SENDAI — プロダクト概観

1.1アパレル業界の特徴

これに加えて、アパレル特有の 3 つの構造 が限界を一段深くする。

1.2既存システムの状況

業界主要システム（コモンズ / FULL KAITEN / アラジン / CMS / MDSS）はそれぞれの守備範囲を超えて動いておらず、新しい配分判断・新商品初期配分・長期予測といった「いま必要な領域」が空白のまま残っている。

1.3アパレル特化が機能する条件

1.1 の構造的特徴と 1.2 のシステム空白が交差する地点に SENDAI の主戦場がある。さらにアパレル集中で次の 2 つの強みが立ち上がる。

1.4ターゲットマッピング

SENDAI の価値は 配分の複雑性 が高いほど大きい。配分先が少ない業態（EC 専業 / 店舗数極少）には刺さらない。ターゲット判定は次の 2 軸。

業態タイプ	売上 40〜80 億	規模が外れる	代表例
A-1 直営多店舗 × 計画生産（SPA / 垂直統合）	◎ コアターゲット	○ 適合	マザーズインダストリー（自社ブランド SPA、約 180 店舗） カイタックインターナショナル（A-1 + A-2 複合、パラスパレス等） リーガルコーポレーション（靴・垂直統合：直営 163 店 + 卸）
A-2 百貨店卸 × 計画生産（インショップ）	◎ コアターゲット	○ 適合	フランドル（INED 等、約 90 店舗、運用中）
B セレクト / ハイブリッド型	○ 適合	△ 個別判断	丸高衣料（子供服ハイブリッド：直営 30 + コーナー 300 + 卸 + EC + 自社工場）
PM 卸 メーカー卸（取引先 = 配分先）	○ 適合	△ 個別判断	TS デザイン（TS DESIGN、ワークウェア、卸主体 + 自社 EC）
A-3 / A-5 EC 専業（D2C / QR 含む）	× 非ターゲット（配分先が事実上 1 つ）		COHINA、10YC、ALL YOURS、SHEIN（参考）
店舗数極少（〜10 店程度）	× 非ターゲット（配分先が片手で足りる）		—

2.1毎週起きていること — 4 ステップとそれぞれの詰まり

アパレル中堅企業の MD / DB は、業界呼称で「52 週」と呼ばれる年間サイクルの中で、次の 4 ステップを毎週繰り返す。

配分表作成だけで 毎週 6 時間。数千 SKU の正解を出し続ける認知的プレッシャーで「勘」配分が常態化し、過剰在庫と欠品が同時発生 する。

2.2業界既存システムの分布

システム	カバー範囲	SENDAI の立ち位置
コモンズ（旧 UCS）	商品配分・出荷指示・チャット	連携対象（フランドル他で運用）
アラジン（アイ社）	在庫・売上の集計	連携対象
FULL KAITEN	3 プラン階層：在庫分析 / 在庫配分 / 補充発注	プラン階層で 競合 or 棲み分け が変わる

2.3SENDAI の優位性 — AI を業務フローに組み込む

既存システム（FULL KAITEN 等）も AI 予測は持つ。差別化は AI がどこに置かれているか。既存の AI は業務フローの外で計算し、結果だけが渡される。SENDAI は AI を業務フローの内側に置き、対話的な問い合わせ・定性情報の取り込み・提案の再生成を担わせる。これが他のすべての差分の源。

軸	FULL KAITEN〈在庫配分 / 補充発注〉	SENDAI
AI が扱うデータ	機械学習で 定量データ を予測（毎日再学習）。売上・在庫・LT から発注点・配分量を算出	数値予測に加え、LLM で定性データも取り込む。「銀座店は近隣競合店の閉店で動きが良い」「このカテゴリは世界観上抑えたい」を業務フロー内で配分に反映
業務スコープ	機能ごとに 個別プラン（〈在庫ドック〉〈在庫分析〉〈在庫配分〉〈補充発注〉）。揃えると プラン費用が積み上がり、機能間連携も顧客側で組む 必要	集計 → 可視化 → 意思決定 → 伝達 を 1 プロダクトで一気通貫。データ受け渡しもシステム内で完結し、AI も業務の各ステップに常駐
新商品配分	次シーズンの 生産量予測 はカバー。店舗別の月次初期配分（予約調整 → フリー配分 → 出力）までは明示されていない	新商品配分パイプラインを専用実装。月次サイクルで完結し、フランドル現行運用と 99%+ 数値一致を達成済み

業務に組み込まれた AI の 3 つの現れ：

3.1役割転換 — 作業者 vs 判断者

軸	Before — 作業者	After — 判断者
プロセス	ゼロから入力・計算	AI 案をレビュー・承認
頭の使いどころ	数値の集計・配分の手作業	ブランドの育て方・店舗の方向性
時間	毎週 6 時間	毎週 30 分

3.2これを Mission / Vision / Values に明文化する

役割転換を組織として持続させる言葉が Mission / Vision / Values。外向けには次の一文で表現する。

作業に追われる存在から、未来を追う存在へ変革する。
SENDAI は MD と DB を煩雑な発注業務や配分業務から解放し、ブランドの未来をつくりあげるための AI データプラットフォームです。

3.3この転換は誰に効くか — ステークホルダー

役割転換は本人（MD / DB）と経営層の 両方に効く。だから 2 つのステークホルダーで導入が進む。

役割	転換でどう変わるか	関心事
Champion：本部 MD / DB	本人が 作業者 → 判断者	発注業務の負荷削減・判断の質向上・専門性が剥がされないこと
Economic Buyer：経営層	本部の 判断品質が上がる ことを通じた経営改善	粗利・営業利益・在庫回転率の改善

4.1外部システムから 1 プラットフォームへ

判断者の画面が成立する前提として、まずデータが揃っている必要がある。SENDAI は ERP / POS / WMS / EC から ETL で取り込み、確定した発注計画も別システム・メール・CSV / API で 自動連携する。

4.2動線 — Proactive Generate → Human Review → One-Click Approve

4.3The Review Feed の体験

UI の中央には配分対象品番が並ぶ補充マトリクス。1 商品ずつ捌くのではなく、複数商品を 1 つの「物理出荷単位」としてまとめてレビューできる構造。

• SKU 単位の Diff 表示 — 在庫週数・週販・提案数を並べて、判断の根拠を一目で
• その場での数量微調整 — マトリクス上で増減できる粒度

4.4主要モジュール

モジュール	役割
補充発注パイプライン ★ コア	既存商品の在庫切れ防止。需要算出 → 配分 → 発注ドラフト生成。
新商品配分パイプライン ★ コア	新商品の月次初期配分。予約調整 → フリー配分 → 確定 → 出力。
倉庫発注パイプライン ★ コア	仕入先 → 倉庫の調達発注一式。類似度本実装は v0.2 で。
対話型 AI エージェント（4 種類）	業務フロー内 3 種：なんでも AI（RAG サポート）/ ダッシュボード AI（カード横断分析）/ 補充発注 AI（書込み可）+ 業務の外側を掘る データ探索 AI（自然言語 → SQL → 回答）。
柔軟な BI ダッシュボード	KPI カード・売上推移・在庫推移を 12 列グリッドに DnD 配置。テナント別カスタマイズ。
柔軟なマスター	商品・店舗に結び付けたい情報を自由に管理。独自カラムの追加・編集が可能。
ETL システム	顧客 CSV →（顧客固有ロジック）→ 標準フォーマット → DB。初回と日次で同一ロジック。
画像連携モジュール	商品画像（絵型）の取得・表示・類似品検索への活用。視覚情報が判断の主軸となる業界であるアパレルへの対応として、商品詳細カード / 新商品配分 / 倉庫発注で利用。

主要モジュールの実画面サンプル：

5.1「Fit or Die」ではなく「Accommodate Your Reality」

従来の業務 SaaS は 「標準業務に合わせてください、合わなければ使わないで」（Fit or Die）の発想。中堅アパレル企業に刺さらない理由は単純で、現場の文脈が SaaS の想定を超えて多様だから。

SENDAI は逆を取る。「あなたの現実を、そのまま乗せられる形に SaaS の側を曲げる」。ETL 設計・対話型 AI・レビュー UI・柔軟なマスターのすべてに通底する思想。

02 で打ち出した「AI を業務フローに組み込む」もこの思想の具体実装の 1 つ。機能・データ構造・営業戦略のすべてが Accommodate Your Reality に貫かれている。

5.23 つの設計原則

原則	意図
① 高いカスタマイズ性 業務上の変数が変更可能	配分判断の 5 変数（売上 / 在庫 / SKU バランス / 運賃 / 追加生産可能性）や、店舗ランク（売上規模・消化率の格付け）× サイズレンジ（過去販売実績によるサイズ構成比）などの構造を、顧客ごとに変更できる。「経験値」「センス」と呼ばれる属人化の核と、業界の中央 vs 店舗の二極往復問題を、構造で受け止める。
② レビュー重視の業務フロー 人間が最終承認 / まとめて承認	AI 全自動ではなく、AI 提案 + 人間承認。1 商品ずつではなく 複数商品を「物理出荷単位」としてまとめてレビュー → 一括確定（REVIEWING ステータス）。責任所在の希薄化と専門性の剥奪感を回避し、稟議が通る形にもなる。
③ 業務フローに対話型 AI 構造化できないものを扱う	地域選好・ブランド世界観・店舗の動的状況など、構造化データでは描けない文脈を、AI との対話を通じて配分に反映する。AI = 業務フローに同伴する対話エージェント。

6.1体制 — 両輪で伴走する

「設定したら自走」モデルではなく、CS とエンジニアが両輪で顧客に伴走する。03 で示した「判断者」が役割を発揮するには、運用体制も従来 SaaS と変える必要があるため。

6.2競争優位の中核 — 顧客固有ロジック

エンジニアの仕事の中核は 顧客固有ロジック の実装と継続的な調整。SENDAI の競争優位の中核でもある。

7.1顧客状況

運用中 1 社 + 商談中 5 社。1.4 で定義したターゲット範囲（コアターゲット + 規模が外れる）に集中。

7.2実装ステータス（領域別）

領域	状態
補充発注パイプライン（コア）	DONE アルゴリズム G + ワークフロー H 実装完了
新商品配分パイプライン v0.1	DONE フランドル現行と 99%+ 一致
倉庫発注 v0.1	DONE 類似度は fake、本実装は v0.2 で
AI エージェント基盤	DONE 4 種類 + Cost Guard / Pending Action
ETL / オンボーディング	DONE 8 クライアント分のロジック実装済み
認証 / 権限 / マスタ / ダッシュボード	DONE 実装完了
マルチテナント基盤	DONE company_id 複合 FK、隔離テスト 48 本
インフラ基盤（AWS 本番環境：CDK / ECS Fargate / RDS / SES / CloudWatch + パスワードリセット / MFA / セキュリティヘッダー 等）	WIP MVP リリースまでに対応
画像連携モジュール v0.1.5	WIP 6 月中に実装
類似アルゴリズム組み込み（新商品配分 / 倉庫発注）	WIP 6 月中

8.13 フェーズで進化する

8.2継続的に作り込む 3 軸

リリースは終点ではなく、Phase A の運用と並行して 3 軸を作り込み続ける。軸 ① で Phase A を磨き、軸 ② で Phase B、軸 ③ で Phase C へ進む。

8.3到達したい状態

SENDAI 内の ブランド専用 AI に、蓄積された過去の意思決定が ブランド固有の判断軸 として組み込まれる。AI と人間が一緒に発注・配分の質を継続的に押し上げていく状態を目指す。作業に追われる存在から、未来を追う存在へ。