表計算ファイルが「負の遺産」とされてきた理由

サプライチェーン業務、特に需給計画や調整業務の現場では、表計算ファイル(多くはMicrosoft Excel)が長年にわたり中心的な道具であり続けてきました。データの追記・修正が容易で、特別なスキルがなくともフォーマットを自由に変更できるためです。しかし、その自由度の高さゆえに、以下のような問題が生じがちで、その結果「負の遺産」として扱われるようになりました。

  • 属人化の温床:作成者しか構造を理解できないシートが量産される
  • データ統合の障害:粒度・定義・鮮度が異なるデータが乱立し、全体可視化を阻む
  • 数式・マクロのブラックボックス化:作成者の異動・退職とともに更新不能になる
  • 品質リスク:手作業によるコピー&ペースト起因の転記ミス、版違いによる誤判断

加えて、計画データを組織や企業を跨いで伝達する際には、計画の入った表計算ファイルをメールに添付して送付し合う、いわゆる「バケツリレー」が広く採用されてきました。この方式には、情報伝達のアイドルタイム、版管理の崩壊、データのサイロ化といった構造的な問題があります。

こうした背景より、多くの企業のDX推進部門は、「表計算ファイル群をいかに撲滅し、ERP・SCP・BIといった統合プラットフォームに置き換えるか」を中心的な課題に据えてきました。

「撲滅すれば解決する」という前提への問い

しかし、現実を直視すれば、表計算ファイルは撲滅されていません。むしろ、ERP・SCP・BIなどのエンタープライズ基盤を導入した企業ほど、その「周辺」に表計算ファイルが増殖しています。基幹システムに入り切らない調整業務、システムの隙間を埋める例外処理、会議の事前すり合わせ用の補助資料、こうした用途で表計算ファイルが使われ続けているのが実情です。

その理由は、先に挙げた「自由度の高さ」そのものにあります。状況変化の激しい計画業務は標準化しにくいため、柔軟に業務を回すためのバッファとして現場は表計算ファイルを使い続けているのです。

ここで問い直すべきは、「表計算ファイルが悪いのか」ではなく、「なぜ現場は表計算ファイルに頼り続けてきたのか」です。

現場の担当者は、闇雲に表計算ファイルを使っているわけではありません。基幹システムの隙間を埋め、状況変化に応じて計算ロジックを書き換え、特定顧客向けの例外処理を組み込み、過去の経緯を踏まえてセルに注釈を残してきました。そこには、現場が実際にどう仕事を回し、何を見ながら判断しているかという「業務の痕跡」が刻まれています。

表計算ファイルは、単なる非効率な道具ではなく、現場の判断ロジック・着眼点・例外処理の知見が刻み込まれた業務の記録でもあります。この視点の転換が、AI時代における表計算ファイル再評価の出発点となります。

AIの進化がもたらした「読み取り可能性」の変化

表計算ファイルを「業務の痕跡」として捉え直すという発想は、実は新しいものではありません。現場の知見が表計算ファイルに眠っていることは、長年指摘されてきました。それでも活用が進まなかったのは、痕跡を読み取って組織で再利用する手段がなかったからです。

決定的に変わったのは、AIが非構造化データを意味づけして読み取れるようになったという点です。

これまで、表計算ファイルのデータは構造化されていないことがほとんどでした。同じ「在庫数量」という項目でも、シートによって列の位置が違い、単位が違い、製品コードの表記揺れがあり、ヘッダーの行数も異なります。こうしたデータは、多面的な分析や他業務との連携が困難であるという大きな問題を抱えており、これがまさに、表計算ファイルが「負の遺産」とされてきた構造的な理由でした。

しかし、現在の生成AIやエージェント型AIは、構造化されていないデータであっても、文脈を踏まえて意味づけして読み取ることが可能になっています。「この列はおそらく安全在庫日数」「このセルの空白は前月実績がないことを意味している」「このコメントは需要急増の予兆を示唆している」。このように、ある程度の精度で機械的に読み取ることが可能になりつつあります。

これは、SCMのデジタル基盤に対する考え方そのものを変える可能性を持っています。

これまでのデジタル基盤構築は、おおむね次の順序で進められてきました。

① 業務プロセスを標準化・再設計する
② ERP・SCPに業務を載せ替える
③ DWH・EAIでデータを統合する
④ BIで可視化する
⑤ 必要に応じてAIを後付けで適用する

この順序では、表計算ファイルは「②に到達するまでに撲滅すべきもの」になります。しかし、AIが非構造化データを扱えるようになったことで、もう一つの順序が成り立つようになりました。

① 現場で実際に使われている表計算ファイル・メール・会議メモを洗い出す
② AIを介してそれらを意味づけし、つなぎ直す
③ そのうえで、何を構造化基盤に載せ、何を現場の柔軟性に残すかを判断する

これは、業務の痕跡を「残してから整理する」発想です。

「宝の山」と捉え直すためのフレームワーク

では、現場の表計算ファイル群を「宝の山」として活かすには、どのような視点が必要でしょうか。ここでは、表計算ファイルを「業務の痕跡」として読み解くための3つの軸を提示します。

第一の軸:判断ロジックの痕跡として読む
表計算ファイルには、その作成者・更新者がどのような順序で、何を見て、どう意思決定したかが、しばしば数式・コメント・条件付き書式・色分けという形で刻まれています。例えば、安全在庫日数を製品グループごとに変えている計算式、特定の顧客にだけ加算されているバッファ、季節ごとに切り替わるパラメータなどが挙げられます。これらは、マニュアルには書かれていない「現場の判断ロジック」です。

熟練者の判断は、強く文脈に依存し、経験の蓄積に支えられ、関係性の中で形成されています。本人ですら完全には言語化できない判断ロジックの一部が、実は表計算ファイルの数式や注釈という形で「半形式知」として残されています。このように捉えることで、表計算ファイル群は、熟練者の判断パターンをAIに学習させ、組織で再利用するための貴重な教材になります。

第二の軸:例外処理の集積として読む
基幹システムやSCPに収まりきらず、表計算ファイルで処理されている業務の多くは「例外処理」です。特定顧客への優先出荷、季節限定品の前倒し生産、サプライヤーの一時的なリードタイム変動への対応、月末締めの帳尻合わせなどが挙げられます。

これらの例外処理は、現場が日々の運用の中で発明してきた「ローカルなルール群」です。標準システムに載せ替える際にしばしば失われ、結果として「導入したシステムが使えない」と現場が嘆く事態を生んできました。表計算ファイル群を意味づけて読み解くことは、こうしたローカルなルールを可視化し、本当に標準化すべきものと現場の柔軟性に残すべきものを切り分けるための起点になります。

第三の軸:組織知の連結点として読む
部門ごと、担当者ごとにバラバラに存在する表計算ファイル群は、見方を変えれば、「組織のどこにどんな知識が分散しているか」を示すマップでもあります。需要計画担当・生産管理担当・調達担当が、それぞれの表計算ファイルで同じ製品を異なる粒度・異なる定義で扱っているという事実そのものが、組織内の立場によって前提や判断基準が異なる現実を浮かび上がらせます。

AIによって複数の表計算ファイルを横断的に意味づけして比較できるようになると、「同じ製品コードに対して、3つの部門が異なる需要数字を持っている」「サプライヤーAの納期について、調達と生産で20日のギャップがある」といった、これまで人が頭の中でつないでいた関係性が、明示的に浮かび上がります。これは、組織内に分散していた業務知識を相互に結びつけ、組織全体の知識として再構成していく入り口になります。

結び:問い直すべきは「ファイルそのもの」ではなく「私たちの前提」

表計算ファイルそのものを評価する議論は、いつの時代も二項対立に陥りがちです。「Excelは悪、システム化が善」「Excelは現場の知恵、システムは押し付け」。

しかし、本当に問い直すべきは、ファイルそのものではなく、私たちが何を前提に表計算ファイルを位置づけてきたのか、という認識のあり方ではないでしょうか。

「構造化されたデータだけが分析・連携できる」という前提が崩れた今、表計算ファイル群は「撲滅すべき負の遺産」から、「読み解くべき業務の痕跡」へと、その位置づけを変えつつあります。

ただし、AIが読み取れるようになったからといって、AIに任せきりにしてよいわけではありません。表計算ファイルの数式の意図、空白セルの意味、注釈の含意などをAIが完璧に把握できるとは限らず、業務知識を持つ人による確認と修正が欠かせません。AIが読み解き、人が判断する。この役割分担を前提にして初めて、足元の業務環境からSCMを進化させていく道筋が見えてきます。