AI活用事例2026年11月更新

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】

公開日: 2026/10/04
更新日: 2026/11/18
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】

この記事のポイント

スーパーマーケットのAI活用を、発注・需要予測、AI値引き、欠品削減、棚割り、レジ省人化の業務別に整理。2026年版の業界統計と、ヤオコー・ハローデイ・トライアル・バローなどの導入事例を数値の条件つきで比較し、費用・補助金・規制上の注意点まで解説します。

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。ヤオコーは実証店舗で発注時間を約3時間から約25分に縮め、バローの実証では惣菜の食品廃棄量が12.6%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、2026年の業界調査でも「業務にAIをすでに活用している」企業は28.1%にとどまります。

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)
  • 2026年版スーパーマーケット年次統計調査で見る、AI・自動発注・セルフレジの普及状況
  • 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と、その数値の条件
  • 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団体が2026年10月に公表した「2026年スーパーマーケット年次統計調査」で確認できます。2026年版ではAI活用についての設問が新たに加わりました。

項目

2026年調査

前年(2025年調査)

業務・作業にAIを「すでに活用している」企業

28.1%(今後活用予定36.9%、予定なし35.0%)

設問なし

セルフレジを設置している企業

49.8%

41.7%

セミセルフ(セルフ精算)レジを設置している企業

83.3%

77.0%

レジレスを導入している企業

1.5%

4.1%

全レジに占めるセルフ/セミセルフの割合(標準店舗)

69.2%

61.6%

生産性向上策として「自動発注システムの導入」

45.8%

48.8%

生産性向上策として「需要予測型発注システムの導入」

19.3%

14.7%

生産性向上策として「電子棚札の導入」

23.3%

18.2%

食品ロス対策として「発注の精度向上・需要予測型発注の導入」

61.7%

54.2%

食品ロス対策として「値引きによる売り切り推進」

91.5%

92.7%

人手不足への対策を実施している企業

96.5%

98.1%

従業員1人あたり年間売上高

2,820万円

2,710万円

出典: 一般社団法人全国スーパーマーケット協会ほか「2026年スーパーマーケット年次統計調査 報告書(詳細版)」(2026年6〜7月実施、有効回答248社。数値は業界推計値)

自動発注は生産性向上策として約半数の企業が取り組み、食品ロス対策として需要予測型の発注を進める企業は6割を超えました。ただし「自動発注システムの導入」は前年の48.8%から45.8%に下がっており、回答企業の入れ替わりもあるため、普及は横ばいに近いと見るのが妥当です。電子棚札とセルフレジは、はっきり増えています。

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。

課題

現状を示すデータ

対応するAI

鮮魚・惣菜・精肉の人手不足

正社員が足りない部門: 水産57.6%、惣菜46.4%、畜産43.8%

生鮮の需要予測、プロセスセンター連携、作業割当AI

レジ・パートの人手不足

パート・アルバイトが足りない部門: 惣菜58.0%、レジ56.7%、水産51.1%

セルフ/セミセルフレジ、スマートカート、不正検知カメラ

発注の手間と属人化

受発注に1日1〜2時間以上かけている事業者がいる(政府の小売業プラン)

需要予測型の自動発注

品出しのコスト

品出しの人件費は店舗規模により年間330万円〜数千万円程度(同プラン)

欠品検知カメラ、在庫確認ロボット、品出し指示アプリ

食品ロス・値引きロス

食品ロス対策として91.5%が値引きで売り切り、61.7%が発注の精度向上・需要予測型発注に取り組む

AI値引き、ダイナミックプライシング、電子棚札

出典: 2026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)

人手不足の上位部門の割合は前年より下がりましたが、水産・惣菜・レジで5割前後が「足りない」と答える状況は変わっていません。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年版の年次統計でも、AIを使っている業務は「バックオフィス」19.1%、「需要予測発注」13.2%が上位で、「棚割最適化」2.7%、「値引き最適化」0.8%、「欠品検知」0.5%はまだ少数です(いずれも業界推計値)。2026年11月時点で公開されている事例とあわせて、業務ごとの実用度を整理しました。

業務

AIの役割

主な効果

主要ツール・ベンダー

成熟度

発注・需要予測(グロサリー・日配)

天候・特売・曜日などから発注数を算出

発注時間の短縮、在庫削減、欠品減

日立、BIPROGY、シノプス、日本IBM、Retail-CIX

◎ 全店導入が多数

発注・需要予測(生鮮・惣菜)

加工計画やプロセスセンターへの事前発注を予測

発注作業の削減、ロス削減

BIPROGY「AI-Order Foresight」、日立

○ 大手で導入・拡大中

値引き最適化

在庫と売れ行きから値引き率・タイミングを提示

値引き・廃棄ロスの削減、作業時間削減

イオン「AIカカク」、シノプス×サトー

○ 大手・中堅で導入。業界全体ではまだ少数

ダイナミックプライシング

売れ行きや消費期限に応じて価格を変える(電子棚札連動、売場掲示+POSでの自動値引きなど)

ロス率改善、値引き作業の削減

シノプス、ソフトバンクほか

△ 実証段階

欠品検知・品出し

カメラやロボットで棚を確認し品出しを指示

探索時間の短縮、欠品減

PFN「MiseMise」、オムロン

△ 導入と実証が混在

棚割り

棚割りレイアウト案の生成

棚割り作業の効率化

富士通(AIエージェント)、PFN「MiseMise 棚割」

△ 実証段階

レジ省人化

セルフ会計、スマートカート、不正検知

レジ人員の削減、待ち時間短縮

セルフ/セミセルフレジ、トライアル「レジカート」

◎(セルフ)/△(完全無人)

従業員支援(生成AI)

業務マニュアル・法令を学習したチャットボット

問い合わせ・調べものの時間短縮

イオンリテール「AIアシスタント」

○ 大手で導入

店舗運営AIエージェント

計画立案、施策提案、推奨理由の説明、商圏分析

計画作業の時間短縮

富士通、ソフトバンク

△ 実証段階

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

ライフが生鮮部門に導入したBIPROGYのAI需要予測による発注自動化サービス「AI-Order Foresight」の概要図

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。年次統計でも、AIを活用している業務のうち「需要予測発注」は、店舗数51店舗以上の企業では71.0%に達しています。

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。これらは2021年6月〜2022年1月に実証した2店舗での実測値です(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〜): 2024年1月に5店舗で先行導入し、2025年6月に全店へ広げました。2025年8月と前年同月を比べると、1か月の総労働時間は6,837時間減、残業時間は7.9%減、人時生産性は8.4%向上し、欠品率も前年比6.99%減りました。自動発注率は90%以上です(日立 ニュースリリース)
  • 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2025年9月から順次導入しました。実証では補充業務が約10%軽く、在庫が20%減ったと同社は説明しています。全店では各店で月180人時相当の削減、過剰在庫の約30%削減を見込んでいます(NTT AI-CIX ニュース、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。

一方で、従来の自動発注でも「提示された数の確認・修正」は店に残り、棚に入りきらない量が届くと品出し回数やバックヤード在庫が増えるという課題があります。シノプスは2026年11月5日、店舗での発注確認・修正の作業をなくすことを目指す「自動納品(仮称)」を発表しました。棚の容量や見栄えを考えて納品量と発注単位を決める仕組みで、三重県のぎゅーとらの一部店舗で、洋日配・和日配の一部商品を対象に2026年10月末から実証しています。実証期間中は、推奨どおりに運用した分について、自動発注が原因で増えた値引き・廃棄ロスをシノプスが補償します(上限は導入企業と合意した範囲)。結果は実証後に公表される予定です(シノプス リリース)。

既製のAI発注サービスが自店の発注単位やPOSデータの持ち方に合わず、自社用に作ってもらうことを考えるときは、小売の自動発注システム開発で、既製品の選定で足りる条件と作り込みが要る範囲を整理しています。

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。一部商品で予測期間を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
  • ロッキー(熊本): シノプスの自動発注を全28店の多くのカテゴリで使っていましたが、精肉は未導入で、2024年に初めて実証を始めました。生鮮が後回しになりやすいことを示す例です

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

アオキスーパーが導入したBIPROGYの電子棚札(ESL)と売場での表示例

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91.5%の企業が値引きで売り切りを進めている一方、値引きにAIを使っている企業は0.8%にとどまり、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。2024年5月には惣菜・日配の一部に加えて畜産・水産にも広げ、発注支援の「AIオーダー」とあわせて約380店舗・約1,200品目に適用しました(Impress Watch)。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・POSとの連動)

ダイナミックプライシングは、売れ行きや消費期限に応じて価格そのものを変える仕組みです。電子棚札(ESL)と連動させる方法のほか、値引率を売場に掲示してPOSで自動的に値引きする方法もあります。国内ではまだ実証が中心で、数値は実証の条件とあわせて読む必要があります。

  • 熊本ロッキー(シノプス「sinops-R」): 1店舗の精肉(冷凍を除く)で、2025年8月25日〜9月21日の約4週間、カテゴリ別・消費期限別の値引率を売場に掲示し、値引シールを貼らずにPOSで自動適用する実証を行いました。店舗ロス率は1.3ポイント、廃棄率は0.3ポイント下がり、値引作業の工数は83.3%減りました。全28店に広げた場合の削減額は年間約9,900万円と推計しています。これとは別に、全28店の精肉で2024年6月〜2025年5月に行った仕入れ調整の実証では、店舗ロス率が1.56ポイント改善しました(シノプス リリース)
  • バロー(20店舗の惣菜・2026年1月23日〜3月12日の実証): 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AI自動発注、値引きのタイミングと価格を推奨するダイナミックプライシング、推奨の理由を説明する「店舗運営AIエージェント」を組み合わせて検証しました。同じ地域・同規模の店と比べたA/Bテストで、食品廃棄量は12.6%減、発注・計画作業の時間は36.5%短縮(週約127分→約81分)、欠品回数は3.2%減、売上は2.9%増、売上総利益は4.1%増でした。中部フーズはバローの惣菜部門全店へ広げる予定です(ソフトバンク ニュース)

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。年次統計では電子棚札を導入した企業が23.3%(前年18.2%)に増えました。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出ています。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

Preferred Networksの店舗向けサービス「MiseMise 品出し」のロゴ

出典: MiseMise 品出し(株式会社Preferred Networks)

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。年次統計でも欠品検知にAIを使っている企業は0.5%にとどまります。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

欠品の減少は、カメラやロボットよりも自動発注の副次効果として数字が出ています。ハローデイは自動発注の全店導入後に欠品率が前年比6.99%減、バローの惣菜の実証では欠品回数が3.2%減りました。

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

Preferred Networksの棚割り作成サービス「MiseMise 棚割」のロゴ

出典: MiseMise 棚割(株式会社Preferred Networks)

棚割りへのAI活用は、2026年時点では実証段階です。年次統計で棚割最適化にAIを使っている企業は2.7%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。実証結果は2026年11月時点で公表されていません(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

トライアルと西友の新フォーマット店舗「トライアル西友 二俣川店」の外観

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。2026年の年次統計では、セルフレジを置く企業が49.8%、セミセルフレジは83.3%で、標準的な店舗ではレジの69.2%が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、2026年4月時点で全国約22,700台が稼働し、その後の出店案内では約23,000台としています
  • トライアル西友: 花小金井店は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%増を記録しました。2026年は武蔵新城(2月)、二俣川(4月)と出店が続き、2029年6月期までにトライアル西友を30店舗にする計画です(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82.2%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。年次統計でもレジレスを導入している企業は1.5%です。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 15店とAmazon Fresh 57店の計72店を閉鎖すると発表しました(WTOP News)。ただし、Just Walk Out の技術は第三者へのライセンス提供を続けるとしています。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です。

依頼範囲と費用の目安を30分で整理します

初回相談は無料・30分(オンライン)。要件が決まっていなくても大丈夫です。改修100万円〜・PoC300万円〜(税別)

生成AI・AIエージェントによる従業員支援

スマートフォンに表示された生成AIアシスタントの入力画面

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。年次統計では、AIを使っている業務のうち「バックオフィス業務」が19.1%、「マニュアル・業務手順の問い合わせ対応」が9.0%で、売場より事務・問い合わせが先に進んでいます。

  • 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」が、発注量や値引きの推奨について、その理由や予測の背景を生成AIで説明します。AIが自律的に発注するのではなく、現場が推奨を受け入れやすくする役割です
  • 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を減らすのに役立ちます。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、公表された数値とその条件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が、対象店舗・期間・比較方法がそれぞれ違うため、数字どうしを単純に比べることはできません。

企業

規模・時期

領域

ベンダー

公表されている効果

数値の条件

ヤオコー

全182店舗・2022年11月

自動発注(グロサリー・日配)

日立、オプティマムアーキテクト

発注時間約85%短縮、在庫約15%減、自動化率約98%

実証2店舗での実測値

サミット

全123店舗・2024年10月〜

自動発注(グロサリー)

日立

提案採用率95%、欠品改善・在庫低減

同社・日立の発表

ハローデイ

全49店舗・2025年6月〜

自動発注(日配・グロサリー)

日立

月6,837時間減、人時生産性8.4%向上、欠品率6.99%減

2025年8月と前年同月の比較

ライフ

全304店舗の生鮮・2024年4月

生鮮の事前発注予測

BIPROGY

予測期間5日→3週間、事前発注作業の削減

一部商品

マルイ(岡山)

全24店舗・2024年9月

自動発注(日配)

日本IBM

予測精度96%超、ロス率2.5%減、発注時間半減

報道ベース

トライアル

264店舗・2026年2月

自動発注

Retail-CIX

実証で補充業務約10%軽減・在庫20%減

全店の効果(月180人時削減など)は見込み

イオンリテール

約380店舗・約1,200品目(2024年5月時点)

AI値引き(AIカカク)

日本IBMと共同開発

値引き・廃棄ロス損失を約1割削減

報道ベース

藤三(広島)

全26店舗・2026年3月

AI値引き(惣菜)

サトー×シノプス

実証3店舗で廃棄率改善

数値は非公表

熊本ロッキー

1店舗・2025年8〜9月

ダイナミックプライシング(精肉)

シノプス

ロス率1.3pt改善、値引工数83.3%減

約4週間の実証。全店9,900万円/年は推計

バロー

20店舗・2026年1〜3月

惣菜の自動発注+価格+AIエージェント

日本気象協会、ソフトバンク

廃棄12.6%減、作業36.5%短縮、粗利4.1%増

同地域・同規模店とのA/Bテスト

ぎゅーとら(三重)

一部店舗・2026年10月末〜

自動納品(日配)

シノプス

結果は未公表

実証中。ロス増加分はベンダーが補償

トライアル西友 花小金井店

1店舗・2025年11月改装

スマートストア

トライアル

2か月で売上約42%増、客数約36%増

改装前との比較(同社発表)

この表からは、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」だと分かります。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。ベンダーの資料で効果の数字を見るときは、何店舗・何週間の結果か、実測か推計かを必ず確かめてください。なお、コンビニのAI発注は業態が異なるため、この記事では扱っていません。コンビニの動きはコンビニのAI活用で解説しています。

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。

ベンダー・製品

得意領域

主な導入企業(公表分)

特徴

料金

日立「Hitachi Digital Solution for Retail」

需要予測型自動発注(グロサリー・日配)

ヤオコー、サミット、ハローデイ

2019年以降、GMS・ドラッグストア・食品卸などに適用実績。全店導入の事例が多い

個別見積もり

BIPROGY「AI-Order Foresight」

生鮮の事前発注予測、電子棚札(ESL SaaS)

ライフ、アオキスーパー(ESL)

プロセスセンター・メーカーへの事前発注に強い

個別見積もり

シノプス「sinops-CLOUD」「sinops-R」

自動発注、AI値引き、ダイナミックプライシング、自動納品(実証中)

イオン九州、藤三、熊本ロッキー、ぎゅーとら

同社の有価証券報告書によると、食品ロス削減ソリューション市場で国内シェア1位(2022年度)。1機能・1カテゴリ・1店舗から始められる

個別見積もり

サトー(FLEQVほか)

値引きラベルの発行

イオン九州、藤三

シノプスと組み、スキャンするだけで値引きラベルを発行

個別見積もり

PFN「MiseMise」

品出し、欠品検知、AI値引き・棚割(β)

ユニバースなど

店舗作業全体をカバー。ロボットによる売場確認も

非公開

Retail-CIX「CIX-自動発注」

自動発注+デジタルツイン

トライアル

NTT AI-CIXとRetail AIの合弁会社

非公開

日本IBM

需要予測(日配)、AI値引き

マルイ、イオンリテール

予測精度96%超の事例

個別見積もり

富士通

店長協働AIエージェント(棚割り・商圏分析)

イオンフードスタイル(実証)

約10日でプロトタイプ4種を開発

非公開

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

見積もりの段階では、料金に加えて「効果が出なかったときの扱い」も確認しておくと比較しやすくなります。シノプスの自動納品の実証のように、自動発注が原因で増えたロスをベンダーが一定範囲で補償する例も出てきました。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べてください。

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。

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次の表のとおりです。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。

導入形態

費用の目安(参考)

向いている企業

SaaS型(カテゴリ・店舗単位で開始)

初期30万〜150万円+月額3万〜10万円程度の例

中小スーパー、まず効果を試したい企業

需要予測システムの個別開発

300万〜600万円程度

特殊な商品構成・業務がある企業

多店舗・多カテゴリでの本格導入

1,000万〜1,500万円程度

中堅〜大手チェーン

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): 2026年11月18日時点で、残る締切は第7次が2026年12月1日17時、最終の第8次が2027年1月7日17時と案内されています。第7次から賃上げ要件が変わるなど、回ごとに条件が違うため、公式サイトの事業スケジュールと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。カタログ注文型は従業員規模に応じて上限200万〜1,500万円、一般型は最大1億円です。公募回や締切、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基本です。公表されている事例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やPOSでの自動値引きと組み合わせます
  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

年次統計では、AIを需要予測発注に使っている企業の割合が、1〜3店舗で5.9%、4〜10店舗で11.6%、11〜25店舗で12.5%、26〜50店舗で27.3%、51店舗以上で71.0%と、規模で大きく違います。規模に合った始め方を選ぶことが大切です。

規模

おすすめの始め方

注意点

中小スーパー(〜20店舗程度)

SaaSを1カテゴリ・1店舗から試し、補助金を活用

在庫データが不正確なままだと効果が出ない

中堅チェーン(20〜100店舗程度)

グロサリー・日配の全店自動発注+惣菜のAI値引き

店舗ごとの運用差をなくすマニュアル化が必要

大手チェーン(100店舗以上)

全店自動発注に加え、生鮮・サプライチェーン連携、AIエージェントの実証

ベンダーが複数になるため、データ連携の設計が重要

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。比べるときは、バローのように同じ地域・同規模の店を比較対象に置くと、天候や季節の影響を切り分けやすくなります。

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。

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。自動発注率90%以上のハローデイでも、残り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
  • 自動発注を入れても店の作業はゼロにはなりません。提示数の確認・修正が残るほか、棚に入らない量が届くと品出しやバックヤード在庫の管理が増えます
  • 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 15店とAmazon Fresh 57店の閉鎖を発表し、「独自の買い物体験と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。国内でもレジレスを導入している企業は1.5%(2026年年次統計)にとどまります。

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。米国メリーランド州では、売場面積15,000平方フィート以上の食料品店と宅配事業者を対象に、消費者の個人データを使って個人ごとに高い価格を付けることを禁じる州法が2026年10月1日に施行されました。ロイヤルティプログラムやプロモーション、本人が同意した場合などは例外で、電子棚札そのものは禁止されていません(Skadden、Grocery Dive)。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「消費期限が近い商品の値下げ」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。熊本ロッキーの実証のように、カテゴリ別・消費期限別の値引率を売場に掲示する方法は、価格の決まり方を顧客に見せやすい例といえます。

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
  • 水産・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2026年の年次統計では、需要予測発注にAIを使う企業は1〜3店舗の規模で5.9%と少なく、先行事例が少ないのも事実です。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、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。確認作業そのものをなくす試みも始まっていますが、2026年11月時点ではまだ実証の段階です。

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、売れ行きや消費期限に応じて価格そのものを変える仕組みで、電子棚札と連動させたり、売場に掲示した値引率をPOSで自動適用したりして、ラベル貼りの作業も減らせます。国内ではAI値引きが大手・中堅での全店導入の段階、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。生成AIで作った販促物は、表現や表示内容を人が確認してから売場に出しましょう(コンビニでの例はセブン-イレブンのAI生成POP問題を参照)。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、社内ルールも先に決めておく必要があります。

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。ハローデイは先行導入から全店展開まで約1年半、全店稼働の2か月後の比較で労働時間の削減を公表しました。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年以上かかるのが一般的です。まず数店舗で3か月程度試し、数値で効果を確かめ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)、電子棚札、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(熊本ロッキー、バロー)、発注確認をなくす自動納品(ぎゅーとら)、欠品検知・品出しのロボット、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、公表数値の条件の違い、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

業務にAIを使っているスーパーは2026年時点で28.1%、今後使う予定の企業を含めると6割を超えます。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かめ、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。

依頼範囲と費用の目安を30分で整理します

この記事の著者

AI革命

AI革命

編集部

AI革命株式会社の編集部です。最新のAI技術動向から実践的な導入事例まで、企業のデジタル変革に役立つ情報をお届けしています。豊富な経験と専門知識を活かし、読者の皆様にとって価値のあるコンテンツを制作しています。

AI・システム開発は、開始価格を公開しています

既存システムの改修 100万円〜・PoC 300万円〜(税別)。相談内容を送っていただくと、2営業日以内に担当者からご返信します