株式会社renue
AI導入・DXの悩みをプロに相談してみませんか？
AIやDXに関する悩みがありましたら、お気軽にrenueの無料相談をご利用ください。 renueのAI支援実績、コンサルティングの方針や進め方をご紹介します。
上場企業の商品企画・マーチャンダイジング部門のAI実装｜需要予測・SKU最適化・上流PLM連携の責任設計【2026年5月版】
上場企業の商品企画・マーチャンダイジング部門は、2026年に入り、生成AIによる新商品コンセプト自動生成、AI需要予測のSKU×店舗×日次粒度化、PLM/ERP/S&OPとのリアルタイム連携、品揃え最適化（アソートメントプランニング）の自律化、エージェンティックAI（Agentic AI）の現場展開、人的資本開示・サステナビリティ開示連動で、過去最大級の意思決定難度に直面している。きっかけは三つある。第一に、生成AIによる新商品コンセプト自動生成サービスが市場投入され、戦略整理から商品アイデア創出・コンセプト立案までを短時間で行う運用が広がった（参考: NTTデータ「新商品のコンセプト案を約150秒で生成するAIエージェントサービスの提供を開始」、エクサウィザーズ「需要予測AIによる商品企画」、Centric Software「マーチャンダイジング（MD）とは」）。第二に、AI需要予測がSKU×店舗×日次粒度で標準運用され、気象データ・イベント情報・プロモーション履歴・SNSセンチメント・競合行動といった外部データを組み合わせる時代になった。学術界でも小売・マーチャンダイジング研究は品揃え提供・大量仕入れ・需要予測を中心テーマとしてきた（参考: Centric Software「需要予測とは？重要性や制約、AI需要予測を解説」、J-STAGE「日本マーケティング・サイエンス学会論文（リテール・マーケティング研究）」、IBM「What is AI demand forecasting?」）。第三に、エージェンティックAIの企業導入が拡大し、PLM・ERP・S&OPとリアルタイム連携した品揃え最適化、SKU合理化、価格戦略、サプライチェーン上流の自動オーケストレーションが実用域に入った。一方で「AI需要予測の過大評価」「PLM連携の不整合」「ブランド毀損リスク」「不公正取引リスク（独占禁止法・下請法・景品表示法・改正ステマ規制）」が経営課題化した（参考: o9 Solutions「On AI-Powered Retail Planning」、couture.ai「Smarter Store Planning: Why SKU-Level Decisions Matter in 2026」、NVIDIA「AI in Retail and CPG Survey 2026」）。なお、海外規制を引用する際は、各国の制度・法体系（EU AI Act・米FTC・中国独占禁止法等）と日本の独占禁止法・下請法・景品表示法・改正特定商取引法・改正ステマ規制等との違いを必ず確認のうえ適用する。
同時に、上場企業の商品企画・マーチャンダイジング部門は、CMO・営業・サプライチェーン・調達・PLM/IT・財務・法務・サステナビリティ・店舗運営・卸/小売パートナー・サプライヤー・グループ会社と横串で連携し、有価証券報告書・統合報告書・人的資本開示・気候関連開示・サプライチェーン人権開示での説明責任も担う。AI実装の主たる目的は、新商品開発の効率化だけではなく、「需要予測・SKU合理化・PLM連携・価格設定・在庫最適化を一気通貫で運営する基盤」を構築することである。
本稿は、上場企業の商品企画・マーチャンダイジング部門がAI実装を進める際の論点を、renueが標準形として提示してきた「5領域責任設計フレーム＋3層ガバナンス＋90日PoC」に加え、renue自身が社内（『商品企画をAIで自動化し少人数で品質を保つ』PJT目標、新入社員向け新商品企画提案書添削、「需要予測の過大評価」ナレッジマネジメント、JASMINE需要予測販売計画自動反映）で蓄積した実装知見を抽象化して反映する。
背景：なぜ2026年が商品企画・マーチャンダイジングAI実装の転換点なのか
2025年から2026年にかけて、上場企業の商品企画・マーチャンダイジング部門を取り巻く環境は次の4方向で同時に変質している。
(1) 生成AIによる新商品コンセプト自動生成。食品・飲料・消費財を皮切りに、生成AIエージェントが戦略整理→商品アイデア創出→商品コンセプト立案を一気通貫で行うサービスが商用化された。商品企画担当者が「ゼロから市場調査」する時代から、「AI生成コンセプトを評価・選定・磨き込みする」時代へ移行している。一方で、AI生成コンセプトの著作権・商標・既存商品との競合・ブランド整合性の責任は人間（商品企画責任者・GC・CMO）に残る。
(2) AI需要予測のSKU×店舗×日次粒度化。機械学習モデルが現在の販売動向、インフレ動向、季節パターン、競合動向、気象、イベント、SNSセンチメントを取り込んで継続的に精度向上する時代に入った。SKU×店舗×日次レベルでの需要予測が標準化し、PLM・ERP・S&OP・WMS・TMSとリアルタイム連携した品揃え最適化、在庫補充、価格設定、販売促進が実用化されている。
(3) PLM連携と品揃え最適化（アソートメントプランニング）の自律化。AIシステムがPLMから設計済みスタイルを取り込み、プレースホルダー商品に自動マッピングし、商品開発タイムラインを待たずに買付意思決定を行えるようになった。「店舗別の購買パターン・地域別嗜好・リアルタイムトレンド」を反映した動的な品揃え調整、SKU幅・深さの自動最適化、店舗クラスタリングが実用化されている。
(4) エージェンティックAI（Agentic AI）の現場展開と新たな統制課題。業界調査では小売・消費財企業の大半がAIを導入・評価中、AIエージェント（Agentic AI）の評価・導入が広がる段階に入った。一方で「AI需要予測の過大評価」「PLM連携の不整合（マスター不一致・コード重複）」「ブランド毀損リスク（AI生成コピーの炎上）」「不公正取引リスク（独占禁止法・下請法・景品表示法・改正ステマ規制）」「サプライチェーン人権リスク（強制労働・児童労働）」「気候関連開示連動（Scope3）」が経営課題化している。
これら4つの圧力は独立ではなく、「コンセプト自動生成×SKU×店舗×日次予測×PLM自動連携×Agentic AI現場展開」という複合形で押し寄せている。「Excel需要予測・勘と経験のSKU管理」のままでは、上場企業のマーケットシェアと社会的信頼を維持できない。
業務マトリクス：商品企画・マーチャンダイジング部門のAI実装対象と責任レベル
renueでは、商品企画部門の主要業務を「自動化適合度」と「責任の重さ」で整理し、L1（Auto／AI自律実行）／L2（Co-pilot／AI下書き＋人間承認）／L3（Recommend／AIは推奨のみ）／L4（人間決裁必須）の4レベルで分類する。
L1（Auto）：定型・低リスクの大量処理
- SKU×店舗×日次の需要予測自動更新・在庫補充推奨
- 新商品コンセプト案・キャッチコピー・パッケージ案の自動生成（候補出し）
- 競合商品・トレンド・SNSセンチメント自動モニタリング
- SKU合理化候補（販売不振品）の自動抽出
- PLMマスター更新通知・整合性自動チェック
L2（Co-pilot）：人間レビュー必須の業務
- 新商品開発計画・上市判断・撤退判断の素案
- 季節アソートメント・カテゴリ計画・店舗クラスタリングの素案
- 価格設定・販売促進企画・季節セール戦略の素案
- サプライヤー選定・調達計画・OEM委託契約の素案
- 商品ライフサイクル評価レポートのドラフト
L3（Recommend）：AIは推奨止まり、最終判断は人間
- 新商品開発戦略・カテゴリ戦略・チャネル戦略の方向性
- PLM・ERP・需要予測システム・MDシステムの選定戦略
- サプライヤーパートナーシップ・OEM/ODM戦略・自社製造比率
- サステナビリティ商品戦略・サーキュラーエコノミー対応
L4（人間決裁必須）：法的責任・経営判断領域
- 大型新商品の上市・撤退・大規模値下げ・販売停止
- 独占禁止法・下請法・景品表示法・改正ステマ規制違反疑義への対応
- 商品リコール・自主回収・PL（製造物責任）対応
- サプライチェーン人権リスク（強制労働・児童労働）疑義への対応
- 有価証券報告書・統合報告書での重大商品リスク開示
- 改正特定商取引法・景品表示法・改正ステマ規制対応の最終承認
- 規制当局照会・行政指導・公正取引委員会・消費者庁対応
このL1〜L4は固定ではなく、AI精度・社内データ蓄積・市場環境に応じて毎四半期見直す。特に「AIが推奨した品揃えで結果的に死筋商品が大量発生した」「AI需要予測で過剰在庫が積み上がった」場合、AIへの委任が経営者の善管注意義務に照らして妥当か、説明責任を果たすための監査ログ設計が決定的に重要になる。
5領域責任設計フレーム：商品企画・マーチャンダイジングAIの責任分掌
renueの「5領域責任設計フレーム」を商品企画部門に適用すると次のようになる。各領域について「責任主体」「KPI」「AI介入範囲」「監査ログ保管」を明示する。
領域①：需要予測・売上予測責任
SKU×店舗×日次の需要予測、季節予測、新商品立ち上げ予測、廃番判断予測を統括する。AIは予測モデル運用、外部データ統合、精度モニタリング、過大評価アラートを担うが、予測結果に基づく上市判断・撤退判断・大型補充判断はL3〜L4で商品企画責任者・サプライチェーン責任者・CFOで決裁する。責任主体は商品企画責任者＋サプライチェーン責任者＋CFO＋営業責任者の共同。KPIは予測精度（MAPE/Bias）、在庫回転日数、機会損失率、過剰在庫率、新商品上市精度。監査ログは長期間保管し、税務調査・第三者監査・株主代表訴訟時の参照に備える。
領域②：SKU合理化・品揃え最適化責任
SKU合理化、品揃え最適化（アソートメントプランニング）、店舗クラスタリング、カテゴリ計画、棚割計画を統括する。AIは販売不振品検出、SKU合理化候補抽出、店舗別最適品揃え推奨、棚割シミュレーションを担うが、SKU廃番・カテゴリ縮小・店舗別品揃え変更はL3〜L4で商品企画責任者・営業責任者・店舗運営責任者で決裁する。責任主体は商品企画責任者＋営業責任者＋店舗運営責任者＋サプライチェーン責任者の共同。KPIはSKU生産性、死筋率、品揃え適合率、店舗別売上効率、カテゴリROIC。
領域③：PLM連携・新商品開発・コンセプト生成責任
PLM（商品ライフサイクル管理）、新商品開発、コンセプト生成、商標・著作権チェック、ブランド整合性、サステナビリティ整合性を統括する。AIはコンセプト自動生成、競合分析、商標/著作権事前チェック、PLM連携整合性チェックを担うが、新商品上市判断・撤退判断・ブランド方針はL3〜L4で商品企画責任者・CMO・GC・サステナビリティ責任者で決裁する。責任主体は商品企画責任者＋CMO＋GC＋サステナビリティ責任者＋PLM/IT責任者の共同。KPIは新商品成功率、商標/著作権侵害ゼロ件、ブランド整合率、サステナビリティ商品比率、PLMマスター整合率、AI生成コンテンツの誤情報・差別表現検出件数。
領域④：価格設定・販売促進責任
価格設定、販売促進、季節セール、チャネル別価格戦略、独占禁止法/下請法/景品表示法/改正ステマ規制対応を統括する。AIは価格弾力性分析、競合価格モニタリング、販促ROI予測、規制違反兆候自動検出を担うが、大型値下げ・販促企画・チャネル別価格設定はL4でCMO・営業責任者・GC・財務責任者で決裁する。責任主体はCMO＋営業責任者＋GC＋財務責任者＋商品企画責任者の共同。KPIはGMROI、販促ROI、不正競争防止違反のゼロ件、改正ステマ規制違反のゼロ件、規制当局照会への期限内回答率。
領域⑤：在庫責任・サプライチェーン上流連携責任
在庫最適化、サプライチェーン上流連携（調達・OEM/ODM・製造）、サプライチェーン人権・サステナビリティ責任、Scope3気候関連開示を統括する。AIは在庫水準最適化、サプライヤースコアリング、調達リスク自動検出、Scope3 CO2推定を担うが、サプライヤー切替・OEM契約・調達戦略変更はL3〜L4で調達責任者・サプライチェーン責任者・GC・サステナビリティ責任者で決裁する。責任主体はサプライチェーン責任者＋調達責任者＋GC＋サステナビリティ責任者＋商品企画責任者の共同。KPIは在庫回転日数、欠品率、過剰在庫率、人権侵害指摘ゼロ件、Scope3測定範囲達成率、サプライヤー第三者監査適合率。
5領域それぞれで「AI推奨を人間が承認する手続き」「承認ログの保管期間」「逸脱時のエスカレーション先」を文書化する。商品企画関連の判断ログは、内部監査・第三者監査・規制調査・株主代表訴訟・PL訴訟・公正取引委員会調査時に必ず参照されるため、保管期間と改ざん防止設計は最重要事項である。
3層ガバナンス観点：取締役会・責任者・現場の役割分担
商品企画・マーチャンダイジングAIガバナンスは、「取締役会（監査役会・監査等委員会含む）」「責任者層」「現場（商品企画担当・店舗・サプライヤー・OEM/ODM・各事業部門）」の3層で設計する。
取締役会レベルでは、(a) 商品戦略が中期経営計画・サステナビリティ戦略・マーケティング戦略と整合しているか、(b) 独占禁止法・下請法・景品表示法・改正ステマ規制対応の進捗、(c) AI判定が商品意思決定の根拠として善管注意義務を満たすか、(d) 重大商品リコール・PL訴訟・サプライチェーン人権リスクの管理状況、を四半期ごとに確認する。監査役会・監査等委員会との連携必須。
責任者レベルでは、各5領域のKPI達成、AIモデルの誤判定率、L4案件の発生件数とその処理時間、サプライヤー・OEM/ODM・店舗運営の対応状況を月次でモニタリングする。CMO・営業責任者・サプライチェーン責任者・GC・サステナビリティ責任者・財務責任者と毎月連携し、戦略・運営・コスト・サステナビリティの4軸でレビューする。
現場レベルでは、商品企画担当・MD担当・バイヤー・店舗運営担当・サプライヤー・OEM/ODM委託先が、AI推奨の活用、商品開発、品揃え判断、価格判断、緊急報告を担う。「AIが推奨したから」「業者任せだから」という曖昧な責任所在を排除し、最終判断と理由付けを必ず人間が記録する。サプライヤー・OEM/ODM契約書で「AI判定ログの提供義務」「重大事象の即時報告義務」「機密保持義務」「人権・サステナビリティ遵守義務」「品質保証義務」を明示する。
落とし穴：上場企業の商品企画AI実装で頻発する5つの失敗パターン
失敗1：AI需要予測を過大評価して過剰在庫・機会損失を生む。renue社内ナレッジマネジメントでも「需要予測の過大評価」がリスクとして抽出されている。AI需要予測は便利だが、新商品立ち上げ、大型キャンペーン、災害、地政学リスク、サプライチェーン断裂、競合行動、需要急変、季節シフトの影響を完全には予測できない。AI予測を必ず人間（商品企画責任者・サプライチェーン責任者・営業責任者）がレビューし、シナリオ分析（ベース／楽観／悲観）を文書化する設計が必須。
失敗2：PLM・ERP・S&OPマスター不整合による品揃え判断の誤り。AIが品揃え最適化や在庫補充を自動推奨しても、PLM・ERP・S&OPのマスターが不整合（コード重複・属性不一致・廃番未反映）だと、誤った前提で意思決定が行われる。マスター統一・データ品質モニタリング・整合性自動チェック・人間承認フローが必須。
失敗3：AI生成コンセプトの著作権・商標・差別表現リスク軽視。生成AIによる新商品コンセプト・キャッチコピー・パッケージ案は便利だが、既存商標・著作権・他社商品との類似性、差別表現、誇大広告、改正ステマ規制違反のリスクを内包する。商標/著作権事前チェック、ブランド整合性チェック、差別表現/誇大広告/ステマ自動検出、人間レビューが必須。
失敗4：AI価格設定で独占禁止法・下請法・景品表示法・改正ステマ規制を抵触する。AI価格弾力性分析や競合価格モニタリングを基に自動値下げ・自動値上げを行うと、独占禁止法（共同価格カルテル疑義・優越的地位濫用）、下請法（下請代金減額・買いたたき）、景品表示法（二重価格・誇大広告）、改正ステマ規制（広告主体明示）に抵触するリスクがある。AI価格推奨を必ず人間（CMO・GC・営業責任者・財務責任者）がレビューし、規制適合性検証ログを保管する設計が必須。
失敗5：サプライチェーン上流の人権・気候リスクを無視。AI調達最適化が短期コスト最小化のみを優先すると、強制労働・児童労働・環境破壊を伴う高リスクサプライヤーを推奨する可能性がある。人権デューデリジェンス、Scope3 CO2推定、第三者監査整合性、サプライチェーン透明性開示が必須。サプライチェーン契約書での人権・サステナビリティ遵守義務明示が不可欠。
AI化されにくい領域：人間が引き受け続けるべき責任
第一に、大型新商品の上市・撤退・大規模値下げの最終判断。経営陣・CMO・商品企画責任者・サプライチェーン責任者の責任領域。AI支援を活用しつつ、最終判断は人間が下す。
第二に、規制当局・公正取引委員会・消費者庁・行政当局との対話。独占禁止法・下請法・景品表示法・改正ステマ規制対応、行政指導、規制当局照会対応は、人間（GC・CMO・経営陣・外部弁護士）が責任を持って担う。
第三に、サプライヤー・OEM/ODM・販売パートナーとの関係構築。長期パートナーシップ、価格交渉、品質保証、人権・サステナビリティ遵守は、人間（調達責任者・サプライチェーン責任者・経営陣）の責任領域。
第四に、クライシス時の対応（重大商品リコール、PL訴訟、規制違反、サプライチェーン人権事案）。経営トップ・CMO・サプライチェーン責任者・GC・広報責任者が前面に立ち、株主・社会・規制当局・消費者に説明する責任は人間が負う。
まとめ：90日PoCで検証する、上場企業の商品企画・マーチャンダイジングAI
renueが上場企業の商品企画・マーチャンダイジング部門向けに推奨する「90日PoC設計」は次の通り。
Day 0–30：現状診断と責任設計。商品ポートフォリオ・需要予測精度・SKU生産性・PLM/ERP/S&OP連携状況・サプライヤー構成・規制対応状況・サステナビリティ対応状況を棚卸し、5領域責任設計フレームに沿って「現状の責任主体・KPI・改善余地」をマッピングする。AIエージェント導入候補業務をL1〜L4で分類し、最初の対象を3〜5つに絞る。並行して独占禁止法・下請法・景品表示法・改正ステマ規制・改正特定商取引法・改正個情法・サプライチェーン人権ガイドラインに照らしたリスクアセスメントを実施する。
Day 31–60：限定スコープでのPoC実装。1〜2カテゴリ・1〜2店舗クラスタを対象に、SKU×店舗×日次需要予測、新商品コンセプト自動生成（人間レビュー必須）、SKU合理化候補抽出、競合価格モニタリング、商標/著作権/ステマ事前チェック、サプライヤースコアリング、Scope3推定など、影響範囲が限定的でブランド・規制リスクが管理可能な業務でAIエージェントを試験運用する。並行して取締役会・監査役会・リスク委員会向けの中間報告書を準備する。
Day 61–90：効果測定と本格化判断。需要予測精度、SKU生産性、新商品成功率、在庫回転日数、欠品率、規制違反のゼロ件維持、L4案件発生件数の変化を定量化する。同時に、本格展開に伴う組織変更（商品企画AI責任者の専任化、サプライチェーン・GC・サステナビリティとの連携体制、教育プログラム）の必要性を整理し、取締役会で「次年度本格導入の是非」を上程する。
renueは上場企業向けに「AI導入の責任設計コンサルティング」「ベンダー中立のPoC伴走」「経営会議・取締役会向け説明資料作成」を提供している。商品企画・マーチャンダイジング部門のAI実装は、技術導入ではなく経営課題・遵法課題・サプライチェーン課題として扱うべきテーマである。「何をどこまでAIに委ね、人間がどこまで責任を持つか」という問いに、生成AIコンセプト自動生成・SKU×店舗×日次予測・PLM自動連携・Agentic AI現場展開の文脈で正面から答える設計が、上場企業のマーケットシェアと社会的信頼にとって不可欠である。
renueの上場企業向けAI実装支援
商品企画・マーチャンダイジング部門のAI実装は、需要予測・SKU合理化・PLM連携・新商品コンセプト生成・価格戦略・サプライチェーン上流連携・サステナビリティ対応を一気通貫で設計する必要があります。renueは、ベンダー中立の立場で「5領域責任設計フレーム＋3層ガバナンス＋90日PoC」を上場企業向けに提供しています。
まずは現状の業務マトリクスと責任分掌を可視化するワークショップから始めませんか。経営会議・取締役会向けの説明資料作成までを伴走します。