化する5つのレベル
「自動化」という言葉は幅が広すぎるため、まず段階に分けて考えます。自社が今どこにいて、次にどこを目指すのかを決めるための整理です。
| レベル | 状態 | 人がやること | 実現手段の例 |
|---|---|---|---|
| 0 | 紙・メールを見て手入力 | すべて | — |
| 1 | 受注データを一箇所に集約 | 入力・判断 | 共有フォルダ、クラウド表計算 |
| 2 | 注文書を読み取ってデータ化 | 確認・修正・判断 | AI-OCR、生成AIによる項目抽出 |
| 3 | 読取＋商品マスタとの自動照合 | 例外の判断のみ | AI＋マスタ連携、RPA |
| 4 | 登録・在庫引当・返信まで自動 | 例外対応と監視 | 基幹システム連携／個別開発 |
多くの中小企業にとって、費用対効果が最も高いのはレベル2〜3です。レベル4まで一気に目指すと、投資額が跳ね上がるうえ、社内の運用が追いつきません。
小さく始めて広げる考え方は、中小企業のDXは小さく始める｜試験導入から横展開までの進め方で詳しく解説しています。
受発注の工程を6つに分解して考える
自動化の検討は、業務全体を一括りにせず、工程ごとに「AIが強いか・弱いか」を見るのが正解です。
| 工程 | 内容 | AIの得意・不得意 | 人が残る部分 |
|---|---|---|---|
| ① 受信 | FAX・メール・添付を集める | ◎ 仕組み化しやすい | 電話注文の入力 |
| ② 読取 | 注文書から品番・数量・納期を抽出 | ◎ AIが最も効く工程 | 読取結果の確認 |
| ③ 照合 | 自社の商品コード・取引先コードに変換 | ○ マスタ整備が前提 | 新規・不明品の判断 |
| ④ 登録 | 基幹システムへ登録 | ○ 連携方式による | 登録エラーの対応 |
| ⑤ 例外処理 | 欠品・納期・単価の調整 | △ 判断は任せられない | ここが人の仕事の中心 |
| ⑥ 返信・連携 | 注文請書、在庫引当、出荷指示 | ◎ 定型なら自動化しやすい | 個別の交渉・調整 |
この表で重要なのは、②と③が分かれていることです。
AI-OCRのカタログには「読取精度99%」といった数字が並びますが、それは②の話です。実務で効くのは③の照合精度で、こちらはAIの性能ではなく自社の商品マスタの整備状況で決まります。
マスタが古い、同じ商品が重複登録されている、廃番が消されていない。この状態でAIを入れても、照合できずに人の手に戻ってくる件数は減りません。
「精度100%」は目指さない
受発注自動化で現実的な目標は、「全件を自動処理すること」ではなく「確認すべき件数を絞ること」です。
たとえば、AIが読み取った結果に確信度のスコアを持たせ、一定以上は自動登録、それ未満は人の確認画面に回す設計にします。これだけで、月800件の注文のうち600件が自動、200件だけ人が見る、という状態が作れます。
全件を人が見ていた状態と比べれば、それでも作業量は4分の1です。100%を狙うと投資が急増しますが、7〜8割の自動化なら現実的な費用で届きます。
削減効果はどう試算するか
稟議に必要なのは、感覚ではなく数字です。次の式で試算できます。
削減時間 =（現在の1件あたり処理時間 − 自動化後の処理時間）× 月間件数
試算例（月800件、1件5分、自動化率70%と仮定した場合）
| 項目 | 現状 | 自動化後（試算） |
|---|---|---|
| 自動処理される件数 | 0件 | 560件（確認のみ・1件0.5分） |
| 人が処理する件数 | 800件（1件5分） | 240件（1件5分） |
| 月間の処理時間 | 約67時間 | 約24時間 |
| 削減時間 | — | 約43時間／月 |
人件費を時給2,000円で換算すれば月約8.6万円、年間で約100万円です。これに入力ミスによる誤出荷・返品対応の削減と、担当者が休めない状態の解消が加わります。
数字を出すときの注意点は、削減時間を人員削減とイコールにしないことです。実際には、空いた時間が受注確認の電話対応や納期調整に回るケースがほとんどで、それ自体が価値になります。効果指標の立て方はDXの効果測定｜KGI・KPIの決め方と導入前に測るべき5項目をご覧ください。
実現手段と費用・期間の目安
受発注の自動化には、大きく4つのアプローチがあります。
| 手段 | 費用の目安 | 期間 | 向いているケース |
|---|---|---|---|
| AI-OCR系サービス単体 | 月2万〜10万円程度 | 1〜2か月 | 読取だけ自動化したい。登録は人が行う |
| 受発注特化型SaaS | 月3万〜15万円程度 | 1〜3か月 | 取引先にWeb発注へ移ってもらえる |
| AI＋RPAで既存システムに連携 | 初期50万〜300万円程度 | 2〜5か月 | 基幹システムは変えたくない |
| 受発注システムの個別開発 | 300万円〜 | 4〜10か月 | 商習慣が独自、取引先ごとの条件が複雑 |
※いずれも件数・連携先数・取引先数によって大きく変動します。自社の条件での概算は料金シミュレーターでも確認できます。
選ぶ順番は、上から順に「できない理由」を探すのが基本です。いきなり個別開発から検討すると、月額サービスで足りた課題に数百万円をかけることになります。手段全体の比較は業務課題の解決手段は7つある｜Excel改善からスクラッチ開発までの選び方にまとめています。
個別開発を検討すべき4つのサイン
既製サービスで届かなくなるのは、次の条件が重なったときです。
- 取引先ごとに単価・掛率・納品ルールが違う。マスタの持ち方が複雑になり、既製品の設定範囲を超える
- 受注と発注が連動している。受注を起点に仕入先へ自動発注する、といった自社固有の流れがある
- 取引先が同じ画面を使う。社外ユーザーが入るため、権限設計と見せる範囲の制御が必要になる
- 既存の基幹システムを残す必要がある。全面刷新ではなく、つなぎ込みで解決したい
逆に、これらに当てはまらない一般的な受発注業務は、既製サービスで足りる可能性が高いということでもあります。SaaSで対応しきれなくなる典型例はkintoneで「これができない」は危険サイン｜中小企業が陥るSaaS限界の7パターンで解説しています。
導入の進め方｜5ステップ
ステップ1｜1か月分の注文を実物で集める
最初にやるべきは、ツール選定ではなく実物の収集です。直近1か月に届いた注文書を、FAX・メール・添付ファイルすべて、そのまま集めてください。
この束が、後の精度検証にそのまま使えます。カタログスペックではなく、自社に実際に届く帳票で読めるかどうかが唯一の判断材料です。
ステップ2｜入り口・件数・パターン数を数える
集めた注文書を、次の3つで分類します。
- 入り口別の件数（FAX何件、メール何件、Web何件）
- 取引先ごとの帳票パターン数（何種類のレイアウトがあるか）
- 手書きが混ざる割合
パターン数が5〜10種類程度なら自動化の効果が出やすく、50種類を超えると設計が一気に重くなります。現状把握の手順は業務の見える化の進め方｜現状分析（As-Is）で見るべき5つの手順が参考になります。
ステップ3｜商品マスタを整える
ここを飛ばすと、あとの工程がすべて崩れます。廃番の削除、重複の統合、取引先別の呼称・旧型番の登録。この作業はAIでは代替できず、自社でしかできません。
そして多くの場合、プロジェクトで最も時間がかかるのがこの工程です。スケジュールを引く際は、ここに十分な期間を確保してください。
ステップ4｜1社・1帳票で試す
いきなり全取引先を対象にせず、件数が多く帳票が安定している1社から始めます。読取精度、照合率、人の確認にかかる時間を実測し、効果を確認してから広げます。
ステップ5｜例外の扱いを決めてから広げる
自動処理できなかった注文を、誰が、いつ見て、どう処理するか。この運用ルールを決めずに対象を広げると、「自動化されなかった注文が放置される」という新しい事故が生まれます。
ベンダーに任せきりにせず、発注側が管理すべき範囲についてはシステム開発の丸投げが失敗する理由｜発注側が管理すべき6項目をご覧ください。
受発注の自動化でよくある失敗
読取精度だけを比較して選ぶ
デモでは読めても、自社の注文書では読めないことがあります。必ず自社の実物、それも読みにくい部類の帳票で検証してください。きれいな見本での精度は判断材料になりません。
マスタ整備を後回しにする
最も多い失敗です。読み取れても自社コードに変換できず、結局人が調べる。導入前にマスタを整えた会社と、そうでない会社で、効果は倍以上変わります。
例外まで自動化しようとする
「例外もAIに判断させたい」という要望は必ず出ますが、欠品時の代替提案や納期調整は、取引先との関係性を含んだ判断です。ここを自動化対象に含めると、費用が跳ね上がり、しかも現場が信用しません。
取引先への影響を確認していない
Web発注に切り替える方式は効果が大きい一方、取引先に新しいやり方を強いることになります。主要取引先が対応可能かを事前に確認せずに進めると、導入後にFAX運用が並行して残り、二重管理になります。
証跡が残らない仕組みにする
「誰の注文を、いつ、どう処理したか」の記録がないと、納品トラブルの際に経緯を追えません。自動化した工程ほど、記録を残す設計が必要です。元の注文書画像と、AIの読取結果と、修正履歴。この3点は必ず保存してください。
法制度まわりで見落としがちな点
受発注のデータ化を進める際は、次の2点も確認しておいてください。
- 電子帳簿保存法｜メールやWebで受け取った注文書・請求書などの電子取引データは、電子のまま保存することが求められます。紙に印刷して保管する運用のままだと要件を満たしません。検索できる形で保存できるかを、ツール選定時に確認してください。
- インボイス制度｜受発注データが請求・支払と連動する場合、登録番号や税率区分の保持が必要になります。受注側だけでなく、発注側の処理でも影響します。
いずれも詳細は税理士など専門家の確認が必要ですが、「システム側で対応できるか」を発注前に確認しておくことが重要です。稼働後に判明すると、追加開発になります。
明日からできる3つのこと
- 直近1か月の注文書を、入り口ごとに数える
FAX・メール・Webの件数比率が分かるだけで、どこから手をつけるべきかが見えます。 - 取引先ごとの帳票パターン数を数える
5種類なのか50種類なのかで、必要な手段がまったく変わります。 - 商品マスタの重複と廃番を確認する
自動化の成否を最も左右する部分であり、ツールを選ぶ前から着手できます。
よくある質問
手書きのFAX注文でも自動化できますか？
読み取ること自体は可能ですが、活字に比べて精度は落ちます。数字の判読ミスは誤出荷に直結するため、手書き分は「人が確認する対象」に振り分ける設計にするのが現実的です。
手書きFAXの比率が高い場合は、自動化と並行して、主要取引先へのWeb発注移行を段階的に進める方針も検討してください。
取引先にシステムを使ってもらうのは難しいのでは？
全社に強いるのは困難ですが、件数の多い上位数社だけでも移行できれば効果は大きいのが受発注の特徴です。上位2割の取引先で全体の8割の注文を占めることは珍しくありません。
FAXを残しつつ、Web発注も選べる形にするのが現実的な着地点です。
今の基幹システムを入れ替える必要がありますか？
必ずしも必要ありません。基幹システムはそのままに、受注の受け口だけを自動化して、データを連携する構成が取れます。ただし、連携できるかどうかは既存システムの仕様次第です。データの取り込み方法があるかを、現行のベンダーに先に確認してください。
生成AIを使えば、専用システムは不要になりませんか？
読み取りや項目抽出は生成AIが得意な領域で、実際にこの部分の精度は大きく向上しました。ただし、抽出した結果を業務データとして扱い、在庫や単価と突き合わせ、記録を残す部分は依然として仕組みが必要です。
生成AIは「読む」までを担い、その先の照合・登録・証跡は業務システムが担う。この分担で考えるのが実務的です。
どのくらいの件数から投資に見合いますか？
目安として、月200件を超えたあたりから効果が見えはじめ、月500件以上ではっきりします。ただし件数が少なくても、担当者が1名しかおらず属人化しているケースでは、件数以外のリスク回避が投資理由になります。
まとめ｜自動化の目的は「例外に集中できる状態」を作ること
- 受発注が自動化しにくいのは、入り口・表記・例外という3つの理由がある
- まずレベル2〜3（読取＋照合）を目標にする。レベル4を最初から狙わない
- 精度100%は目指さず、人が確認する件数を絞る設計にする
- 成否を分けるのはAIの性能より商品マスタの整備状況
- 自社の実物の注文書で検証してからツールを決める
- 電子帳簿保存法・インボイスへの対応可否を発注前に確認する
受発注は、取引先という社外の相手が関わるため、自社の都合だけで設計できない業務です。だからこそ、既製サービスで足りるのか、自社に合わせて作る必要があるのかの見極めが重要になります。
みんなシステムズでは、受託システム開発のご相談を、手段が決まっていない段階から承っています。「AIで自動化できる範囲はどこまでか」「今の基幹システムと連携できるか」といった判断からお手伝いできますので、まずは現状の注文書と件数をお持ちのうえ、お気軽にご相談ください。
