ERPの負債をAIで溶かす？Dossの5500万ドル調達と在庫管理の「脱レガシー」戦略

3行要約

• 在庫管理AIのDossがシリーズBで5500万ドルを調達し、既存の巨大ERPシステムと共存する「AIレイヤー」としての地位を確立した。
• 従来のERPが苦手とする「非構造化データの解釈」と「自然言語による意思決定」を、既存システムを置き換えずにAPI接続で実現する。
• 開発者にとっては、複雑怪奇なERPのDB構造を意識せず、セマンティックな在庫操作を可能にするオーケストレーション層の誕生を意味する。

何が起きたのか

在庫管理の世界において、SAPやOracle、NetSuiteといった巨大なERP（統合基幹業務システム）は、いわば「動かせない城」でした。導入に数億円、保守に数千万円をかけ、業務フローがそのシステムに縛り付けられている企業にとって、新しいAIツールへの移行はリスクでしかありません。しかし、2026年3月24日、テック業界に一石を投じるニュースが飛び込んできました。AIを活用した在庫管理プラットフォームを展開するDossが、シリーズBラウンドで5500万ドル（約83億円）という巨額の資金調達を実施したのです。

今回の調達を主導したのは、MadronaとPremji Investです。特筆すべきは、Dossが「既存のERPをリプレース（置き換え）する」のではなく、「既存のERPにプラグインとして入り込む」戦略をとっている点です。私がSIer時代に経験した大規模な在庫管理システムの刷新プロジェクトでは、データの移行だけで1年以上を費やし、結局、現場の使い勝手が悪化してプロジェクトが炎上するという地獄を何度も見てきました。Dossはこの「移行コスト」という最大の参入障壁を、AIによるセマンティックなデータ統合で突破しようとしています。

なぜ今、この規模の資金調達が必要だったのか。それは、サプライチェーンの複雑化が人間の、そして従来のルールベースのシステムの限界を超えたからです。パンデミック以降の物流混乱や、急激な需要変動に対し、従来の「過去の統計に基づいた発注勧告」はもはや機能していません。Dossは、メール、Slackのやり取り、PDFの納品書、さらには天候データといった「非構造化データ」をLLM（大規模言語モデル）で解析し、それをERP内の数値データと突き合わせることで、人間に代わって最適な意思決定を支援します。この「現場の泥臭いデータ」を扱える点が、投資家から高く評価された核心部分だと言えます。

技術的に何が新しいのか

Dossの技術的な本質は、単なる「在庫予測AI」ではありません。私は彼らのドキュメントと技術スタックの変遷を追ってきましたが、最も新しい点は「ERPのためのセマンティック・オーケストレーション・レイヤー」を構築したことにあります。

従来の在庫管理システムでは、例えば「来週のセールに備えて、売れ筋商品の在庫を20%増やしてほしい」という指示をシステムに反映させるには、担当者が手動でSKU（最小管理単位）を選別し、リードタイムを計算し、発注書を作成する必要がありました。Dossはこれを自然言語で受け取り、背後で以下の3つのステップを実行します。

第一に、ERPのスキーマ・マッピングの自動化です。SAPとNetSuiteではデータの持ち方が全く異なりますが、DossのAIは接続先のERPのAPI構造を動的に理解し、標準化されたデータモデルにマッピングします。これにより、エンジニアが泥臭いETL（抽出・加工・格納）処理を個別に書く必要がなくなります。これはPythonでPandasを駆使してデータクレンジングをしてきた私から見れば、魔法のような効率化です。

第二に、RAG（検索拡張生成）を用いた意思決定の根拠提示です。Dossは単に「100個発注してください」と言うだけでなく、「過去の同様の天候条件下での販売実績」や「現在の港湾ストライキによる遅延リスク」を考慮した推論結果を提示します。ここで使われているのは、単なるGPT-4のような汎用モデルではなく、サプライチェーン特有のエンティティ（SKU、ロット番号、リードタイム、安全在庫）を理解するようにファインチューニングされたドメイン特化型エージェントです。

第三に、アクションの実行能力です。多くのAIツールは「分析して終わり」ですが、DossはERPのAPIを叩いて実際に発注処理や在庫移動の指示を書き戻します。これには、LangChainなどのフレームワークでいうところの「Tool Use（関数の実行）」が高度に組み込まれています。

# 概念的なイメージ：DossのエージェントがERPを操作するコード
import doss_sdk

# ERP（SAP）に接続
erp = doss_sdk.connect_erp(type="SAP_S4HANA", api_key="***")

# 自然言語で指示を出す
instruction = "関東エリアの倉庫で、欠品リスクが5%以上の商品に対して、過去3ヶ月の平均販売数に基づき1週間分の在庫を補充して"
result = erp.execute_ai_task(instruction)

print(f"作成された発注書数: {result.purchase_orders_created}")

このように、プログラマティックに「業務の意図」を伝えられるインターフェースを、レガシーなERPの上に構築したことが技術的な勝機です。

数字で見る競合比較

この表から明らかなのは、Dossが「スピード」と「非構造化データの活用」において圧倒的な優位性を持っている点です。特に導入スピードの差は決定的です。私が過去に関わったプロジェクトでは、ERPのデータ項目を定義するだけで3ヶ月を費やしましたが、DossはAIによる自動マッピングでこれを数週間に短縮しています。

一方で、GPT-4oなどの汎用モデルを自社で組み込む場合と比較して、Dossは「在庫管理というドメインの正確性」を担保しています。汎用LLMは計算ミスをしたり、存在しないロット番号を捏造したりするリスクがありますが、DossはERPのデータベースと強固に紐付いた「グラウンディング（根拠付け）」を行っているため、業務システムとしての信頼性が桁違いに高いのです。

開発者が今すぐやるべきこと

この記事を読んでいるエンジニアやプロジェクトマネージャーが、明日から取り組むべきアクションを3つ提案します。

第一に、自社の、あるいはクライアントのERPのAPI公開状況を再確認してください。Dossのような「AIによる上書きレイヤー」が普及する世界では、ERPの画面が使いにくいことは問題ではなくなります。重要なのは、外部からどれだけ柔軟にデータを引き出し、書き戻せるかという「APIの口」の広さです。古いバージョンのERPを使い続けていてAPIが制限されているなら、そのアップグレードこそがAI導入の最短ルートになります。

第二に、社内に散らばっている「在庫に関する非構造化データ」を整理し始めてください。将来的にDossのようなツールを導入する際、学習やRAGのソースとなるのは、ベテラン担当者のメールのやり取りや、サプライヤーから送られてくる不揃いなPDFの納期回答です。これらを捨てずに、セキュアなストレージに集約しておくだけで、AIの予測精度は飛躍的に向上します。

第三に、ローカルLLMを用いたプロトタイピングで「自社専用の在庫エージェント」の可能性を検証してください。Dossは強力ですが、秘匿性の高い在庫戦略を外部SaaSに投げたくないケースもあるでしょう。RTX 4090を積んだサーバーがあるなら、Llama 3やMistralをベースに、自社の在庫DBのスキーマを読み込ませてSQLを生成させるテストを行うべきです。そこで「何ができて何ができないか」を体感しておくことで、Dossのようなサービスの真の価値を冷静に判断できるようになります。

私の見解

私は、Dossの戦略は「極めて現実的で、かつ野心的」だと評価しています。正直に言って、これまでの「AI在庫管理」を謳うサービスの多くは、単なる時系列予測のアルゴリズムに毛が生えた程度のものでした。しかしDossは、業務の最大のボトルネックが「データの入力と、システム間の不整合」にあることを見抜いています。

5500万ドルという金額は、彼らが単なるソフトウェア開発だけでなく、世界中の複雑怪奇なERPのデータ構造を学習・共通化するための「知識ベース」の構築に投資しようとしている証拠でしょう。私は、ERPをリプレースしようとするベンチャーには懐疑的ですが、ERPを「単なるデータベース」に格下げし、その上にインテリジェントなUIを被せるDossのアプローチには大いに賛成です。

一方で、懸念もあります。ERP側のベンダー（特にSAPなど）が、Dossのようなサードパーティを締め出すためにAPIの利用料を上げたり、制限をかけたりする「プラットフォームの囲い込み」に走る可能性があります。しかし、ユーザー企業が「使いにくいERPの画面」に耐えられなくなっている以上、この流れを止めるのは難しいでしょう。

3ヶ月後には、Dossのコネクタを利用して「スマホの音声入力だけで、世界中の倉庫の在庫を調整する」というデモが、Fortune 500企業の役員会で当たり前のように披露されているはずです。

よくある質問

Q1: Dossを導入すれば、今ある古いERP（SAP R/3など）を捨てなくて済みますか？

はい、むしろ捨てないことが前提のサービスです。Dossは既存ERPをバックエンドの「記録用データベース」として活用し、ユーザーインターフェースと意思決定のロジックだけをモダンなAIレイヤーに移行させます。

Q2: セキュリティ面で、社外のAIに在庫データを見せるのはリスクではないですか？

Dossはエンタープライズ向けのSaaSであり、データは顧客ごとに分離され、LLMの学習に無断で使用されないことを保証しています。また、オンプレミスのERPと接続するためのセキュアなゲートウェイも提供されています。

Q3: 日本企業の複雑な商習慣（季節指数や特殊な値引き等）にも対応できますか？

対応可能です。Dossの強みは「ルール」をコードで書くのではなく、過去のデータと担当者の判断（非構造化データ）からAIが「商習慣」を学習する点にあります。むしろ、従来のルールベース・システムより日本の複雑な現場に適応しやすいと言えます。

あわせて読みたい

• 米国防総省「AIファースト」戦略：GrokとGeminiが戦場へ、Palantirが繋ぐ軍事用LLMの実像