AIが調達部門にやってきたとき、最大の抵抗はソフトウェアにはない
技術的な根本変革を経験したほぼすべての組織において、繰り返されるパターンがある。最も困難な部分は、プラットフォームを選ぶことではなかった。困難だったのは、ローンチから数週間後に、根本的な問題は技術的なものではないと気づくことだった。
調達・購買領域——業界では「プロキュアメント（procurement）」と呼ばれる——に人工知能を適用する場合、そのパターンはあまりにも一般的になっており、もはや固有の名前を持つほどになっている。マッキンゼーはそれを外科的な精度で描写している。調達においてAIをスケールさせることに成功した組織は、より良いソフトウェアを選んだ組織ではなく、モデルに自動化を依頼する前にワークフロー全体を端から端まで再設計した組織だ。 そうしなかった組織は、AIが業務の断片化を修正しないことを知った。AIはそれを増幅させる。
企業の調達部門で起きていることは、ツールのアップデートではない。誰が意思決定を行い、どのような情報を持ち、どのような速度で、どのレベルの人間の介入のもとで行うかという、意思決定のあり方そのものの再編成だ。それはライセンスを購入することでは解決しない。それは、組織が価値、管理、説明責任について理解していることを変えることを要求する。
---
成功したパイロットという幻想
フォーブス・テクノロジー・カウンシルのメンバーであり、Boxのテクノロジー調達担当シニアディレクターであるプラジュクタ・ワディトワールは、業務リーダーなら誰もが思い当たるシナリオを描写した。あるグローバル組織が、AIを使ってサプライヤーの可視性を高め、さまざまな地域でのリスク評価を自動化しようと実装を進めた。モデルはテスト環境では正常に機能していた。しかし、スケールする段階になると、システムは一貫性のないサプライヤーデータ、断片化された承認フロー、そして人間の曖昧さへの許容によって長年生き延びてきた分断された基幹業務システムを露呈させた。
このようなパイロット後の失敗には、名指しする価値のある内的論理がある。パイロットが機能するのは、変数が制御されているからだ。 整理された支出カテゴリ、意欲のあるチーム、協力的なサプライヤーが選ばれる。AIは輝く。投資が検証される。スケールの決断が下される。そしてシステムは完全な業務現実と接触する。即席で組み上げられたプロセス、誤ってラベル付けされたデータ、電話で行われていた意思決定といった、積み重なった歴史のすべてと向き合うことになる。
問題は、組織が何か悪いことをしたということではない。問題は、何年もの間、効率性が、ショートカットや例外事項や分類の難しいサプライヤーを知っている人々の人間的な判断によって支えられていたということだ。その暗黙知は、一度も文書化されず、構造化されず、データへと変換されなかった。AIはデータとして存在しないものを基に動作することはできない。
デロイトが2025年の最高調達責任者（CPO）グローバル調査で文書化しているように、デジタル成熟度の高い組織は、生成AIへの投資から著しく高い収益を上げている。その差は、誰が技術へのアクセスを持っているかにあるのではない。その下にある基盤を誰が構築したかにある。
---
まだ誰も名指しにしていない構造的問題
この変革に乗り出す組織が過小評価しがちなことがあり、それを正確に名指しする価値がある。調達における業務の断片化は偶然ではない。それは、ローカルで合理的に下された何年もの意思決定の結果だ。
独自の契約を交渉した各地域には、そうするだけの理由があった。独自の承認プロセスを構築した各事業部門は、手持ちのリソースで実際の問題を解決していた。コーポレートシステムと並行してスプレッドシートを維持していた各チームは、コーポレートシステムが必要な速度で対応できなかったからそうしていた。多くの場合、断片化は、ガバナンス能力よりも速く成長した組織のデジタルな足跡だ。
その組織が調達プロセスに人工知能を導入する瞬間こそ、まさにその歴史が露呈する瞬間だ。そして露わになるのは技術的な非効率だけではない。機能するために特定の人々の個人的な判断に依存していたガバナンスモデルが明らかになる。
これはマッキンゼーが「AIエージェント」と呼ぶものへの進化を描写する中で指摘していることと結びつく。それは、コンテキストを取り込み、複雑なタスクを計画し、複数のシステムにまたがってある程度の自律性を持って行動できるシステムだ。そのエージェントが、参照するシステムによってサプライヤーデータに3つの異なるバージョンが存在し、承認ポリシーが文書化された論理なしに地域ごとに異なり、マスター契約がすでに退職した一人の人物しか知らないローカルサーバーに存在するような環境で動作しようとするとき、エージェントは技術的な制限によって失敗するのではない。自動化された意思決定を支えるための最低限のアーキテクチャが環境に欠けているから失敗するのだ。
これが経営幹部に突きつける問いは、調達にAIを実装するかどうかではない。システムに意思決定を依頼する前に、データおよびガバナンスインフラの実際の状態についてどれだけ正直であるかだ。
---
調達機能が業務処理から離れるとき
Zycusは2026年の調達向けAIガイドの中で、最初は販売促進的に聞こえるが、注意深く読むと、より構造的な何かを明らかにする言葉でその移行を描写している。AIは調達部門に、すでに存在するものをより効率化するために来ているのではない。業務処理作業の大半を吸収し、人間の能力をまったく異なる何かへと解放するために来ている。
その「まったく異なる何か」こそ、ワディトワールが自身の直接的な経験から明確に描写するものだ。調達チームは、価格を交渉するためではなく、サプライヤーの意思決定が持つ長期的な業務上の含意を評価するために、戦略的な議論においてますます早期に招集されている。 ソフトウェアサプライヤーとの深い統合がどれほどの依存性を生むか。3年後にその契約を離脱することがどれほど複雑になるか。購入しようとしているテクノロジーアーキテクチャが将来の柔軟性を高めるか、それとも低下させるかといったことだ。
これらは歴史的に調達機能に属していた問いではない。戦略的リスク管理の問いだ。そしてそれらが今や当該部門のアジェンダの一部となっているという事実は、変わりつつあることについて重要な何かを明らかにしている。業務処理作業の自動化は単に時間を解放するだけでなく、権限を再配分する。
HFSリサーチはより直接的な言葉でそれを表現している。AIプラットフォームにより、調達リーダーシップは業務執行から戦略的な実現力へと移行できるようになっている。つまり、当該部門に必要なコンピテンシーのプロフィールが変化しており、その成功を測定する指標も変わらなければならないということだ。そして調達、財務、法務、業務部門の間の関係は、それらの機能の境界が、すべてを横断するインテリジェントなシステムによってより多孔質になるため、再設計されなければならないだろう。
マッキンゼーは、この変革を完了した調達機能は現行モデルより25%から40%効率的になる可能性があると試算している。しかしその数字を、見込まれる人員削減として読んではいけない。能力の再配分として読むべきだ。トランザクションを処理する人員を減らし、システムがまだ単独では下せない意思決定を行う人員を増やすのだ。
---
この変化に必要なリーダーシップと、通常そこに存在するリーダーシップ
ここで、組織的な観点からこの変革を分析することが最も興味深くなる。なぜなら、歴史的に調達機能を支配してきたリーダーシップのプロフィールは、非常に具体的なコンピテンシーを中心に構築されていたからだ。タフな交渉、サプライヤーへの深い知識、プレッシャーの下で契約を動かす能力、10年前にどのサプライヤーがどのような状況で失敗したかという制度的記憶などだ。
そのプロフィールには価値がある。しかし、それはビジネスへの最大の貢献がリスク分析の質であり、市場のシグナルを調達の意思決定に統合する速度であり、コンテキストが要求するときに疑問を呈する方法を知ったうえで推奨事項を生成するシステムと連携する能力である調達機能に必要なプロフィールとは、同じものではない。
この移行は快適ではなく、それをすべての人にとって単純な成長機会であるかのように描写するのは単純すぎる。調達において20年の経験を持つ人々のうち、その中心的価値が、今やシステムがより速く、より一貫して行えるようになったことをうまくこなすことにあった人々がいる。 それは現実の抵抗を生む。そしてその抵抗は不合理ではない。誰にも相談されずにゲームのルールが変わったと感じている人の理解できる反応だ。
デロイトが注目に値する指摘をしている。技術の近代化と並行してチームの準備に投資する組織は、技術の展開のみに集中する組織を継続的に上回っている。これは驚くべき発見ではない。しかし、それが組織の実践にどう転換されるかは重要だ。それは、主要業務が自動化されていくのを傍目に見ながらAIのコースを受講させることではない。人間の判断のどの側面が依然として不可欠であり、そのプロセスのどの時点でその判断が最も価値を持つかを人々が理解できるよう、役割を再設計することだ。
多くの組織が直面するリスクは、調達チームがAIを拒否することではない。AIを表面的に採用し、根本的なロジックを変えずにすでに行っていたことを加速するために使用し、その過程で実際にビジネス内の戦略的インテリジェンス層として機能する部門を構築する機会を失うことだ。
---
構造的成熟度は展開後に即興で作れるものではない
調達で起きていることは、突き詰めると、ほぼすべての根本的な技術変革において組織が直面するものの非常に具体的なバージョンだ。彼らが持っているアーキテクチャと、構築しようとしているものを支えるために必要なアーキテクチャとの間のギャップ。
調達におけるAIは例外ではない。そのギャップがより早く、より明確に見えるようになるユースケースだ。なぜなら、不適切に自動化された調達決定の結果は具体的でコストがかかるからだ。古いデータを基に動作したアルゴリズムによって選ばれたサプライヤー。別のシステムにすでに存在していたリスクシグナルにシステムがアクセスできなかったために自動更新された契約。誰もどのレベルの支出が人間の監督を必要とするかを明確に定義していなかったために、単独で処理された承認。
これらはAIのエラーではない。AIが完璧な精度で実行する組織設計上のエラーだ。
このすべての議論の中で最も注目に値する論点は、人工知能が企業の調達を変革するかどうかではない。その結果は、利用可能な証拠によって十分に裏付けられているように見える。最も注目に値する論点は、約束された通りにシステムが機能するために必要なデータアーキテクチャ、ガバナンスプロセス、役割の再設計を持ってその変革に到達する組織がどれほどあるか、そして洗練された技術を、まだそれを支えられる準備ができていない基盤の上にインストールしたことに気づく組織がどれほどあるかだ。
その答えは、彼らが選ぶソフトウェアベンダーにはかかっていない。展開の前に——後ではなく——どれほどの制度的誠実さを適用する意志があるかにかかっている。
