ERP×AI｜基幹システムに生成AIを組み合わせてできること・まだ難しいこと

基礎知識公開日：2026年11月2日

監修大手コンサルティングファーム出身／基幹システム刷新・業務改革の実務経験を持つ専門家

ERPに生成AIを組み合わせて効果が出やすいのは、ERPに入れる前の「読む・まとめる」作業と、ERPから出した後の「説明する・探す」作業です。在庫の引当や仕訳の確定のように、正解が1つに決まる処理は、これまでどおりERPのロジックに任せるのが基本です。この記事では、業務別に「今できること・まだ難しいこと」を整理した判定表と、AIに任せてよいかを決める4つの基準、導入前に整えるべきデータを、大手コンサルティングファーム出身の専門家の知見をもとに解説します。

この記事でわかること

ERPと生成AIを組み合わせる3つの形と、主なERP製品のAI機能の現状
企業IT動向調査などの公的データからみる、AI導入の現在地
受注・購買・在庫・会計など業務別の「今できること・まだ難しいこと」の判定表
AIに任せてよいかを決める4つの基準と、導入前のチェックリスト

【無料】基幹システムの進め方を相談する

ERP×AIとは：基幹システムと生成AIを組み合わせる3つの形

「ERPにAIを入れる」と一口にいっても、中身は大きく3つに分かれます。どの形の話をしているかで、必要な準備も費用も変わります。

ERP製品に組み込まれたAI機能を使う：ERPのメーカーが製品の中に用意した機能です。画面の中で質問に答えたり、入力候補を出したりします。
外部の生成AIとERPをつなぐ：汎用の生成AIサービスを使い、メールやPDFの注文書を読み取ってERPへの入力データを作る、ERPのデータをもとに報告文を作る、といった使い方です。
ERPを入れ替えるプロジェクトの中でAIを使う：現行の業務マニュアルや設計書の要約、業務フローの下書き、移行データのチェックなど、刷新の作業そのものを効率化する使い方です。

1つ目の例として、Microsoftの中堅・中小企業向けERP「Dynamics 365 Business Central」の公式ドキュメント（2026年10月更新）には、生成AIを使った機能が並んでいます。たとえば、数語の説明や貼り付けた文章から受注明細の品目を提案する機能、銀行の取引明細と帳簿の照合候補を出す機能、メールで届いた見積依頼から見積書を作って担当者の確認に回し、顧客が見積を承認すると受注に変える「Sales Order Agent」などです。SAPも、S/4HANA Cloud Public Editionに生成AIのアシスタント「Joule」を組み込み、必要な画面への移動や、発注書・出荷などの業務データに関する情報の取得に使えると発表しています（2024年12月）。

3つ目の、刷新プロジェクトの中で使う形は、見落とされがちですが効果を出しやすい領域です。たとえば、担当者ごとに書き方がばらばらな現行の業務手順書を要約し、業務フローの下書きを作る。移行する品目マスタから、表記ゆれや重複の疑いがある行を洗い出す。要件定義の会議録から、決定事項と持ち越しの課題を抜き出す。どれも最終的には人が確認しますが、ゼロから書き起こすより作業が早く進みます。進め方の全体像は要件定義書の書き方や基幹システムのデータ移行とあわせて読むと、どの工程でAIを使えるかがイメージしやすくなります。

ここで押さえておきたいのは、どの機能も最後に人が確認する前提で作られていることです。Business Centralのドキュメントでも、操作を始めるのは利用者で、Copilotは提案を出す役割だと位置づけられています。Sales Order Agentも、作った見積書は担当者が確認してから送る流れです。人の確認を挟まずにAIがERPの処理を確定させる使い方は、少なくとも上で紹介した公式資料では前提にされていません。

データでみるAI導入の現在地

他社はどこまで進んでいるのか。公的な調査から、現在地を確認しておきます。

調査	対象	主な結果
JUAS「企業IT動向調査報告書2026」（2025年度調査）	東証上場企業とそれに準じる企業（回答957社）	言語系生成AIの「導入済み」と「試験導入中・導入準備中」の合計は53.4%。前年度の41.2%から12.3ポイント増。AIエージェントは21.0%
同上（データ活用の状況別）	同上	言語系生成AIを「導入済み」の割合は、組織横断でデータを活用できる環境を作った企業で49.4%、データ活用ができていない・準備段階の企業で26.4%
日本政策金融公庫「デジタル化に取り組む中小企業の実態に関する調査」（2025年）	同公庫取引先の中小企業（回答4,328社）のうち、デジタル化に取り組む企業	AIを2023年度以前に導入した割合は5.4%、2024年度に新たに導入または大幅改修した割合は9.2%。導入予定がある割合は17.8%で、調査対象のデジタルツールの中で最も多い

2つの調査は対象が違うため、数字を直接比べることはできません。それでも読み取れることが2つあります。

1つ目は、中小企業でもAIは「これから入れる」段階の企業が多いことです。公庫の調査で導入予定が他のツールより多いのは、関心は高いものの、まだ使い方を決めかねている企業が多いことの表れと読めます。

2つ目は、データが整っている企業ほどAIの導入が進んでいることです。JUASの調査では、組織横断でデータを活用できる環境がある企業と、そうでない企業で、言語系生成AIの導入済みの割合に約2倍の差がありました。ERPとAIの組み合わせも同じで、元になるERPのデータが整っていなければ、AIは正しい答えを出せません。

なお、JUASの調査でAIエージェントを「導入済み」と答えた企業は7.1%でした。「試験導入中・導入準備中」が13.9%、「検討中」が31.2%で、多くの企業はまだ試す・考える段階にあります。製品の発表やニュースではAIエージェントが目立ちますが、実際の業務で使いこなしている企業はまだ限られます。中小企業が今から取り組むなら、読み取り・要約・検索といった、効果を確かめやすい使い方から始めるのが現実的です。

業務別：今できること・まだ難しいこと

中小企業の基幹業務ごとに、生成AIに任せやすいことと、人やERPのロジックに残すべきことを整理しました。判断の軸は「AIの出力を人が確認できるか」と「間違えたときの影響の大きさ」です。

業務	AIに任せやすいこと	人・ERPのロジックに残すこと	理由
受注	メール・PDF・FAXの注文書から、得意先・品目・数量・納期を読み取って入力の下書きを作る	受注の確定、単価・掛率の適用、与信の判定	読み取りは人が画面で確認できる。単価や与信はルールで一意に決まる
購買	仕入先からの納期回答メールの要約、見積書の比較表の下書き	発注の承認、発注点や発注量の計算	発注量は在庫と所要量から計算で決まる。承認は権限で管理する
在庫	在庫の増減理由の説明文、滞留在庫の一覧に対するコメント案	在庫数の計算、引当、棚卸差異の確定	在庫数は1つの正解がある。推測が入る余地を作らない
生産	作業日報の自由記述の要約、不良内容の分類の候補	生産計画の確定、原価の計算	計画は設備・人員の制約を計算で扱う。AIの提案は参考にとどめる
会計	請求書の読み取り、勘定科目の候補の提示、月次の増減コメントの下書き	仕訳の確定、決算の数値	候補は経理が確認できる。確定した数字は監査や税務の根拠になる
問い合わせ対応	「この受注は今どこにあるか」など、ERPのデータを探して答える	回答内容の最終確認（社外向けの場合）	社内向けの検索は効果が出やすい。社外への回答は誤りの影響が大きい
分析・報告	売上の増減要因の説明文、会議資料の下書き	数値そのものの集計、経営判断	集計はERPやBIで正確に出す。AIは説明と下書きに使う

表を横に見ると、AIに任せやすいことには共通点があります。文章や画像のような形の決まっていない情報を、ERPに入る形に整える作業と、ERPの数字を人が読める文章にする作業です。逆に、計算やルールで答えが1つに決まる処理は、これまでどおりERPに残します。

コンサルタントの現場メモ

「AIで在庫を最適化したい」という相談の多くは、よく聞くと、在庫数そのものが帳簿と現物で合っていないことが本当の課題です。入出庫の入力が後回しになっている、移動の記録がない、といった状態では、どれだけ賢いAIでも正しい提案はできません。AIの検討を始める前に、まずERPの在庫数を信じられる状態にする。この順番を逆にすると、AIの提案が外れるたびに「AIは使えない」という評価だけが社内に残ります。

AIに任せてよいかを決める4つの基準

表にない業務でも、次の4つの質問で、AIに任せてよい範囲を判断できます。

質問	「はい」なら	「いいえ」なら
Q1. AIの出力を、確定前に人が確認する工程を置けるか	下書き・候補として使える	任せない。確認の工程を作れるまで待つ
Q2. 間違えたとき、確定前に気づいて直せるか	試行の対象にできる	対象外。出荷・入金・支払など外部に影響が出る処理は特に慎重に
Q3. 正解がルールや計算で1つに決まる処理か	ERPのロジックで処理する。AIは使わない	AIの得意な領域（読み取り・要約・説明）
Q4. AIに渡す情報に、個人情報や取引先の機密が含まれるか	利用するAIサービスの規約（学習への利用の有無など）と社内ルールを確認してから	試しやすい

Q1とQ2がどちらも「はい」で、Q3が「いいえ」の業務が、最初に試す候補です。受注の読み取りや請求書の読み取りは、ちょうどこの条件に当てはまります。一方、在庫の引当はQ3が「はい」なので、AIではなくERPの設定で解決すべき課題です。

説明用の例：注文書の読み取りを受注入力につなぐ

最初に試す候補になりやすい受注入力の例で、AIの入れ方を見てみます。従業員60名、得意先約400社の機械工具卸を想定します。注文はメール添付のPDFとFAXが中心で、受注担当の3名が1日100件前後を手入力しているとします。

※説明用の例です。実在の企業を表すものではありません。

例：受注入力の流れ

Before担当者が注文書を見ながら、得意先コードと品目コードを検索して1件ずつ入力する。得意先ごとに品名の書き方が違い（略称、旧品番、メーカー品番）、そのたびに過去の受注を探して照合している。

After届いた注文書をAIが読み取り、得意先・品目・数量・納期の候補を受注の下書きとして作る。品目は、品目マスタと得意先別の品名の対応表をもとに候補を出す。担当者は下書きを注文書と見比べて確認し、修正してから確定する。確定後の単価・掛率・与信の判定は、これまでどおりERPが行う。

AIの役割は「下書きを作る」まで。確定と計算はERPと人に残すことで、読み取りの誤りがそのまま出荷や請求に流れるのを防ぎます。

この例で効果を左右するのは、AIの性能より「得意先別の品名の対応表」があるかどうかです。得意先が「M10ボルト 50L」と書いてきたものが、自社の品目コードのどれに当たるのか。その対応が担当者の頭の中にしかない状態では、AIも候補を出せません。導入の最初の作業は、過去の受注データからこの対応表を作ることになります。

対応表は、過去1〜2年分の受注データと、その元になった注文書を突き合わせて作ります。件数の多い上位の得意先から始めると、少ない手間で多くの注文をカバーできます。対応表の作成にもAIを使えますが、ここで作った対応は以後の候補の土台になるため、受注担当者が1行ずつ確認します。新しい書き方の注文が来たら、確定のたびに対応表へ追加する運用にしておくと、候補の精度は使うほど上がっていきます。

効果の測り方も先に決めておきます。たとえば「1件あたりの入力時間」「確定前に修正した件数の割合」「出荷後に見つかった受注の誤り件数」の3つを、導入前後で比べます。修正の割合が下がらない品目や得意先が見つかれば、対応表を直す優先順位がわかります。

導入前に整えるデータ：マスタ・コード・履歴

ERPと組み合わせるAIは、ERPの中のデータを手がかりに答えを出します。データの質がそのまま答えの質になるため、導入の前に次の3つを確認します。

マスタの重複と表記ゆれ：同じ得意先が別のコードで2重に登録されている、品名の全角と半角が混在している、といった状態では、AIが正しい候補を選べません。
コードと区分値の意味：「受注区分3は直送」のような区分値の意味が文書になっていないと、AIはデータを読み違えます。人に説明できない区分は、AIにも説明できません。
履歴の残り方：過去の受注・発注・問い合わせの履歴が残っていると、AIが過去の例から候補を出せます。紙やメールにしか残っていない場合は、どこまでをデータにするかを決めます。

表記ゆれの典型は、たとえば同じ得意先が「（株）山田商事」「山田商事株式会社」「ヤマダショウジ」で3件登録されている状態です。人は同じ会社だとすぐにわかりますが、システム上は別の得意先として扱われ、売上の集計も与信の管理も分かれてしまいます。AIはこうした重複の候補を見つけるのは得意ですが、どれを正として統合するかは、取引の実態を知る人が決める必要があります。

JUASの企業IT動向調査報告書2026では、データマネジメントの取組みのうち「マスタデータ管理・統合」を「整備済み」と答えた企業は23.2%でした。上場企業が中心の調査でもこの水準です。中小企業では、AIの導入より先に、マスタの整理が最初の仕事になることが多いと考えてください。名寄せと採番ルールの決め方はマスタデータ整備とコード体系の決め方で解説しています。

リスクと社内ルール：個人情報・誤り・権限

ERPのデータには、取引先の担当者名、従業員の情報、取引条件など、外に出せない情報が多く含まれます。AIと組み合わせるときは、次の3つのリスクに備えます。

個人情報と機密情報

個人情報保護委員会は2023年6月、生成AIサービスの利用について注意喚起を出しています。事業者が個人情報を含むプロンプトを入力する場合は、特定した利用目的の範囲内かを十分に確認すること。本人の同意なく個人データを含むプロンプトを入力し、それが回答の出力以外の目的で扱われると、個人情報保護法に違反するおそれがあること。そのため、サービス提供者が個人データを機械学習に使わないことなどを確認することが求められています。

誤った出力

生成AIは、もっともらしい誤りを出すことがあります。ERPとつなぐ場合、誤りが下書きの段階で止まるか、確定データまで流れるかで、影響の大きさがまったく違います。確定の操作は人が行う、という線を最初に引いておきます。

たとえば注文書の読み取りで、数量の「10」を「100」と読み違えた場合を考えます。下書きの段階で担当者が注文書と見比べれば、その場で直せます。確定まで自動で流れると、10倍の在庫が引き当てられ、出荷の指示が出て、請求書まで作られてしまいます。数量・金額・納期のように影響の大きい項目は、AIの読み取り結果と注文書の画像を並べて表示し、確認しやすくする工夫も有効です。

権限

AIに自動で処理をさせる「AIエージェント」を使う場合は、AIに与える権限も設計の対象です。総務省・経済産業省が2026年2月に示した「AI事業者ガイドライン」の更新内容の案では、AIエージェントなどの利用について、人間の判断を必須にする仕組みの構築や、最小限の権限の設定といった留意事項を加える方針が示されています。ERPでいえば、AIに見せるデータの範囲と、AIが実行できる操作（照会だけか、下書きの作成までか）を、利用者の権限と同じように決めることです。

社内ルールとして、次の10項目を確認してください。

AIに任せる業務と、任せない業務の一覧がある
AIの出力を確定前に人が確認する工程が、業務フローに組み込まれている
確定の操作（受注確定・仕訳確定・発注承認）は人が行うと決めている
利用するAIサービスが、入力データを学習に使うかどうかを確認している
AIに入力してよい情報と、入力してはいけない情報の区分がある
AIに見せるERPのデータの範囲を、利用者の権限と同じように設定している
AIが実行できる操作を、照会・下書き作成などに限定している
効果を測る指標（入力時間・修正率など）を導入前に決めている
AIの出力の誤りを記録し、マスタや対応表の修正につなげる担当者がいる
AIサービスが止まったときに、手作業に戻せる手順がある

ERP刷新とAI活用の進め方

これからERPを入れ替える会社は、AIの機能を製品選定の条件にすべきか迷うかもしれません。考え方としては、AI機能の有無で製品を選ばないことをおすすめします。AI機能は製品の更新とともに変わっていきますが、業務への合い方やデータの持ち方は、一度決めると長く変わりません。選定では、次の点を確認するほうが実務的です。

ERPのデータを外部のサービスから安全に読み書きできる仕組み（API）が用意されているか
AI機能を使うときに、データがどこで処理されるか、学習に使われるかが公開されているか
AI機能が追加料金の対象かどうか、料金体系が変わる可能性があるか

費用の面では、AI機能が標準の料金に含まれるのか、別料金なのか、利用量に応じて課金されるのかを確認しておきます。製品のAI機能は更新のたびに追加や変更があるため、契約の時点の条件だけでなく、今後の料金体系の方針も聞いておくと、5年間の総費用を見積もるときにぶれが小さくなります。

業務の困りごとを並べる
「入力に時間がかかる」「問い合わせに答えるのに探し回る」など、AIの話をする前に現場の困りごとを集めます。
4つの基準でふるいにかける
困りごとを、AIに任せられるもの、ERPの設定で解決すべきもの、業務のやり方を変えるべきものに分けます。
データを整える
対象業務のマスタ、区分値、対応表を整理します。この工程が全体の作業量の多くを占めることも珍しくありません。
小さく試して測る
1つの業務、限られた担当者で試し、決めた指標で効果を測ります。確定の操作は人に残します。
ルールを決めて広げる
入力してよい情報、確認の手順、誤りの記録方法を社内ルールにしてから、対象を広げます。

ERPそのものの選び方は中小企業のERPの選び方で、基幹システムの範囲の考え方は基幹システムとはで解説しています。刷新の全体の流れは基幹システム導入の進め方を参考にしてください。

よくある質問

今のERPにAI機能がなくても、生成AIは使えますか？

使えます。注文書や請求書の読み取りで入力の下書きを作る、ERPから出力したデータをもとに報告文を作る、といった使い方は、ERPの外で生成AIを使って実現できます。ただし、ERPに直接書き込む仕組みを作る場合は、権限と確認の工程を設計してください。

AIを入れれば、受注や経理の担当者を減らせますか？

短期的に人数を減らすことを目的にするのはおすすめしません。最初は確認の工程が増えるため、担当者の仕事はなくなりません。効果は、入力時間の短縮や誤りの減少として現れます。浮いた時間を、例外処理や取引先とのやり取りに振り向けるという考え方が現実的です。

ERPの刷新とAIの導入は、どちらを先にすべきですか？

基本はERPのデータを整えることが先です。マスタの重複や区分値の意味があいまいなままAIを入れても、正しい候補は出ません。ただし、刷新プロジェクトの中で、現行の業務マニュアルの要約や移行データのチェックにAIを使うことは、並行して進められます。

社内のデータをAIに入力しても大丈夫ですか？

利用するサービスの規約と設定によります。入力したデータが学習に使われるかどうか、どこで処理・保存されるかを確認してください。個人情報を含む場合は、個人情報保護委員会の注意喚起にあるとおり、利用目的の範囲内か、学習に使われないかなどを確認したうえで判断します。

AIエージェントとは何ですか？ERPでも使えますか？

人の指示を受けて、複数の手順を自分で組み立てて実行するAIの使い方を指します。ERP製品でも、メールで届いた見積依頼から見積書を作るなどの機能が出てきています。ただし、処理を確定させる前に人が確認する工程と、AIが実行できる操作の範囲を決めることが前提です。まずは照会や下書きの作成など、影響の小さい操作から試してください。

基幹システム構築支援のサービス紹介資料を無料で配布しています

構想策定から要件定義、製品選定、開発・導入までの進め方と、料金の考え方をまとめた資料です。AI活用を見据えたデータ整備をどの段階で行うかも紹介しています。

資料をダウンロードする（無料）

まとめ

ERPとAIの組み合わせで効果が出やすいのは、注文書や請求書を読んでERPに入る形に整える作業と、ERPの数字を説明・検索する作業です。在庫の引当や仕訳の確定のように答えが1つに決まる処理は、ERPのロジックと人の確認に残します。ERP×AIの成否を分けるのは、AIの性能より元になるERPのデータが整っているかです。

まずは業務の困りごとを並べ、4つの基準でAIに任せる範囲を決め、対象業務のマスタを整えるところから始めてください。自社の場合どこから手をつけるべきか整理したい方は、無料診断で現状の課題と検討の順番を確認できます。

出典・参考