流通業のAI活用はどこから始める？需要予測・在庫・物流・店舗の進め方
流通業は、需要の波・在庫・物流・店舗運営という複数の変動を同時に抱えています。どれか一つを締めると別のどこかが緩む構造で、担当部署ごとに最適を追うほど全体の数字は合わなくなります。
AIに期待が集まるのは、この絡まりを人の勘ではなく数字で解きたいからです。
一方で、「何ができるかは分かったが、自社のどこから手をつければいいのか分からない」という状態で止まっている企業が少なくありません。
この記事では、流通業でAIが成果につながりやすい業務を、需要予測・在庫・物流・店舗運営の順に整理し、どこから始めてどう広げるかまでを扱います。
- Index
流通業のAI活用とは？どの業務から成果が出るのか
流通業のAI活用とは、販売・在庫・物流・店舗の各データを解析し、これまで担当者の経験で決めていた判断を数字で支える仕組みのことです。発注量、在庫の置き場所、配送の組み方、人の配置といった日々の判断が対象になります。
成果が出やすいかどうかは、AIの高度さではなく判断の回数で決まります。
月に一度しか決めないことを自動化しても、浮く時間は限られます。毎日・全店舗・全商品といった単位で繰り返し判断している業務ほど、少しの精度差が積み上がって効きます。流通業はこの条件に当てはまる業務が多く、だからこそ着手先を選べてしまい、かえって迷いが生まれます。
業務別に見た手のつけやすさ
手のつけやすさは、必要なデータが社内にすでにあるかどうかでほぼ決まります。
| 業務 | 使うデータ | 手のつけやすさ |
|---|---|---|
| 需要予測・発注 | 販売実績・在庫・販促・天候 | 高い。POSと在庫が揃っていれば既存データで始められる |
| 在庫配置・移動 | 拠点別在庫・出荷実績 | 中程度。拠点をまたぐ粒度の統一が要る |
| 配送計画 | 受注・車両・時間指定 | 中程度。外部委託分のデータが取れるかで変わる |
| 店舗の来店・行動 | 設置済みカメラの映像 | 高い。新しい機器を買わずに始められる場合がある |
| 需要と人員の突き合わせ | 来店実績・シフト | 低め。来店データを先に作る必要がある |
やることは決まっているのに、なぜ進まないのか
止まっている理由の多くは、技術でも予算でもありません。何から手をつけ、どう実装に移すかという実行の設計が抜けていることです。関心も予算もある企業ほど、この段階で足踏みします。
流通業で特に起きやすいのが、部署ごとに正解が違う状態です。
営業は欠品を避けたい、物流は積載率を上げたい、経理は在庫を減らしたい。それぞれの言い分は正しいのに、同じ数字を見ていないので議論が噛み合いません。この状態でAIを持ち込むと、「予測が当たっていない」という話にすり替わって終わります。
もう一つは、分析が報告書で止まることです。予測や分析の結果が会議資料にはなっても、発注画面や計画のフォーマットには入っていない。見る人が別のシステムを開かないと確認できない作りだと、忙しい現場では使われなくなります。
需要予測と発注：予測は「当てる」より「使われる」形にする
需要予測AIは、販売実績に加えて販促・天候・カレンダーなどを合わせて解析し、商品や店舗の単位で将来の需要を数値で示す仕組みです。流通業では発注量の決定に直結するため、投資対効果を確認しやすい領域になります。
ただし、予測の精度だけを追うと成果につながりません。現場が見るのは予測値そのものではなく、その日の発注数だからです。
予測を出したうえで、誰がいつどの画面で見て、どこまでを自動で確定し、どこから人が判断するのかまで決めておかないと、担当者は結局これまでどおりの勘で発注します。
当社が支援した案件でも、予実のズレを分析してレポートする形では現場に還元されませんでした。
分析の知見をシステムに組み込み、計画を立てる時点で過去の似た状況をその場で参照できる形に変えて、はじめて意思決定に入り込んでいます。分析は単発で終えず実装に転換したときに、価値が続きます。
予測を計画や予算に組み込む設計そのものは、製造業でも同じ論点になります。要因分解の手法まで踏み込んだ整理は製造業の需要予測AI、予実のズレをなくす進め方で扱っています。
在庫と物流：ズレの理由を説明できる形にする
在庫と物流では、予測を当てることより外れた理由を説明できることが効きます。理由が残らないと、翌月の計画は前月と同じ前提で立てられ、同じズレが繰り返されるからです。
流通業の在庫は、需要側の読み違いだけでずれるわけではありません。
入荷の遅れ、拠点間の移動、販促の急な差し込み、返品。これらが混ざった結果として在庫が合わなくなるため、「予測が外れた」の一言で片づけると打ち手が決まりません。差異を要因ごとに分解して、どれがどれだけ効いたかを数字で置けるようにしておくと、次にどこを直すかの議論ができます。
物流側では、時間外労働の上限規制が入って以降、同じ人数と車両で運べる量の前提そのものが変わりました。
従来の配車の組み方を踏襲したまま需要だけを予測しても、運べなければ意味がありません。需要の予測と、運べる量の制約を同じ土俵に乗せることが、流通業の物流でAIを使うときの出発点になります。
店舗運営：既存カメラの映像を人手をかけずに数える
店舗のAI活用で最も始めやすいのは、すでに設置してある防犯カメラの映像を数える対象として使うことです。新しい機器を買わずに、来店者数や時間帯の偏りを自動で集計できる場合があります。
ここは精度が問われる領域なので、実測の数字を挙げます。
当社が設置済みカメラの映像をAPI連携で取得し、来店・退店者数を自動カウントした検証では、複数のロードサイド店舗で実測誤差±2%以内（IN/OUTバランス98〜102%）を確認しました。インショップ型の店舗は条件が難しく、RMSE評価で実用水準を確認したうえで精度改善を続けています。
来店者数が日次で取れるようになると、売上だけを見ていたときには分からなかったことが見えます。
売上が落ちた日に、来ていないのか、来たのに買っていないのかを切り分けられるからです。前者なら販促の問題、後者なら売場か在庫の問題で、打ち手がまったく変わります。
映像を防犯以外の目的に使う場合は、取得と利用の範囲を先に整理しておく必要があります。進め方は店舗の行動分析、既存カメラで始めるで詳しく扱っています。
どこから始めるか：スモールスタートの順番と期間の目安
最初の対象は、需要の変動が大きく、成果が数字で見える範囲に絞るのが現実的です。全社の基盤づくりから入ると、投資判断の会議が続いて現場が動かないまま時間が過ぎます。
当社の標準的な進行では、要件定義に約3か月、PoC（概念実証）に約2か月、本番システムの構築まで通算で約9〜12か月が目安です。対象範囲と手元のデータの整い方によって前後します。
この期間を長いと見るか妥当と見るかは、最初の対象の決め方で変わります。1カテゴリ・1エリアに絞れば、PoCの段階で判断材料が出ます。
当社が取っているのは、いきなり全社の基盤を提案しない進め方です。
小さな分析やPoCで成果を見せ、そこで得た信頼をもとにダッシュボード化・システム実装・全社展開へ広げていきます。投資判断のハードルを下げながら、実装まで連れていけます。
もう一つ、着手前に決めておくと後が楽になるのが指標の定義です。
「在庫」や「欠品」が部署ごとに違う意味で使われている状態のまま予測を始めると、結果の良し悪しを判定できません。定義を揃える作業は地味ですが、ここを飛ばした案件はあとで必ず戻ります。
内製と外注はどう分けるか
流通業でAIを扱うとき、すべてを内製する必要も、すべてを外部に任せる必要もありません。分け方の基準は、その業務の判断基準を社内が持っているかどうかです。持っている領域は社内に残し、作る部分だけを外に出します。
発注や売場の判断基準は社内にしかありません。ここを外部に丸ごと預けると、モデルは動いても現場の納得が得られず使われなくなります。一方、データ基盤の設計、モデルの構築と更新、システムへの組み込みは外部の経験が効く領域です。
社内が判断基準と評価を握り、作る部分を外に出す形が、現実的な落としどころになります。
発注先の選び方や費用の考え方はAI受託開発とは？費用相場・会社の選び方・失敗しない発注ガイドに、任せる範囲の線引きはデータ分析の外注はどこまで任せられる？にまとめています。
まとめ：AIは「導入する」より「使われる」ことで成果になる
流通業でAIが効くのは、毎日繰り返される判断を数字で支える場面です。需要予測、在庫の配置、配送の組み方、店舗の来店把握。どれも判断の回数が多く、少しの精度差が積み上がります。
そのうえで成果を分けるのは、モデルの精度よりも使われ方です。
予測を発注の画面に入れる、ズレた理由を残す、指標の定義を揃える。こうした地味な設計が、分析を報告書で終わらせないための条件になります。最初の対象を絞ってPoCで判断材料を作り、そこから広げる進め方が結局は近道です。
データの整理や分析基盤の構築について、何から手をつければよいかわからない場合や、自社の状況を整理したい場合は、お気軽にご相談ください。
よくある質問（FAQ）
Q. 流通業でAIを使うなら、どの業務から始めるのがよいですか？
A. 判断の回数が多く、必要なデータが社内にすでにある業務からです。販売実績と在庫が揃っていれば需要予測と発注が始めやすく、設置済みのカメラがあれば来店者数の把握も新しい機器を買わずに始められます。全社の基盤づくりから入ると判断が止まりやすいので、1カテゴリや1エリアに絞ることをおすすめします。
Q. 導入までにどのくらいの期間がかかりますか？
A. 当社の標準的な進行では、要件定義に約3か月、PoCに約2か月、本番システムまで通算で約9〜12か月が目安です。対象範囲と手元のデータの整い方で前後します。最初の対象を絞れば、PoCの段階で続けるかどうかの判断材料が出ます。
Q. 予測の精度はどのくらい必要ですか？
A. 求める精度は用途で決まります。発注量を自動で確定させるなら高い精度が要りますが、担当者が判断する材料として出すなら、外れた理由を説明できることのほうが効きます。精度の目標を決める前に、誰がその数字を見て何を決めるのかを先に固めてください。
Q. 既存の防犯カメラの映像を分析に使えますか？
A. 使える場合があります。当社の検証では、設置済みカメラの映像から来店・退店者数を自動カウントし、複数のロードサイド店舗で実測誤差±2%以内を確認しました。ただし店舗の形状や画角によって条件は変わるため、まず数店舗で確かめてから広げる進め方が安全です。
関連記事
Contact
お問い合わせ
データ分析からAI導入、映像の可視化まで。一気通貫で任せられるパートナーを探しているならご相談ください。
分析基盤の構築から映像分析、システム開発まで。課題の棚卸しから伴走し、ビジネスの成果に直結する設計を共に創ります。
