航空会社向け｜AIエージェントを生かした需要予測とシナリオプランニングの実践フレームワーク

WHITE PAPER｜空運業 × 戦略・経営企画 × AIエージェント AIエージェント活用シリーズ 次の需要の急変に、 路線と機材の判断を 速く出せますか。 航空会社のための AIエージェントを生かした需要予測とシナリオプランニングの実践フレームワーク データ 予約・販売・運航・機材・訪日客・経済の指標・競 合・運賃の動向 振り返り・学習 AIエージェント 実績を学習し、予測を改善 継続的に 需要の予測・シナリオの試算と報告 改善する 業務への適用 路線と便数の判断・機材と人員の計画・運賃と販売 の調整 人の承認と統制（シナリオの前提・判断の責任・記録） 約3,687万人 2020年 シナリオ 2024年の 感染症の拡大で 複数の見通しで 訪日外国人旅行者数 需要が急減 備える計画 本稿の内容 1 需要の変動が「経営課題」になった理由 4 需要変動に強い計画とAIエージェントの4層構造 2 航空需要を動かした主な出来事 5 セルフ診断と次のステップ 3 AIエージェントの活用を阻む3つの課題 アクセンチュア株式会社 2026年 外部公開版 Supply Chain & Engineering（SC&E）｜SupplyChain_Engineering@accenture.com Copyright © 2026 Accenture. All rights reserved.

WHITE PAPER｜空運業 × 戦略・経営企画 × AIエージェント 2 EXECUTIVE SUMMARY 需要の急変は避けられません。差がつくのは、判断の速さです。 2020年の感染症の拡大で、航空需要は急減しました。その後、需要は回復し、2024年の訪日外国人旅行者数は約3,687 万人と過去最多を記録しました。一方、為替、国際情勢、感染症、災害などによって、需要は今後も急に変わる可能性がありま す。 本稿では、航空会社が予約・運航・経済のデータをつなぎ、AIエージェントが需要の予測と複数のシナリオの試算を担い、計画担 当者と経営が速く判断するための考え方とアプローチを整理します。 Why 1 需要の変動は「想定外の出来事」から「備えるべき前提」になりました 航空会社は、機材、乗員、空港の発着枠など、短期間では増減しにくい資源を抱えています。需要が急に変わると、空席や機材の余剰、 反対に供給の不足が生じ、収益に大きく影響します。 変動に備えるには、複数のシナリオで路線・機材・人員の計画を用意し、兆候に合わせて速く切り替える必要があります。しかし、シナリオの 試算には多くの手間がかかり、頻繁に見直すことは容易ではありません。 図1 航空事業の計画とデータ活用のホットスポット 需要 路線・便数 機材・人員 販売・運賃 財務 旅客需要 路線計画 機材の配分 運賃の設定 燃料費 の予測 訪日需要 便数の調整 乗員の計画 座席の配分 為替 貨物需要 発着枠 整備計画 販売チャネル 収益見通し データ活用の効果が大きい領域 中程度の領域 比較的小さい領域 図1：データ活用の効果は、需要の予測、路線と便数の調整、機材の配分、収益見通しに集中しています（概念図） 約3,687万人 2020年 2023年 2024年の 感染症の拡大で 水際対策の終了で 訪日外国人旅行者数 需要が急減 需要が回復 ※出典：日本政府観光局（JNTO）（訪日外国人旅行者数）。図1と表紙の図は概念図です。 Copyright © 2026 Accenture. All rights reserved. Supply Chain & Engineering（SC&E）｜SupplyChain_Engineering@accenture.com

WHITE PAPER｜空運業 × 戦略・経営企画 × AIエージェント 3 図2 需要変動に強い計画を阻む3つの構造的な壁 第1の壁 第2の壁 第3の壁 予測の壁 計画の壁 資源の壁 外部要因 ・ 兆候 ・ 精度 シナリオ ・ 手間 ・ 頻度 機材 ・ 乗員 ・ 発着枠 ・需要を動かす要因が多い ・シナリオの試算に手間がかかる ・機材を短期間で増減できない ・兆候を捉えるのが遅い ・計画の見直しが年数回 ・乗員の確保に時間がかかる ・予測が過去の延長になりがち ・部門ごとに前提が違う ・発着枠の制約がある 変化に気付くのが遅い 切り替えが遅れる 需要に合わせられない 図2：予測・計画・資源の3つの壁が、需要変動に強い計画を難しくしています Why 2 需要は、出来事のたびに大きく揺れてきました 感染症の拡大、国際情勢の変化、為替の急な変動、大規模な災害など、航空需要はこれまでも予想しにくい出来事で大きく揺れてきま した。訪日需要の拡大は追い風である一方、外部の要因に左右されやすい需要でもあります。 AIエージェントが予約や経済の指標から兆候を捉え、シナリオごとの路線・機材・収益の試算と報告を担えば、計画担当者と経営は、前提 の確認と判断に集中できます。 図3 航空需要を動かした主な出来事 2001年 2008年 2011年 2020年 2023年 2024年 対応 1 2 3 4 5 6 7 米国同時 世界的な 東日本大震災 感染症の拡大で 水際対策の 訪日客が シナリオに 多発テロ 金融危機 需要が急減 終了と回復 過去最多 基づく計画 求められる対応 需要を動かした出来事 図3：予想しにくい出来事が繰り返される中、シナリオに基づいて速く判断する計画が求められています 予測精度だけでなく、速く切り替えられる計画を。 Copyright © 2026 Accenture. All rights reserved. Supply Chain & Engineering（SC&E）｜SupplyChain_Engineering@accenture.com

WHITE PAPER｜空運業 × 戦略・経営企画 × AIエージェント 4 Why 3 AIエージェントを業務で動かすには、3つの課題があります AIエージェントが需要の予測とシナリオの試算を担うには、予約・運航・経済のデータがつながり、エージェントと計画担当者の役割が明確で 、シナリオの前提と判断の責任を人が統制する仕組みが整っている必要があります。そこには3つの課題があります。 データの接続 1 予約・販売、運航・機材、経済・訪日の指標のデータをつなぎます。 エージェントの役割設計 2 予測とシナリオの試算・報告をエージェントに、判断を計画担当者と経営に分担します。 人の承認と統制 3 シナリオの前提の確認、判断の責任、エージェントの作業の記録を人が統制します。 図4 従来の計画と目指す姿 従来の計画 目指す姿 需要は過去の実績の延長で予測 外部の指標を加えてAIで予測する 計画の見直しは年に数回 兆候に合わせて随時見直す シナリオの試算に数週間かかる AIエージェントが速く試算する 部門ごとに前提が異なる 共通のシナリオで全社が判断する 判断は会議の資料作成を待つ エージェントの報告で速く判断する アプローチ データ接続からAIエージェントの活用、経営判断までを一体で設計する 予約・運航・経済のデータをつなぎ、AIエージェントが需要を予測し、シナリオごとの路線・機材・収益を試算して報告します。計画担当者と 経営が前提を確認して判断し、実績を学習して予測を改善し続けます。それを支えるのが次の4層構造です。 図5 需要変動に強い計画とAIエージェントの4層構造 Layer 4 経営判断 路線方針 機材計画 投資判断 路線・機材・投資の方針の判断 Layer 3 人とエージェントの協働 前提確認 計画判断 承認 計画担当者が前提を確認し、判断する Layer 2 AIエージェント 需要予測 シナリオ試算 報告作成 需要の予測とシナリオの試算・報告 Layer 1 データ接続 予約データ 運航データ 経済指標 予約・運航・経済指標データの接続 図5：データ接続を土台に、AIエージェントと人の協働、経営判断を積み上げます Copyright © 2026 Accenture. All rights reserved. Supply Chain & Engineering（SC&E）｜SupplyChain_Engineering@accenture.com

WHITE PAPER｜空運業 × 戦略・経営企画 × AIエージェント 5 図6 需要変動に強い計画 実行ロードマップ STEP 1 0～6カ月 STEP 2 6～18カ月 STEP 3 18カ月～ データの統合と エージェントの 計画の高度化と シナリオ設計 試行と統制 定着 需要データの統合 需要予測の試行 全路線への展開 需要要因の分析 シナリオ試算の試行 予測の学習と改善 シナリオの設計 判断ルールの整備 経営会議での活用 「何が需要を動かすか」 速く切り替える 変動に強い事業になる が見える 体制が整う 図6：統合・試行・定着の3段階で、需要変動に強い計画をつくります STEP 1 需要を動かす要因を把握する 予約・運航・経済・訪日の指標のデータを統合し、需要を動かしてきた要因を分析します。需要の増減に応じた複数のシナリオを設計しま す。 STEP 2 AIエージェントを試し、統制を整える 一部の路線で、AIエージェントによる需要の予測とシナリオごとの試算・報告を試します。計画担当者が前提を確認し、判断する流れと責 任を定めます。 STEP 3 全路線に広げ、判断を速くする 効果を確認した仕組みを全路線に広げ、実績を学習して予測を改善します。エージェントの報告を経営会議の判断に生かし、計画の切り 替えを速くします。 期待する成果 段階ごとに得られる成果 短期（0～6カ月） 中期（6～18カ月） 長期（18カ月～） → データの統合 → 予測の試行 → 判断の迅速化 → 需要要因の分析 → シナリオ試算の効率化 → 空席と余剰の抑制 → シナリオの設計 → 判断ルールの整備 → 収益の安定化 ※成果の時期は目安であり、対象範囲や現状により異なります Copyright © 2026 Accenture. All rights reserved. Supply Chain & Engineering（SC&E）｜SupplyChain_Engineering@accenture.com

WHITE PAPER｜空運業 × 戦略・経営企画 × AIエージェント 6 セルフ診断 あなたの会社は、需要の急変に速く対応できる計画を持っていますか？ 以下の項目に1つでも当てはまる場合、需要の急変で収益が大きく揺らぐリスクが潜んでいる可能性があります。 図7 需要変動への備え セルフ診断チェック 需要の予測が過去の実績の延長になっている 計画の対応レベル → 早急な対応が必要な可能性があります 複数のシナリオで路線と機材の計画を用意していない 0個 → 早急な対応が必要な可能性があります 現状を維持 計画の見直しが年に数回に限られる 1～2個 → 早急な対応が必要な可能性があります 注意が必要 部門ごとに需要の前提が異なる → 早急な対応が必要な可能性があります 3個以上 予約・運航・経済のデータがつながっていない 早急に着手 → 早期の見直しをおすすめします 当てはまる項目の数 AIエージェントに任せる作業と判断の範囲が未定 → 早期の見直しをおすすめします 図7：紫の背景は早急な対応が必要な項目、灰色の背景は早期の見直しをおすすめする項目です 1つでも当てはまる場合 3つ以上当てはまる場合 需要の急変で収益が大きく揺らぐリスクが潜んでいる可能性が 需要変動に強い計画の仕組みづくりに早急に着手すべき段階 あります。まずは、需要の予測と計画の見直しの頻度を確認し です。データの統合とシナリオの設計から始めることをおすすめし てください。 ます。 次のステップ 計画の現状診断から始める 需要変動に強い計画は、すべての仕組みを一度に変える必要はありません。需要を動かす要因を把握することから始まります。アクセンチュ アでは、現状診断から、データ接続の基盤づくり、AIエージェントによる予測とシナリオ試算、判断の仕組みづくりまで、段階的に支援してい ます。 需要予測・計画へのAIエージェント活用を、まずは相談してみませんか？ 現状診断のご相談を受け付けています。お気軽にお問い合わせください。 アクセンチュア株式会社 Supply Chain & Engineering（SC&E） SupplyChain_Engineering@accenture.com 本稿のデータは公表情報・統計資料に基づきます。図は概念図を含みます。個別の投資・経営判断については、当社の専門家にご相談ください。 Copyright © 2026 Accenture. All rights reserved. Supply Chain & Engineering（SC&E）｜SupplyChain_Engineering@accenture.com