1800万円のAIエージェントで
LLMが担うのは一部です

基幹業務にAIエージェントを入れる提案を受けた方へ

需要予測、発注、在庫、生産計画。基幹業務にAIエージェントを組み込む提案を受けている、あるいは社内で検討を始めた情報システム部門・SCM部門・経営企画の方に向けて書いています。

製品の紹介ではありません。AIエージェントという一語の中に、性質の違う3つの処理が入っているという話です。今回はそれを提供側が自分で書いています。

何が発表されたのか

SCMのAIエージェントとは、調達・生産・物流・販売にまたがる複数の業務システムを横断し、必要な情報を集めて分析し、需要予測や計画の最適化といった判断までを人手を介さずに進めるソフトウェアです。従来は部門ごとに別のシステムがあり、その間をつなぐ調整を人が担っていました。

NECは2026年8月28日、この領域の製品「NEC SCM AIエージェント」を発表し、9月から販売を始めました（プレスリリース）。公開されている条件は次のとおりです。

価格が公開されている製品は、それだけで比較の基準になります。ただし、この記事で扱いたいのは別の一文です。

「LLM単体では難しい」と書いてある

プレスリリースには、大規模言語モデル単体では対応が難しい数値予測や最適化も、機械学習とNEC独自AIとの連携によって実現すると書かれています。同社のAIコア技術としてcotomiの名前も挙がっています。

売る側が「LLMだけでは足りない」と書くのは、謙遜ではなく仕様の説明です。需要予測や物流ルートの導出は、文章を生成する仕組みが得意な問題ではありません。数値の系列を扱う予測モデルと、制約の下で解を探す最適化が要ります。

3つに分けて聞きます

発注側にとって、この一文は質問の形に変わります。

• どの処理をLLMが担うのか。情報の収集、要約、指示の解釈、画面への提示あたりが該当します
• どの処理が従来型か。需要予測、在庫配置、輸配送計画。ここは機械学習と数理最適化の領域で、AI以前から手法があります
• どこがシステム間の接続か。複数システムからデータを取り、形式を揃え、結果を書き戻す部分。工数がいちばん読みにくいのはここです

3つのうち、投資の成果を決めるのは真ん中の層です。予測が当たれば在庫が減り、計画が良くなれば輸送費が下がります。上の層は、その結果を人が扱いやすくする部分です。

1800万円をどう読むか

年額1800万円は下限で、データ量と機能で上がります。初期費用は別で、金額は出ていません。この数字を判断に使うには、比較の相手を決める必要があります。

比較の相手を3つ用意します

3つ目が見落とされやすい点です。パッケージを買っても、社内システムからデータを出す部分と、結果を基幹システムへ戻す部分は消えません。ERPにAIエージェントが載っても、残る仕事は外側の接続でした。今回の製品も、複数のSCMシステムを横断すると書かれている以上、その横断先が自社にいくつあるかで工数が変わります。

「自律実行」の範囲を数える

自律的に実行するという説明は、範囲の指定を伴いません。発注側が確認するのは、どこまでを人の承認なしに実行してよいかです。

外に効果が出る操作は、承認を挟んだつもりが素通りしていた例のように、仕様書ではなく実装で確かめる項目になります。画面と承認は業務アプリ側に残すという整理はエージェント組み込みの回に書きました。監視についても、異常を見つける部分にAIを使わない設計が基本です。

そして、モデルの提供元が止まったときの挙動は要件書に書きます。前日に整理したとおり、待つ・替える・縛る・止めるのどれを取るかは業務側にしか決められません。基幹業務なら、書く操作は止める側に倒すのが定石です。

100社という目標が示すもの

販売目標は5年間で100社です。この数字は製品の性能とは無関係ですが、読み方が2つあります。

• 買える企業の数をどう見ているか。年1800万円を5年払える規模の会社が対象だという想定です
• 事例が増える速さ。5年で100社なら、参照できる導入事例が増えるのは先になります

全員が使っている会社でも成果は別だという話と同じです。導入社数は、自社で効く根拠にはなりません。

数字の出どころと限界

この記事の数字は、NECが2026年8月28日に公開したプレスリリースに基づきます。価格の年額1800万円（税別）からと初期費用が別であること、販売目標が今後5年間で100社であること、LLM単体では数値予測や最適化が難しいという記述は、すべて同リリースの記載です。IT LeadersとZDNET Japanも同じ条件を報じています。

導入事例、精度の実測値、初期費用の目安、接続にかかる工数は公開されていません。この記事の「3つの層」は公開情報から発注側の確認項目として整理したもので、製品の内部構成の説明ではありません。

費用の考え方はAI開発の費用の回に、データを外に出せるかの確認は3つの層で見る方法に書いています。