2026/06/28Codex

AI活用非エンジニア向け

Codexで在庫・受発注管理を自動化する実務手順

「在庫表の更新が追いつかず、欠品と過剰在庫の両方が起きる」「仕入先サイトを1社ずつ開いて、値上がりしていないか手で確認している」——在庫と受発注をAIで楽にできないか調べ始めた経営者が、まず突き当たるのがこの作業の多さです。

結論から言うと、Codex を使えば在庫の確認・仕入先価格の巡回チェック・補充が必要な品目の洗い出し・最安の再発注案づくりまで、かなりの部分を自動化できます。ただし「発注ボタンを押す」最後の一手だけは人が握る——この線引きが在庫・受発注の自動化では決定的に重要です。

株式会社Fyveは中小企業向けにAIの業務導入を伴走しており、私自身も日々 Codex を実務で動かしています。この記事では「codex 在庫管理自動化」を検索する方に向けて、在庫表を起点にした自動化の手順と、受発注の半自動化、そして安全に回すための鉄則を、専門用語を抑えて整理します。

前提：Codexに「在庫管理機能」は存在しない

最初に誤解を解いておきます。Codex（OpenAIが提供する、ターミナル上で動くAIエージェント。指示を出すと自分で考えて作業を進めるツール）には、「在庫管理」や「発注」という名前の専用機能はありません。各タスクはサンドボックスという隔離された環境で実行されます（OpenAI公式のCodex紹介）。

ではどうやって在庫管理を自動化するのか。答えは、Codexが持つ汎用機能を組み合わせて、自社の業務に合わせた仕組みを作らせることです。在庫・受発注で柱になるのは次の4つです。

表計算ファイルの読み書き：在庫表（Excelやスプレッドシート）を読み、結果を書き戻す
Web検索・巡回：仕入先サイトを回って価格や在庫状況を集める
構造化出力：集めた情報を「品番・在庫数・単価」など決まった形で取り出す
非対話実行：多数の品目をまとめて一括処理し、定時で繰り返す

これらの機能はCodexの公式CLI機能ドキュメントに明記されています。「専用機能はないが、組み合わせれば実務に十分使える」という構造は、裏を返せば自社の在庫表や仕入先の形に合わせて柔軟に組めるという強みでもあります。

在庫管理と受発注は分けて設計する

「在庫・受発注の自動化」と一括りにすると設計がぶれます。最初に2つに分けておきましょう。

在庫管理：今いくつ在庫があるかを把握し、減ってきた品目の補充タイミングを判断する
受発注：取引先からの注文を受け取って処理し、自社から仕入先へ発注をかける

この記事では、まず効果が出やすい「在庫管理」から手順を追い、後半で「受発注」の半自動化に触れます。

在庫表を「正本」にして自動更新する

多くの中小企業では、在庫はExcelやスプレッドシートで管理されています。これをCodexに任せる流れを、3つのステップに分けて説明します。

ステップ1：在庫表を読ませて現状を把握させる

まずは手元の在庫表をCodexに読み込ませ、中身を理解させます。専門的なコマンドを覚える必要はなく、日本語で頼むだけで構いません。

Codexへの依頼例：「この在庫表（inventory.xlsx）を読んで、品番・品名・現在庫数・発注点・仕入単価の一覧を作って。発注点を下回っている品目を教えて」

ここで返ってくる「発注点を下回った品目リスト」が、補充判断の出発点になります。人が表を上から下まで目で追っていた作業を、一瞬で代替できる部分です。

ステップ2：仕入先サイトの価格・在庫を巡回させる

在庫管理でいちばん手間なのが、仕入先サイトを1社ずつ開いて価格や在庫を確認する作業です。Codexは最新情報を取りに行くWeb検索機能を持っており、これを使えば巡回を任せられます。

実際、X上では在庫表と仕入先サイトをCodexに渡し、「約20品目の価格と在庫を確認してシートを更新し、5%を超える値上がりがあればフラグを立て、最安の再発注案を作る。ただし発注はするな」と指示したところ、約60の商品ページを巡回して、確認できる1枚のシートを生成したという報告があります（利用者によるX上の投稿。処理品目数などは個人の実践報告で、公式に検証された数値ではない点は割り引いて見てください）。手作業で数時間かかる巡回を代替した、という趣旨の事例です。

自社で試すなら、こう頼みます。

Codexへの依頼例：「発注点を下回った品目について、いつもの仕入先3社のページで現在価格と在庫を調べて。前回単価より5%以上値上がりしているものには印を付けて」

ステップ3：補充品目と「最安の再発注案」を出させる

価格・在庫が揃ったら、最後に補充すべき品目と数量、どこから買うのが安いかという発注案をまとめさせます。集めた情報を決まった形で取り出す構造化出力を使うと、毎回同じレイアウトで結果が出てくるので、そのまま稟議や発注の検討に使えます。

Codexへの依頼例：「補充が必要な品目について、推奨発注数・最安の仕入先・想定金額を表にして。合計金額も出して。発注の実行はしないで、あくまで案として出して」

ポイントは、依頼文に必ず「発注はしない／案として出すだけ」と明記することです。理由は後半の安全ルールで詳しく説明しますが、お金が動く操作を勝手に走らせないための、最初の歯止めになります。

定期実行で「毎朝の棚卸し」を自動化する

1品目ずつ会話しながら確認するのは、数件なら良いですが、毎日となると非効率です。そこで使うのが非対話実行です。

Codexには、対話画面を開かずに指示を一度渡して結果だけ受け取る実行方法（codex exec）があります。これを使うと、在庫表の読み込みから仕入先の巡回、発注案の出力までを一連の処理としてまとめ、決まった時間に自動で走らせるバッチ処理が組めます。「毎朝9時に在庫を点検して、補充候補をメールやチャットに流す」といった運用が実現できます。

いきなりコマンドを書く必要はありません。やりたいことを日本語で伝えれば、Codexが処理の流れごと組み立ててくれます。

Codexへの依頼例：「在庫表を読んで発注点割れを抽出し、仕入先価格を巡回して、補充案を1枚のシートに書き出す処理を作って。毎朝これを自動で繰り返せるようにして」

補足すると、クラウド版のCodexにはスケジュールとタイムゾーンを指定して処理を定期実行する仕組みも用意されつつあります。ただし手元のターミナル単体での定時実行は、Mac標準のタイマー機能などと組み合わせるのが現実的です。この設定もCodex自身に「毎朝自動で動かす設定を教えて」と聞けば手順を返してくれます。

非対話実行を含むCodexの基本的なコマンドの使い方は、こちらの記事で体系的に解説しています。

CodexCodex CLI とは｜CLI版 OpenAI Codex 全機能解説

受発注の処理・トリアージを半自動化する

在庫の把握ができたら、次は注文そのものの処理です。メールやフォームで届く注文・問い合わせを、Codexに下処理させる使い方があります。

X上では、常時稼働させたMac Mini上でCodexを動かし、外出先からスマートフォンで指示を出して、中小企業の受発注や問い合わせの振り分けを自動化している、という事例も共有されています（本人は「SaaSを5〜10個導入したのと同じ」と表現していますが、これは誇張気味の自己評価である点は本人も認めています）。鵜呑みにはできませんが、注文・問い合わせの一次仕分けはAIに任せられる領域だ、という方向性は参考になります。

受発注の下処理で自動化しやすいのは、次のような作業です。

届いた注文メールから、商品名・数量・納期・取引先を決まった形で抜き出す
「在庫あり／要発注／要確認」といった区分で問い合わせを振り分ける
抜き出した注文内容を、在庫表と突き合わせて引当可能か判定する

ここでも構造化出力が効きます。注文情報を毎回同じ項目で取り出せれば、後の登録作業や在庫の引き当てがそのまま流れていきます。

「発注は自動実行しない」を最初にルール化する

ここが在庫・受発注の自動化で最も重要なポイントです。発注はお金が直接動く操作なので、AIに最後まで任せきるのは危険です。

Codex活用者の間では、プロジェクトの設定ファイル（AGENTS.mdと呼ばれる、AIへの常設ルールを書くファイル）に「発注は自動実行しない」といった安全ルールを書いておき、実際の発注は必ず人間が承認してから行うという運用が共有されています（X上の指摘）。これは「人間が最終判断に必ず入る」という考え方で、お金や在庫が絡む自動化では基本動作になります。

承認モードで「触れる範囲」を絞る

Codexには、AIがどこまで操作してよいかを決める承認モードがあります。読み取りだけを許す設定、変更ごとに人の確認を求める設定、全権限を渡す設定などを切り替えられます（公式のCLI機能ドキュメントに記載）。

在庫・受発注では、最初は「読み取り中心＋変更は都度確認」から始めるのが安全です。慣れて信頼できる工程だけ、少しずつ自動化の範囲を広げていきます。在庫表の更新までは任せ、発注の実行は人、という分担が現実的な落としどころです。

つまずきやすいポイントと回避策

導入支援の現場で実際に起きるつまずきと、その回避策を3つ挙げます。

「数字の正本」を1つに決める

最初にやるべきは、いきなり仕組みを作ることではありません。X上のCodex活用者も「まずCodexに自社の業務やシート、使っているツールをヒアリングさせて構成を作らせる」「数字の正本（どのデータが正しいか）・AIが触ってよい範囲・人が最終確認する箇所を事前に決めないと手戻りが多発する」と指摘しています。

在庫表が複数あって数字がバラバラ、というのは中小企業でよくある状態です。どのファイルを唯一の正本とするかを先に決めておかないと、AIがどれを信じればよいか分からず、更新が二重になったり食い違ったりします。

長時間使い続けてコンテキストが膨らむのを防ぐ

Codexを長時間動かし続けると、作業の途中ファイルが乱立し、AIが見るべき情報（コンテキスト）が膨らみすぎて精度が落ちる、という声があります。在庫処理のように繰り返し走らせる用途では、「使わない中間ファイルは消す」「区切りごとに会話をリセットする」といった掃除のルールを最初から決めておくと安定します。

コストと利用上限を見ておく

仕入先サイトを何十ページも巡回させるような重い処理は、それだけ多くの計算量を消費します。2026年のCodexは、メッセージ単位ではなく処理したトークン量（扱った文章の量）に応じた課金へ移行しており、重いタスクほど消費が大きくなります。大量巡回を定期的に回すなら、料金プランと利用上限を先に確認しておきましょう。

プランごとの料金や上限の考え方は、こちらの記事で詳しく整理しています。