「AIで需要は当たる」の実測は、単純な目安に勝てた人が7.5%だった

需要予測の話は、たいてい「機械学習を入れれば当たる」から始まる。皮肉なことに、同じデータで手法を競わせた公開の実測では、機械学習が上位を占めた回ですら、いちばん強い単純な目安を上回れた参加チームはわずか7.5%だった。残りは、素朴な計算に負けたのである。

この棚は、誰に向けて書かれているか

想定している読者は、購買部門の人に限らない。いま、モノやサービスを仕入れて、切らさずに回している人、あるいはこれから回す人である。

一人で発注も在庫も見ている店主かもしれないし、製造の小さなチームで兼務している人かもしれない。飲食や小売の現場で棚を埋めている人、受託で他社の調達を担う人、非営利で物資を回す人もいる。だからこの棚は「購買担当は」「SCM（供給網の管理）は」で主語を立てない。 決裁権があるとも、値段を交渉できる立場だとも、複数の会社から選んで買えるとも、システムを入れる権限があるとも想定しない。製造か小売かサービスか、法人向けか個人向けかで読者を分けない。仕入れの規模で優劣を付けない。今回が初めての人もいる。

そして、使える手は人によって大きく違う。商圏、単価、在庫を置く場所、取引先との力関係、繁忙期、業界の商習慣。これらは本人の能力とは別の次元で、取れる選択肢を決めている。この棚は、切らしてしまうことを、本人の熱意や工夫の不足として描かない。

一つだけ、先に断っておく。仕入先は「相手」であって「管理対象」ではない。 供給は相手のある営みで、こちらにとっての最適が、相手にとっての最適とはかぎらない。この棚は、買い叩く話には寄せない。

だからこの棚は、16の問いそれぞれについて言うことを3つに絞る——その問いは何を指しているのか。どこまで効くと確かめられているのか。その範囲の外で何が起きるか。これをやれば切らさない、の棚にはしない。 読者の像を書くのは、この単位だけである。

この棚の地図——四つの段を、下から積む

この棚は並列に並んだ道具箱ではない。下の段が上の段を支える、積み上げの構造である。まず需給と在庫の土台を置き、その上に仕入先との関係を積み、さらに網の可視化と調整を積み、最後に統制と強靭化を載せる。

①青 305〜308｜需給と在庫の基礎——需要を見積もる、在庫の量を決める、切らさない、余らせない。②緑 309〜312｜仕入先との関係——選ぶ、協働する、費用を見る、分散する。③橙 313〜316｜網の可視化と調整——見えるようにする、遅れに気づく、危うさを測る、需給を合わせる。④桃 317〜320｜統制と強靭化——不正を防ぐ、責任を持つ、発注と検収を回す、途絶に耐える。

下の段が危ういまま上を積むと、上の段はぐらつく。 土台のこの段——需要と在庫——から始める。

「需要予測はAIで当たる」の出どころを追う

需要予測とは、過去の販売実績から、これから必要になる量を見積もることである。この話には、たいてい一つの売り文句が付いてくる——機械学習（データから規則を見つける計算手法）を入れれば予測は当たる、という形である。そこでこの単位は、手法を並べる前に、その売り文句を実測で確かめた場があることから始める。

その場がM競技である。同じ時系列データを大勢に配り、多数の予測手法を同じ土俵で競わせる公開の実測で、1980年代から続いている。誰が何の手法を使ったかが記録され、優劣が同じ物差しで並ぶ。手法を売る側の宣伝ではなく、同じデータの上で結果が出る——だから、売り文句を突き合わせる場として使える。

同じデータで競わせると、単純な方法が強かった

**米国とギリシャの研究者が2018年に *PLOS ONE* 13巻3号へ出した論文が、この点を正面から測っている。M3競技で使われた月次1,045系列を対象に、よく使われる機械学習の手法と、伝統的な統計手法8種を突き合わせた。結論はこうだ——“the former are dominated across both accuracy measures used and for all forecasting horizons examined.”（機械学習のほうが、用いた二つの精度指標でも、調べたすべての予測期間でも、統計手法に劣った）。そして——“their computational requirements are considerably greater than those of statistical methods.”**（計算に要する資源は統計手法よりかなり大きい）。

これは突発ではない。2000年に報告されたM3競技の結論そのものが、複雑で高度な手法が、単純な手法より正確とはかぎらないというものだった。単純さが複雑さに劣らない、という系譜のうえに、2018年の比較は載っている。

同じ年のM4競技（*International Journal of Forecasting* 34巻4号）では、上位を占めたのは単一の手法ではなく、複数の手法を混ぜた「組み合わせ」だった。当たったのは、賢い一手ではなく、混ぜ方だったのである。

機械学習が勝った回ですら、大半は単純な目安に負けた

ところが2020年のM5競技（同誌2022年掲載）では、機械学習の手法（勾配ブースティング木）が上位を占めた。「やはり機械学習だ」と読みたくなる。だが数字を見ると別の絵が出る。参加チームのうち、素朴な目安を上回れたのは48.4%、季節を考えた素朴な目安を上回れたのは35.8%、そしてこの競技でいちばん強かった単純な指数平滑の目安（ES bu）を上回れたのは、わずか7.5%だった。論文はこう書く——“the majority of the teams being outperformed by more than 13% by ES bu.”（大半のチームは、その単純な目安に13%以上の差をつけられて負けた）。

機械学習を使える層が大勢集まってなお、その多くが、単純な目安に負けた。 勝った上位5チームだけが20%を超える改善を出した。「機械学習を入れれば当たる」ではなく、「何と何を組み合わせ、どの目安と比べるか」を設計できた少数だけが、目安を超えた。

「当たる」は、何を誤差と数えるかで決まる

ここで、この棚が16回くり返す見方を、正面から書いておく。供給の「最適」は、何を費用と数え、何を数えないかの決めの産物である。

M5の勝敗も、どの誤差を「精度」と呼ぶかで動いた。予測の当たり外れは、誤差の測り方（何を誤差と数えるか）を決めて初めて順位になる。2006年に *International Journal of Forecasting* 22巻4号へ出た論文は、予測精度の指標そのものを選び直す議論で、測り方が違えば、同じ予測でも「良い」か「悪い」かが入れ替わることを扱っている。数式や機械学習の見た目の厳密さは、入力と指標の恣意性を隠す。

しかも、需要予測が最適化しているのは、目的関数に入れた費用だけである。切らしたときの費用も、急いで切り替えたときの費用も、無理を頼んで仕入先との関係を痛めた費用も、たいていは指標に入っていない。入っていない費用は、どんなに精度を上げても最適化されない。 需要予測でこの先ずっと問うべきは、手法名ではなく——何を必要量と数え、外したときの費用を何と数えたかである。

そしてもう一つ、この棚の最後（320）で回収する見方がある——止まらなかった供給網の話は、止まらなかった会社が書いている。 いまはこれだけ置いておく。

時間・変化：M競技が40年で示したもの

順番はこうである。2000年、M3競技の報告は、複雑な手法が単純な手法に勝てないという系譜を確かめた。2018年、M4競技で上位を占めたのは組み合わせで、純粋な機械学習は伸びなかった。同じ年、統計手法が機械学習を上回るという直接の比較も出た。2022年に報告されたM5で、ようやく機械学習が上位に立ったが、参加者の大半は単純な目安に負けたままだった。20年で、手法は派手になった。当たりやすさは、比べる目安と混ぜ方しだいという結論は、ほとんど動いていない。

妨げるもの、助けるもの、最初の一歩

妨げるものの筆頭は、手法名を成果の保証と取り違えることである。機械学習と聞くと当たる気がするが、M競技が繰り返し示したのは、単純な目安を超えるのは容易でないということだった。

標本の偏りを断っておく。ここまでの数字は、公開コンペに集まった時系列と、それに参加できた人たちのものである。 あなたの商品の需要が、同じ振る舞いをするとはかぎらない。M競技の系列は主に定期的な販売データで、単発の受注や、初めて扱う品目、季節の読めない新商品は、この土俵に乗りにくい。

助けるのは、当てにいく前に「外したときに何が起きるか」を書くという一手である。切らしたときの費用も、余らせたときの費用も、たいてい予測の精度指標には入っていない。この非対称を書いておくと、精度を1%上げる工夫より、外れる向きを片側に寄せる工夫のほうが効く場面が見えてくる。 どの手法を選ぶかは、そのあとの話である。

最初の一歩は5分。いま自分が「だいたい何個くらい」と見積もっている品目を3つ書き出し、それぞれ「何を根拠にその数にしたか」を1行で添える。 そして、外したときに困るのはどちらか（切らすほうか、余らせるほうか）を一言だけ書く。 当てることではなく、外し方の非対称に気づくことが、今日の収穫である。

次の単位は 306「在庫を最適化するには？」——見積もった需要をもとに、一度にどれだけ持つのかという、量の決め方へ進む。

切らさず回している人は、たいてい「もっと当てられれば」と思っている。だがこの土台の段でわかるのは、逆のことだ。当てる技術より先に要るのは、外したときに何を費用と数えるかを、先に決めておくことである。数字が当たらないのではない。何を数えると決めていないから、当たったかどうかさえ言えないのだ。この棚がこれから積み上げていくのは、当てる腕ではなく、数える前に「何を数えるか」を問う癖のほうである。