デマンドプランナー・需要予測担当のキャリア｜AI時代に人が担う判断

「需要予測はAIに置き換わる」という見立てが、ここ数年で一般化した。実際、需要予測AIの導入は大手メーカーを中心に進み、予測の一部は確かに自動化されている。だが現場で起きているのは「人が要らなくなる」という単純な置換ではない。むしろAIを導入した企業ほど、予測結果を読み解き、欠けている情報を補い、需給の意思決定を説明できる人材——デマンドプランナー（需要予測担当）の価値が上がっている。本稿は、この職種の仕事内容・必要スキル・年収レンジ・キャリアパスを一次資料で整理し、AI時代に『人が担う判断』がどこに残るのかを、候補者個人の視点で明らかにする。

デマンドプランナー／需給計画担当とは

デマンドプランナーは、「何が・いつ・どこで・いくつ売れるのか」を予測し、その予測をもとに生産・調達・在庫・物流の計画を組み立てる職種である。マーケティング・営業部門と生産・調達部門のちょうど中間に位置し、両者を需給という言語でつなぐ。

公益社団法人日本ロジスティクスシステム協会（JILS）は、需要予測を「在庫管理や生産、調達の基礎となるだけでなく、事業戦略をオペレーションの実行へ落とし込む、S&OPのベース」と位置づけている。つまり需要予測は単なる「数当て」ではなく、経営の意思決定とオペレーションを接続する結節点としての機能を持つ、というのがJILSの整理だ。

呼称は企業によって幅がある。「デマンドプランナー」「需要予測担当」「需給計画担当」「サプライチェーンプランナー（SCMプランナー）」などが近い職種として並ぶ。需要予測に軸足を置けばデマンドプランナー、需要と供給の調整に軸足を置けばサプライプランナー／需給調整担当、と分けて運用する企業もあるが、中堅企業では一人が両方を兼ねることも多い。

• 需要予測（デマンドプランニング）──過去実績・市場情報・販促計画から将来需要を予測する。
• 供給計画（サプライプランニング）──需要予測を起点に、生産・調達・在庫の供給側計画を組む。
• 需給調整・S&OP──需要と供給のギャップを部門横断で調整し、経営の意思決定に上げる。

仕事内容 — 需給計画立案・在庫補充・S&OP会議の進行

実務は大きく三つの軸で動く。需要予測の作成、在庫・補充の管理、そして部門横断の需給調整（S&OP）である。

需要予測の作成と更新

時系列モデル（過去実績の延長）、因果モデル（価格・天候・販促などの要因から推定）、判断系モデル（営業・マーケの定性情報を織り込む）を使い分け、SKU単位・チャネル単位で予測を作る。月次・週次で実績との差異を検証し、予測を更新し続ける。JILSの実務講座でも、需要予測担当には「さまざまな予測モデルの特徴を知り、うまく使い分けられるスキル」が求められると整理されている。

在庫・補充計画の管理

予測をもとに適正在庫を設計し、欠品（機会損失）と過剰在庫（廃棄・キャッシュ毀損）のバランスを取る。安全在庫の設定、補充点・補充量の管理、新製品立ち上げ時の初回投入量の決定などが含まれる。在庫設計の体系的な考え方は在庫最適化の実務ガイドで詳しく扱う。

S&OP会議の進行と需給調整

S&OP（Sales and Operations Planning、販売・操業計画）は、需要（販売・マーケ）と供給（生産・調達・物流）の計画を月次で突き合わせ、経営の意思決定に接続するプロセスである。デマンドプランナーは、各部門から上がる数字を統合し、需給ギャップを可視化し、会議の議論を実行可能な計画に落とす進行役を担うことが多い。ここで問われるのは予測の精度だけでなく、部門間の利害を調整する力である。

なお、営業・マーケティング部門が予測を握る組織では、予測精度以外のミッション（目標必達・予算交渉など）が予測を歪める「ゲームプレイング」が起きやすい、という指摘がある。デマンドプランナーが独立した立場で需給を見ることに、組織上の意味がある所以だ。

必要スキル — 統計・データ分析・部門調整

JILSは需要予測に必要な土台として、統計学・認知科学・経営学の三つの知見を挙げている。数字を扱う統計だけでなく、人の判断バイアスを扱う認知科学、事業の文脈を扱う経営学が並ぶところに、この職種の幅がある。

• 統計・データ分析──時系列分析、回帰、誤差評価（予測精度の測り方）といった統計の基礎。近年はBI・予測ツール、表計算の高度活用に加え、データサイエンスの素養が評価される。
• ドメイン知識（商材・市場の理解）──自社商材の販売特性、季節性、販促の効き方、市場トレンドの理解。これがあって初めて「数字の異常」が意味を持つ判断になる。
• 部門調整・合意形成──営業・マーケ・生産・調達・物流という利害の異なる部門をまたいで合意を作る力。S&OPの実効性はここで決まる。
• 説明力（数字を翻訳する力）──なぜその予測になるのかを、グラフや図を使って非専門家にも分かるように説明する力。経営の意思決定に乗せるための必須スキルとされる。

とりわけ「説明力」と「部門調整」は、AI時代に相対的な重みを増している。理由は次節で述べる。

AI需要予測ツール時代に『人が担う判断』とは何か

需要予測AIの実装は、もはや実験段階ではない。化粧品大手の資生堂は、発売前の新製品にフォーカスしたAI需要予測モデルを開発し、JILSの「ロジスティクス大賞2021」でAIデマンドマネジメント賞を受賞している。同社のS&OPグループマネージャー（当時）でこの取り組みを主導した山口雄大氏のインタビューは、AI時代に人が何を担うのかを具体的に示している。

資生堂の事例で語られた精度は具体的だ。既存製品の予測誤差率はグローバル平均で30％以内に収まる一方、新製品は従来50〜70％と大きく外れていた。AI導入後、新製品の誤差率は既存品と新製品の中間程度まで改善したという。新製品は年間数百SKU、全社売上の2〜3割を占めるため、ここの精度改善は経営インパクトが大きい。

重要なのは、資生堂がAIの予測をそのまま生産計画に流し込んではいない点だ。AIは「リスク管理のツール」として位置づけられている。山口氏は「AIの出した結果はこういうデータに基づいていると答えられるのは、デマンドプランナーだけ」と述べ、AIが何を入力にし、何の情報が欠けているのかを説明できることが人の役割だと整理する。

具体的な判断の例も明快だ。市場の見立てとAIの予測がずれた場合、当初計画の生産数量はそのままにしつつ、調達に時間がかかる原材料だけを先制的に手配しておく——こうした「数字の外側にある制約を踏まえた打ち手」を選ぶのは人である。AIに『人が担う判断』を委ねないこの構造こそ、デマンドプランナーが残る理由を示している。

• 前提を疑う判断──AIが学習していない非連続な変化（新規参入、規制変更、災害、突発需要）を織り込むのは人。
• 説明責任を負う判断──予測の根拠・不確実性・前提を経営や他部門に説明し、合意を取り付ける。
• トレードオフの判断──欠品リスクと在庫リスク、コストとリードタイムなど、価値観が絡む選択を最終決定する。
• 需要を『創る』側の判断──予測した需要に供給を合わせるだけでなく、販促・価格・配荷で需要そのものを動かす設計に関与する。

なお、こうしたAI需要予測の導入は、ツールを入れれば完結するものではない。データ整備・モデル選定・現場の運用設計までを伴う。KI Strategy では、AI需要予測を含む業務へのAI導入を支援する「AX Boost」を提供しているが、本稿の主眼は『AIを入れる側』ではなく『AIを使いこなす側』のキャリアにある。AIの導入が進むほど、その出力を判断に変えられる人材の希少性は上がる。AIと需給の関係を経営視点で押さえたい場合は物流・SCMにおけるAI活用も参照されたい。

年収レンジの目安

デマンドプランナー単独の公的な平均賃金統計は、職種分類の粒度の問題から直接には存在しない。そのため、ここでは（1）近接職種の準一次データ、（2）転職市場の求人レンジ、の二つに分けて、出典を明示しながら目安を示す。憶測の相場は出さない。

近接職種の準一次データ

需給計画に近い「生産管理」職について、求人ボックス『給料ナビ』は平均年収を441万円、正社員のボリュームゾーンを392〜461万円、全体幅を323〜874万円と算出している（2026年5月7日時点、同社掲載求人からの独自集計。基準となる日本の平均年収は国税庁『民間給与実態統計調査』に基づくとされる）。これは需給計画系職種の「裾野〜中位」の感覚をつかむ参照値になる。

転職市場での求人レンジ

一方、需要予測・サプライチェーンプランニングを専門に求めるハイクラス求人は、これより明確に上に分布する。日経キャリアNETやランスタッド等のハイクラス求人では、需要予測スキルを要件とするポジションで想定年収600〜800万円、800〜1,000万円、1,000〜1,200万円台のレンジが見られる。グローバルメーカーや外資、SCM企画系のシニアポジションでは1,000万円を超える例が一般的だ。

つまり、同じ「需要予測に関わる仕事」でも、現場のオペレーション中心か、需給を企画・統括する立場かで年収帯は大きく分かれる。後者へ進むほど、統計・データの力に加えてS&OPを回す調整力と経営への説明力が問われ、報酬も上がる。SCM職全体の機能別キャリアと年収レンジの体系はSCMキャリアパスと年収で求人レンジ・公的統計を突き合わせて整理しているので、自分の現在地を測りたい場合はそちらを参照されたい。

デマンドプランナー→SCMマネージャー→SCM幹部への道

デマンドプランナーは、SCM職のなかでも経営に近い位置に立てる職種である。需給という全社横断のテーマを扱うため、機能を一つずつ広げていけば、SCMマネージャー、SCM企画／本部長、さらにはCSCO・CLOといった経営ポストへの道が見える。

1. ①デマンドプランナー（担当）──特定カテゴリ・ブランドの需要予測と在庫を担当。予測精度と在庫健全性で成果を出す段階。
2. ②シニアプランナー／需給調整リーダー──複数カテゴリを束ね、S&OPの進行役を担う。供給側（生産・調達）の制約も理解し、需給全体を見る視野へ。
3. ③SCMマネージャー──需要予測・在庫・調達・物流企画など複数機能をマネジメント。KPI設計と部門間調整の責任を持つ。
4. ④SCM企画／SCM本部長──サプライチェーン全体の戦略・投資・組織を設計。経営会議に需給と物流の論点を上げる立場。
5. ⑤CSCO・CLOクラス──調達・生産・販売・物流を統合する経営幹部。需給の意思決定を全社最適の視点で担う。

需要予測出身者がこのラダーで強いのは、「全社の需給を数字で語れる」希少性にある。営業・生産・物流のいずれかに偏らず、需給という共通言語で部門を束ねた経験は、上位ポストで効く。物流・SCMの現場系・企画系・マネジメント系をどう接続して上るかの全体像は物流・SCMのキャリアパスで、より上位の経営ポストの設計は物流マネジメント職のキャリアトラックで扱っている。

経営ポスト側の需要は、制度面からも追い風が吹いている。物流統括管理者（CLO）の選任を求める流れのなか、調達・生産・販売・物流を統合するSCM経営人材への企業の関心は高い。CLO・物流役員クラスの転職市場の動きは物流役員・CLOの転職市場に詳しい。

AIに代替される不安への回答

「AIに仕事を奪われるのではないか」という不安は、この職種で最も多い問いだ。一次資料と実企業の事例から導ける答えは、次のように整理できる。

• 予測の『計算』は自動化が進む──時系列・因果モデルの当てはめや大量SKUの一次予測は、AI・ツールが担う領域が広がる。ここは事実として認めるべきだ。
• 『判断』『説明』『調整』は人に残る──前提が崩れる局面の修正、根拠の説明、部門間の合意形成は、資生堂の事例が示す通り人の仕事として明確に残る。
• AIを使う側の価値が上がる──AIの出力を読み解き、欠けている情報を補い、意思決定に変換できる人材は、AI導入が進むほど希少になる。

つまり脅威は「AIそのもの」ではなく、「AIを使いこなせないこと」にある。表計算で予測を回すだけの作業に留まれば代替リスクは高いが、モデルを選び、結果を疑い、需給の意思決定を主導する役割に立てば、AIは仕事を奪う敵ではなく生産性を上げる道具になる。AI・DXがSCM職の役割をどう変えるかの全体像は物流DXの基礎も参考になる。

専門職としての市場価値の高め方

需給計画系のデジタル人材は、構造的に不足している。経済産業省の調査では、デジタル人材を必要とする部門として「製造技術・生産管理」が最多（約6割）に挙がり、製造業の有効求人倍率も令和6年度で1.67倍と求職者優位が続く。需給とデータの両方を扱える人材は、この交点に立つ希少な存在だ。市場価値を高める打ち手は、おおむね次の四つに集約される。

1. ①数字で語れる成果を持つ──予測精度の改善幅、欠品率・在庫日数の改善、廃棄削減額など、需給改善のインパクトを定量で示せるようにする。
2. ②AIを『使った』実績を作る──需要予測AI・BI・データ分析の導入や運用に関わった経験は、AI時代の差別化要因になる。導入の主導まで担えれば一段上だ。
3. ③機能の幅を広げる──需要予測だけでなく供給計画・在庫・S&OP進行へ守備範囲を広げ、需給全体を語れる人材になる。
4. ④資格・体系知で土台を補強する──JILSの需要予測・ロジスティクス系講座などで、グローバル標準の知識とS&OPの体系を補強する。物流・SCM系資格の全体像は別稿を参照。

転職を視野に入れる段階では、現職での成果の見せ方と、次のポジションでの裁量（扱う商材・SKU規模・S&OPの主導範囲）の見極めが鍵になる。SCM・物流の専門職は求人票だけでは実像が掴みにくいため、職務範囲と将来のキャリアラダーまで踏み込んで擦り合わせることが望ましい。需給・物流企画の経験を経営ポストにつなげたい候補者の方は、KI Strategy のエグゼクティブサーチに登録のうえご相談いただきたい。採用企業側で需給計画・SCM企画の人材像を設計したい場合は、物流マネージャー採用の進め方も参考になる。

AI時代のデマンドプランナーは、「予測を当てる人」から「需給の意思決定を主導する人」へと役割の重心を移している。計算をAIに任せられるからこそ、人が担う判断——前提を疑い、説明し、部門を束ねる力——の価値が上がる。その重心移動を自分のキャリアの軸に据えられるかが、この職種で長く価値を出し続ける分かれ目になる。