ERP（ユースケース）に関するニュース一覧

米スタートアップのDossは2026年3月、AI在庫管理プラットフォームの開発資金として5500万ドル（約82億円）のシリーズB資金調達を完了しました。ラウンドはMadronaとPremji Investが共同主導し、Intuit Venturesも参加しています。

Dossは2022年設立当初、RilletやCampfireと同様のAI会計製品を開発していましたが、昨年戦略を転換しました。競合するのではなく、これらの企業とパートナーシップを組み、在庫管理という別の領域で勝負する方針を選択しています。

共同創業者兼CEOのWiley Jones氏によると、新興のAI ERP企業は売掛金や買掛金などの財務機能を提供していますが、調達や在庫管理を会計ワークフローと統合する機能は多くが持ち合わせていません。Dossはこの空白領域を埋める存在を目指しています。

主要顧客は年商2000万〜2億5000万ドル規模の中堅消費者ブランドです。高級スペシャルティコーヒーのVerve Coffee Roastersなどが導入しており、RilletやCampfire、IntuitのQuickBooksと連携して利用されています。

Jones氏は、会計と在庫管理で2つのERPを導入する提案は難しい面もあると認めつつ、レガシーERPの実装の困難さから、新しいAIシステム2つを選ぶ企業が増えていると指摘します。中堅市場ではエージェント対応のアーキテクチャ構築競争が激化すると予測しています。

a16z（Andreessen Horowitz）は、AIがSAP・ServiceNow・Salesforceなどの大規模レガシー基幹システムの活用方法を根本的に変えると提言しました。これらのシステムは企業の中核データと業務プロセスを握っており、置き換えは極めて困難ですが、AIによる「再生」が現実的な選択肢になりつつあります。

レガシーシステムの課題は深刻です。SAP ECCからS/4HANAへの移行には最大7億ドル・3年・50人規模のコンサルチームが必要とされ、独リドルは5億ドルを投じた移行を断念しました。デジタル作業者は1日平均1,200回もアプリを切り替え、週4時間を浪費しています。システム統合市場だけで2023年に約3,800億ドル規模に達しています。

AIの活用領域は大きく3つあります。第一に「導入・移行」では、要件定義やテスト自動化により工期とリスクを圧縮します。AxiamaticやTesseraなどのスタートアップが、ERP移行プロジェクトの失敗を早期検知し、コンサルタント依存を削減するツールを提供しています。

第二に「日常利用」では、AIコパイロットがSlackやブラウザから質問応答と安全な操作実行を担います。APIが存在しない業務には「コンピュータ使用型エージェント」がUI操作を自動化し、従来手作業だった残り30〜40%のワークフローもカバーします。Factor LabsやSolaが本番環境で実用化を進めています。

第三に「拡張」では、レガシーシステム上に薄型アプリを迅速に構築します。12のSAPトランザクションを1画面に集約するベンダーオンボーディングや、複数システムを横断するイベント駆動ワークフローが実現します。a16zは最終的に基幹システム自体は残りつつも、AIが「意図駆動型の操作レイヤー」となり、ユーザーは画面やコードではなく目的を伝えるだけで業務が完結する世界を描いています。

Andreessen Horowitz（a16z）は、企業の調達業務をAIで自動化するスタートアップLioへの出資を発表しました。Lioは調達プロセス全体をAIエージェントで処理し、従来数週間かかっていた購買業務を数分に短縮します。

企業の調達業務は依然としてメール・PDF・手作業の交渉に依存しており、支出規模の拡大に比例して人員を増やす必要がありました。Lioはこの課題に対し、仮想調達チームをマシンスピードで提供するアプローチを取っています。

LioのAIエージェントはリクエストの仕分け、見積比較、サプライヤー交渉、ベンダーの選定・オンボーディング、購買実行までをエンドツーエンドで処理します。従業員はわずか2クリックで購買を完了でき、消費者向けECのような簡便さを企業調達に持ち込みます。

導入効果は顕著で、世界100社以上の顧客が数十億ドル規模の支出管理にLioを活用しています。手作業85%削減、調達コスト10%追加削減、導入率95%、そして顧客継続率100%という成果を達成しています。

共同創業者のVlad、Lukas、Tillの3名はドイツのトップ技術大学出身で、エージェントファーストの思想で調達業務を根本から再設計しています。a16zは同社の成長を支援し、調達業務の未来を切り拓くパートナーシップに意欲を示しています。

Nvidiaは2026年2月4日、マルチモーダル検索モデル「Nemotron ColEmbed V2」がHuggingFaceのViDoRe V3ベンチマークでトップスコアを達成したと発表した。

ColEmbed V2は画像・テキスト・表・チャートを統合したマルチモーダル文書検索において卓越した性能を持ち、企業の複雑な文書からの情報抽出を実現する。

Nemotron Agentsはリアルタイムで文書をビジネスインテリジェンスに変換するシステムで、ERPデータやレポートから即座にKPIを算出できる。

これらのモデルはNvidiaのAI基盤（NIM）上で動作し、既存のRAGアーキテクチャや検索システムへの統合が容易だ。

日本企業においても大量の非構造化文書（契約書、報告書等）を持つ組織にとって、文書AI自動化の実用性が高まった重要な進展だ。

Western SugarはSAPクラウドERPを活用してAI駆動の業務自動化への移行を実現しました。製糖業の製造プロセスが大幅に効率化されています。

このケーススタディは製造業におけるERPとAIの統合が、実際の現場業務をどのように変革するかを示す実践的な事例として価値があります。

77年の歴史を持つ販促品企業Gold Bondでは、CIOのMatt PriceがAI導入の常套手段であるチャットボット展開を最初から拒否しました。代わりに従業員が最も嫌う業務——ERPシステムへのデータ入力、書類処理、コール後フォローアップ——にAIを埋め込む戦略を取りました。

この選択が成功の鍵でした。従業員は「AIを使うために業務を変える」のではなく、「いつもの業務の中にAIが入ってきた」と感じることで、自然と高い受容率が実現しました。ワークフローへの統合が採用率を決定するという重要な知見です。

AI導入が失敗するパターンは明確です。スタンドアローンのAIツールは、既存の業務フローから切り離されているため、追加の操作が必要と感じられ使われなくなります。シャドーAIの増殖もITが関与しない採用の副作用です。

成功する導入には現場の「痛み」を起点にした設計、明確なKPIの設定、そして変化管理サポートが不可欠です。テクノロジーよりプロセス設計が先という原則が、AI時代にも変わらず重要であることを証明する事例です。

企業が社内ツール開発に費やす時間とコストは膨大ですが、大半のツールは完成前に放棄されるか、完成してもメンテナンス地獄に陥るという問題があります。Vercelはこの問題をAIで解決する方向を示しています。

従来のジレンマは明確でした。非技術者がノーコードツールを使えば維持が難しくなり、技術者が作れば本来のプロダクト開発の時間が削られます。専任の社内ツールチームを持てる企業は限られていました。

AIコーディングエージェントはこの状況を変えます。要件定義さえできれば、実装から継続的なメンテナンスまでエージェントが担えます。仕様変更も自然言語で指示するだけでコードに反映されます。

社内ツール問題の解消は、エンジニアリング生産性の大幅な向上につながります。ERP連携や承認フロー、ダッシュボードなど、これまで「後回し」だったツール群を低コストで整備できる時代が到来しつつあります。

Googleは検索結果をスクレイピングして転売するSerpApiに対し、著作権侵害・利用規約違反・不正アクセスを理由とした訴訟を提起しました。これはGoogleがスクレイパーに対し積極的な法的手段を取る姿勢を示す動きです。

SerpApiはGoogleの検索結果ページを大規模ボットで収集し企業向けに販売するビジネスを展開してきました。PerplexityなどのAIチャットボット企業も同社のデータを利用していると報じられています。

Googleによると、SerpApiはクローラーの名称を偽装・頻繁に変更するなどの手口でセキュリティ対策を回避しており、この違法行為が過去1年で急増しています。

GoogleはSerpApiがGoogleの許諾を得たライセンスコンテンツ（ナレッジパネルの画像やリアルタイムデータなど）も含めて転用していると主張しており、ウェブ出版社の権利保護を訴えています。

AI時代において検索インデックスデータの価値が急騰しており、誰がどのような条件でアクセスできるかという議論が本格化しています。今回の訴訟はそのなかでの重要な先例となる可能性があります。

Oracle NetSuiteは、AIをERPの中核に統合した新基盤「NetSuite Next」を発表しました。従来の対話型アシスタントとは一線を画し、AIがワークフロー内で自律的に業務を実行することが最大の特徴です。2026年より北米で提供開始予定の本作は、経営者や現場リーダーに対し、意思決定の迅速化と業務プロセスの根本的な変革を約束します。

他社が既存システムへの「後付け」でAI対応を進める中、NetSuiteは5年をかけ、AIを前提としたシステム再構築を行いました。AIは単なる助言役にとどまらず、業務プロセスの実行主体として機能します。ユーザーはツールを切り替えることなく、日常業務の中で自然にAIを活用できます。

新機能「AI Canvas」では、自然言語でプロセスを記述するだけで、システムが実行可能なワークフローを自動構築します。また「Ask Oracle」は、CFOには財務分析、倉庫長には在庫情報といったように、ユーザーの役割や文脈を理解し、その時々に最適な情報を提示します。

「管理された自律動作」により、AIは支払いタイミングの最適化や口座照合などを自動で遂行します。AIはその判断根拠を明示するため、人間はロジックを確認した上で承認や修正が可能です。透明性と効率性を両立し、経営者は複雑なデータ分析作業から解放されます。

本システムはOracleの包括的な技術スタック上で動作し、高度なセキュリティとデータ統合を実現しています。創業者ゴールドバーグ氏は、かつてのクラウド移行と同様に、組み込み型AIの採用が企業の競争力を左右すると語り、AIファーストな経営体制への転換を促しています。

2025年12月現在、米国の有力ベンチャーキャピタル（VC）の間で、初期段階のAIスタートアップに巨額の資金を集中投下する「キングメイキング」戦略が加速しています。これは、設立間もない企業へ圧倒的な資金力を与えることで競合を排除し、市場の勝者を早期に確定させる手法です。かつてUberなどで見られた「資本の武器化」が、シリーズAやBといった極めて早いフェーズで実行されているのが特徴です。

象徴的な事例がAI ERPのDualEntryです。同社は設立1年で売上実績が少ないにもかかわらず、Lightspeedなどから9000万ドルを調達し、評価額は約4億ドルに達しました。競合他社も数ヶ月間隔で巨額調達を繰り返しており、AI分野での資金競争は過熱の一途を辿っています。

この戦略の意図は、市場支配の演出と顧客への安心感の提供にあります。大企業にとってスタートアップの倒産は懸念材料ですが、潤沢な資金を持つ企業は「生き残る勝者」と認識されます。実際、法務AIのHarveyはこの信頼感を武器に、大企業顧客の獲得に成功しました。

VCがリスクを取る背景には、過去の教訓から「勝者への早期投資」を最優先する心理があります。カテゴリー覇者になれば初期の過大評価も正当化されるという判断です。しかし、過去には巨額資金を得て破綻した事例も存在し、資金力が必ずしも成功を保証するわけではありません。

昨今の急激な関税変動は、企業に48時間以内の対応を迫っています。しかし既存ERPのデータサイロ化が迅速な判断を阻害しています。本稿では、プロセスインテリジェンスがいかに供給網の死角を解消し、AI活用と競争優位をもたらすか解説します。

従来のERPシステムは取引記録には優れますが、変化への即応力に欠けています。SAPやOracleなどが個別に稼働しているため、関税変更時の影響分析や代替調達先の選定といったシナリオ分析を迅速に行うことが困難なのです。

ここで重要となるのが、「PI（プロセスインテリジェンス）なくしてAIなし」という原則です。正確な業務プロセスの文脈情報がないままAIエージェントを稼働させれば、部分最適による誤った判断を招き、数百万ドルの損失につながるリスクがあります。

先進企業は既に成果を上げています。Vinmar社は30億ドルの供給網をデジタルツイン化し、配送遅延を20％削減しました。Florida Crystals社も手戻りを排除し、数百万ドルの運転資金を解放するなど、可視化が直接的な利益を生んでいます。

最新の技術革新も見逃せません。Databricks等とのゼロコピー統合により、データを複製せずリアルタイムで数十億件の記録を分析可能です。これにより、企業はシステムを刷新することなく、既存資産を活かして変動に対応できます。

元マイクロソフト幹部が設立したスタートアップ「Maximor」が、企業の財務業務を自動化するAIエージェントを開発し、正式に発足しました。同社はFoundation Capital主導のシードラウンドで900万ドル（約13億円）を調達。多くの企業が依然として依存するExcelでの手作業をAIで置き換え、月次決算などのプロセスを効率化することを目指します。

なぜ今、AIによる変革が必要なのでしょうか。多くの企業ではERPやCRMといった専門システムを導入しているにもかかわらず、最終的な数値の調整や監査準備のためにデータをExcelにエクスポートし、手作業で照合しているのが現状です。この非効率なプロセスが、財務チームの大きな負担となっています。

MaximorのAIエージェントは、NetSuiteやQuickBooksなどの各種システムに直接接続し、取引データを継続的に収集します。これにより、運用データと財務データがリアルタイムで統合・可視化され、月次決算を待たずに財務状況を把握できます。作業文書や監査証跡も自動生成され、監査対応も効率化します。

導入効果は既に出ています。不動産テック企業のRently社では、Maximorの導入により月次決算にかかる日数が8日から4日へと半減しました。これにより、会計担当者2名の追加採用を回避できただけでなく、チームの時間の約半分をより戦略的な業務に振り分けることが可能になったといいます。

同社の特徴は、AIと人間の協業モデルにもあります。AIエージェントが実務（Preparer）を担い、人間がレビュー（Reviewer）に集中する体制を構築できます。また、社内に財務チームがない企業向けに、人間による会計サービスもオプションとして提供し、AIの導入を支援します。

創業者らはマイクロソフトで大手企業の財務DXを率いた経験を持ちます。その知見とビジョンが、RampやGustoのCFO、PerplexityのCEOといった著名なエンジェル投資家からの信頼を集め、今回の大型シード資金調達につながりました。

食品サプライチェーンのバックオフィス業務を自動化するAIスタートアップのBurntは25日、シード資金調達ラウンドで380万ドル（約5.7億円）を調達したと発表しました。このラウンドはNBAのスター選手、ステフィン・カリー氏が支援するベンチャーキャピタル「Penny Jar Capital」が主導しました。同社はAIエージェントを活用し、従来型のソフトウェアでは解決が難しかった食品業界の非効率な業務プロセスの変革を目指します。 同社のAIエージェント「Ozai」は、電話やFAXなど多様な形式の注文を自動処理します。既存のERPシステムを置き換えず、その上で動作するのが特徴です。これにより企業は従来の業務プロセスを大きく変えることなく、非効率な手作業から解放されます。 同社は今年1月のサービス開始以来、月間1000万ドル（約15億円）以上の注文を処理。英国の大手食品コングロマリットも導入を進めるなど事業は順調です。すでに数十万ドル規模の年間経常収益を達成しており、市場での需要の高さがうかがえます。 食品サプライチェーンは長年、技術導入の遅れが課題でした。多様なチャネルからの注文を、スタッフが手作業で旧式システムに入力することが常態化。従来のシステム刷新は高コストで導入期間も長く、中小企業の多い業界の障壁となっていました。 Burntの強みは創業チームの業界知見です。CEOのジェイコブ氏は食品業界で育ち、現場を経験。この経歴が関係性を重視する業界での信頼獲得につながっています。投資家もこうした「見過ごされた」産業にこそ、大きな機会があると評価しています。 今回の事例は、業界課題を深く理解し、AIで「置き換え」ではなく「補完」するアプローチの有効性を示唆します。既存の業務フローを尊重しつつ、非効率な部分を自動化する手法は、IT化が遅れる他の伝統的産業にも応用できるのではないでしょうか。

NVIDIAは2025年9月19日、企業の生産性と収益性を高めるカスタムAIエージェントの導入・活用ガイドを発表しました。AIを戦略的パートナーと位置づけ、(1)タスクに最適なエージェント選択、(2)データ連携による学習、(3)業務部門への展開、(4)ガードレールによる統制という4段階のプロセスを提唱。企業のAI活用を最大化し、組織変革を推進します。 最初のステップは、タスクに最適なAIエージェントを選ぶことです。人間を特定の職務で採用するように、AIも役割に応じて選択・訓練します。例えば、複雑な問題解決には推論エージェント、開発支援にはコード生成コパイロットなど、適切な使い分けが性能やコスト、セキュリティを最適化する上で重要です。 次に、強力なデータ戦略を構築し、AIエージェントを継続的に学習させます。AIは、タスクやビジネスに特化した最新データを得ることで最高の性能を発揮します。組織内の知識資産を活用し、多様な情報源に接続することが、精度の高い応答を生む鍵です。この学習サイクルは「データフライホイール」と呼ばれます。 インフラとデータ戦略が整えば、AIエージェントを各業務部門へ展開します。IDC調査によれば、ITプロセスや事業運営、顧客サービスがAI導入の優先分野です。CRMやERPと連携し、リード認定やサプライチェーン管理を自動化することで、従業員の生産性を高めます。 最後に、AIエージェントに対するガードレール（保護機能）とガバナンスを確立します。従業員にガイドラインが必要なように、AIにも信頼性や正確性を担保し、倫理的境界内で動作させる統制が不可欠です。不適切なトピックへの逸脱防止や、悪意あるプロンプトからの保護などが含まれます。 優れたAIエージェントは汎用品ではなく、目的に応じてカスタム訓練され、継続的に学習します。企業は「AIでどんな事業成果を目指すか」を自問することから始めるべきです。将来的には、あらゆる事業部門が専用AIを持ち、その導入と運用が企業変革を主導するでしょう。