技術的概要：在庫管理における AI エージェント：人間・LLM・OR の相補性

問題定式化

本論文は、有限期間にわたる不確実な需要に対して意思決定者が発注量を決定する必要がある、基本的なオペレーション課題である多期間在庫管理問題を取り扱っている。具体的な設定は、単一製品に関する以下の要素を含む：

• 状態ダイナミクス： 手元在庫、輸送中の注文、過去の需要。
• 不確実性： 確率的な需要と確率的なリードタイム（荷物が決して到着しない失注の可能性を含む）。
• 目的： 売上収益から残存在庫の保管費を差し引いた総利益の最大化。
• 制約： 意思決定は 1 期間の観察遅延を伴って逐次的に行われ、売れ残りはバックオーダーされない。

核心的な課題は、理論的根拠を持ち計算効率が優れている従来のオペレーションリサーチ（OR）アルゴリズムが、需要分布のシフトや季節性・供給途絶などの文脈情報を形式的にエンコードすることが困難な場合、定常需要や既知のリードタイムといった硬直的な仮定に依存している点にある。一方、大規模言語モデル（LLM）は柔軟な推論と世界知識を提供するが、最適な在庫計算のための数学的精度に欠け、コスト構造への較正が不十分である可能性がある。

手法

本研究は、アルゴリズムベンチマークと人間をループに組み込んだ実験の 2 部構成で組織化されている。

第 1 部：アルゴリズムベンチマーク（InventoryBench）

著者らは、1,320 件の事例からなるベンチマーク「InventoryBench」を構築した：

• 720 件の合成事例： 10 のパラメトリック需要パターンファミリー（定常、平均シフト、トレンド、季節性、自己相関など）を、3 つのリードタイム regime（ゼロ、固定、確率的）および 3 つの臨界分位点（コスト比率）と組み合わせることで生成。
• 600 件の実事例： 200 種類の H&M ファッション製品の過去の販売データから導出され、現実世界の需要パターンと製品説明を組み込んでいる。

4 つの意思決定手法を、3 つの最先端 LLM（Gemini 3 Flash、Grok 4.1 Fast、GPT-5 Mini）を用いて評価した：

1. OR： 経験的需要推定値を用いたデータ駆動型のキャップ付きベースストックポリシー。
2. LLM： OR の入力なしに、文脈と履歴に基づいてすべての意思決定を行うエージェント。
3. OR→LLM： OR パイプラインが推奨案を生成し、LLM がそれ（推論付き）をレビューして上書きするかどうかを決定する。
4. LLM→OR： LLM が文脈に基づいて不確実なパラメータ（需要の平均、分散、リードタイム）を推定し、これらの推定値をキャップ付きベースストックポリシーに投入して最終計算を行う。

第 2 部：人間をループに組み込んだ実験

69 名の参加者が 3 つの協力モードで Web ベースの在庫ゲームをプレイする制御された教室実験：

• モード A（OR→人間）： 人間は OR の推奨を受け取り、最終決定を下す。
• モード B（OR→LLM→人間）： 人間は OR の推奨と LLM の推論・推奨を受け取り、最終決定を下す。
• モード C（OR→LLM ＋ 人間のガイダンス）： LLM が自律的に意思決定を行い、人間は定期的なチェックポイントで高レベルの戦略的ガイダンスを提供する。

相補性のための理論的枠組み

本論文は、集団レベルと個人レベルの相補性を区別する理論的枠組みを導入している。

• 集団レベル： チームの平均パフォーマンスが、平均的な人間と平均的な AI のパフォーマンスの最大値を超えること。
• 個人レベル： 特定の個人の協力パフォーマンスが、その個人の単独パフォーマンスと AI の単独パフォーマンスの最大値を超えること。
• 貢献： 著者らは、厳密に正の相補性を経験する個人の割合に対する分布フリーの下限（定理 1）を導出した。この下限は、単独パフォーマンスと協力パフォーマンスの分布間のコルモゴロフ・スミルノフ統計量を用いて推定され、同一人物を両条件下で観察することなく個人の利益を推定することを可能にする。

主要な結果

アルゴリズムのパフォーマンス

• 相補性： ハイブリッド手法は、孤立した手法を一貫して上回る。OR→LLM が最良の全体的パフォーマンス（正規化報酬 0.538）を達成し、OR 単独に対して 21% の改善を示した。
• 文脈的強み： LLM は需要シフトの検出、製品固有の世界知識の組み込み（例：水着の季節性）、供給途絶（失注）の特定において優れている。
• 数学的精度： OR アルゴリズムは、特に決定論的リードタイム下において、ベースストック計算に必要な精度を提供する。
• 較正： 純粋な LLM は、OR やハイブリッド手法に比べてコスト構造（臨界分位点）への較正が不十分である。LLM の影響力が増すにつれて、臨界分位点への反応性は低下する。
• リードタイム感応性： 確率的リードタイム（失注を含む）下では、LLM が最終決定を下す手法（OR→LLM）が優れている。なぜなら、これらは失われた出荷を検知して適応できる一方、OR ベースの手法はパイプライン在庫の欠落に対する調整に失敗するからである。

人間と AI の相互作用

• モード B の優位性： OR→LLM→人間 モード（モード B）が最高パフォーマンスを生み出し、モード A（OR→人間）およびモード C（LLM ＋ ガイダンス）を有意に上回った。
• 人間の判断の価値： 人間の協力モードは、その自動化された対応策（モード A > OR；モード B > OR→LLM）を上回り、人間の判断が自動化手法単独を超えて付加価値をもたらすことを示している。
• 個人の相補性： 理論的下限を適用した結果、30% から 60% の個人が厳密に正の相補性を経験することが判明した。これは、 gains が単なる選択効果（弱い人間が AI に従い、強い人間がそれを無視する）ではなく、人間が AI の推論を利用して自らの意思決定を改善する真の相乗効果を表していることを示している。
• 価値のメカニズム： 人間は需要トレンドへの反応、異常値（失注など）の検出、季節性の推論の適用によって価値を追加する。これらは純粋な OR に対する LLM の強みを反映しており、両方のエージェントが文脈的に推論するが誤りプロファイルが異なる「コパイロット」関係を暗示している。

意義と主張

本論文は、効果的な在庫管理が、一方の手法を他方で代替するものではなく、相補的なシステムから利益を得るという体系的な証拠を提供すると主張している。

• 相乗効果： OR は構造的な規律と数学的精度を提供し、LLM は世界知識と文脈的推論に貢献し、人間は状況的判断と監督を提供する。
• 人間-AI 研究における新規性： 人間-AI 協力がしばしばパフォーマンスを低下させる、あるいは最良の個別コンポーネントを上回らないという以前の知見とは対照的に、本研究は、豊かな文脈信号を伴う逐次的意思決定設定において真の相補性を示している。
• リソース貢献： 著者らは、サプライチェーン管理および人間-AI 協力に関する将来の研究を促進するため、InventoryBench（1,320 件の事例からなるベンチマーク）とAI-人間在庫ゲーム（オープンソースの Web インターフェース）を公開した。

著者らは、より豊かなエージェントアーキテクチャや広範な参加者プールなど、多くの方向性が残されているものの、その結果は OR、LLM、人間の判断の統合が、需要シフトや供給の不確実性に対して頑健な意思決定パイプラインを創出し、孤立した任意の単一コンポーネントを上回ることを確立していると結論付けている。