小売テック編集部
2026年6月4日 22:06
課題・背景
スーパー業界では、商品の鮮度管理が重要である一方、生鮮食品を中心に食品ロス（廃棄）が経営を圧迫し、環境負荷の面でも大きな課題となっている。従来の発注業務は、熟練者の経験や勘に大きく依存しており、多大な時間と労力を要していたため、人件費の増加や、過剰発注による廃棄、あるいは品切れによる販売機会損失のリスクを常に抱えていた。これらの非効率性は、店舗運営の収益性を低下させる主要な要因であり、抜本的な改善が求められていた。
導入内容・技術
スーパーのマルイは、この課題解決のため、AI（人工知能）を活用した需要予測システムを全店舗に導入した。このシステムは、過去のPOSデータ（売上データ、廃棄データなど）に加え、天気データ、曜日、特売情報といった多様な外部要因や内部データを統合的に分析する。AIがこれらを学習し、商品の売れ行きを高精度で予測。これにより、各店舗の最適な発注量を自動で算出し、店舗スタッフへ提示することで、発注業務の効率化と在庫の最適化を支援する。
効果・成果
本システムの導入により、マルイは発注業務にかかる時間を約半分に削減することに成功した。これにより、店舗スタッフの業務負担が大幅に軽減され、捻出された時間を顧客対応や陳列、売場づくりといった付加価値の高い業務に充てられるようになった。さらに、AIによる高精度な需要予測に基づいた適正な発注が実現したことで、特に生鮮食品を中心とした食品ロスを2.5%削減した。これは廃棄原価の削減に直結し、収益性の向上に大きく貢献するとともに、食品廃棄物削減という社会的な課題への対応も果たしている。
考察・今後の展望
マルイのAI需要予測の成功は、小売DXの強力な基盤となる。今後は、POSシステムからのリアルタイム在庫データや廃棄データ、CRMからの顧客属性・購買履歴データをAIに連携させることで、予測精度をさらに向上させ、パーソナライズされたプロモーションや廃棄理由の深掘りによる根本的なロス削減が可能になる。さらに、地域イベント情報、交通量・人流データ、SNSトレンドといった外部APIデータを活用することで、予測モデルのロバスト性を強化し、急な需要変動にも対応できるようになる。将来的には、このAI基盤を応用し、商品陳列・棚割最適化AI、価格最適化AI（ダイナミックプライシング）、人員配置最適化AIなどへと展開することで、店舗運営全体の最適化と事業価値の最大化が期待される。サプライチェーン全体の最適化や新商品開発支援への活用も視野に入る。
現場への示唆
中小規模のスーパーにおいても、AI需要予測は大きな効果をもたらすが、高額なシステム導入は依然としてハードルが高い。まずは、既存のPOSデータの詳細な分析から始め、Excelやスプレッドシートを用いた簡易的な需要予測モデルの作成や、クラウド型SaaSとして提供される安価な需要予測ツールを試すことが現実的だ。AI導入は、現場スタッフの発注業務負担を劇的に減らし、顧客サービスや売場づくりに集中できるメリットがある。しかし、AIの提案を盲目的に受け入れるのではなく、長年の経験を持つ現場の知見とAIの予測を融合させ、最適な判断を下すための運用体制と、スタッフへの継続的な教育・研修が不可欠となる。段階的な導入と、現場との対話を通じて「AIを使いこなす」文化を醸成することが、中小店舗における成功の鍵を握る。
スーパーがAI需要予測で発注時間半分・ロス2.5%減
xtech.nikkei.com