流通・小売業界は今、かつてない技術変革の波に洗われています。深刻な人手不足や消費行動の多様化に直面するなか、多くの企業がデジタル技術の導入を急いでいます。しかし、単に流行のツールを取り入れるだけでは、真の収益改善にはつながりません。
本記事では、自動発注や生成AI、そしてそれらを支えるデータ統合の基盤構築に成功した企業の事例を詳しく解説します。セブン‐イレブンやファミリーマート、海外のウォルマートなどの先行事例から、技術を現場の利益へと変えるための具体的な共通点を明らかにします。
【関連記事】止められないシステムを「走りながら」刷新する！流通業界のレガシー脱却戦略とは
自動発注の目的は「省人化」ではない
流通・小売業において、店舗の利益を左右する最大の要因の一つが発注業務です。従来の発注は店長や熟練スタッフの経験と勘に頼る部分が大きく、属人化が避けられない領域でした。しかし、昨今の技術革新により、この業務をAIで自動化する動きが加速しています。ここで重要な視点は、自動発注を単なる人件費削減のための「省人化」手段として捉えるのではなく、欠品による販売機会の損失を防ぎ、過剰在庫による廃棄コストを抑える「粗利改善」のための戦略的投資として位置づけることです。
小売業の利益率はもともと低く、わずかな廃棄率の変動が経営に直撃します。適正な需要予測によって在庫をコントロールすることは、そのまま営業利益の向上に直結します。マッキンゼー・アンド・カンパニーの分析でも、技術投資の成否が利益率の格差を広げる決定的な要因になると指摘されており、特に自動発注はもっとも成果が数字に表れやすい領域といえます。
「セブンセントラル」とAI発注
国内最大手のセブン‐イレブン・ジャパンは、この領域で非常に先進的な取り組みを続けています。同社が展開する改革の核となるのが、全店の在庫データや販売データをクラウド上に集約する基盤「セブンセントラル」です。この基盤があることで、全国数万店舗の状況をリアルタイムで把握し、高度な分析に回すことが可能になりました。このデータを活用した「AI発注」では、単に過去の売上実績を追うだけではありません。
たとえば過去の販売実績からは直近の売れ行きだけでなく、前年同期や特定の曜日特性を分析します。また、気温の変化や降水確率が客数に与える影響を加味する気象情報、近隣の学校行事や地域イベントによる需要の急増を予測する催事情報なども不可欠です。さらにオフィス街か住宅街かという立地条件や、祝日の並びによる行動変化まで考慮し、多角的なデータを組み合わせて需要予測を行っています。
これらのデータから算出された「安全在庫」と「推奨発注量」が店舗の端末に提示されます。これにより、スタッフは発注作業そのものにかける時間を大幅に削減でき、浮いた時間を売場のメンテナンスや接客、さらにはAIでは判断しきれない新商品のプロモーション企画などに充てられるようになります。技術が人の判断を奪うのではなく、人をより付加価値の高い業務へシフトさせている点が、同社の成功の鍵です。
ファミリーマートの「AIレコメンド発注」
ファミリーマートもまた、AIによる発注改革で大きな成果を上げています。2025年からは全国500店舗規模で「AIレコメンド発注」の運用を開始しました。このシステムの特筆すべき点は、過去1年の膨大な販売実績に加え、店舗周辺の通行量や気象データ、さらには日別・便別・単品別という非常に細かい単位で推奨値を出す精度にあります。
このシステムを導入した店舗では、週あたり約6時間の発注時間削減が見込まれています。もっとも、同社は「AIがすべてを決める」というスタンスは取っていません。推奨値は1日4回という高頻度で更新されますが、最終的な確定ボタンを押すのは店舗のスタッフです。AIによる客観的な予測を「たたき台」として活用し、急な地域の寄り合いや店独自の思い切った売り出し施策に合わせて人が修正を加えます。この修正結果をデータとして蓄積することで、次回の予測精度をさらに高める循環が生まれています。人が例外への対応や攻めの商売に集中できる環境を整えることで、廃棄ロスの削減と機会損失の防止を高い次元で両立させています。
周辺業務を含めた最適化
地方スーパーマーケットの事例として注目されるのが、長野県を拠点とするデリシアと、小売DXを支援する10X（テンエックス）の提携です。彼らの取り組みで重要なのは、自動発注システムだけを単体で導入したのではないという点です。まずネットスーパーの基盤を刷新し、EC・受注管理・在庫管理を一気通貫でつなげることから始めています。ネットスーパーの導入により、実店舗とオンラインの在庫データがリアルタイムで連動するようになりました。この正確な在庫データが土台となり、その延長線上で「Stailer AI発注」へと発展しています。
このプロジェクトの結果、アプリの刷新後1年で売上が前年比1.4倍に成長するなど、目覚ましい成果が得られています。また、ペーパーレス化や配送計画の最適化により、現場の作業人員を3分の1にまで抑制することに成功しました。さらに、ベテラン店員の「目利き」をAIに学習させることで、経験の浅いスタッフでも精度の高い発注が可能になり、若手への技能継承という課題も解決しています。単にツールを入れるのではなく、受注から配送までの業務導線全体を再設計したことが、デリシアのDXが実を結んだ理由です。
自動発注を成功させるために
これらの事例から導き出される自動発注のポイントは、まず売上実績だけでなく天気や通行量など外部要因を組み込む多変量データの活用にあります。次に、AIに丸投げせず現場が納得感を持って数値を修正できる画面を設計し、現場調整の余地を保持することも欠かせません。さらに、発注画面だけを新しくするのではなく、入荷検品や棚卸業務とデータを連動させる既存業務との接続が求められます。最後に、作業時間の削減だけでなく欠品率や廃棄率といった財務指標で成果を追うことで、効果指標を明確化することが重要です。
自動発注は、単なる便利ツールではありません。店舗運営の心臓部である「在庫」を最適化し、キャッシュフローと利益率を根本から改善するための経営戦略そのものです。
【参考】LLM to ROI: How to scale gen AI in retail
【参考】Seven-Eleven Japan Corporate Profile 2023-2024
【参考】AIを活用した新たな発注システムを導入（ファミリーマート）
生成AIの要所は「接客」より「現場支援」
近年、生成AIという言葉が大きな注目を集めていますが、小売業界におけるその活用法は、初期の期待とは少し異なる方向で進化しています。当初は「AIによる無人接客」や「バーチャル店員」といった派手な活用が注目されましたが、実際に利益に貢献している事例の多くは、店舗やバックヤードの業務を支える着実な「現場支援」の用途です。
マッキンゼーの調査によれば、生成AIが小売業にもたらす潜在的な経済価値は非常に大きいものの、その価値を享受するためには「何でもできるAI」を目指すのではなく、現場の具体的な摩擦を解消する領域に選択と集中を行う必要があります。現場のスタッフが日々直面するマニュアルを探す手間や、過去のデータを調べる苦労、あるいは商品説明文を作る時間を生成AIで解決することが、結果として顧客体験の向上につながります。
AIアシスタントが解決する店舗の「情報格差」
生成AIを現場支援にうまく組み込んでいる好例が、ファミリーマートの人型AIアシスタントです。全国約7,000店舗に導入されているこのシステムには、2024年から生成AI機能が搭載されました。このアシスタントの主な役割は、店長や店舗責任者の「右腕」として、複雑な店舗オペレーションをサポートすることにあります。
具体的には、レジ操作のトラブルや機器の故障時、分厚いマニュアルをめくることなく、AIに問いかけるだけで必要な手順を即座に引き出す業務マニュアルの音声検索が威力を発揮しています。また、特定のキャンペーンやクーポン施策を行った際、過去にどのような結果が出たかを対話形式で確認し、今回の発注や売場作りの参考にできる過去実績の参照機能も重要です。これにより、店長が不在の際でもスタッフがAIに質問することで自己解決できる範囲が広がり、問い合わせ負荷の軽減にも寄与しています。この事例で特筆すべきは、AIを接客の代替としてではなく、「店舗スタッフの情報アクセスを高速化する道具」として定義している点です。これにより、本部の指示が現場まで正確かつ迅速に浸透し、全店レベルでの運営品質の底上げが可能になっています。
ウォルマートの「小売特化型LLM」
世界最大の小売業者であるウォルマートは、さらに一歩進んだ基盤構築を進めています。同社は2024年に「Adaptive Retail（適応型小売）」というビジョンを掲げ、顧客一人ひとりに最適化された購買体験を提供することを目指しています。その中核を担うのが、同社の膨大なデータで学習させた小売特化型の大規模言語モデル「Wallaby」です。
一般的な生成AIは汎用的な知識には強い一方、特定の企業の在庫状況やプロモーションルール、配送の細かな規約には答えることができません。ウォルマートは、長年の取引データや顧客行動データを直接モデルに学習させる自社専用モデルの開発を行うことで、自社固有の文脈を理解させています。また、米国だけでなく世界中の事業拠点で共通のAI基盤を共通化することにより、開発コストを抑えつつ進化のスピードを上げています。さらに、AIのチャットインターフェースを通じて、技術者以外の社員でも高度なデータ分析結果を業務に活用できるデータの民主化を進めています。彼らの事例は、生成AIの価値がモデルそのものにあるのではなく、「自社の固有データといかに深く結合されているか」で決まることを示唆しています。
EC運営の自動化と「商品の発見」
タイの流通大手、セントラル・リテール・グループによるGoogle Cloudの活用事例は、生成AIがECやパーソナルショッパーの業務をどう変えるかを具体的に示しています。同社はGeminiを活用した「Chefbot」という仕組みを導入しました。これは、ユーザーが作りたい料理のレシピを伝えると、5万点以上の商品の中から必要な材料を自動で買い物リスト化し、ECでの注文をサポートするものです。
さらに裏側の業務でも、膨大な新商品の特徴をAIが読み取って魅力的な紹介文を即座に作成する商品説明文の自動生成が大きな成果を上げています。これにより商品登録のリードタイムを劇的に短縮しました。また、顧客が求める商品を画像から検索する「AI画像検索」により、商品を探し出す時間を平均32分からわずか1～2分へ圧縮しました。適切なレコメンドと情報提供により、ECサイトでの購入転換率を10％押し上げることに成功しています。ここでも、生成AIは単なるおしゃべり相手ではありません。「商品を発見し、理解し、購入する」という一連のフローの中に存在する摩擦を取り除くための、高度なインフラとして機能しています。
生成AI活用を成功に導くために
派手な実証実験で終わらせず実務に定着させている企業には、共通の原則があります。まず、マニュアル検索やカタログ作成など、現場の時間が奪われている単純作業を最初のターゲットに据えて、今すぐ困っていることから始める必要があります。また、AIの回答には誤りが含まれる可能性があることを前提に、最終的な確認は必ず人が行うフローを組み込み、人が最終責任を持つ設計にすることが不可欠です。さらに、外部の汎用モデルに頼り切るのではなく、自社の商品マスタや販促カレンダーと連携させ、自社データとの強固な接続を図らなければなりません。
生成AIの本命は、チャットUIの面白さではなく、店長やEC運営者の「奪われている時間を取り戻す」ことにあります。現場の判断を助け、クリエイティブな仕事に集中できる環境を作ることが、店舗の競争力を高める最短距離となります。
【参考】Central Group: Pioneering the future of retail with AI
成功の鍵は「データ統合」と「段階導入」
これまで見てきた自動発注や生成AIの成功事例は、どれも華やかな技術のように見えますが、その舞台裏には実直な共通点が存在します。それは、AIを導入するよりもずっと前から取り組まれてきた「データの統合基盤の構築」と、一気にすべてを変えようとしない「段階的な導入アプローチ」です。AIは魔法の杖ではありません。投入するデータの質が悪ければ、どれほど優れたアルゴリズムを用いても経営に役立つ答えは得られません。成功している企業は、例外なく「商品データ」「在庫データ」「顧客行動」「販促履歴」がバラバラに管理されていた状態を解消し、システムを横断して活用できる環境を整えています。
データファーストの思想
日本の流通を牽引するセブン‐イレブンの「セブンセントラル」と、10Xが提供する「Stailer」は、規模こそ違えど目指している方向は同じです。それは、正確な商品情報を核にしたデータの統合です。セブン‐イレブンは、全国の店舗で何がいつ売れ、在庫がいくつあるかというデータをリアルタイムでクラウドに集約しています。この「セブンセントラル」という土台があるからこそ、AI発注や配送最適化といった高度なアプリケーションを次々と載せることができます。
一方、10Xの事例ではスーパーのデリシアにおいてネットスーパー、AI発注、AIプライシングを統合的に導入しました。ここで重要なのは、これらをバラバラのツールとして入れたのではなく、一つの正確な商品マスタからすべての機能が動くように設計したことです。既存のPOSシステムや基幹システムからデータを吸い上げ、常に最新の在庫情報を維持する基幹連携がその鍵です。また、店舗内のピッキング作業から配送計画、自動発注までを一連の流れとして管理し、需要予測の結果をメーカーとの共同販促に活用するなど、データの再利用性を高めています。「AIは単独では勝てない」というのが、デジタル改革における鉄則です。商品情報基盤と業務導線の整備が先にあり、その上にAIというエンジンを載せるという順序を違えなかったことが、これらの成功を支えています。
「Single Version of Truth」の重要性
データ統合の価値をより明確に示しているのが、ベルギーのカルフールや中東のマジッド・アル・フッタイム・リテールの事例です。カルフール・ベルギーは、基幹業務を担うSAPシステムをGoogle Cloudへ移行し、BigQueryを中心としたデータ分析基盤を強化しました。また、マジッド・アル・フッタイム・リテールでは、部門ごとに分断されていたデータを標準化し、組織全体で同じ数値を共有する「Single Version of Truth（唯一の真実となるデータソース）」を確立しました。
これにより、これまで数日かかっていた業務要求への回答やデータ抽出が即座に行えるようになり、意思決定速度が劇的に向上しました。また、データが整理されているため、新しいAIモデルを試す際の実装コストが大幅に下がり、AI準備度が向上するという副次的効果も生まれています。さらに、システムのダウンタイムを減らし、24時間365日の店舗・EC運営をデータで支える可用性を確保しました。データ統合の真の価値は、単なる見える化ではありません。意思決定のスピードを上げ、未知の技術を即座に試せる柔軟性を組織にもたらすことにあります。
流通・小売業がデジタル変革で勝つための実践的な提言
マッキンゼーなどの知見と成功事例を統合すると、これからデジタル改革を進める企業への提言は以下の5つのポイントに集約されます。
- 1. 変革対象をドメイン単位で絞る: 全社一斉に導入するのではなく、在庫適正化や店舗生産性など、特定の領域から着手して成功体験を確実に作ること。
- 2. データの基盤をモジュール化する: 将来的にAIモデルを入れ替えても使い続けられるよう、商品、顧客、在庫などのデータ基盤を独立させて整えること。
- 3. 現場の例外判断を許容する設計: AIの予測はあくまで支援。現場のベテランが持つ直感や地域の特殊事情による修正を妨げない仕組みにすること。
- 4. 部門横断の推進チームを組成する: IT部門だけでなく、店舗運営、物流、商品部を巻き込んだ、業務改革そのものを目的とする横断組織を作ること。
- 5. データの品質と安全性を重視する: 誤ったデータによる発注や不適切なAI回答を防ぐため、評価の仕組みと安全性のテストを徹底すること。
最後に強調したいのは、成功の要因はAIの導入ではなく、商品情報・在庫・販促・店舗運営をつないだことだということです。最新の技術を追うことも大切ですが、その前に自社のデータが整理され、現場のスタッフが使いやすい形になっているかを見極める必要があります。AIも自動発注も、単体ツールとして購入すれば勝てるわけではありません。自社の利益に近いボトルネックを冷静に分析し、データ統合という土台の上で、小さく始めて確実に広げる。この王道とも言えるプロセスを歩んだ企業こそが、次世代の小売業の覇者となるのです。
【参考】Carrefour Belgium: Leading the charge in food retail digital transformation
【参考】How fresh data can drive better decision-making
「現場に埋め込む設計」が勝ち筋
自動発注、生成AI、そしてデータ統合の成功事例を紐解くと、勝ち残る企業が歩んでいる道筋は共通しています。彼らは「AIで何ができるか」を議論する前に、「現場のどの課題を解決すれば利益が出るか」を突き詰めています。
本記事で紹介した事例の核心をまとめると、まず利益に直結する業務から着手し、次に商品や在庫のデータが分断されずにつながっている環境を整えています。さらに、AIにすべてを丸投げせず人とAIの役割を明確に分け、段階的な導入で組織を慣らしている点が共通しています。これからの流通・小売業において、AIを導入すること自体はもはや差別化要因になりません。重要なのは、「現場の業務フローの中に、いかに自然にAIを埋め込めるか」という設計の妙です。まずは自社の高頻度業務の中から一つを選び、KPIを決めてデータを整え、小さく試して成果を広げる順序を徹底してください。その一歩が、数年後の大きな利益の差となって現れるはずです。
この記事を書いた人
