P2Predict

課題

部品コストの大部分は、調達部門が目にすることのない設計レビューの段階で決まります。エンジニアが用途に必要な範囲を超えて公差を厳しくしたり、部品を単一のサプライヤーに固定したりすると、コストはそのまま後工程に持ち越されますが、それに価格が付くことはありません。BOM が調達部門に届く頃には、コストのかかる決定はすでに確定しており、交渉できるのは端数の調整くらいです。

そして見積もりが届きます。サプライヤーは自社のコストをセント単位まで把握していますが、あなたの手元にあるのは昨年の PO と、回答までの数日だけです。購入するすべての明細でこれを繰り返すと、どこでも同じような見落としが生じます。ベンチマークされていない割増価格、原価計算されていない仕様、財務部門から節約額の根拠を尋ねられたときに説明できない数字です。

答えはすでに購買履歴の中にあります。ただ、それを掘り起こす時間が誰にもありませんでした。

P2Predict の機能

P2Predict は、サプライヤー、材料、サイズ、仕様、地域など、部品価格を左右する要因を、あなた自身の購買データから学習します。そして、新規部品や導入が提案されている部品について、チームが根拠を示せる目標価格を提示します。カテゴリーマネージャーは自然な英語で質問でき、実際に支払った金額に基づいた回答が返ってきます。

P2Predict は、あなたのマシン上で、あなたのデータを使って動作し、チームがすでに利用しているあらゆる AI エージェントを通じて使えます。データがアップロードされることはありません。ベンダーカタログも、クラウドも、ユーザー単位のデータ共有もありません。

できること、できないこと

P2Predict はパラメトリック価格予測ツールです。過去の購買データにある基本的な価格構造を学習し、これから購入する部品も、すでに購入している部品も、その価格構造に照らしてベンチマークします。適用範囲を正確に示すことが何より重要です。そこで、正直な適用範囲を以下に示します。

できること

• 実際に支払った価格から学習し、類似部品の適正価格を予測します。
• 予測価格を各仕様とサプライヤーに割り当て、価格を動かしている要因を確認できるようにします。
• すべての推定値に、適切に調整された想定価格帯を提示し、データが不十分で信頼できない場合は警告します。
• 購買履歴をさらに提供することで、予測精度が向上します。

できないこと

• 原価積み上げ型の原価見積もりツールではありません。 原材料費、労務費、機械稼働時間から部品のコストを積み上げて算出することはなく、サプライヤーの実際のコストや利益率を示すこともできません。
• 知っているのは、あなたのデータに示されたことだけです。過去の履歴にまったくない部品について尋ねられた場合は、推測するのではなく、価格帯を広げるか、見積もりを取得するよう案内します。
• 仕様ごとの内訳は、あなたのデータで価格との「関連」が見られる要素を示します。これはあなたの市場を読み取るものであり、部品の価格を決める理由を示す因果モデルや工学モデルではありません。
• データを作り出すことはありません。関連する履歴がなければ、モデルもありません。

変わる商談

P2Predictの真価が発揮されるのは、ここです。チームはこれらすべての質問に、根拠となる数値とその確信度を添えて、数秒で答えられるようになります。

「この見積もりは妥当ですか？」

カテゴリーマネージャーが見積もりをエージェントに渡します。

カテゴリーマネージャー： 「サプライヤーからこの部品の見積もりが14.20ドルで届きました。適正価格はいくらですか？」

P2Predict： 「12.40ドルです。10回中9回は、実際の価格が10.80ドルから13.90ドルの間になります。この見積もりは約15％高くなっています。」

カテゴリーマネージャーは、実データを根拠に、どこまで値下げを求められるかを正確に把握できます。

サプライヤーから「その価格が正しいと言い切れますか？」と反論されたら

交渉の多くはここで行き詰まります。今なら答えられます。内訳を尋ねてみましょう。

カテゴリーマネージャー： 「なぜ12.40ドルなのですか？内訳を教えてください。」

P2Predict： 「サプライヤーの選定で＋0.85ドル、特急納品で＋1.20ドル、より厳しい公差で＋0.42ドル、サイズで＋0.40ドルです。」

これで、項目ごとに交渉できます。「標準の納期で合意しています。特急料金の1.20ドルを外せば、こちらも合意できます。」 項目ごとに示された金額は、簡単には退けられません。

「サプライヤーを変更したらどうなりますか？」

仕様を固定してサプライヤーを入れ替え、差額を確認します。

カテゴリーマネージャー： 「この16セルのパックモニターをサプライヤーAからサプライヤーBに切り替えたら、どうなりますか？」

P2Predict： 「37.7％、1台あたり約2.07ドルのコストダウンです。根拠となる機能ごとの内訳も確認できます。」

より的を絞ったRFQを送れ、ソーシングの判断も速くなります。その数値が交渉の場での切り札になります。

設計レビューで「この機能にその価値はありますか？」

エンジニアが公差をさらに厳しくする案を出しました。確定する前に、価格への影響を確認しましょう。

エンジニア： 「±0.1mmから±0.05mmに変更したいです。」

カテゴリーマネージャーからエージェントへ： 「コストにどう影響しますか？」

P2Predict： 「1台あたり＋0.42ドル、＋18％です。予想範囲は0.30ドルから0.55ドルです。」

これで、「この要件に18％のコスト増をかける価値があるか？」という、数値を基にその場で結論を出せるトレードオフの議論ができます。

コストダウンのワークショップで「この設計は、不要なものにいくら払っているのか？」

仕様をすべて価格に換算して臨みましょう。実際にコストがかかっている機能、交渉可能な割増分、用途で一度も使われない要素に設計コストがかかっている箇所を把握できます。独自データを根拠に、すべての調査結果に確信度を添えて提示します。

RFQのトリアージ：「この200項目のうち、電話で確認すべきものはどれですか？」

RFQ全体をエージェントに渡します。すべての項目に目標価格と範囲が示されます。その範囲から外れる8～15項目が、電話で確認する価値のある項目です。残りは通常どおり処理できます。チームは午後の時間を、価格を実際に動かす項目に充てられます。

数値の確信度がわかります

多くのツールは数値を提示して終わりです。P2Predictは数値を提示するだけでなく、その確信度も部品ごとに金額で示します。この誠実さこそが重要です。確信度が高いように見えて実際は間違っているベンチマークは、サプライヤーが確認した瞬間に信頼を損ないます。

実際の3つの部品と、それぞれ異なる確信度範囲です。モデルはよく把握している部品では範囲を狭く示し、把握できていない部品については不確かさを明示します。範囲が狭ければ強気に交渉し、広ければまず見積もりを取りましょう。カテゴリーマネージャーは、どちらに当たるかを常に把握できます。

• すべての見積もりに確信度範囲を表示。「12.40ドルです。10回中9回は、実際の価格が10.80ドルから13.90ドルの間になります。」
• モデルが得意な領域と、データが不足している領域を誠実に示します。 P2Predictは、カテゴリのどの部品なら確信を持ってベンチマークできるか、どの部品には実際の見積もりが必要かを示すため、データで裏付けられない数値を基に交渉することはありません。
• すべての数値に根拠を提示。 すべての見積もりを仕様ごと、サプライヤーごとの要素に分解できるため、項目ごとに交渉できます。

価格を実際に左右する要因を確認する

P2Predict にカテゴリーを指定すると、価格を左右する要因がわかります。これらのグラフは、誰もが再現できる公開カタログデータを使って作成した、バッテリー管理 IC のケーススタディの結果です。

価格を最も大きく左右するのはサプライヤーの選択です。 同じ単一セルチップを、仕様は同一のまま、メーカー別に並べています。

同じ部品でも、価格プレミアムの高いサプライヤーの製品は、低価格の選択肢のおよそ4倍です。自社データに裏付けられたこの数字を、交渉に持ち込めます。

すべての推定値は仕様ごとに内訳を示します。 なぜその部品がその価格なのかを尋ねると、詳細な内訳が得られます。

パッケージサイズ、サプライヤーの価格プレミアム、マルチセル構成。それぞれの価格が示され、合計は予測価格と正確に一致します。これにより、カテゴリー担当者は 「何にいくら払っているのか把握しています。削減したい項目はこちらです」 と言えます。

複雑さは推測ではなく、価格に反映されます。 同じチップでは、パッケージのピンが増えるほどコストも段階的に上がり、8 ピンで 2.31 ドル、48 ピンで 4.88 ドルになります。

また、トレーニングから除外され、モデルが一度も見たことのない 30 個の部品について、予測値が実際の価格の約 16％以内に収まる割合は半数、73％以内に収まる割合は 10 件中 9 件です。これは、見たことのない部品についてもモデルが判断の根拠を示しているということです。何も知らずに信頼するよう求めるものではありません。

お使いのスタックとの連携

P2Predict を使うのはエージェントです。あなたではありません。 標準のコネクターを通じて あらゆる AI エージェント（Claude、GPT、ローカルモデル）と連携するため、カテゴリー担当者が新しいツールを覚える必要はありません。使い慣れたアシスタントに依頼するだけで、分析を実行してくれます。エージェントを最優先に設計しているため、ダッシュボードもアプリもありません。インターフェースは、すでにお使いのエージェントです。

内部では、P2Predict は 2 つのレイヤーで構成されています。数理レイヤーは、支出データでトレーニングし、価格を予測して、仕様ごとの内訳を示し、すべての推定値に較正済みの範囲を付与します。信頼性を支える統計情報を担います。その上にある判断レイヤーは、分析の選択、停止して追加データを求めるタイミング、結果を見積もりとして提示できるほど確かなのか、それともまず正式な RFQ が必要なのか、といった対話の進め方を制御します。これにより、能力が十分でないエージェントが、提示すべきでない数字を誇張するのを防ぎます。

すべての処理はお使いのマシン上で実行されます。購買データは最も機密性の高い商業資産であるため、P2Predict がデータをアップロードすることはなく、第三者がそのデータでトレーニングすることもありません。ローカルモデルと組み合わせれば一連の処理をオフラインに保てます。クラウドエージェントとの組み合わせも選べます。どちらの場合も、元の支出データは手元に留まり、データの保管場所について法務部門と話し合う必要はありません。

P2Predict は目標原価ツールを補完するものであり、置き換えるものではありません。ボトムアップ方式の目標原価計算では、材料費、労務費、機械稼働時間から部品のコストを積み上げ、製造にかかるはずのコストを見積もります。P2Predict はその計算を行わず、代替を目指すものでもありません。カテゴリー担当者が実際に知りたいもう一つの問いに答えます。「市場ではこれまで同様の部品にいくら支払ってきたのか。次の部品にはいくら払うことになるのか？」

公開データでの実証

誰でもダウンロードできるデータを使って、最初から最後まで再現できる3つのケーススタディです。

• バッテリー管理IC: 実際の調達業務に最も近いケースです。現実的な小規模部品データ、見積もりに使えるサプライヤープレミアムの要因、モデルが得意な点と実際の見積もりが必要な点についての率直な評価を示します。
• 中古車: 価格が桁違いの範囲にわたるデータを、わかりやすく解説するケースです。
• 航空宇宙用ファスナー: データの限界を率直に示すケースです。データ自体がどこで限界を定めているのかをP2Predictがどう示すかを解説し、データから得られない精度を追い求めずに済むようにします。

どのケーススタディも、まず結果を示し、どこまで信頼できるかを説明し、各数値の出典を正確に示しています。

FAQ

本当に無料ですか？ はい。営利企業も含めて無料です。どの組織でも、自社の業務、調達、ベンチマーキングにP2Predictを社内利用する場合、費用はかかりません。ユーザー数の制限も、試用期間も、営業担当者との通話もありません。商用ライセンスが必要なのは、第三者のクライアントにサービスを提供するため（コンサルティングやアドバイザリー業務）、または有料の製品やサービスに組み込む場合のみです。

数値の信頼性はどの程度ですか？ すべての推定値には、単一の数値ではなく幅を示します。その幅には、データがどれだけ少ないかが正直に反映されます。過去データが少なければ幅は広く、十分にあれば狭くなります。公開ケーススタディでは、予測値は半数で実際の価格との差がおよそ16％以内、10件中9件で73％以内に収まります。これはモデルが判断の根拠を示しているのであり、何も考えずに信頼するよう求めているわけではありません。

データが自分のマシンから外部に送信されることはありますか？ ありません。P2Predictは、学習も予測もすべてお使いのマシン上で行います。外部に送信されるのは、AIエージェントが通常、そのエージェント自身のモデルに送信するデータだけです。ローカルモデルと組み合わせれば、そのデータもオフラインに保てます。

どのAIエージェントで使えますか？ MCPに対応するエージェントならどれでも使えます。Claude、GPTベースのエージェント、ローカルで動作するモデルに対応しています。これがP2Predictの基本的な考え方です。新しく習得するツールではなく、エージェントが使う機能です。ダッシュボードも、別のログインも必要ありません。エージェントを使ってすでに作業している場所で、そのまま利用できます。

これは目標原価計算ツールですか？ いいえ。目標原価計算では、材料費、労務費、機械の稼働時間を積み上げて部品の原価を算出します。P2Predictは、同等の部品に対して市場で実際に請求された価格を基準にベンチマークします。

なぜオープンソースなのですか？ クローズドなツールでは、ベンダーが提供すると決めた機能しか使えないからです。ソースコードが公開されているため、ご自身やエージェントがすべてのコードを確認し、会社のエコシステムに合わせてコードやインターフェースを調整したり、誰かのロードマップを待たずに自社の技術スタックやほかのツールと連携したりできます。このような主体性は、クローズドなAPIでは得られません。

P2Predictを開発したのは誰ですか？ 2023年に、私が空き時間や週末、ときどき夜に取り組むプロジェクトとして始めました。この下に、開発の背景をご紹介しています。

チームへの導入について相談するには、誰に連絡すればよいですか？ 実際のところ、誰にも相談する必要はありません。pipコマンドを1つ実行するだけでインストールでき、数分でお手元のデータを使って動作します。まずはINSTALL.mdとTECHNICAL.mdをご覧ください。それでもサポートが必要な場合、商用ライセンスをご希望の場合、または今後のケーススタディ用にデータセットをご提供いただける場合は、ahmedhafsi.com/contactまでご連絡ください。喜んでお手伝いします。

開発者

P2Predict は Ahmed K. Hafsi が開発・保守しています。

職務経験

• 交渉エクセレンス担当シニアマネージャー — Infineon Technologies（2023年～現在）。ファウンドリー、OSAT、戦略的サプライヤーなど、アジア全域における重要度の高い取引を担当。
• 交渉エクセレンス担当シニアマネージャー — Dyson（2020～2023年）。ガバナンス、KPI、ツール、再交渉キャンペーンを含む、グローバルな交渉エクセレンスの体制を設計し、主導。
• 交渉・ゲーム理論担当シニアマネジメントコンサルタント — TWS Partners、ミュンヘンおよびロンドン（2014～2019年）。産業分野のクライアントに交渉戦略と応用ゲーム理論に関する助言を提供。

学歴・研修

• カールスルーエ工科大学（KIT）、電気工学・情報技術（2008～2014年）。
• ハーバード・ロー・スクール、交渉プログラム（2021年）。経験豊富な交渉担当者向け交渉マスタークラス：高度な戦略。

P2Predict は、こうした仕事から生まれました。調達チームが交渉に臨む際、自社の目標価格と交渉力を把握するために実際に必要とするツールです。詳細は ahmedhafsi.com をご覧ください。

試す／セットアップする

• エージェントでセットアップする： インストールして AI アシスタントに接続し、データを参照させる方法については INSTALL.md をご覧ください。
• 内部の仕組み： モデル、計算式、完全なリファレンスについては TECHNICAL.md をご覧ください。

関連プロジェクト

P2CLPFD — 次の意思決定を支援する関連ツールです。P2Predict が部品の「あるべき」コストを示すのに対し、P2CLPFD は容量、MOQ、シェア上限、デュアルソーシング、数量割引のルールを踏まえ、サプライヤー間で最低 TCO となる配分を決定し、その場で説明できる根拠も提示します。GPLv3 のもとでオープンソースとして提供されています。詳細は ahmedhafsi.com/p2clpfd をご覧ください。

ライセンス

PolyForm Noncommercial License 1.0.0（社内での会社利用に関する追加許諾付き）のもとでソースコードを公開しています。

• 営利企業を含め、社内利用は無料です。 あらゆる組織が、自社の業務、調達、ベンチマーキングのために P2Predict を無料で社内利用できます。購入、許可の申請、問い合わせは必要ありません。
• 商用ライセンスが必要となるのは、（1）P2Predict を使用して第三者のクライアントにコンサルティング、アドバイザリー、調達サービスを提供する場合、または（2）有料の製品やサービスに組み込む、もしくは統合する場合に限られます。

基礎となるライセンス名には「Noncommercial」とありますが、追加許諾によって営利企業も明示的に対象となります。制限されているのは、P2Predict の利用を他者に販売することであり、事業者であること自体ではありません。

商用ライセンス、パートナーシップ、調達データセットの共有については、ahmedhafsi.com/contact までご連絡ください。

© Ahmed K. Hafsi. P2Predict は著作物であり、上記ライセンスで許諾される場合を除き、すべての権利は留保されています。