工具・金物卸のAI活用｜型番照会・相見積もり・小口対応が起点

中小の工具・金物卸がAI活用を始めるなら、電話やFAXで寄せられる型番照会、他社と競う相見積もりの条件づくり、数万〜数十万点の商品を少人数で扱う多品種小口注文の処理、の3つが起点になります。いずれもAIが過去の記録から候補や不一致を洗い出し、出荷する商品・価格・在庫引当の最終判断は人が行う分担です。手始めは、よく聞かれる型番を表計算に記録する作業で、費用をかけずに始められます。

帝国データバンクが2026年7月に実施した調査では、正社員が不足していると回答した企業は全体の51.3%にのぼりました。工具・金物卸では、この人手不足が「型番を知っているベテランがいないと受注が止まる」という形で表れます。

卸売業に共通するAI活用の領域と、工具・金物卸に特有の負荷

工具・金物卸にも、他の卸売業と共通するAI活用の領域があります。主なものは次の6つです。

• 受注取込（電話・FAX・メールの一次受付）
• 見積・納期回答
• 請求・入金消込
• 在庫・発注
• 営業資料の作成
• 経営の見える化

工具・金物卸には、これらとは別に、多品種を扱うために生じる負荷が3つあります。型番照会、相見積もり、多品種小口注文です。

型番照会：電話・FAXの問い合わせがベテランに集中する

型番・規格の照会は、工具・金物卸の受注の入口で日常的に発生します。得意先や現場から「以前納品したのと同じ型番がほしい」「廃番になった品の後継品を知りたい」といった問い合わせが電話・FAXで入り、担当者はカタログや過去の納品履歴を確認しながら回答します。取扱品目が数万〜数十万点規模にのぼる一方で、受注を担う人員は十数名から数十名という事業者もあります。この規模になると一人の担当者が把握できる範囲を超え、型番に詳しい特定のベテランに問い合わせが集中します。

型番の言い間違いや聞き間違いによる誤発注のリスクも見過ごせません。似た型番の商品を取り違えて出荷すると、返品・再出荷の手間がかかり、得意先の信頼にも影響します。担当者が不在の時間帯に問い合わせが来ると、確認に時間がかかり回答が翌営業日になってしまうこともあります。

AIを使えば、過去の問い合わせ・納品履歴から類似の型番や後継品の候補を検索して提示し、担当者の確認作業を後押しする、という使い方が考えられます。どの商品を出荷するかの最終確認は引き続き人が行う領域のため、AIは「候補を洗い出して並べる」役割にとどめるのが安全です。

工具・金物卸の商談は、得意先が複数の卸に同時に見積もりを依頼する「相見積もり」が当たり前になっている取引が多くあります。担当者は同じ引き合いに対して複数社と並行して条件をすり合わせることになり、価格のほか納期・在庫の有無・数量割引といった条件をそのつど組み立てる必要があります。

見積もり作成に時間がかかるほど、他社が先に回答して案件を持っていかれるリスクが高まります。かといって条件を精査せずに価格を下げて出すと、受注が取れても利益が薄くなりかねません。過去に近い条件で見積もりを出したことがあっても、記録が個人の手元にとどまっていると次の類似案件に活かせません。

AIを使えば、過去の見積もり履歴から類似の得意先・商品構成の実績を参照材料として提示し、条件をすり合わせる時間を短縮する、という使い方ができます。最終的な価格・納期の提示は営業判断が必要な領域のため、AIは過去の条件を蓄積し、似た案件を正しく引き出す役割に置きます。

多品種小口注文：1件の粗利は小さくても処理の手間は変わらない

工具・金物卸の得意先には、大口の定期発注のほかに、1件あたりの数量・金額が小さい小口注文も数多く混ざります。伝票の起票・在庫引当の確認・出荷指示といった受注処理の手間は注文金額の大小にかかわらずほぼ一定にかかるため、小口注文が積み重なるほど処理件数に比例して事務負荷が増えていきます。

多品種であるほど、注文の中に型番違い・単位違い（バラ売りか箱売りか等）の確認が必要な行が混ざり、確認作業がさらに増えます。受注件数が多い月末や繁忙期には、確認漏れのまま出荷指示を出してしまうミスも起きます。

AIを使えば、注文内容と商品マスタを突き合わせて型番・単位の不一致をあらかじめ検出し、確認が必要な行に絞って担当者に提示する、という使い方が考えられます。在庫引当の最終確定や例外対応は引き続き人が判断する領域のため、AIの役割は「確認すべき行を絞り込む」ところまでです。

小口注文は「断る」か「条件を変える」かの判断も必要です。1件あたりの粗利と処理コストを並べると、判断の線が引けます。受注処理1件の実測時間（伝票起票・在庫引当・出荷指示・請求まで）に人件費単価を掛けたものが処理コストで、これを下回る粗利の注文が積み重なっているなら、最低注文金額の設定、送料無料ラインの見直し、定期発注へのまとめ提案のいずれかを検討する段階です。

ただし、小口注文を一律に減らす対象と見るのは避けてください。小口が多い得意先は、急な欠品の補充などで頼りにされている場合があります。判断材料にするのは1件ごとの粗利より、「その得意先との年間取引全体で採算が合っているか」です。

3つの負荷でAIが担う範囲と人が判断する範囲

3つの負荷について、AIが担う範囲と人が判断する範囲、準備するデータを表にまとめます。

最初の一歩：よく聞かれる型番を記録する

記録するといっても、凝った仕組みは要りません。表計算1枚に次の6列を作り、問い合わせが来るたびに1行ずつ書き足します。

• 聞かれた型番（得意先が口にした表記のまま。メーカー正式型番と違っていても、そのまま残す）
• 実際に出荷した商品の自社品番・メーカー型番
• 後継品・代替品の型番（廃番だった場合）
• 入数と販売単位（バラ・箱・ケース）
• 回答までにかかった時間と、調べた先（メーカーに電話した／カタログを見た）
• 問い合わせてきた得意先

3ヶ月分もたまると、同じ型番が何度も出てくることに気づきます。上位20件をリスト化して事務所に貼れば、ベテランに確認する回数を減らせます。5列目の「調べた先」を残すと、メーカーに聞かないと分からない型番の傾向も見えてきます。この記録は、後でAIに類似型番を検索させるときの元データにもなります。

相見積もりと小口注文も、全商品・全得意先を一度に対象にする必要はありません。相見積もりになりやすい得意先、小口注文の多い得意先から、見積もりと受注の記録を同じように1行ずつ残します。初期投資を抑えたい場合は、中小企業向けの「デジタル化・AI導入補助金」の対象になるツールもあります。対象・要件は年度ごとに異なるため、公募要領で最新の条件を確認してください。

まとめ：型番と見積もりの記録から始める

工具・金物卸の受注には、他の卸売業と共通する領域のほかに、型番照会・相見積もり・多品種小口注文という固有の負荷があります。大がかりなシステムを一度に入れなくても、問い合わせ頻度の高い型番や、相見積もりになりやすい得意先といった限られた範囲から記録を残せば、確認や見積もり作成にかかる時間を少しずつ減らせます。

業種ごとの違いは、製造業のAI活用方法・食品卸のAI活用・酒類卸のAI活用と読み比べると分かります。現場直送とスポット案件の採算が論点になる業種の例は、建材卸のAI活用にあります。

小口注文の受付を取引先向けのWeb発注（自社EC）へ移す段階になれば、商品マスタの入数・販売単位の整備から発注サイトの構築、公開後の受注データの集計まで、awaiが担えます。