小売業のAI活用事例｜発注・値引き・レジ・接客・ECの実例と始め方【2026年版】

小売業のAI活用とは、販売実績・天候・在庫などのデータからAIが発注数や値引き率を提案したり、問い合わせへの回答や商品情報の検索を生成AIが手伝ったりして、店舗とECの判断と作業を速くする取り組みです。先に結論を書くと、2026年時点の国内で、大手が導入規模や効果を公表している事例がそろっているのは「発注」「値引き」「レジ」「問い合わせ対応」の4つです。ファミリーマートはAIの発注推奨で発注業務を1週間あたり約6時間減らすと発表し、イオンは2020年以降に入れたAI関連システムで年間約200万人時を生み出したと開示しています。

この記事では、公表されている小売業のAI活用事例を業務ごとに並べ、各社が何をAIに任せ、何を人に残しているかを比べます。そのうえで、中小の小売店やEC事業者がどの順番で始めればよいか、効果をどう測るか、生成AIを販促や口コミに使うときの法的な注意点までをまとめます。各事例には、確認に使った企業の発表や開示資料へのリンクを付けています。

本記事の情報について: 事例は各社のニュースリリース、公式サイト、決算説明資料・四半期報告書、行政の公開資料を2026年10月11日時点で確認した内容です。導入店舗数や対象品目は更新されることがあるため、意思決定に使う前にリンク先で最新の状況を確認してください。

この記事で分かること

• 小売・ECでAIが使われている業務と、各業務でAIが担う役割
• ファミリーマート・ローソン・イオン・トライアル・資生堂ジャパン・au PAY マーケットの公表事例と数字
• 事例から分かる「AIに任せる部分」と「人に残す部分」の分け方
• 中小の小売店・EC事業者が始める順番と、効果を測る指標
• 生成AIで商品説明や口コミ対応を作るときの景品表示法・個人情報の注意点

小売業でAIが使われている業務

小売業のAIは、大きく「売る量を決める」「値段を決める」「売り場とレジを回す」「お客さまに答える」の4つの場面で使われています。商品レコメンドやレビュー分析のようにECで先に広がった使い方もあります。下の表は、業務ごとにAIが担う役割と、必要なデータ、この記事で取り上げる公表事例をまとめたものです。

ECのレコメンドを深掘りしたい場合はECパーソナライゼーションAI完全ガイド、小売・ECに限らない業種横断の事例は生成AI活用事例まとめ（全業種）で整理しています。

業務別に見る小売業のAI活用事例

ここからは、公表資料で中身と数字を確認できた事例を業務ごとに見ていきます。下の年表は、取り上げる事例を公表された時期の順に並べたものです。

発注 — ファミリーマート「AIレコメンド発注」

ファミリーマートは、AIを使った発注システム「AIレコメンド発注」を2025年6月末から全国500店舗で運用を始めました。おむすび・弁当・サンドイッチなどの最適な発注数を店舗ごとに自動で推奨する仕組みです（ファミリーマート 2025年7月10日発表）。

発表で示されている仕組みは次のとおりです。

• 使うデータ：過去1年間の販売実績、店舗周辺の通行量（時間帯別・性別・年代別）、気象データ（気温・湿度・降水量・日照量など）、カレンダー情報（祝日など）
• 予測の単位：日別・便別・単品別の販売予測数を算出する
• 品揃えの提案：立地が似ていて利益額が高い店舗を「お手本店」として参照し、自店にない売れ筋商品を推奨する
• 効果：発注業務にかかる時間を1週間あたり約6時間削減する（発表時点）
• 人の判断：推奨値は1日4回更新され、手動で調整できる。新商品や販促商品、イレギュラーなイベントなど、AIが考慮できない要素は店舗の判断で調整することを推奨している

注目したいのは最後の点です。AIの推奨をそのまま使うのではなく、AIが知らない情報（地域の行事や販促の予定）を持っている人が最後に調整する前提で設計されています。ファミリーマートは500店舗での売上や店舗収益への効果をふまえて展開店舗を広げるとしており、まず限られた店舗で効果を測ってから広げる進め方を取っています。

発注と値引きを一貫して推奨 — ローソン「AI.CO」

ローソンは、食品ロス削減の取り組みの一つとして、2024年5月に発注システム「AI.CO（アイコ）」の全国展開を始めました。天候や販売実績などの店舗ごとのデータから商品別の需要を予測し、品揃えと日々の発注数に加えて、値引きについても一貫して推奨することで、販売機会ロスと廃棄ロスの削減につなげるとしています（ローソン公式サイト「廃棄物削減」）。

同じページでは、ローソンが食品ロスを2030年に2018年対比で50%削減する目標を掲げ、発注の適正化、値引き販売の推進、容器の工夫による消費期限の延長などを組み合わせていることも説明されています。2025年度の店舗の廃棄物は1店舗1日当たり41.6kg、そのうち売れ残り食品は8.6kgでした。

ファミリーマートとの違いは、発注だけでなく「売り切るための値引き」までを同じ仕組みで推奨している点です。発注を減らしすぎれば欠品が増え、増やしすぎれば廃棄が増えます。値引きまでつなげて考えることで、発注の判断を少し攻めた側に寄せても売り切れる、という関係を作れます。

値引き率の提示と発注の最適化 — イオン「AIカカク」「AIオーダー」

イオンの「AIカカク」は、過去の販売実績や環境条件を学習したAIが、商品を値引きするときの適切な割引率を提示する仕組みです。東京都の資料に掲載されたイオンの事例紹介（2023年）では、2020年から導入し、対象はデリカ（惣菜）とデイリー（パン、デザートなど）、イオンリテール全店（約350店舗）で運用中と説明されています。店舗では、商品のバーコードをスキャンして個数を入力すると、適切な割引率が提示され、割引シールが印刷されます。これまで割引率の判断が従業員の熟練度（経験や勘）に左右されていた課題に対し、値引率・廃棄率の改善と割引業務の作業軽減を目指すものです（東京都 資料「事例紹介（イオン）」）。

その後の拡大は、イオンの四半期報告書（2024年7月16日提出）に書かれています。2024年5月にAIカカクの対象を惣菜・日配品から畜産部門と水産部門に広げ、需要を予測して商品発注を最適化する「AIオーダー」の対象品目を2024年6月に従来の約2倍にしました。さらに、ワークスケジュールの自動作成機能や販売計画支援システムなど、2020年以降に実装したAI関連システムが年間約200万人時を生み出し、その時間を接客や売り場での工夫に充てているとしています（イオン 四半期報告書（第100期第1四半期））。

イオンの事例から分かるのは、AIの導入を「人を減らす」ためではなく「熟練者の判断を誰でもできるようにし、空いた時間を接客に回す」ために使っている点です。値引きの判断は、経験の差がそのまま廃棄と粗利の差になる業務なので、AIの推奨で判断をそろえる効果が出やすい領域です。

レジ・売り場 — トライアル「Skip Cart」

トライアルホールディングスは、売り場で商品をスキャンしながら買い物をし、レジに並ばずに会計できるショッピングカート「Skip Cart」を「リテールAI事業」として展開しています。2026年6月期第3四半期の決算説明資料によると、2026年3月末時点の導入実績はグループ外を含めて279店舗・23,485台です。同社グループのスーパーセンター195店舗での平均利用率は25.1%（2024年7月〜2025年6月、カートを使える9時〜21時の延べ客数に占める割合）、月間の延べ利用者数の平均は450万人と示されています（トライアルホールディングス 2026年6月期 第3四半期決算説明資料）。

同資料では、Skip Cartを使った顧客体験の向上とレジの人時削減を、他社の小売でも実験していると説明しています。会計を売り場に移す仕組みは、お客さまの待ち時間とレジの人手の両方に効く施策として位置づけられています。一方で、利用率が25.1%という数字は、約4人に3人は従来のレジやセルフレジを使っていることも意味します。新しい仕組みは既存のレジを置き換えるのではなく、選択肢を増やす形で広がっています。

店舗スタッフの情報検索 — 資生堂ジャパンの生成AIチャットボット

資生堂ジャパンは、店頭でお客さまに応対するスタッフが使う情報端末「ビューティー・タブレット（B-TAB）」に、生成AIを使った独自のチャットボットを入れ、トライアル期間を経て2025年7月から本格導入しました。商品・ブランド・プロモーションの情報を自然な言葉で検索でき、複数の条件を含む質問にも答えます。社内ルールや施策資料の置き場所が分からないときに営業担当や内勤スタッフへ問い合わせていた手間を減らし、問い合わせを受けていた社員の対応業務も減らすとしています（資生堂ジャパン 2025年9月発表）。

この事例は、生成AIを「お客さまに直接答える」のではなく「接客する人を支える」ために使っている点が特徴です。商品知識の量が多い業態では、スタッフが調べものに使う時間を減らし、その分をお客さまとの会話に回すほうが、チャットボットにお客さま対応を任せるより失敗のリスクが小さくなります。

EC・問い合わせ対応 — au PAY マーケットの生成AIチャットボット

ECモール「au PAY マーケット」を運営するau コマース&ライフは、2025年5月29日、ヘルプページのチャットボットに生成AIを組み込んだと発表しました。2025年5月からの試行で、生成AIを組み込む前と比べてお客さまの未解決率が約10%下がったことから正式導入を始めたと報じられています。なお、同社は2024年4月に、AIが困りごとを予測してFAQを案内するチャットボットを先に導入しており、その後の利用者数は1.7倍以上、解決率は1.2倍になったと説明していると報じられています。今回の生成AIの効果として示されているのは、未解決率の約10%低減です（Impress ネットショップ担当者フォーラム 2025年6月6日、ECのミカタ）。

ここで使われている指標は「問い合わせ件数」ではなく「未解決率」と「解決率」です。チャットボットの効果は、件数が減ったかどうかだけで測ると、答えられずにお客さまが離れたケースを見落とします。解決できたか、人の窓口に回ったかまで記録して比べるのが正しい測り方です。

ECで先に広がった使い方 — レコメンド・商品説明・レビュー分析・価格

ここまでの事例は店舗の業務が中心でした。ECでは、店舗より早くデータがそろうため、次の4つの使い方が先に広がっています。いずれも、多くのECプラットフォームや外部のサービスで機能として提供されており、自社で一から作る必要はほとんどありません。

商品レコメンド

商品レコメンドは、お客さまの行動データから「次に見たい・買いたい商品」を推測して表示する仕組みです。かつての「この商品を買った人はこれも買っています」という一律の表示から、お客さま一人ひとりの行動に合わせた表示へと進んでいます。AIが使う主なデータは次のとおりです。

• 閲覧履歴・購買履歴
• カートに入れた商品と、買わずに離れた商品
• サイト内の検索キーワード
• 季節や時間帯

レコメンドの精度は、AIの性能より商品データの整い方で決まる面が大きくなります。商品名やカテゴリ、色・サイズなどの属性がばらばらだと、似た商品を正しく見つけられません。商品数が少ない店では提案の幅も限られるため、先に商品マスタを整えるか、問い合わせ対応など別の領域から始めるほうが効果を出しやすくなります。設計と効果の測り方はECパーソナライゼーションAI完全ガイドで詳しく解説しています。

商品説明文の下書き

数百〜数千の商品を扱うECでは、商品説明を書く作業が大きな負担です。生成AIに商品の仕様（サイズ、素材、機能、使い方）と想定するお客さま像を渡せば、説明文の下書きを作れます。複数の案を作って、どの書き方が購入につながるかを比べる使い方もできます。

ただし、後の「生成AIを使うときの注意点」で詳しく書くとおり、仕様にない効能や特徴が書き足されることがあります。下書きを作るときは「渡した仕様以外のことは書かない」と指示し、公開前に仕様書と照らし合わせる工程を必ず入れてください。

レビュー分析

お客さまのレビューは商品改善の手がかりですが、数千件を人が読むのは現実的ではありません。AIを使えば、レビューの文章から次のような情報をまとめられます。

• 評価の分類：満足・不満・どちらでもない、に分ける
• 話題の抽出：「サイズ感」「配送の速さ」「素材の質」など、よく出る話題を見つける
• 傾向の変化：特定の不満が前の月より増えていないかを確かめる
• 自社商品どうしの比較：似た商品でどんな不満の差があるかを見る

分析の結果は、商品改善や商品ページの説明の見直しに使えます。ネガティブなレビューを早く見つけて対応することにも役立ちます。分析に使うのは問題ありませんが、レビューそのものをAIで作って載せることは避けてください（理由は「生成AIを使うときの注意点」で説明します）。

価格の自動調整（ダイナミックプライシング）

ダイナミックプライシングは、在庫、需要の波、時間帯、競合の価格などに応じて価格を自動で調整する仕組みです。店舗ではイオンやローソンの値引きの推奨がこれに近い使い方で、ECでは価格そのものを変えられるため、より細かく調整できます。一方で、価格が頻繁に大きく変わるとお客さまの不信感につながるため、変動の幅の上限や、価格を変えない商品の範囲を先に決めておく必要があります。考え方と導入手順はダイナミックプライシングAIガイドで解説しています。

事例を比べて分かる「AIに任せる部分」と「人に残す部分」

6つの事例を並べると、成果を公表している会社ほど、AIの役割を「推奨」や「下調べ」に限り、最後の判断を人に残しています。

この分け方は、中小の小売店やEC事業者がAIを入れるときにもそのまま使えます。最初から「AIに決めさせる」のではなく、「AIが案を出し、人が直して決める」形で始めると、AIの誤りが売り場やお客さまに直接出るのを防げます。人が直した内容を記録しておけば、どの場面でAIの推奨がずれるかも分かります。

中小の小売店・ECが始める順番

大手の事例は、自社で専用システムを作れる規模が前提です。中小の小売店やEC事業者は、使っているPOSレジやECプラットフォームに付いている機能や、月額で使えるクラウドサービスから始めるのが現実的です。始める順番は「データがすでにそろっている業務」から選びます。

文章の下書きと問い合わせ対応は、販売データが少なくても始められ、効果も測りやすい領域です。発注と値引きは、ファミリーマートが過去1年間の販売実績を使っているように、ある程度の期間のデータが前提になります。需要予測の考え方と手法はAI需要予測のハブ記事、在庫まで含めた設計は在庫最適化AIガイド、価格の自動調整はダイナミックプライシングAIガイドで詳しく解説しています。

既製のサービスで足りるか、開発が要るか

多くの場合、既製のサービスで足ります。開発が必要になるのは次のような場合です。

• POSレジ、ECのカート、在庫管理が別々のサービスで、販売データを一か所に集められない
• 店舗とECで在庫や会員が分かれていて、まとめて需要を予測できない
• 自社の商品情報や社内マニュアルを使って、資生堂ジャパンのようなスタッフ向けの検索を作りたい

このときも、全部を作り直す必要はありません。まずは販売・在庫・会員のデータを毎日1か所に集める仕組みを作り、そのデータを既製の予測サービスや生成AIに渡す形にすれば、投資を小さく抑えられます。データの受け渡しはn8nのようなワークフロー自動化ツールでつなげる場合もあります。開発を外部に頼む場合の委託先の選び方と契約形態は小売業のAI開発を委託するにはで整理しています。

効果を測る指標を先に決める

AIの効果は、導入前の数字がないと判断できません。公表事例でも、ファミリーマートは発注時間、イオンは生み出した人時、au PAY マーケットは未解決率と、測る指標を決めてから効果を示しています。導入前に、次の指標を1か月分記録しておきます。

効果の数字を投資判断に使う方法はAI投資の判断基準で解説しています。

生成AIを使うときの注意点 — 景品表示法と個人情報

生成AIで商品説明や販促文、口コミへの返信を作るときは、法律に触れないかを先に確認します。特に注意したいのは2点です。

商品の表示とステルスマーケティング

生成AIは、もっともらしい効能や、実際の商品にない特徴を書き足すことがあります。景品表示法は、商品・サービスの品質や規格などを実際のものよりも著しく優良であると示す表示（優良誤認表示）を禁止しており、消費者庁は、故意でなく誤って表示してしまった場合でも規制の対象になると説明しています（消費者庁 優良誤認とは）。「AIが書いたから」という事情は理由にならないため、生成AIが書いた商品説明は、仕様書と照らし合わせてから公開してください。

さらに、2023年（令和5年）10月1日から、事業者の広告であることを一般消費者が判別しにくい表示、いわゆるステルスマーケティングが景品表示法違反となりました（消費者庁 ステルスマーケティングに関する景品表示法の規制）。生成AIで「お客さまの口コミ風」の文章を作り、事業者の表示であることを隠して掲載すれば、この規制に触れるおそれがあります。レビュー分析にAIを使うのは問題ありませんが、口コミそのものをAIで作ってはいけません。

お客さまの個人情報を入力しない

個人情報保護委員会は2023年6月2日、生成AIサービスの利用について注意喚起を出しています。事業者が個人情報を含むプロンプトを入力する場合は利用目的の範囲内かを確認すること、本人の同意なく入力した個人データが回答の出力以外の目的で扱われる場合は個人情報保護法に違反する可能性があるため、サービス側が入力データを機械学習に使わないことなどを確認すること、が示されています（個人情報保護委員会 生成AIサービスの利用に関する注意喚起等）。

問い合わせへの返信を生成AIで下書きするときは、お客さまの氏名・住所・注文番号などを入れず、質問の内容と自社のルールだけで文面を作る運用から始めるのが安全です。社内全体のルールの作り方は中小企業のAI導入完全ガイド、チャットボットの仕組みと注意点はAIチャットボット完全ガイドで解説しています。

小売のAI活用でつまずきやすいポイント

公表事例の進め方と、よくある失敗を突き合わせると、つまずく場所はおおむね決まっています。

どれも、AIの性能ではなく進め方で防げます。最初に「どの業務の、どの数字を良くするか」を1つ決めておくことが、もっとも効果の大きい準備です。

状況別の読み分け早見表

自社の状況に近い行から読み進めてください。

よくある質問

まとめ

小売業のAI活用は、発注・値引き・レジ・問い合わせ対応の4つの業務で、大手の公表事例がそろってきました。成果を示している会社に共通するのは、AIに「推奨」や「下調べ」を任せ、最後の判断と接客を人に残していること、そして限られた店舗や品目で効果を測ってから広げていることです。

中小の小売店やEC事業者は、販売データが少なくても始められる文章の下書きと問い合わせ対応から始め、データがそろった段階で発注と値引きの予測に進むのが現実的です。どの段階でも、導入前の数字を記録し、逆の方向に動く指標を組で見ることで、AIが本当に役立っているかを判断できます。

koromo では、使っているPOS・EC・在庫のデータの棚卸しから、既製のサービスで足りる部分と連携の開発が必要な部分の切り分け、生成AIを使うときの社内ルールづくりまでを支援しています。何から始めるべきか迷っている段階でもご相談ください。