賞味期限・使用期限（ロット）管理を自動化する方法｜『台帳とExcelの二重管理』から抜け出す

「賞味期限・ロット管理、気づいたときにはもう遅い」の構造

食品卸・理美容材料卸・介護用品卸のように多品目・多ロットの商品を扱うBtoB卸にとって、賞味期限・使用期限とロット番号の管理は避けて通れない業務です。理想は「使用期限が近いものから順に出す」という先出し管理（FEFO：First Expired, First Out＝期限が早いものから出す考え方）ですが、実際には棚の奥に押し込まれた古いロットの存在に気づかないまま時間が経ち、気づいたときには使用期限切れで廃棄せざるを得なくなっている——という状態に心当たりがないでしょうか。

問題は、この「気づく」タイミングが特定の担当者の記憶と経験に依存していることです。入荷のたびに商品ロットが増え、棚の奥から手前まで様々な期限の商品が混在する状態になると、目視と記憶だけで先出し順を守り続けるのは難しくなります。担当者が変わればチェックの精度が落ち、繁忙期にはさらに見落としが増える——これは在庫の欠品に気づくのが遅れる構造とよく似ています。実際、欠品も「気づいたときには販売機会を逃している」という同型の課題であり、在庫の予兆管理入門で整理した予兆管理の考え方は、期限切れの兆候を早く捉えるという観点でも参考になります。

この記事では、賞味期限・使用期限・ロット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。

Excel・台帳・目視だけでの期限/ロット管理は、どこで限界を迎えるか

期限・ロット管理が属人化しやすいのは、判断の材料になる情報が現物とExcel台帳の間でバラバラに存在しているためです。

• 入荷のたびに、納品書や現品ラベルに印字されている賞味期限・使用期限・ロット番号をExcel台帳へ手作業で転記しており、品目数が増えるほど転記漏れ・入力ミスが起きやすい
• 出荷時にどのロットから出すべきかの判断は、そのつど台帳を開いて確認しなければわからず、忙しい時間帯は現物の見た目や記憶で判断されがちで、結果として先出し順が守られないことがある
• 万一、品質上の理由で自主回収（リコール）が必要になった場合、どのロットがどの得意先へいつ出荷されたかを台帳から追跡するのに時間がかかり、対応の初動が遅れるリスクがある
• 台帳の更新・照合が特定の担当者の経験と勘に依存しており、その担当者が不在・退職すると期限管理の精度そのものが落ちる

これらは、期限・ロット情報を可視化・構造化しないまま「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。複数の仕入先・出荷先をまたいで在庫を持つ卸であれば、複数モールの在庫連携を自動化する方法【マスタ統合まで】で扱った「情報が分散して二重管理になる」課題とも根が同じです。

AIで期限・ロット情報を「データ」として構造化するとは

ここで押さえておきたいのは、awaiがご提供するのは「期限管理を自動判断する専用SaaS」という単体製品ではなく、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）を使って非構造化データを整理するデータ構造化コンサルティングの一環として、納品書・現品ラベル・仕入先から届くPDFや画像に記載された賞味期限・使用期限・ロット番号を認識し、既存のExcel台帳や倉庫管理の仕組みに反映できる構造化データとして整理するという支援です。

すでに近い取り組みとして、紙・PDFカタログの画像をOCR（画像の中の文字を読み取る技術）でテキスト化したうえでLLMが構造化する支援や、FAX発注書をAI-OCRで読み取り人が確認するフローを組む支援を行っており、本記事のテーマはその延長線上にあります。「納品書・現品ラベルに書かれた期限・ロット情報を読み取ってデータ化し、先出し順管理や台帳更新に使える形に整える」ところまでがawaiの役割で、そのデータを使って出荷指示や棚卸をどう運用するかは、既存の台帳や倉庫管理の仕組みと組み合わせて設計します。

なお、現品ラベルや手書き伝票の書式は仕入先ごとにバラバラであることが多く、読み取り精度はフォーマットや印字の状態に依存します。「精度◯◯%」という数字を鵜呑みにするのは危険で、awai自身が自社の認識精度を数値で保証することはしません。実務では、精度そのものよりも「どこまで自動で読み取り・データ化し、どこは人が確認する運用にするか」という切り分けの設計のほうが、導入後の実用性を左右します。

進め方（4フェーズ）

品目・仕入先すべてを一気に対象にするのではなく、段階を踏んで進めるのが実務的です。

①診断では、現在、賞味期限・ロット情報がどこに（紙の納品書・現品ラベル・Excel台帳など）、どんな書式で存在しているかを洗い出し、AIでどこまで自動読み取り・構造化ができ、どこに人の確認が必要かを見立てます。

②PoC（概念実証。小規模に試して効果を確認する工程）では、一部の仕入先・商品カテゴリに絞り、実際の納品書・現品ラベルの画像でAIによる期限・ロット番号の読み取りを試し、認識精度と人による確認・修正がどの程度必要になるかを確認します。

③実装では、PoCで見えた精度・運用範囲を踏まえて対象カテゴリを広げ、読み取った期限・ロット情報を先出し順管理や既存の台帳・倉庫管理の仕組みに連携できる形で構造化・蓄積します。

④運用は、新規入荷が発生するたびに読み取り精度を維持し、新しい仕入先の追加などフォーマットの変化に応じて認識の対象・確認ルールを見直し続ける工程です。

費用の目安

費用は対象品目数・仕入先数・現品ラベルや伝票の書式のばらつきによって変わりますが、市場の一般的な目安として、awaiがご案内している水準は次のとおりです（相場感の参考としてご覧ください）。

• 初期診断・設計：20〜30万円（現在の期限・ロット情報の管理実態把握・読み取り対象の設計・ROI試算）
• 実装：50〜200万円（品目数・仕入先数・書式の複雑さによる）
• 保守・運用：5〜15万円／月（新規仕入先追加時の読み取り精度維持・確認ルールの見直し）

awaiでは、この初期診断そのものを入口としてご提供しています。有償の診断で「どこまで自動で読み取り・データ化でき、費用はどれくらいか」を先に見える化し、その後に実装をご発注いただいた場合は診断費を全額実装費に充当します。「診断だけで終わってもレポートは残り、進めれば診断費は実質無料になる」形なので、いきなり大きな開発費をかける前に、費用対効果を確かめてから判断していただけます。手作業で納品書・現品ラベルを目視確認しながらExcel台帳へ転記していた工数が減れば、一般的な目安として月30〜100時間程度の削減が見込め、年間45〜150万円相当の人件費削減に相当し、投資回収は一般的に6〜12ヶ月が目安です（数値はいずれも一般的な目安であり、実際の効果は貴社の品目数・仕入先数・書式のばらつき具合により異なります）。

まとめ——期限・ロット管理は「情報を構造化する」ところから仕組み化する

「賞味期限・ロット管理が特定の担当者の記憶と経験に頼っている」「気づいたときには使用期限が過ぎていて廃棄している」と感じているなら、原因は担当者の注意力不足ではなく、納品書・現品ラベルに埋もれた期限・ロット情報が言葉・データとして整理されていないことにある可能性があります。

awaiは、LLMを使って納品書・現品ラベル・仕入先PDFに埋もれた期限・ロット情報を認識・データ化し、既存のExcel台帳や倉庫管理の仕組みに反映できる構造化データに整えるところまでをご支援します。ECサイト（Shopify）の構築・改修や、紙カタログ・FAX発注書の構造化と同じ体制で行っているため、「読み取りは自動化するが、最終判断・現物確認は人が行う」という現実的な線引きを保ったまま、期限・ロット管理の負担を軽くする設計が可能です。在庫全体の予兆管理は在庫の予兆管理入門、複数拠点の在庫情報が分散する課題は複数モールの在庫連携を自動化する方法【マスタ統合まで】であわせて扱っています。「賞味期限・ロット管理、いつも台帳とExcelの二重管理になっている気がする」と感じたら、まずは現状をお聞かせください。

※本記事の費用・ROIは市場の一般的な目安であり、対象範囲・品目数・仕入先数によって変動します。正確なお見積りは診断にて算出します。

期限・ロット管理の費用目安や進め方はよくあるご質問でも回答しています。