整備工場の部品発注をAIで｜欠品ゼロに近づく3つの境目と比較表

「その部品、在庫にあると思っていたのに」——整備の現場では、この一言でリフトが1台止まります。車両は預かったまま、お客様には「もう1日お待ちください」と連絡を入れ、その日に入るはずだった2件目・3件目の作業が後ろへずれる。部品の欠品は、1個の発注漏れで終わらず、1週間先の入庫枠まで巻き込んでいくところが厄介です。

結論から書くと、部品の欠品は担当者の注意不足ではなく、整備工場が構造的に少人数であることから生まれます。1事業場あたりの整備要員は4.35人。在庫と発注だけを見る専任者を置ける規模ではないため、発注のタイミングはベテラン1人の記憶に寄りかかります。本記事では、その属人化がどこまで自前で持ちこたえられ、どこからAIを組み込んだ仕組みが要るのかを、3つの境目と管理方法の比較表で整理します。

部品の欠品が止まらないとき、工場で本当に起きていること

部品が足りないと分かるのは、たいてい作業を始めてからです。リフトに上げ、分解し、いざ交換という場面で棚に無い。ここから先は、整備の技術ではどうにもならない時間が始まります。1本の電話で当日入荷できるのか、翌日なのか、それとも2〜3日待ちなのか。その返答が返ってくるまで、工場の予定は宙に浮いたままになります。

リフトが1台止まると、その日の予定は全部ずれる

整備工場の1日は、1台あたりの作業時間を積み上げて組まれています。午前に2台、午後に3台といった組み方をしていれば、1台が動かなくなった瞬間に残りの枠が押し出されます。しかもリフトは有限です。部品待ちの車両が1台占領すれば、次の車両を上げられません。作業者が4人いても、リフトが3基しかなければ実質の稼働は3人分に落ちます。

さらに厄介なのは、代車です。1日で返す予定だった車両が3日に延びれば、代車が1台戻ってきません。代車の台数が5台しかない工場で、部品待ちが2件重なれば、次のお客様には代車を出せなくなる。欠品は部品倉庫だけの問題ではなく、リフト・代車・受付の予定という3つの資源を同時に縛ります。1件の欠品が1件分の損失で済まないのは、このためです。

1事業場あたり4.35人という構造が、発注を属人化させる

一般社団法人 日本自動車整備振興会連合会（日整連）の「令和6年度 自動車特定整備業実態調査結果の概要について」（令和7年1月29日公表）では、1事業場あたりの整備要員数は4.35人と示されています（調査時点は令和6年6月30日現在／2026年8月確認）。同資料では全国の事業場数は92,384事業場、整備要員数は402,025人、整備関係従業員数は562,869人とされています。402,025人を92,384事業場で割った水準と、この4.35人という平均値は整合します。

4.35人という数字を、現場の役割に割り付けてみてください。フロントで受付と見積を担当する人、車検ラインを回す人、一般整備を担当する人、それだけで人数は尽きます。部品の在庫を数え、発注点を管理し、仕入先ごとの納期を追いかける専任者を1人置く余裕は、構造的にありません。だから発注は「手が空いた人」ではなく「一番よく分かっている人」に集まります。属人化は怠慢の結果ではなく、4.35人という配分の必然です。

「あの人が休んだ日」に欠品が出るのは偶然ではない

部品の在庫と発注が1人に集まると、その人の頭の中に3種類の情報が同時に置かれます。棚に何がいくつ残っているか、どの部品が何日で入るか、来週どの車両が入庫してどの部品を食うか。この3つを突き合わせる作業が、記憶と勘の上で毎日行われています。平均4.35人の工場でその1人が休めば、単純に引いて3.35人。しかも欠けた1人が持っていたのは労働力ではなく、在庫と納期の地図です。

その日、残った人は棚を見て「たぶん足りる」と判断します。実際には来週の車検2台分で消える在庫だったとしても、来週の予定は棚に書いてありません。欠品が「あの人が休んだ日」や「あの人が繁忙で発注を後回しにした週」に集中するのは、偶然ではなく設計上の弱点です。1人の不在が1日で回復できるうちは何とかなりますが、退職や体調不良で1ヶ月空けば、地図ごと消えます。

在庫を厚く持って守る方法が効きにくくなってきた場面

欠品への昔ながらの備えは、在庫を厚く持つことでした。よく出る油脂類やフィルター、ブレーキパッドを多めに抱えておけば、当日の交換に困りません。ただ、この守り方はキャッシュを棚に固定します。日整連の同資料では保有車両数は82,569千台（3月末）とされていますが、車種と年式の広がり、電動車や先進安全装備の普及を考えれば、「よく出る部品」の範囲は以前より広がっています。全部を厚く持つことは現実的ではありません。

同資料では総整備売上高は6兆2,561億円、前年度より3,489億円（5.9％）増と3年連続の増加、整備要員1人あたり年間整備売上高（自家を除く）は15,627千円で前年度より5.2％増とされています。1人あたりが動かす売上が増えているということは、1人が抱える段取りも増えているということです。売上が伸びる局面ほど、在庫を厚くする守りではなく、必要なタイミングを外さない守りに切り替える必要が出てきます。

部品在庫と発注でAIにできること

ここからは、部品の在庫と発注にAIを組み込んだとき、何が肩代わりできて何が残るのかを整理します。誤解されやすいのですが、AIは部品を発注してくれる魔法ではありません。人の頭の中にあった照合作業を外に出し、いつでも同じ精度で回すための仕組みです。任せられることを3つ、任せてはいけないことを3つに分けて見ていきます。

発注のタイミングを「人の記憶」から「データの合図」に移す

1つ目は、発注の合図を人以外から出せるようにすることです。棚の残数、直近3ヶ月の払い出し実績、仕入先ごとの納期、季節要因。この4つを突き合わせて「そろそろ切れる」と判断する作業は、いま1人の勘の中にあります。データとして置き直せば、判断の材料は誰の目にも見える形になります。

ここでAIが効くのは、単純な発注点の計算より一段手前です。品番が揺れている、同じ部品が2つの呼び方で登録されている、単位がバラバラ、といった実データ特有の汚れを揃える工程に強い。表計算の関数だと数十行の条件分岐になる部分を、判定の考え方を渡すだけで一定の品質で処理できます。「在庫が3個を切ったら発注」という単純なルールを、現場の実データに耐える形で回すための土台づくり、と言い換えてもいいと思います。

見積・作業指示から必要部品を先回りで拾う

2つ目は、来週の入庫予定から部品の消費を先読みすることです。車検2台、12ヶ月点検3台、持ち込みの修理1台という来週の予定には、ほぼ確実に消える部品が含まれています。オイル、フィルター、ワイパー、ブレーキ関係。この「予定から逆算した消費量」を今日の在庫にぶつければ、足りなくなる部品が今日のうちに分かります。欠品が作業当日に発覚するのは、この逆算が誰の手元でも行われていないからです。

見積書や作業指示書は、すでに文章と品番の形で情報を持っています。そこから必要部品を拾い出す作業は、生成AIが比較的得意とする領域です。見積の作成や工賃計算そのものの効率化は、整備工場の見積・工賃をAIで効率化する記事で別に整理しています。ここで扱うのは、見積が確定した後、部品がいつ足りなくなるかという一点です。

同じ部品の重複発注と、眠ったままの在庫を突き合わせる

3つ目は、逆方向の損失を止めることです。欠品と同じくらい静かに利益を削るのが、重複発注と滞留在庫です。2人が別々に発注をかけて同じ部品が2セット届く、急ぎで取り寄せた部品が結局使われずに棚の奥で1年眠る。こうした損失は誰も報告しないので、決算のときに「在庫が思ったより多い」という形でしか表に出ません。

在庫の払い出し履歴を見れば、6ヶ月以上動いていない部品、12ヶ月以上動いていない部品は機械的に洗い出せます。「同じ品番が2重登録されている」「似た名前で別コードになっている」といった名寄せも、人が1件ずつ突き合わせると1日仕事になりますが、判定ルールを与えれば繰り返し実行できます。欠品を減らす仕組みと、持ちすぎを減らす仕組みは、実は同じデータの表と裏です。片方だけ整えても効果は半分しか出ません。

AIに任せてはいけない3つのこと

できないことも、はっきりさせておきます。1つ目は現物確認です。棚の実数がデータと合っているかは、人が数えるしかありません。2つ目は仕入先との交渉です。「明日の朝一で何とかならないか」という電話は、関係性の上でしか成立しません。3つ目は最終判断です。純正で行くか優良部品で行くか、中古で組むか、お客様の予算と車両の状態を見て決めるのは整備士とフロントの仕事です。

私は、AIに任せるのは「判定」までで、「決定」は人が持つべきだと考えています。自動化で最も重要なのは、AIに何をどう判定させるかのプロンプト設計です。そして最初の1〜2ヶ月分くらいは実際に確かめてみて、人間のダブルチェックもしていくべきです。この線引きを曖昧にしたまま「全部お任せ」で入れると、間違いに気づくのが遅れ、結局は誰も使わない仕組みになります。

欠品ゼロに近づく3つの境目

ここが本記事の核心です。境目とは、どこまでが自前のやり方で足りて、どこから仕組みを入れないと危ないかの分かれ目のことです。3つの境目を挙げます。どれも道具の話ではなく、情報の置き場所と再現性の話です。自社がどちら側にいるかを、読みながら1つずつ当てはめてみてください。

境目1｜在庫と発注の状態が、担当者の頭の外にあるか

1つ目の境目は、在庫数と発注中の状態が「見える場所」にあるかどうかです。棚に行けば分かる、という状態は頭の外にあるように見えて、実は違います。棚を見て「これは来週の車検で消える」と読めるのが1人しかいないなら、情報はまだその1人の中にあります。紙の発注控えが引き出しにあり、発注済みかどうかを本人しか把握していないなら、それも頭の中と同じです。

この境目の内側、つまり自前で足りる状態は、扱う部品の種類が限られ、常に同じ2〜3社から仕入れ、担当者が毎日出勤している場合です。逆に外側に出るのは、車種が広がって品番が数百に増えた、仕入先が5社を超えた、担当者が営業も兼務して外に出る日がある、といった変化が起きたときです。品番が増えるほど、記憶で持てる範囲を超えます。そこから先は、覚えるのではなく置き場所を作る話になります。

境目2｜担当者が休んだ日に、同じ判断が再現できるか

2つ目は再現性です。テストは単純で、「明日、部品担当が1日休んだとして、他の誰かが同じ発注判断をできるか」を考えるだけです。できるなら自前で足りています。できないなら、いまの精度は個人の能力で保たれており、組織の力ではありません。

この境目が今後さらに重くなる根拠があります。日整連の同資料では、整備要員の平均年齢（自家を除く）は47.4歳で前年度より0.2歳上昇、整備要員数に対する整備士数の割合（整備士保有率）は82.8％で、平成20年度の87.2％をピークに漸減傾向とされています。加えて国土交通省 物流・自動車局 自動車整備課の「自動車整備分野における人材確保に係る取組」（令和6年3月1日）では、自動車整備専門学校の入学者数は過去18年で約47％減少（同期間の高等学校卒業者数は約21％減少）、整備士等の平均年齢は年平均約0.35歳のペースで上昇していると示されています（2026年8月確認）。ベテラン1人に依存する構造は、時間が経つほど危うくなる方向にあります。

境目3｜入庫予定と部品の手配が、同じ画面でつながっているか

3つ目は接続です。来週の入庫予定は予約表に、在庫は棚に、発注は電話とFAXに、というように情報が3ヶ所に分かれていると、突き合わせは毎回人の頭で行われます。1回の突き合わせに10分かかるとして、それを毎日やれば1週間で50分、1ヶ月で3時間を超えます。しかも忙しい日ほど飛ばされ、飛ばした週に欠品が出ます。

同じ画面でつながっているとは、必ずしも高価な統合システムを指しません。予約表と在庫表が同じ場所にあり、来週の予定を入れた瞬間に「この部品が足りなくなる」と分かる状態であれば十分です。国交省の同資料では、従業員数5人以下の認証工場が全体の約6割（2〜5人が57.3％）、10人以下が全体の約8割（6〜10人が21.6％）とされています（令和4年6月現在）。この規模なら、大掛かりな基幹システムより、いま使っている表と予約表をつなぐ小さな仕組みのほうが現実的です。

3つのうち何個当てはまるかで、次にやることが変わる

3つの境目を、外側に出ている数で整理します。0個なら、いまのやり方を続けて問題ありません。記録の残し方だけ整えておけば十分です。1個なら、その1点をルール化するだけで欠品はかなり減ります。たとえば発注済みかどうかを共有の表に1行書く、というだけの運用でも効果があります。

2個以上なら、仕組み側に寄せる段階です。とくに境目2（再現性）が外側にある場合は優先度が上がります。人が辞める・休むという事象は予告なく来るからです。私は、最初から完璧を目指さなくていいと考えています。まず5項目だけ決めて共有する。ルールは導入の妨げではなく、安全に使うための土台であり、最初は3つだけで十分です。3個すべてが外側なら、部品の在庫と発注は工場の弱点として明確に存在しており、繁忙期に必ず表面化します。

表計算とAI発注の比較表と、自前でやるときに危ないところ

境目が分かったところで、管理方法そのものを並べて比べます。選択肢は大きく3つ、ベテランの記憶に任せる、表計算で管理する、AIを組み込んだ発注の仕組みにする、です。どれが正解ということではなく、工場の規模と、いま外側に出ている境目の数で選ぶものだと考えてください。

3つの管理方法を、5つの観点で並べる

この表で見てほしいのは、右へ行くほど優れているという話ではない点です。境目が0〜1個の工場なら、左の2列で十分に回ります。判断が分かれるのは、境目が2個以上あるときです。そのとき表計算で粘り続けるか、仕組みに寄せるかで、1年後の状態が変わります。

表計算で止まりやすいところ

表計算は優秀な出発点です。費用がほとんどかからず、誰でも触れて、その日から始められます。実際、境目1（可視化）だけが問題なら、共有の在庫表を1枚作るだけで欠品は減ります。ただ、3つの壁で止まりやすいことも事実です。

1つ目は入力の壁です。部品を出した人がその場で数字を直さなければ、表はすぐに実態とずれます。2つ目は例外の壁です。取り寄せ中、返品予定、他店から融通、といった状態は列を増やすほど複雑になり、結局「本人しか読めない表」に育ちます。3つ目は連動の壁です。予約表と在庫表が別ファイルだと、突き合わせは手作業のまま残ります。表計算で限界を感じるのは能力の問題ではなく、この3つの壁が構造的に立っているからです。

自前で組むときに危ないところ

最近は生成AIを使って自前で仕組みを作る動きも増えました。方向としては悪くありませんが、整備工場が自前で組むときに危ない箇所を4つ挙げます。1つ目は、元データが整っていない状態で走り出すことです。品番の表記ゆれや単位の不統一を残したまま自動判定をかけると、出てくる結果が信用できず、翌週にはほぼ見られなくなります。

2つ目は、プロンプト設計を軽く見ることです。何をどう判定させるかの設計が甘いと、同じ質問に日によって違う答えが返ります。3つ目は検証を飛ばすことです。最初の1〜2ヶ月分は人がダブルチェックし、判定が現場の感覚と合うかを確かめる期間が要ります。4つ目は情報の扱いです。中小企業のデータ流出リスクの9割は人的ミスから生まれます。お客様の車両情報や連絡先を含むデータをどこに置くか、誰が触れるかを決めずに始めるのは危険です。

定着しない仕組みに1円も払わないために

もう1つ、費用より前に考えておきたいことがあります。ツール導入後、翌週にはほぼログインしなくなる、という状態が現実に起きます。社内にAIに詳しい人がいて推進できる状態であれば問題ありませんが、放置したら使われなくなります。導入した時点のツールをそのまま使い続けても、すぐに陳腐化します。仕組みは作った瞬間が完成ではなく、3ヶ月・6ヶ月と使いながら現場に合わせていくものです。

費用の考え方も整理しておきます。仕組みそのものを作るなら、業務自動化ツール開発が初期33万〜110万円＋月額3.3万〜11万円（税込・最低3ヶ月）。作る前に「どこから手を付けるか」を一緒に決めていく段階なら、AI伴走顧問がライト月額11万円、ベーシック月額33万円（税込・最低3ヶ月）です。私の経験では、5〜10名ほどの少人数の企業ほど効果が出やすい傾向があり、平均4.35人という整備工場の規模はむしろ相性がいい側だと考えています。

ビフォーアフター：部品発注がここまで変わる

ここまでの内容を、1日の流れとして並べ直します。数字は一般的な目安であり、工場の規模や扱う車種で変わりますが、時間の使い方がどこで変わるかは共通しています。

違いを生んでいるのはツールではなく運用設計

BeforeとAfterの差は、高性能なソフトを買ったかどうかではありません。差は2つです。1つ目は、判断の材料が人の頭の外に置かれていること。2つ目は、確認するタイミングが1日の中に固定されていること。この2つがあれば、使う道具が表計算でもAIを組み込んだ仕組みでも方向は同じです。逆に、この2つが無いまま高機能なツールを入れても、翌週にはログインされなくなります。

運用設計とは、大げさな話ではありません。誰が、いつ、何を見て、何を決めるのか。この4点を決めて紙1枚にすることです。そのうえで、人がやると続かない照合作業だけを仕組みに寄せる。順番を逆にして、ツールから決めてしまうと定着しません。「うちはまだBefore寄りだ」と感じるなら、その4点のうち何が決まっていないのかを洗い出すところが出発点になります。

よくある質問

公開日：2026年8月