小売業のAI導入事例8件 発注・値引き・レジ・問い合わせ・事務の結果と条件、中小の小売店の例【2026年11月】
スーパーやコンビニ、EC、小売の会社の本部は、発注・値引き・レジ・事務のどこにAIを入れているのでしょうか。中小機構の2025年11〜12月の調査では、AIを導入している小売業の中小企業は19.4%でした。
公式に発表された小売業のAI導入事例は、発注・値引き・レジ・問い合わせ・事務の5つの業務に分かれます。従業員205人と61人の会社の例もあります。
この記事を読むと、自社の業務に近い事例の結果と条件を確かめ、最初に試す業務を決められます。事例は2026年11月14日に各社と公的機関の公式ページで確認しました。この記事は、AIエージェントの開発と導入の支援をしている株式会社AITECHが書いています。
この記事の結論
- 背景：中小機構の調査（2025年11〜12月）では、AIを導入している小売業の中小企業は19.4%。導入目的の最多は作業時間の短縮（86.0%）
- 事例の業務：発注・需要予測、値引き、レジ、EC・問い合わせ、本部の事務の5つに分かれる
- 公表された結果：発注の作業時間は公表事例4件で3〜5割減（セブン‐イレブン・ジャパン約40%・イオンリテール平均5割など）。値引きのAIではロス率が1割以上低減（イオンリテール）。条件は事例ごとに違う
- 中小の小売店：従業員205人の大津屋がレジの惣菜の判別にAIを使い、61人のエヌエスケーケーは全社員が生成AIを使える環境を整えている
- 始め方：困りごとを業務ごとに時間・件数・廃棄の額で書き出し、単品ごとの販売実績がそろう業務を1店舗で試す
店舗アンケートやPOSデータの分析など、業務別のAI活用例（認定パートナー・外部の例を含む）を確かめられます
株式会社AITECHの支援事例を見る
小売業のAI導入の背景
小売業のAI導入は、中小企業では約5社に1社で、導入した会社の目的の最多は作業時間の短縮です。中小機構が全国の中小企業10,000社に聞いた調査で、業種ごとの導入率が分かります。
| 項目 | 公的機関の資料の数字 |
|---|---|
| AIの導入率（中小企業全体） | 20.4%（回答1,647社） |
| AIの導入率（小売業） | 19.4%（回答257社・全社的に導入3.1%、一部の業務で導入16.3%） |
| 小売業の導入目的 | 業務効率化／作業時間の短縮86.0%、人手不足対応30.0%（AIを導入した50社・複数回答） |
| 食品小売業の食品ロス | 48万トン（2024年度の推計） |
導入率は、AIを「全社的に導入している」と「一部の業務で導入している」と答えた会社の合計です。小売業の19.4%は、全体の20.4%とほぼ同じ水準です。
食品の小売では、売れ残りが食品ロスになります。この記事の事例のうち5件は、発注の数と値引きの率をAIが出す取り組みです。イオンリテールは、値引きのAIでロス率を下げています。
小売業のAI導入事例8件の一覧
小売業のAI導入事例は、発注・需要予測、値引き、レジ、EC・問い合わせ、本部の事務の5つの業務に分かれます。表の8件は、小売業の会社の発表、AIを提供する会社が導入先の名前と結果を書いた発表、経済産業省・中小機構の掲載で、2026年11月14日に内容を確認できたものです。報道だけの事例、実証の開始だけの発表、見込みや目標だけの発表、機能の説明として効果の数字を書いた導入の発表は含みません。
| 業務・会社 | AIに任せた作業 | 公表された結果 |
|---|---|---|
| 発注 セブン‐イレブン・ジャパン（2023年に全店導入） | 天候・曜日・販売実績からの需要予測と発注 | 発注業務の時間を約40%削減 |
| 発注 イトーヨーカ堂（2020年8月） | 約8,000品目の販売予測数の提案 | テスト店舗で発注作業の時間が平均約3割短縮 |
| 発注 マルイ（2024年9月） | 日配品の需要予測（実証と一部店舗の実運用） | 1店舗あたりの発注時間が50%削減 |
| 発注 イオンリテール（2024年5月） | 日配品約1,000品目の発注数の提示 | 発注時間が平均5割削減・在庫が平均3割削減 |
| 値引き イオンリテール（2024年5月） | 惣菜などの値引き率の提示 | 導入前よりロス率が1割以上低減 |
| レジ 大津屋（205人・2025年10月） | 量り売りの惣菜約70種類の画像認識 | 数字の公表なし（レジ担当者の負担が軽減） |
| 問い合わせ au PAY マーケット（2025年5月） | 生成AIのチャットボットの回答 | 試験運用で未解決率が約10%低減 |
| 事務 エヌエスケーケー（61人・2026年6月） | 全社員が生成AIを使える環境の整備 | DX推進の成果として請求書処理が月275分、提案書と引継ぎが月300分削減（生成AIの分だけかは記載なし） |
並び順は業務の順で、評価の順位ではありません。かっこ内の年月は公表の時期です。セブン‐イレブン・ジャパンのページには公表日の記載が無いため、導入の年を書いています。公表された結果は各社の発表の数字で、対象の店舗・期間・測り方は事例ごとに違います。
物流業の工程ごとの事例は物流業のAI導入事例10件、問い合わせ・議事録・経理など業務ごとの事例はAIの業務効率化の事例の記事にあります。建設業の事例は建設業のAI導入事例9件、介護の事例は介護のAI導入事例8件、不動産業の事例は不動産業のAI導入事例8件の記事にあります。
発注・需要予測のAI導入事例
発注の事例では、販売実績と天候などからAIが需要を予測して発注数を出し、発注の作業時間が減っています。イトーヨーカ堂では、AIの数を見て店舗の発注担当者が判断します。
セブン‐イレブン・ジャパンのAI発注
| 業務 | 発注（コンビニの全店舗） |
|---|---|
| AIに任せた作業 | 天候や曜日の特性、過去の販売実績などから需要を予測し、適正な在庫数を算出する。在庫がなくなる前に発注する |
| 公表された結果 | 店舗従業員の入力作業が大幅に減り、発注業務にかかる時間を約40%削減 |
| 条件 | 2023年から全店舗に導入。導入前は、店舗従業員が在庫数を設定し、在庫が一定数を下回るとストア・コンピューターが発注数を出す仕組み。測り方の記載なし |
導入前の仕組みは在庫が減ってから発注するため、品切れのリスクと入力の手間が課題でした。減った時間は、品揃えの見直しや売場づくりに充てられています。
イトーヨーカ堂のAI発注
| 業務 | 発注（加工食品・冷凍食品・アイス・牛乳など約8,000品目） |
|---|---|
| AIに任せた作業 | 価格・陳列の列数・天候・曜日の特性・客数をもとに、販売予測数を発注担当者に提案する |
| 公表された結果 | 2018年春からのテスト店舗で、発注作業にかける時間が平均約3割短縮。営業時間中の在庫切れも減った |
| 条件 | 2020年9月1日から全国のイトーヨーカドー132店で運用（うち33店はテストで導入済み） |
AIは販売予測数を提案するだけで、発注の数は担当者が決めます。2018年春からテスト店舗で試し、2020年9月に全店に広げました。
マルイの日配品の需要予測
| 業務 | 需要予測・発注（豆腐・納豆・牛乳・デザートなどの日配品） |
|---|---|
| AIに任せた作業 | 天候・催事・販促・販売実績から、商品ごとに合う予測モデルを自動で選んで需要を予測する |
| 公表された結果 | 1店舗あたりの発注時間が50%削減。和日配の販売数の予測精度は96.3%、月のロス率は前年の97.5% |
| 条件 | 岡山県・鳥取県・島根県を中心とするスーパーマーケット。2023年11月〜2024年2月の実証（5店舗）と、2024年3〜7月の一部店舗での実運用の結果（効果は2024年7月までの集計）。2024年9月から全店舗での導入を決定 |
賞味期限が短い日配品は、天候や販促で売れ方が大きく変わるため、それまでの統計の自動発注では扱えていませんでした。
イオンリテールのAIオーダー
| 業務 | 需要予測・発注（日配品約1,000品目） |
|---|---|
| AIに任せた作業 | 客数と商品の需要予測をもとに、発注数を自動で提示する |
| 公表された結果 | 発注時間を平均5割削減。在庫は平均3割削減。予測精度は既存のシステムより最大40%改善 |
| 条件 | 2023年に関東・北陸信越・東海・近畿・中四国の約380店舗に導入。予測精度は、レジを通った客1,000人あたりの買上点数の予測の差で比べた値 |
ファミリーマートは、2025年6月末から全国500店舗で「AIレコメンド発注」を使い始めました。発表は導入の時点のものです。週約6時間の削減は機能の説明として書かれた数字のため、8件に数えていません。AIが考慮できない新商品・販促商品などは、店舗の判断で調整するよう勧めています（ファミリーマート「AIを活用した新たな発注システムを導入」・2025年7月10日）。
発注のAIは、販売実績・天候・販促の予定を入力にして数の案を出します。検討の前に、POS（レジの販売の記録）の販売実績が何か月分、単品ごとに残っているかを確かめます。
食品スーパーで発注と売れ行き・ロスの記録を整理する使い方は、AI企業ナビの食品スーパーのAI活用ガイドにあります。コンビニの加盟店が発注と廃棄の判断材料を作る使い方は、コンビニ加盟店オーナーのAI活用ガイドにあります。
値引きのAI導入事例
値引きの事例では、販売実績などからAIが値引きの率を出し、店舗スタッフは陳列数を入力して印刷されたシールを貼ります。経験で決めていた値引きの判断を、データにもとづく率に置き換えた例です。
イオンリテールのAIカカク
| 業務 | 値引き（店内調理の惣菜・日配品・畜産・水産） |
|---|---|
| AIに任せた作業 | 過去の販売データ・天候・客数から、売り切るための値引き率を提示する |
| 公表された結果 | 導入前と比べてロス率が1割以上低減。値引きや売り切りの業務を担う店舗スタッフの教育時間も減った |
| 条件 | 2021年5月に惣菜で開始し、日配品・生鮮に拡大。2024年5月に畜産・水産へ広げ、約1,200品目・約380店舗が対象 |
店舗スタッフは、売場の商品のバーコードを読み取り、陳列数を入力します。AIが出した値引き率のシールが携行の発行機から印刷され、商品に貼れば作業が終わります。
値引きのAIでは、経験の少ないスタッフでも同じ率で値引きできます。検討の前に、値引きの時間・率・売れ残りの記録が残っているかを確かめます。
レジのAI導入事例
レジの事例では、量り売りの惣菜の種類をAIの画像認識で判別し、レジ担当者の負担を減らしています。大津屋では、会計の機器と組み合わせてAIを使っています。
大津屋の惣菜の量り売り（従業員205人）
| 業務 | レジ（量り売りの惣菜の会計） |
|---|---|
| AIに任せた作業 | 画像認識で、容器に盛り付けた惣菜の種類を判別する。様々な盛り付けのパターンを学習させた |
| 公表された結果 | 数字の公表なし。従業員の負担が大きく減り、種類が分からず最も安い惣菜の価格を打つ値引きがなくなった |
| 条件 | 福井県のコンビニ「オレボ」を運営する会社（従業員205人）。惣菜は約70種類で、100gあたりの価格がまちまち。2019年10月から各店に順次導入 |
導入前は、種類と価格を覚えられないことを理由に辞めるアルバイトもいました。システムは計量機器の大手メーカーなどと共同で開発しています。
トライアルは、セルフレジ機能付きのカートでAIによるスキャンのチェックを始めたと広報ブログで書いています。開始の時期・店舗数・AIの部分の結果の記載が無いため、8件に数えていません（トライアルグループの広報ブログ「『スマートショッピングカート』開発秘話 #2」・2023年1月20日）。
レジのAIは、会計の機器とセットで入ります。大津屋は計量機器のメーカーなどと一緒に開発しており、機器の会社への相談も要ります。
EC・問い合わせのAI導入事例
EC・問い合わせの事例では、生成AIのチャットボットが質問の意図を確かめてから回答し、未解決のまま終わる問い合わせを減らしています。生成AIとは、文章などを作るAIのことです。
au PAY マーケットの生成AIのチャットボット
| 業務 | EC・問い合わせ（ヘルプページのチャットボット） |
|---|---|
| AIに任せた作業 | 問い合わせの文脈から質問の意図を明確にし、合う回答を示す |
| 公表された結果 | 2025年5月からの試験運用で、生成AIを組み込む前と比べて未解決率が約10%低減 |
| 条件 | 2024年4月から使っていたチャットボット（困りごとを予測してFAQを示す）に生成AIを追加。総合ショッピングサイト（モール）のヘルプページ。2025年5月29日から正式に導入 |
2024年4月からのチャットボットでは、利用者数が1.7倍以上、解決率が1.2倍になっていました。生成AIは、FAQで答えにたどり着けない問い合わせのために足しています。
ネットショップの商品説明・問い合わせ・レビュー対応の使い方は、AI企業ナビのネットショップ運営のAI活用ガイドにあります。
本部の事務のAI導入事例
本部の事務の事例では、全社員が生成AIを使える環境を作り、DX推進の成果として請求書の処理と提案書の作成の時間が減っています。店舗で売る作業ではなく、請求書や提案書など会社の事務の例です。
エヌエスケーケーの全社員の生成AI（従業員61人）
| 業務 | 会社の事務（請求書の処理・営業の提案書の作成・引継ぎ） |
|---|---|
| AIに任せた作業 | 全社員が生成AIを使える環境を整え、月1回、全部署が生成AIでの改善の成果を報告する |
| 公表された結果 | DX推進の成果として、請求書処理の業務が月275分、営業提案書の作成と引継ぎの業務が月300分削減（生成AIの分だけの数字かは記載なし） |
| 条件 | 兵庫県神戸市の携帯電話販売代理店などを経営する小売業（従業員61人・資本金1,000万円）。社長直轄のDX推進プロジェクトチームを置き、月1回、全部署が生成AIでの改善の成果を報告する |
2つの業務とも、減った時間は月4時間を超えます。エヌエスケーケーは、社内の勉強会で成功した使い方を全社に共有しています。2026年に経済産業省のDXセレクションの選定企業になりました。
事務の生成AIは、店舗の機器を変えずに始められます。毎月の報告のように、部署ごとに減った時間を数える場を先に決めておくと、効果を数字で確かめられます。
小売業のAI導入でAIに任せる作業と人が確認すること
公表事例には、AIが発注数や値引きの率を出し、店舗の人が判断や入力をする例があります。イトーヨーカ堂の発注では担当者がAIの数を見て判断し、イオンリテールの値引きでは陳列数の入力とシール貼りを店舗スタッフが行います。業務ごとの、試すのに必要なデータと人が確認することは次のとおりです。
| 業務 | 試すのに必要なデータ | 人が確認すること |
|---|---|---|
| 発注・需要予測 | 単品ごとの販売実績・天候・客数・販促の予定 | 新商品・販促・催事など、AIが考慮できない要素 |
| 値引き | 値引きの時間と率・売れ残りの記録 | 陳列数の入力・値引きの結果 |
| レジ | 商品の画像 | 判別の誤り |
| EC・問い合わせ | FAQとよくある問い合わせの内容 | AIで解決しなかった問い合わせ |
| 本部の事務 | 請求書・提案書のひな形 | 金額と内容の誤り |
セブン‐イレブン・ジャパンとマルイの発表には、人の判断の記載はありません。イオンリテールの発表は、AIオーダーで発注修正などの店舗の作業の負担が減ったとしていますが、誰が何を見て修正するかは書いていません。表の「人が確認すること」は、自社で試すときに確かめる点です。
AIの導入が失敗する原因と、失敗と判断する条件はAI導入の失敗の記事にあります。
中小の小売店のAI導入
この記事の8件のうち、中小企業の事例は大津屋（205人）とエヌエスケーケー（61人）の2件です。どちらも資本金5,000万円以下で、中小企業基本法の小売業の中小企業に当たります（中小企業庁「中小企業・小規模企業者の定義」）。大津屋はレジの判別、エヌエスケーケーは事務にAIを使っています。発注のAIの事例は、大手のコンビニ・スーパーと地方のスーパーマーケットの例です。
東京商工会議所の生成AIの手引には、従業員2人の雑貨の小売店の例が載っています。2023年1月ごろから、外注先への依頼文、商品説明の文章の長さの調整、キャッチコピーの案出しに使っています。内容は必ず自分で確かめて校正しています（数字の公表なし）。
中小の小売店の3社のうち2社は、生成AIを文章と事務に使う例です。
| 業務 | 中小の小売店が始めやすい理由 |
|---|---|
| 事務の生成AI | 店舗の機器を変えずに試せる。減った時間を月の分数で数えられる |
| 商品説明・問い合わせの文章 | 文章の下書きをAIが作り、人が確かめてから使える |
中小企業の従業員の数ごとの事例は、中小企業のAI活用事例9件の記事にあります。AI導入に使える補助金の選び方は、AI導入の補助金の記事にあります。
中小の小売店が最初に試すなら、毎日くり返し、結果を人がその場で確かめられる業務です。事務の文書と商品説明の文章がこれに当たり、試す前と後の時間を自社で測れます。
小売業のAI導入の進め方
小売業のAI導入は、困りごとを時間と件数で書き出し、近い事例を選び、データのそろう業務を1店舗で試す順に進めます。イトーヨーカ堂はテスト店舗で試してから全店に広げ、マルイは5店舗の実証と一部店舗の実運用の後に全店への導入を決めました。
- 困りごとを書き出す発注の時間・廃棄の額・問い合わせの件数で書く
- 近い事例を選ぶこの記事の8件から、同じ業務の事例を選ぶ
- データを確かめるPOSの販売実績・値引きの記録の量と形式を確かめる
- 1店舗で試す1店舗・1部門・1つの商品群で試す
- 同じ物差しで測る試す前と同じ方法で時間とロス率を比べる
販売実績が紙やレジの中だけにあり取り出せない会社は、AIの前にデータを取り出す段階が要ります。
本格的に作る前に小さく作って確かめる段階を、PoC（概念実証）と呼びます。評価の基準の決め方と、続けるか止めるかの判断はAIのPoCの進め方の記事にあります。
小売業のAI導入をAITECHに相談する場合
株式会社AITECHは、AIエージェントの受託開発、業務の自動化の支援、AI導入の顧問・コンサルティングを行っています。企業規模・業種は問いません。支援事例のページの「業務別のAI活用例」には、店舗運営の例が2つ載っています。
| 例 | 支援事例のページの記載 |
|---|---|
| 店舗アンケートの分析 | 撮影したアンケートをAI-OCRでデータにし、AIエージェントが店舗ごとのレポートを作る。POSデータも見ながら、課題のある店舗の店長などに聞き取りができるようになった |
| POSデータの顧客の分析 | AIエージェントがPOSデータから顧客のセグメントを分析し、Google Driveに保存する。販促の対象の精度が上がり、離反しそうな顧客を早く見つけられるようになった |
出典：株式会社AITECH「店舗アンケートの自由記述から店舗別の課題・強みを自動抽出」・「POSデータから顧客セグメントを自動分析」（2026年11月14日確認）
AI-OCRとは、AIで紙の文字を読み取る仕組みです。AIエージェントとは、指示に沿って複数の作業を続けて行うAIのことです。ページの注記のとおり、「業務別のAI活用例」にはAITECH認定パートナーと外部の事例が含まれます。2つの例の会社名・規模・費用・期間の記載はありません。
事業内容のページにも料金の記載はありません。トップページの相談の流れでは、ヒアリングの後に課題と予算に合う進め方を提案するとしています（2026年11月14日確認）。レジや計量の機器は、株式会社AITECHの事業内容に含まれていません（機器はメーカーへの相談が要ります）。
発注・値引き・アンケート・問い合わせなど、自動化したい業務の候補があれば相談できます
株式会社AITECHに問い合わせる
まとめ
小売業のAI導入事例は5つの業務に分かれ、公表された数字の条件は事例ごとに違います。
- 中小企業の調査では、AIを導入している小売業は19.4%で、目的の最多は作業時間の短縮です。
- 事例の業務は、発注・需要予測、値引き、レジ、EC・問い合わせ、本部の事務の5つです。
- 発注のAIの公表事例4件では、発注の作業時間が3〜5割減りました。セブン‐イレブン・ジャパンは約40%、イオンリテールは平均5割です。
- 中小企業では、従業員205人の大津屋がレジの判別にAIを使い、61人のエヌエスケーケーが全社員の生成AIの環境を整えています。
- イトーヨーカ堂では、AIの数を見て店舗の発注担当者が判断します。
最初にやることは、業務ごとの困りごとを、時間・件数・廃棄の額で書き出すことです。
AI導入の相談先を探す（AI企業ナビ）
よくある質問
中小の小売店でもAIを導入できますか？
導入できます。中小機構のJ-Net21には従業員205人の大津屋がレジの判別にAIを使う例、経済産業省の資料には61人のエヌエスケーケーが全社員の生成AIの環境を整えた例があります。東京商工会議所の手引には、従業員2人の雑貨店が商品説明の文章に生成AIを使う例があります。
AI発注で発注の時間はどのくらい減りますか？
公表事例では、イトーヨーカ堂のテスト店舗で平均約3割、セブン‐イレブン・ジャパンで約40%、イオンリテールの約380店舗で平均5割、マルイの実証と一部店舗の実運用で1店舗あたり50%です。対象の商品と測り方は会社ごとに違います。
事例と同じ効果が自社でも出ますか？
同じとは限りません。公表された数字は、各社の店舗・期間・商品の条件で出たものです。試す前と後を同じ方法で測り、自社の数字で判断します。
関連記事
- 不動産業のAI導入事例8件 査定・物件調査・問い合わせ・建物の運用・社内業務の工程別に、公表された結果と条件、中小の不動産会社の例【2026年11月】
- 物流業のAI導入事例10件 配車・倉庫・点呼・伝票・問い合わせの工程別に、公表された結果と条件、中小の運送会社の例【2026年11月】
- 建設業のAI導入事例9件 測量・施工管理・検査・技術の継承・提案と経理の工程別に、公表された結果と条件、中小の建設会社の例【2026年11月】
- 人事のAI活用事例7件 書類選考・面接の記録・労務の問い合わせ・人事異動の結果と条件、採用選考で守る法令【2026年11月】
- 介護のAI導入事例8件 記録・ケアプラン・訪問と送迎の予定・排泄ケアの業務別に、公表された結果と条件、加算と小規模事業所の例【2026年11月】
- 製造業のAI導入事例13件 工程別にAIに任せた作業と公表された結果、中小企業の例と始め方【2026年11月】
