BtoB卸の与信管理｜取引先ごとの与信枠と回収リスクの仕組み化

「取引先ごとの与信枠、結局は経験と勘で決めていないか」——BtoB卸の見えない属人化

掛け払い（請求書払い）で取引しているBtoB卸・EC事業者にとって避けて通れないのが、取引先ごとの与信枠（＝その相手にどこまで掛け売りを認めるかの上限額）をどう設定し、どう見直すかという与信管理です。ところがこの与信枠、実際には「昔からの付き合いだから」「担当者の感触で」といった経験と勘で決まっているケースが少なくありません。

問題は、その判断基準が特定のベテラン担当者の頭の中にしかないことです。取引先の支払いが少し遅れ気味になっている、受注量が急に増えて与信枠に近づいている——こうした変化に気づけるかどうかが担当者の経験に依存していると、担当者が変われば判断がぶれ、最悪の場合は回収不能（貸し倒れ）の兆候を見逃すことにもつながります。

この記事では、取引先ごとの与信枠設定と回収リスクの事前管理がなぜ属人化しやすいのか、AIでどこまで整理・自動化できるのか、そして進め方と費用の目安を解説します。なお、掛け払いそのものを決済代行に任せるか自社で持つかという導入方式の選択はShopify掛け払い（請求書払い）の導入方法とアプリ比較で整理しています。本記事は「自社で与信を持つ」ことを前提に、その管理業務を効率化する話です。

なぜ与信枠設定・回収リスク管理は後回しになりやすいのか

与信管理が単純作業に見えて実際には属人化しやすい理由は、判断の材料が社内にバラバラに散らばっていることにあります。

• 取引先の情報が一箇所にまとまっていない：登記情報・取引開始からの履歴・過去の支払遅延の有無・現在の売掛残高といった与信判断に必要な情報が、販売管理システム・会計ソフト・担当者のメモなど複数の場所に分散し、一人の相手を評価するだけでも情報をかき集める手間がかかります。
• 与信枠の見直しタイミングが決まっていない：一度設定した与信枠を、取引先の状況が変わっても見直さないまま放置しがちです。受注が伸びて与信枠に迫っていることや、支払いが遅れ始めた兆候に、締め処理のタイミングでようやく気づく、という後手の対応になりやすい領域です。
• 「回収リスクが高まっている兆候」の定義が言語化されていない：「支払いが何日遅れたら要注意なのか」「与信枠の何％まで使ったらアラートを出すのか」といった線引きが担当者の経験則に依存し、明文化されていないため、担当者が変わると見るべきポイントが引き継がれません。

これらは、与信管理を可視化・仕組み化しないまま「担当者の経験」に頼って回している限り、人を増やしても解消しない構造的な問題です。

与信管理の自動化を考えるとき、まず押さえておきたいのは、AIに任せられるのは「与信判断の材料を整える」ところまでで、「与信を認めるかどうかの最終判断」は人が持つべきだという切り分けです。

AIで整理・効率化しやすいのは、散在している取引先情報・取引履歴・支払実績を集めて構造化し、「この取引先は現在の与信枠に対してどれくらい使っているか」「支払いの遅れがどう推移しているか」を一覧で見える状態にする工程です。これは、非構造化・散在データをLLM（大規模言語モデル。文章など非定型のデータを扱えるAI）で整理・構造化する取り組みそのもので、与信判断に必要な材料を人が探し回る手間を減らします。

一方で、集めた材料をもとに「この相手にどこまで掛け売りを認めるか」「取引を継続するか」を決める与信判断そのものは、事業上の関係性や将来性も踏まえた経営判断であり、最終的に人が確認する前提を残すのが実務的です。ここを混同して与信の可否までを機械に委ねると、かえって現場が判断の根拠を説明できなくなります。目指すべきは、スコアを自動で出すことではなく、人が正しく速く判断できるように材料を整えることです。

なお、請求書を発行したあとの入金と請求の突合（入金消込）は与信管理とは別の工程で、掛け払いの実装・運用の観点からShopify掛け払い（請求書払い）の導入方法とアプリ比較で整理しています。本記事は、その手前にある「取引先ごとにどこまで掛け売りを認めるか」という与信枠の設定・見直しと、回収リスクの事前把握に主題を絞ります。

与信枠と警戒ラインを、数字で決める

属人化を解く実体は、次の3つを文章と数字にすることです。ツールの導入はその後で構いません。

• 与信枠の算定ルール：たとえば「月間平均取引額×2ヶ月分」を基準に、取引年数・支払遅延の有無で増減させる、といった式にします。式にしておけば、担当者が変わっても同じ答えが出ます。
• 警戒ラインの定義：支払いが何日遅れたら要注意か（例: 約定日から5営業日）、与信枠の何%を超えたら通知するか（例: 80%）、受注が平常月の何倍になったら確認するか（例: 2倍）。数字で決めていないものは運用されません。
• 取引条件の見直し手順：警戒ラインに触れたとき、誰が・いつまでに・どう対応するか（前払いへの変更、枠の一時縮小、担当役員への報告）。ここを決めておかないと、兆候に気づいても手が打てません。

3つのうち最も効くのは2番目です。「なんとなく最近遅い」を「約定日から5営業日以上の遅延が過去6ヶ月で3回」と定義した瞬間に、確認は担当者の記憶から離れ、誰でも同じ判断ができるようになります。

与信判断に使える材料は、外部より先に手元にある

信用調査会社の情報を買う前に、自社の中にある材料を確認してください。実際の支払い行動は、外部評価より精度の高い判断材料です。

• 支払実績：過去12ヶ月の入金日と約定日の差（遅延日数の推移）。改善しているのか悪化しているのかが最も重要です。
• 取引額の推移：急な増加は、他の仕入先から切られて自社に集中している可能性を示すことがあります。
• 注文内容の変化：定番品から高額品への偏り、納期を急ぐ注文の増加も兆候になります。
• 現場からの情報：配送時の様子、担当者の交代頻度、問い合わせのトーン。数字にならない情報ほど早く現れます。

これらは販売管理システムと会計ソフトから取り出せるものがほとんどです。まず取引先上位30社について、この4点を1枚にまとめるところから始めてください。

AIで進める与信管理整理の進め方（4フェーズ）

与信管理の整理も、いきなり全ての取引先を対象にシステム化しようとせず、段階を踏んで進めるのが実務的です。

①現状の把握では、現在どの情報をもとに与信枠を決めているか、その情報がどこに散らばっているかを洗い出し、「特定の担当者しか判断できない」原因がどこにあるかを特定します。多くの場合、この現状把握の段階で与信の判断基準や見直しの基準が言語化されていないことが見えてきます。

②PoC（概念実証。小規模に試して効果を確認する工程）では、いきなり全取引先を対象にせず、まず一部の取引先グループだけで、散在する情報を集めて与信枠と現在の売掛残・支払実績を一覧化するところを試します。どの情報がどれだけ自動で集約でき、どこに人手が残るかを確認します。

③実装では、PoCで見えた範囲を踏まえて対象を広げます。与信判断の材料を定期的に更新して見える化する仕組みと、「支払遅延が一定日数を超えた」「与信枠の使用率が一定を超えた」といった、あらかじめ言語化した基準に沿って注意を促す設計まで行います。

④運用は、取引先の状況が時間とともに変化する前提に立った工程です。与信枠の見直し基準やアラートの閾値を定期的に確認し、実態に合わせて調整する保守体制を維持します。

費用の目安

費用は取引先の数・扱う情報の散らばり具合・現在の販売管理システムの状況で変わります。以下は市場の一般的な目安で、特定サービスの確定価格ではありません。

順番としては、まず自社の支払実績（遅延の有無と日数）を1年分集計するところからです。外部の情報を買う前に、手元にある「その取引先が実際にどう払ってきたか」が最も精度の高い材料であることが少なくありません。

まとめ——与信管理は「判断の材料を整える」ところから仕組み化する

取引先ごとの与信枠設定と回収リスクの事前管理は、ベテラン担当者の経験に頼り続ける限り、その人がいなくなった瞬間に回らなくなります。「特定の担当者しか与信を判断できない」という状態が続いているなら、原因は担当者の能力ではなく、判断の材料と基準が整理・言語化されていないことにある可能性があります。