スーパーマーケットのAI活用｜発注/需要予測・値引き最適化・欠品削減・棚割りとレジ省人化の導入事例【2026年最新】

スーパーマーケットのAI活用で、2026年時点で効果が数字として公表されているのは「需要予測型の自動発注」と「AI値引き」の2つです。ヤオコーは発注時間を約3時間から約25分に縮め、バローの実証では惣菜の廃棄量が約13%減りました。一方、棚割りの自動作成や店舗運営のAIエージェント、完全無人のレジはまだ実証段階にあります。

この記事でわかること

• スーパーの業務ごとに、AIがどこまで実用化されているか（成熟度の一覧表）
• ヤオコー・サミット・ハローデイ・ライフ・トライアル・ロッキー・バローなど、公表数値つきの導入事例
• 日立・BIPROGY・シノプス・PFN・Retail-CIXなど主要ベンダーの得意分野
• 費用の考え方、使える補助金、規模別の進め方
• 生鮮の難しさ、Amazon Go閉鎖、カメラと個人情報、ダイナミックプライシングの注意点

この記事の対象読者

食品スーパーの経営層、店舗運営・商品部・DX推進の担当者、スーパー向けにAIを提案するSIer・ベンダーの方を想定しています。小売業全体の動きを先に知りたい方は小売業のAI活用事例もあわせてご覧ください。

スーパーマーケットのAI活用とは｜2026年の現状

スーパーマーケットのAI活用とは、POS・在庫・天候・販促・人流などのデータから需要を予測し、発注・値引き・品出し・棚割り・レジ・従業員の業務支援を自動化・省力化する取り組みです。2026年は、大手・中堅チェーンで自動発注の全店導入が進み、AIエージェントが店舗運営の実証に入り始めた年といえます。

業界の現状は、スーパーマーケット3団体の「2025年スーパーマーケット年次統計調査」（2025年10月公表）で数字が確認できます。

出典: 一般社団法人全国スーパーマーケット協会ほか「2025年スーパーマーケット年次統計調査」（2026年版は例年10月ごろ公表のため、最新値は公式サイトで確認してください）

自動発注や需要予測型発注は、すでに約半数の企業が取り組む「標準的な施策」になりつつあります。政府も2025年6月に「省力化投資促進プラン―小売業―」（農林水産省・経済産業省）をまとめ、卸・小売業の就業者数が2021年の1,062万人から2040年には836万人まで減る見通しを示しました。人が減る前提で店を回す手段として、AIの優先度は上がっています。

スーパーが抱える課題とAIで解決できること

スーパーの課題は「人手不足」「発注の属人化」「食品ロス」の3つに集約され、それぞれに対応するAIがあります。課題の大きさを数字で見ると、どこから手を付けるべきかが見えてきます。

出典: 2025年スーパーマーケット年次統計調査、省力化投資促進プラン―小売業―（内閣官房）

政府のプランでは「AI等の需要予測による自動受発注まで実装できれば、受発注の時間は限りなくゼロに近づけられる」と整理されています。まず発注、次に値引き、という順で導入が進んでいるのはこのためです。

業務別のAI活用一覧と成熟度

スーパーのAIは業務によって成熟度に大きな差があります。2026年10月時点で公開されている事例をもとに、業務ごとの「実用度」を整理しました。

すぐに成果を狙うなら「グロサリー・日配の自動発注」と「惣菜のAI値引き」、中長期で取り組むなら「生鮮の需要予測」と「AIエージェント」という分け方が現実的です。

発注・需要予測｜もっとも成果が出ている領域

出典: BIPROGY株式会社 プレスリリース（共同通信PRワイヤー）

AI活用のなかで、成果がはっきり数字で出ているのが需要予測型の自動発注です。グロサリー（加工食品・菓子・酒・日用品）と日配では、AIの提案をそのまま採用する割合が90%を超える事例が複数あります。

グロサリー・日配の自動発注

需要予測型の自動発注は、過去の販売実績に加えて天候・気温・特売・チラシ・カレンダー・客数などの「コーザルデータ（売上の要因となるデータ）」を使って品目ごとの発注数を出します。担当者は提案を確認し、必要なものだけ修正する運用になります。

国内では、次のような全店規模の導入事例が公表されています。

• ヤオコー（全182店舗・2022年11月稼働）: 日立とオプティマムアーキテクトのシステムを導入。30種類のコーザルデータを使い、発注時間は約3時間から約25分（約85%短縮）、在庫は約15%削減、自動化率は約65%から約98%に上がりました（日立 ニュースリリース）
• サミット（全123店舗・2024年10月〜）: 日立の需要予測型自動発注システムをグロサリーに導入し、提案の採用率は95%。生鮮への展開と、倉庫・配送とつなぐサプライチェーン最適化も検討しています（日立 ニュースリリース）
• ハローデイ（全49店舗・2025年6月〜）: 1店平均7,000品目の日配・グロサリーで、月の労働時間が前年比6,837時間減、人時生産性8.4%向上。提示された発注数の90%が修正なしで採用されています（DIGITAL X）
• マルイ（岡山・全24店舗・2024年9月）: 日本IBMと日配約3,000品で導入し、予測精度96%超、ロス率は前年比2.5%減、発注時間は半減と報じられています（日経クロステック）
• トライアル（264店舗・2026年2月導入完了）: Retail-CIXの「CIX-自動発注」をAIとデジタルツインで運用し、補充業務を約10%軽減、在庫を20%削減しています（トライアルホールディングス ニュースリリース）

自動発注のもう1つの効果は、発注を特定のベテランに頼らなくてよくなることです。ライフやトライアルは導入理由として、経験の浅い従業員でも発注できる状態をつくることを挙げています。

生鮮・惣菜の需要予測

生鮮・惣菜は、加工・歩留まり・鮮度の制約があるため、グロサリーより自動化が難しい領域です。そのため大手各社は、グロサリーで実績を出してから生鮮に広げる順番で導入しています。

• ライフ（全304店舗の生鮮部門・2024年4月までに全店稼働）: BIPROGY「AI-Order Foresight」で、プロセスセンターやメーカーへの事前発注を予測。予測期間を5日から3週間に延ばし、事前発注の作業を減らしました（共同通信PRワイヤー）
• サミット: 2025年3月の発表時点で、生鮮は2025年9月から一部店舗で順次導入する計画を示していました。その後の展開状況は同社・日立の発表で確認してください

生鮮の需要予測は、店舗の発注だけでなく、プロセスセンター・食品メーカー・卸と予測を共有する方向に広がっています。サプライチェーン上流の動きは食品製造・加工業のAI活用事例や卸売・商社のAI活用事例、物流センター側の取り組みは倉庫のAI活用で解説しています。

値引き最適化｜AI値引きとダイナミックプライシング

出典: BIPROGY株式会社 プレスリリース（共同通信PRワイヤー）

惣菜や日配の値引きは、AIが「いつ・何円引くか」を提示することで、ロスと作業時間を同時に減らせる領域です。年次統計でも92.7%の企業が値引きで売り切りを進めており、改善の余地が大きい業務といえます。

AI値引き（値引き率の提案）

AI値引きは、在庫数・売れ行き・閉店までの時間・天候などから値引き率を提案し、担当者は商品のバーコードを読み取ってラベルを貼るだけ、という運用が一般的です。

• イオンリテール「AIカカク」: 2021年5月に発表し、総合スーパーのほぼ全店で活用。値引き・廃棄ロスの損失を約1割減らしたと報じられています
• イオン九州（242店舗・2023年春から順次）: シノプス「sinops-CLOUD AI値引」とサトーのラベルプリンター「FLEQV」を組み合わせて導入（流通ニュース）
• 藤三（広島・全26店舗・2026年3月発表）: サトーとシノプスの「AI値引きソリューション」を惣菜部門に導入。3店舗の実証で廃棄率の改善を確認し、水産・生産部門への拡大を検討しています（AIsmiley）

ダイナミックプライシング（電子棚札との連動）

ダイナミックプライシングは、電子棚札（ESL）と連動して売れ行きに応じて価格を変える仕組みです。国内ではまだ実証が中心ですが、具体的な数字が出始めています。

• ロッキー（熊本）: シノプスなどと実証を行い、ダイナミックプライシングで店舗ロス率が1.3ポイント改善、値引き作業の工数は83.3%削減。全28店に広げた場合、年間約9,900万円の削減を見込んでいます。仕入れ調整の実証でも店舗ロス率が1.56ポイント改善しました（DIGITAL X）
• バロー（20店舗・2026年1〜3月の実証）: 日本気象協会・ソフトバンク・バローHD・中部フーズが、気象・人流データを使った需要予測とダイナミックプライシング、店舗運営AIエージェントを惣菜で検証。食品廃棄量は約13%減、発注・計画作業の時間は約37%短縮、売上は2.9%増、売上総利益は4.1%増でした（INTERNET Watch / AI Watch）

電子棚札は値札の作成・交換の手間を減らし、レジ売価との不一致も防ぎます。アオキスーパー（名古屋）は2025年7月、BIPROGYのESL SaaSを2026年中に全51店舗へ展開する計画を発表しており（共同通信PRワイヤー）、AI値引きやダイナミックプライシングの「土台」として電子棚札を先に入れる企業も増えています。惣菜の需要予測やロス削減は外食と共通点が多く、飲食・外食業のAI活用事例も参考になります。

欠品削減・品出し｜カメラとロボットで棚を見える化

欠品削減・品出しの領域は、効果は出始めているものの、全店導入はまだ少ない段階です。カメラやロボットで棚の状態を確認し、品出しの優先順位を指示する仕組みが中心になります。

• PFN「MiseMise」（2024年10月リリース）: 品出し、AI値引き（β）、棚割（β）、ロボット（β。自律移動で欠品や価格表示を確認）、分析の機能をそろえた店舗向けサービス。公表されている効果は、バックヤードでの商品探索時間が約50%減、欠品の減少で生鮮売上4.2%増、余剰在庫約20%減、値引きロス約20%減です（家電 Watch）
• タカハシ×オムロン: 自走巡回ロボットとAIで陳列棚を可視化するPoCを2025年10〜12月に実施したと報じられています。陳列の遵守状況や欠品の確認など、人が売場を巡回して行っていた業務の置き換えを検証する内容です

政府の小売業プランでも、品出しの先進事例として「在庫確認ロボット」「棚の定点観測サービス」が挙げられています。ただし、欠品検知AIが正しく働くにはシステム上の在庫数が実在庫と合っていることが前提です。在庫の精度が低い店では、まず棚卸しや在庫管理の見直しから始める必要があります。

棚割り｜AIエージェントによるレイアウト生成が始まった

棚割りへのAI活用は、2026年時点では実証段階です。ただし生成AI・AIエージェントの登場で、棚割り案をAIが作り、人が判断するという形が見え始めています。

• イオンフードスタイル×富士通（2026年7月発表）: 店長と協働するAIエージェントのプロトタイプ4種を約10日で開発しました。内容は、①3C分析による店舗戦略の立案、②棚割りレイアウトの生成、③施策の実行性の検討、④商圏分析です。2026年7月に実店舗で数日間の実証を行い、作業時間、AIプランの採用率、棚割り業務の効率化を検証しています（IT Leaders）
• 棚割り作成サービス: PFN「MiseMise 棚割」（β）、NTTドコモ「Tanagram」などのサービスもあります。機能や対応範囲は各社の公式情報で確認してください

棚割りはメーカーとの商談や地域の客層など、データ化しにくい要素が多い業務です。AIは「たたき台を速く作る道具」として使い、最終判断は人が行う運用が現実的です。AIエージェントの仕組みや種類はAIエージェントとはで詳しく解説しています。

レジ省人化・スマートストア｜セルフレジの次はスマートカート

出典: 株式会社トライアルホールディングス プレスリリース（PR TIMES）

レジの省人化は、セルフ／セミセルフレジの普及でもっとも身近になった領域です。年次統計では、レジ台数の61.6%がすでにセルフかセミセルフになっています。次の段階として、カートで会計を済ませる「スマートカート」が広がりつつあります。

• トライアル「レジカート」: タブレットとバーコードリーダーが付いたカートで、売場を回りながら商品をスキャンし、専用レーンで会計を済ませる仕組み。同社の発表では、全国で約22,700台が稼働しています（2026年4月時点）
• トライアル西友 花小金井店: 2025年11月にスマートストアとして改装し、2025年12月〜2026年1月の2か月で売上約42%増、客数約36%増を記録。2026年には武蔵新城（2月）、二俣川（4月）と出店が続いています（PR TIMES）

セルフレジ導入で気になるのが不正（スキャン漏れ）です。年次統計では、セルフレジの万引き対策として84.8%の企業が「セルフレジ付近にカメラ」を設置しており、AIカメラで不正を検知する取り組みも増えています。

一方、完全無人のレジなし店舗は経済性に課題があります。Amazonは2024年にAmazon Freshの「Just Walk Out」をやめてスマートカート「Dash Cart」に切り替え、2026年1月にはAmazon GoとAmazon Freshのほぼ全店を閉鎖すると発表しました（WTOP News）。日本のスーパーでも、完全無人化より「セルフレジ＋スマートカート＋少人数の見守り」の組み合わせが主流になっています。

生成AI・AIエージェントによる従業員支援

生成AIは、売場の作業そのものよりも「従業員が調べる・考える時間」を減らす用途で使われ始めています。大手ではすでに数百店舗規模の導入が進んでいます。

• イオンリテール「オールインワンデバイス」（2025年5月導入開始・約390店）: AIカカク、AIオーダー、AIワーク、商品位置検索などを1台の端末に集約。そのなかの「AIアシスタント」は、数千〜数万ページの業務マニュアルや法律を学習した従業員向けチャットボットで、質問に数秒〜十数秒で回答します（家電 Watch）
• バロー（実証）: 「店舗運営AIエージェント」を需要予測・ダイナミックプライシングと組み合わせ、発注・計画作業の時間を約37%短縮
• イオンフードスタイル（実証）: 店長と協働するAIエージェントで戦略立案・棚割り・商圏分析を支援

従業員向けチャットボットは、パート・アルバイトの教育や、本部への問い合わせ削減に効きます。ただし、食品表示・アレルゲン・酒類販売など法令に関わる質問で誤った回答が出るリスクがあるため、回答の根拠となる文書を表示し、最終判断は人が行う運用が欠かせません。生成AIの基本は生成AIとはを参照してください。

国内スーパーのAI導入事例比較表

国内スーパーの主な導入事例を、公表された数値つきで一覧にしました。いずれも企業・ベンダーの発表や報道で確認できた数値です。

この表から読み取れるのは、全店導入まで進んだ事例の多くが「グロサリー・日配の自動発注」であることです。値引き・ダイナミックプライシング・AIエージェントは、実証で数字を出してから全店に広げる段階にあります。なお、コンビニのAI発注（セブン-イレブン、ローソンなど）は業態が異なるため、この記事では扱っていません。

主要ベンダー・ソリューションの比較

スーパー向けAIのベンダーは、得意な領域がはっきり分かれています。自社の課題がどこにあるかでベンダーを選ぶのが基本です。

選び方の目安は次のとおりです。

• 全店でグロサリーの発注を自動化したい大手・中堅 → 日立など、全店導入の実績が多いベンダー
• 生鮮・惣菜の発注やプロセスセンター連携を強化したい → BIPROGYなど生鮮の実績があるベンダー
• 小さく始めてロスを減らしたい中小 → カテゴリ・店舗単位で導入できるSaaS（シノプスなど）
• 品出し・欠品など売場作業全体を見直したい → PFN「MiseMise」のような店舗作業向けサービス

各社とも料金は公開されていないため、複数社から見積もりと導入事例の説明を受けて比較してください。

導入費用の考え方と使える補助金

スーパー向けAIの費用は、ほとんどが個別見積もりで、公式の料金表はほぼ公開されていません。そのうえで、一般的な目安と補助金を整理します。

費用の目安

IT系メディアやコンサル会社が示している目安は下表のとおりです。あくまで参考値であり、店舗数・品目数・既存システムとの連携の有無で大きく変わります。

費用以外に、在庫データの整備、マスタの統一、現場の運用ルールづくりにかかる社内工数も見込んでおく必要があります。

使える補助金

• デジタル化・AI導入補助金2026（旧IT導入補助金）: 通常枠、インボイス枠、セキュリティ対策推進枠、複数者連携デジタル化・AI導入枠があります。補助額・補助率・締切は公募回ごとに変わるため、公式サイトで最新の公募要領を確認してください
• 中小企業省力化投資補助金（カタログ注文型・一般型）: 小売業も対象で、政府の小売業プランでも活用が促されています。上限額や対象製品は公式サイトで確認できます

補助金の対象になるかは、ツールが登録されているか（IT導入支援事業者・カタログ登録製品か）で決まります。見積もりの段階でベンダーに確認しておくと手戻りが減ります。

導入の進め方｜規模別のステップ

導入は「在庫データを整える → 成果が出やすい領域から始める → 難しい領域に広げる」の順番で進めるのが定石です。成功している企業の多くがこの順序をたどっています。

標準的な5ステップ

1. 在庫データの整備: 店ごとの在庫数が正確でないと、自動発注も欠品検知も機能しません。リアルタイム在庫の仕組みと商品マスタの統一から始めます
2. グロサリー・日配の自動発注: 定番品が中心で予測しやすく、ヤオコーやハローデイのように90%以上の自動化が見込める領域です
3. 惣菜のAI値引き: ロスと値引き作業が多い惣菜から始め、必要に応じて電子棚札と組み合わせます
4. 生鮮・プロセスセンター連携: 店舗の予測をプロセスセンター・メーカー・卸と共有し、事前発注や生産計画に使います。物流面の最適化は運輸・物流のAI活用事例も参考になります
5. AIエージェント・生成AIによる店舗運営支援: 計画立案・棚割り・従業員教育など、判断を伴う業務の支援に広げます

規模別のポイント

まずは1カテゴリ・数店舗で3か月ほど試し、「発注時間」「欠品率」「廃棄率」「値引き額」の4つを導入前と比べると、全店展開の判断がしやすくなります。

導入の限界・失敗例と規制上の注意点

AIは万能ではなく、予測が外れやすい場面や、法令・顧客の信頼に関わる論点があります。導入前に把握しておくべき点を整理します。

AIの予測が苦手なこと

• 新商品・初めての販促・突発的なイベント（災害、SNSでの話題化など）は過去データが少なく、予測精度が落ちます。ハローデイでも提示された発注数の約10%は人が修正しています
• 生鮮・惣菜は加工・歩留まり・鮮度の制約があり、グロサリーより自動化が難しい領域です
• AI値引きでも売場作業は残ります。バーコードのスキャンやラベル貼りは人の作業です

完全無人化の失敗例

Amazonは2026年1月、Amazon GoとAmazon Freshのほぼ全店（Fresh 57店・Go 15店）の閉鎖を発表し、「大規模展開に必要な経済モデルを作れなかった」と説明しました。カメラとセンサーで完全にレジをなくす仕組みは、設備費と運用コストに見合う売上を出すのが難しいことを示しています。

カメラ画像と個人情報

欠品検知カメラやAIカメラには来店客も映り込みます。個人情報保護委員会は「民間事業者向け カメラと個人情報保護法」を公表しており、特に顔識別機能付きカメラを防犯目的で使う場合は、顔識別機能を使っていることまで利用目的として明らかにする必要があります。運用主体・利用目的・問い合わせ先などを、入口やカメラの設置場所に掲示することが望ましいとされています。

あわせて、画像の保存期間、第三者提供の有無、ベンダーへの委託時の監督体制も決めておきます。ID-POSや会員データを需要予測に使う場合も、利用目的の特定と公表が必要です。

ダイナミックプライシングと顧客の信頼

価格を頻繁に変える仕組みは、「同じ商品なのに人によって値段が違う」という不信感を招くおそれがあります。米国では、メリーランド州が2026年10月から個人データに基づく食料品店の価格設定を禁止したと報じられています（電子棚札や1日に複数回の価格変更自体は認められています）。Walmartの幹部も、電子棚札を需要急増時の値上げ（サージプライシング）には使わないと発言しています（Modern Retail）。

国内でも、ダイナミックプライシングは「売れ残りの値下げ」に限定するなど、顧客に説明しやすいルールで運用するのが無難です。

生成AI・AIエージェントのリスク

従業員向けチャットボットやAIエージェントには、誤回答（ハルシネーション）や、業務データの取り扱いに関するリスクがあります。アクセス権限の設計やログ管理など、セキュリティ面の対策はAIエージェントのセキュリティで詳しく解説しています。

AI導入がおすすめのスーパー・まだ早いスーパー

AI導入で成果が出やすいのは、データがそろっていて、発注やロスに明確な課題がある企業です。逆に、データが不正確なまま導入しても期待した効果は出にくくなります。

こんなスーパーにおすすめ

• 店ごとのPOS・在庫データがシステムで管理されている
• 発注が特定のベテラン社員に頼っていて、異動や退職のたびに精度が落ちる
• 受発注に毎日1時間以上かかっている
• 惣菜・日配の廃棄や値引きロスが多く、金額を把握できている
• 鮮魚・惣菜・レジの人手不足で、作業を減らす必要に迫られている
• 複数店舗を展開しており、店舗間で発注やロスのばらつきが大きい

まだ早い・先に準備が必要なスーパー

• 在庫数がシステム上の数値と実際で大きくずれている → 先に棚卸しと在庫管理の見直しを
• 商品マスタが店舗ごとにばらばらで統一されていない
• 店舗数が少なく、手作業の発注で十分回っていてロスも少ない
• 効果を測る指標（発注時間・廃棄率・欠品率など）を記録していない
• 完全無人店舗のような大規模投資を、検証なしで一気に進めようとしている

ネットスーパーや宅配を強化したい場合は、EC・ネットショップのAI活用事例もあわせて検討すると、店舗とECの在庫・需要予測を一体で考えやすくなります。

よくある質問（FAQ）

Q. 中小規模のスーパーでもAI発注は導入できますか？

導入できます。シノプスの「sinops-CLOUD」のように、1機能・1カテゴリ・1店舗から始められるSaaS型のサービスがあります。ただし、効果を出すには店ごとの在庫データが正確であることが条件です。デジタル化・AI導入補助金や中小企業省力化投資補助金を使えば、初期費用の負担を抑えられる場合があります。

Q. AI発注を入れたら、発注担当者は不要になりますか？

現時点では不要にはなりません。グロサリー・日配では提案の90%以上がそのまま採用される事例がある一方、新商品や特売、天候の急変などでは人の修正が必要です。担当者の役割は「毎日数を考える作業」から「AIの提案を確認し、例外に対応する作業」に変わります。

Q. AI値引きとダイナミックプライシングは何が違いますか？

AI値引きは、閉店前などに「何円引くか」をAIが提案し、従業員がラベルを貼る仕組みです。ダイナミックプライシングは、電子棚札と連動して売れ行きに応じて価格そのものを変える仕組みで、ラベル貼りの作業も減らせます。国内ではAI値引きが全店導入の段階、ダイナミックプライシングは実証の段階です。

Q. ChatGPTなどの汎用生成AIはスーパーの業務に使えますか？

チラシの文案作成、POPのキャッチコピー、社内マニュアルの要約、パート向けの教育資料づくりなどには使えます。一方、発注数の予測には、POSや在庫データと連携した専用の需要予測システムが必要です。汎用の生成AIに会員情報や取引先の情報を入力しないなど、社内ルールを先に決めておきましょう。

Q. 導入効果はどのくらいの期間で出ますか？

公表事例を見ると、グロサリーの自動発注は全店稼働後、数か月以内に発注時間や在庫の削減が確認されています。ただし、マスタ整備や試験導入を含めると、検討開始から全店展開まで1年以上かかるケースが一般的です。まず数店舗で3か月程度試し、数値で効果を確認してから広げるのが安全です。

まとめ｜まずは発注とロス削減から始め、AIエージェントは実証で見極める

スーパーマーケットのAI活用は、2026年時点で次のように整理できます。

• すぐ成果が出る領域: グロサリー・日配の需要予測型自動発注（ヤオコー、サミット、ハローデイ、トライアルなどが全店導入）、惣菜のAI値引き（イオン、藤三など）
• 拡大中の領域: 生鮮の需要予測とプロセスセンター連携（ライフ、サミット）、欠品検知・品出し支援（PFN MiseMise）、スマートカート（トライアル）
• 実証段階の領域: ダイナミックプライシング（ロッキー、バロー）、棚割り生成や店舗運営のAIエージェント（イオンフードスタイル×富士通、バロー）
• 注意が必要な点: 在庫データの精度、生鮮の予測の難しさ、カメラと個人情報、価格設定に対する顧客の信頼、完全無人化の経済性

人手不足が今後さらに進むなかで、AIは「一部の大手だけのもの」ではなくなりつつあります。自社の課題が発注・ロス・品出し・レジのどこにあるかを数字で確認し、成果の出やすい領域から小さく始めることが、失敗しない導入の近道です。

小売業全体のAI活用の流れは小売業のAI活用事例、食品業界の上流の動きは食品・食品加工業のAI活用事例でも解説しています。