HigLabo
Latest posts
SAPのSaaS-pocalypse対応はなぜERP刷新の追い風にならないのか──AI連携より先に“例外処理”で止まる現場
SAPのAI発表があっても、ERP刷新がそのまま進むわけではない
結論から言うと、SAPのクラウド移行や保守期限対応をめぐる、外部で「SaaS-pocalypse」とも呼ばれる動きやAnthropic連携は話題性こそ高いものの、それだけでERP刷新が加速するわけではありません。SAP ERPや周辺業務基盤でAIエージェント導入を検討していても、現場で本当に詰まりやすいのは、販売・購買・会計に埋め込まれた例外処理です。
AIで操作性や検索性が上がることと、基幹業務が無理なく回ることは別の論点です。ニュースでは前者が目立ちますが、導入判断では後者の重みのほうが圧倒的に大きくなります。特に業務改革責任者、ERP責任者、内部統制担当者にとっては、どこでAIを介入させ、どこで人の判断を残すのかが実装前の大きな論点になります。
SAPのBusiness AIとAnthropic連携が示すものと、ERP刷新で別に問われること
最近のSAPは、クラウドとAIを軸にした方向性をより鮮明にしています。2026年5月のSAPの発表では、SAP Business AI PlatformにClaudeを導入するAnthropicとの提携と、「Autonomous Enterprise」の構想が示されました。
そこでは、JouleやAIエージェントを通じて、財務、調達、サプライチェーンなどの業務にAIを組み込む構想が示されています。業務文脈やガバナンスを踏まえたAI活用を強調している点も特徴です。
https://www.sap.com/products/artificial-intelligence.html
Anthropicとの連携自体は、対話性や要約、推論の強化という意味で確かに魅力があります。ただし、それはERP刷新の実行条件そのものではありません。導入判断で先に問われるのは、販売・購買・会計のどこまでAI介入を許容できるかと、例外処理でどこに手戻りが出るかです。
ERP刷新の意思決定が止まるのは、AIそのものではなく例外処理設計が難しいから
ERPは、日々の業務を止めないことが最優先です。生成AIが便利でも、受注、発注、請求、入金、支払、仕訳といった基幹処理に不整合が出るなら、経営も現場も導入に慎重になります。
標準機能に業務を合わせれば効率化しやすい、という考え方自体は正しいです。ただ実際の企業には、標準化したくても簡単には捨てられない処理が大量に残っています。
それが例外処理です。特定顧客だけ与信判定が別、海外取引だけ税処理が別、緊急購買だけ承認経路が別、といった処理は件数が少なく見えても、金額影響や監査影響が大きく、無視できません。
クラウドERP変革では、技術導入だけでなく、内部統制や将来の業務プロセス設計も重要になります。AIを含む新機能の話題があっても、業務設計と統制設計を避けて通れない点は変わりません。つまり導入判断が止まりやすいのは、AIの性能評価よりも、例外処理設計の責任分界が曖昧なときです。
販売業務で止まりやすいのは、顧客ごとの商習慣とAI介入の線引き
販売領域は、一見すると標準化しやすそうに見えます。しかし実際には、受注から出荷、請求、入金消込までの流れに、営業慣行と顧客事情が深く入り込んでいます。
典型例は、個別値引き、無償同梱、納品先と請求先の分離、分割出荷、検収基準の違いです。標準機能で処理できるかどうかだけでなく、誰がいつ判断し、どの証跡を残すかまで詰めないと現場では回りません。
この設計が甘いと、ERP刷新後にExcelやメールでの補完が復活します。その結果、システムを新しくしたのに、実務は以前と同じように属人的な運用へ戻ってしまいます。
特に日本企業では、取引先ごとの商習慣が長年積み上がっているケースが少なくありません。販売管理の例外は単なる特殊ケースではなく、売上計上や債権管理に直結する業務ルールです。したがって、販売ではAIに任せられる補助判断と、人が最終判断すべき例外を先に棚卸しする必要があります。
購買と会計で難しいのは、柔軟性ではなく統制と例外処理の両立
購買と会計は、販売以上に統制が絡むため、例外処理の扱いが難しくなります。現場の柔軟さだけでなく、内部統制、監査、法令対応も同時に満たさなければならないからです。
購買では、緊急発注、事後承認、少額例外、複数見積免除、役務調達の検収曖昧さなどがよく問題になります。標準ワークフローに合わせるだけでは回らず、どこまでを制度として認め、どこからを禁止するのかの線引きが必要です。
会計ではさらに厄介です。仮計上、費用配賦、締め後調整、収益認識の個別判断、会社間取引の相殺など、月次決算を成立させるための例外的だが必須の処理が残ります。
ここを曖昧にすると、決算早期化どころか、むしろ締め作業が重くなります。例外処理は効率化の対象であると同時に、統制設計の中心でもあります。購買と会計では、AIを使うかどうか以前に、例外の承認条件、証跡、差し戻し時の手戻り箇所を明確にしておくことが欠かせません。
PwC
失敗するERP刷新は、派手な構想と地味な運用が切り離されている
失敗パターンは、派手な構想と地味な運用の断絶です。経営層には「AIで賢くなるERP」が示され、現場には「例外時は手作業で回してください」が渡されると、プロジェクトは摩擦を起こしやすくなります。
一つ目の典型は、例外処理の件数ではなく頻度だけを見て軽視することです。月に数件でも、その数件が大口顧客や決算調整に関わるなら、事業インパクトは非常に大きくなります。
二つ目は、例外処理を「移行後に運用で吸収する」と先送りすることです。一見現実的に見えても、実際には現場へ属人対応を押し付けやすく、刷新後の不満を増幅させます。
三つ目は、AIを例外判断の代替と誤解することです。NISTのAI RMFが示すように、AI活用では信頼性やリスク管理が重要であり、統制責任そのものを自動で肩代わりしてくれるわけではありません。
ERP刷新を前に進めるには、販売・購買・会計の例外処理を先に棚卸しする
では、どうすればERP刷新を前に進められるのでしょうか。現実的な答えは、AI連携の魅力を否定するのではなく、先に例外処理の棚卸しと分類を行うことです。
具体的には、販売・購買・会計の例外を「残すべきもの」「減らせるもの」「廃止できるもの」に分けます。そのうえで、標準機能で吸収するのか、周辺機能で補うのか、運用ルールで統制するのかを決めます。
さらに、3業務それぞれでAI介入の可否を整理し、どの例外で差し戻しや再承認、仕訳修正などの手戻りが起きるのかを確認しておくと、導入判断は現実的になります。
この順番を逆にすると、要件定義は膨らみやすくなります。先にAI活用シナリオから入ると、現場で必要な例外設計が置き去りになり、結果として導入判断が重くなります。
次に重要なのは、例外処理を件数ではなく経営影響で評価することです。売上、キャッシュ、監査、顧客維持に効く例外から優先的に設計すれば、刷新の意思決定は進めやすくなります。
AI連携は追い風だが、刷新が進む本当の理由にはならない
SAPのAIニュースは、たしかに追い風の材料にはなります。ですが、それ自体が刷新を進める本当の理由になるわけではありません。
ERPを動かすのは、華やかな発表よりも、現場の例外処理をどこまで見える化し、再設計できるかです。地味ですが、そこを越えた企業ほど刷新を実現しやすくなります。
AIの進化が速い今だからこそ、基幹業務の泥臭い設計の重要性はむしろ増しています。Anthropic連携のような話題を見るときも、最初に確認すべきなのは、販売・購買・会計の例外を本当に吸収できるのかという一点です。
次の一歩としては、販売・購買・会計の3業務で、AIに任せる処理、人が判断を残す処理、差し戻しが発生する例外処理を棚卸しすることが、ERP刷新を前に進める最短ルートになります。