メディア
AI エージェント

小売の生成AI 導入の順番|店舗運営・商品情報・接客・販売データで AI に任せる作業と人に残す判断

公開
執筆者: Offers AX 編集部・編集部

小売の仕事に生成AIを入れる順番は、発注や価格を計算する仕組みとは計画を分けること、マニュアルの問い合わせや商品説明文の下書きのような文章の作業から任せること、発注量の最終決定・価格の設定・クレームの例外対応を人に残すことの3つで決まります。店舗運営、商品情報、接客と問い合わせ、販売データのどの領域でも、最初に任せるのは AI の出力を人が原本と照らして確かめられる作業です。

商品の説明文や販促の文は景品表示法の表示ルールに沿って人が確かめ、会員や購買履歴のデータは個人情報保護委員会の資料を原本で確かめてから扱う範囲を決めましょう。使ってよい情報と、AI が答えられないときの問い合わせ先は本部が決め、地域や客層に合わせた判断は店舗に任せる形にしておくと、どこから手を付けるかを決めやすくなります。

物流の仕事で同じ考え方を整理した内容は、物流の生成AI 導入の順番の記事にまとめています。

O
執筆者

編集部

Offers AX 編集部

株式会社overflow が運営する Offers AX の編集部です。全社の AI 導入(AX)を支援する現場の知見をもとに記事を制作しています。

この執筆者の詳細・記事一覧 →

小売で AI が急がれる理由は、パートタイムの人手不足と増える商品情報の仕事

小売で AI の活用が急がれる理由は、店舗を支えるパートタイムの人手が足りないことと、店舗と EC の両方で商品の情報をそろえる仕事が続くことの2つです。

パートタイム労働者が「不足」と答えた事業所の割合から「過剰」と答えた割合を引いた値は、2026年8月1日現在で卸売業・小売業が+32ポイントとなり、調査産業計の+26ポイントを上回りました。厚生労働省は、パートタイムの人手不足感が特に高い産業の1つに卸売業・小売業を挙げています。正社員等の同じ値は卸売業・小売業が+26ポイント、調査産業計が+47ポイントで、卸売業・小売業の不足感はパートタイムに強く出ている形です(厚生労働省「労働経済動向調査(令和8年8月)の概況」2026年9月29日)。

同じ調査で、2026年4〜6月期に人手が不足している部門へ何らかの対応をした卸売業・小売業の事業所のうち、「臨時、パートタイム労働者の採用」を挙げたのは57%、「業務の効率化の推進」は46%でした。人を増やす手当てと並んで、いまいる人の仕事を軽くする取り組みが、対応した事業所の半数近くで進んでいる状況です。

EC の取引も伸びています。2025年の物販系分野の BtoC-EC の市場規模は15兆8,233億円で、前年の15兆2,194億円から6,039億円増え、BtoC-EC の EC化率は9.80%でした(経済産業省「令和7年度 電子商取引に関する市場調査」2026年10月21日公表)。

EC化率は物販の商取引全体に占める EC の割合で、取引の9割余りはいまも店舗など EC の外にあります。売場の表示やチラシと EC の商品ページの両方で同じ商品の情報をそろえる仕事は、2つの売り方を続けるかぎり残ります。

人の手が足りない店舗で生成AIを使う目的は、文章を読み、まとめ、下書きする作業を任せ、空いた時間を接客や売場づくりの判断に回すことです。

発注や価格の計算と、文章を扱う生成AIは計画を分ける

需要予測や自動発注、価格の最適化を受け持つ従来型の AI と、文章を扱う生成AIは、入力するデータも精度の確かめ方も違うため、別の計画として進めるほうが着手の順番を決めやすくなります。違いを並べると次の表のとおりです。

比べる点 従来型の AI(需要予測・自動発注・価格の最適化) 生成AI(問い合わせ・商品説明文・報告の要約)
入力 POS の販売実績、在庫、天候、催事の予定、価格の履歴 店舗運営マニュアル、メーカーの商品規格書、問い合わせ、店舗の日報、レビュー
出力 発注数の予測、推奨する価格 回答案、説明文の下書き、要約、分類
精度の確かめ方 予測と実際の販売数の差、欠品と廃棄の件数 原本と照らし、人が直した件数と内容で測る
準備に時間がかかるもの 商品マスタと販売実績をそろえる 最新のマニュアルと規格書だけを置き、見てよい人を決める
人の関わり方 予測を人が確かめ、催事や地域の事情で直して確定する 出力を人が読み、直してから使う

発注は、文章で条件を伝えて生成AIに数を出させる仕事ではありません。売上の予測は販売実績から計算する仕組みに任せ、生成AIには予測の理由を店長が読める文章にすることや、天候と近くの催事の情報を集めて要約することを任せる分け方のほうが、誤りを見つけやすくなります。

発注量の最終決定を人に残すのは、欠品と売れ残りのどちらも店舗の損失になるからです。食品小売業から出た食品ロスは、2024年度の推計で48万トンでした(農林水産省「事業系食品ロス量(2024年度推計値)を公表」2026年6月30日)。予測の数を地域の行事や天候の急な変化に合わせて直す判断は、売場を見ている発注の担当者が受け持ちます。

店舗運営・商品情報・接客・販売データの4領域で、任せる作業と人に残す判断を分ける

4つの領域のどれでも、生成AIに任せるのは読む・まとめる・分類する・下書きする作業で、発注量の最終決定、価格の設定、クレームの例外対応は人に残します。領域ごとに並べると次の表です。

領域 生成AIに任せる作業 人に残す判断 主に扱う資料
店舗運営 シフトの希望の取りまとめと連絡文の下書き、レジや返品の手順を尋ねる問い合わせへの回答、発注の予測の理由の説明 シフトの確定、発注量の最終決定、売場の変更 勤務の希望、店舗運営マニュアル、需要予測の結果
商品情報 商品規格書からの説明文の下書き、売場の POP の文案、表記のゆれの点検 表示する内容の確定、効果や性能をうたう表現を載せるかの判断 商品規格書、原材料と産地の情報、商品マスタ
接客と問い合わせ 営業時間や在庫の問い合わせへの回答案、問い合わせの分類と要約、外国語の案内文の下書き 返金や交換の例外、クレームへの対応、言動が行き過ぎた相手への対応 よくある質問、返品の規程、問い合わせの履歴
販売データ 売上の報告の要約、販売の傾向の説明文、レビューの分類 価格の設定、販促の予算の配分、品ぞろえの変更 POS データ、販促の実績、レビュー

人に残す列に並べたのは、誤ったときに店舗の損失、お客様との約束、法令で求められる表示や労務の決まりのいずれかに直接響く判断です。AI が材料をそろえるのが速くなっても、その材料で何を決めるかは会社の責任として人が持ちます。

店舗運営では、レジ締めや返品の手順のように従業員が何度も尋ねる問い合わせに、マニュアルを根拠に答える仕組みから始めるのが確実です。回答にはマニュアルのどの項目を根拠にしたかを添えさせ、根拠が見つからない質問は店長や本部の担当へ回す決まりにしておきましょう。社内の文書を根拠に従業員の質問へ答える仕組みの作り方は、社内 AI チャットボットの作り方の記事にまとめています。

シフトでは、従業員の希望を集めて一覧にする作業と、決まったシフトを伝える連絡文の下書きを任せられます。確定する店長が確かめるのは、労働時間が6時間を超えるときは45分以上、8時間を超えるときは1時間以上の休憩が入っているかといった法令の決まりです(厚生労働省「労働時間・休日」)。誰をどの時間帯に置くかは、従業員の事情と売場の混み具合を知る店長が決めます。

商品情報では、メーカーの商品規格書や商品マスタをもとに説明文と売場の POP の下書きを作らせ、担当者が規格書と照らして確定します。件数が多く、出力を原本と比べやすいため、生成AIに任せやすい作業の代表です。ただし、生成AIは規格書に無い効能や「人気 No.1」のような言葉を足して文を整えることがあり、そのまま載せると表示の問題になりかねません。確かめ方は次の節で扱います。

接客と問い合わせでは、営業時間、店舗の在庫、配送や返品の条件のように答えが決まっている問い合わせの回答案から任せます。返金や交換の例外、クレームへの対応は人の仕事として残しましょう。2026年10月1日からは、カスタマーハラスメントの対策が全ての事業主の義務になりました(厚生労働省「職場におけるハラスメントの防止のために」)。AI が一次対応する窓口でも、言動が行き過ぎた問い合わせを担当者へ引き継ぐ決まりと、対応した従業員を守る手順を本部が決めておく必要があります。

問い合わせを「AI だけで答える」「AI が下書きして人が送る」「必ず人が対応する」の3つに分ける考え方は、カスタマーサポートに生成AIを入れる前に決めることの記事にまとめています。

販売データで最初に任せやすいのは、売上の報告の要約と、販売の傾向を店長が読める文章にする作業です。POS の数字の集計は表計算や BI の仕組みに任せ、生成AIには集計結果の説明と、レビューやアンケートの自由記述の分類を受け持たせると、数字の誤りを見つけやすくなります。価格の設定、販促の予算の配分、品ぞろえの変更は、売上と利益に責任を持つ人が決めてください。

レビューや問い合わせの自由記述から改善点を拾う進め方はVOC 分析に AI を使う記事に、販促の文やキャンペーンの企画に生成AIを使う進め方はマーケティングの生成AI 活用の記事にまとめました。

商品の説明文と販促の文は、景品表示法の表示ルールに沿って人が確かめる

生成AIが下書きした説明文や販促の文も、売場や EC に載せた時点で自社の表示になるため、景品表示法の表示ルールに沿って人が確かめてから載せるのが前提です。

景品表示法は、商品やサービスの品質や規格などの内容について実際のものよりも著しく優良であると一般消費者に示す表示(優良誤認表示)と、価格などの取引条件について実際のものよりも取引の相手方に著しく有利であると一般消費者に誤認される表示(有利誤認表示)を禁じています。効果や性能の表示について、消費者庁長官は期間を定めて合理的な根拠を示す資料の提出を求めることができ、資料を出さない場合や、出した資料が合理的な根拠と認められない場合、その表示は措置命令との関係で不当表示とみなされます(消費者庁「表示規制の概要」)。

消費者庁は2024年9月26日に「No.1 表示に関する実態調査報告書」を公表し、「顧客満足度 No.1」などの表示が合理的な根拠に基づかず事実と異なる場合は、不当表示として景品表示法上問題になるという考え方を示しました。生成AIは、売場や EC でよく見る言い回しをもとに「売上 No.1」「当店人気」のような言葉を足して文を整えることがあります。裏付けとなる調査や販売の記録が手元に無い言葉は、下書きから消す決まりにしておきましょう。

価格の表示では、「当店通常価格◯円のところ◯円」のような二重価格表示にも注意が必要です。消費者庁の価格表示ガイドライン「不当な価格表示についての景品表示法上の考え方」によると、過去の販売価格を比べる価格に使うとき、それが「最近相当期間にわたって販売されていた価格」であれば不当表示に該当するおそれはないとされます。そう言えない価格を使う場合は、いつ、どの程度の期間販売されていたかを正確に表示しないかぎり、不当表示に該当するおそれがあります。

生成AIに価格の文を書かせるときは、比べる価格の欄を空けたまま下書きさせ、販売価格の履歴を見た担当者が数字を入れる手順が確実です。

確かめる点を並べると次のとおりです。

確かめる点 生成AIが足しやすい言葉の例 照らす資料 確かめる人
品質・成分・産地 規格書に無い成分や産地の記載 メーカーの商品規格書、商品マスタ 商品部の担当
効果・性能 「汚れがすぐ落ちる」「長持ちする」 メーカーが示す試験の結果などの根拠資料 商品部の担当、必要に応じて法務
順位・比較 「売上 No.1」「他店より安い」 調査の対象・方法・期間 販促の担当、法務
価格・取引条件 「当店通常価格」「今だけ」「送料無料」 販売価格の履歴、キャンペーンの期間と条件 販促の担当

下書きと一緒に、根拠にした規格書の項目を書き出させると、確かめる人が原本を探す手間が減ります。食品の原材料やアレルゲンのように誤ると健康に響く情報は、生成AIに書き直させず、規格書の記載をそのまま使う運用にしておくと安全です。

会員と購買履歴のデータは、個人情報保護委員会の資料を原本で確かめて範囲を決める

会員の氏名や連絡先、購買履歴を生成AIで扱うときは、個人情報保護委員会の資料を原本で確かめ、利用目的の範囲と使う環境を先に決めます。

個人情報保護委員会は2023年6月2日の「生成AIサービスの利用に関する注意喚起等」で、個人情報取扱事業者が生成AIサービスに個人情報を含むプロンプトを入力する場合は、特定した利用目的を達成するために必要な範囲内であることを十分に確認するよう求めました。あらかじめ本人の同意を得ずに個人データを含むプロンプトを入力し、そのデータが応答の出力以外の目的で扱われる場合は個人情報保護法の規定に違反する可能性があるとして、提供事業者が機械学習に使わないことなどを十分に確かめるよう求めています。注意喚起の要点は個人情報保護委員会の生成AI 注意喚起の用語解説でも確かめられます。

購買履歴を分析に使う場合は、利用目的の書き方も確かめる対象です。

個人情報保護委員会の「個人情報の保護に関する法律についてのガイドライン(通則編)」によると、本人から得た情報から本人の行動や関心などを分析する場合は、どのような取扱いが行われているかを本人が予測・想定できる程度に利用目的を特定しなければなりません。具体的に特定している例として「取得した閲覧履歴や購買履歴等の情報を分析して、趣味・嗜好に応じた新商品・サービスに関する広告のために利用いたします。」を挙げ、「マーケティング活動に用いるため」は具体的に特定していない例としています。

会員規約やプライバシーポリシーの利用目的に購買履歴の分析が書かれていない場合は、生成AIで分析を始める前に、法務と目的の書き方を見直すのが先です。分析に氏名や連絡先が要らないなら、それらの項目を外したデータで試すと、扱う個人の情報を減らせます。他の情報と照らし合わせないかぎり特定の個人を識別できないように加工する方法は、仮名加工情報の用語解説で確かめられます。

情報の区分ごとに入力してよい環境を決めた例は、次の表のとおりです。

情報の区分 例 入力してよい環境
公開済みの情報 公開している商品の情報、店舗の営業時間、返品の条件 会社が利用を認めた生成AIサービス
社内の一般的な情報 店舗運営マニュアル、販促の計画、売上の集計結果 入力した内容を学習に使わない契約・設定を確かめた社内向けの環境
会員の個人情報 氏名、連絡先、会員番号と結び付いた購買履歴 利用目的の範囲を確かめたうえで、自社が管理する環境に限る
取引先から預かった情報 仕入れの条件、発売前の商品の情報、メーカーの商品規格書 取引先との契約で使ってよい目的を確かめるまで入力しない

取引先から預かった情報は、自社の判断だけで AI に入れてよいとは限りません。商品規格書も取引先から受け取る資料なので、説明文の下書きに使う前に、仕入れの契約や秘密保持契約で使ってよい目的を商品部と法務で確かめてください。生成AIに個人情報を入れるときに社内で決める項目は、生成AIに個人情報を入れてよいかの記事で整理しました。

Offers AX は業務の分解から実装、社内への引き継ぎまで一体で進める

Offers AX は、どの領域のどの作業から AI に任せるかを決める課題調査から、動くものでの検証、本実装、社内への引き継ぎまでを一体で支援します。支援は3つの柱を、案件の進み具合に合わせて組み合わせる形です。

  • コンサルティング: 課題の調査、使い道の選定、効果測定の設計を行い、投資判断に使える形でまとめる
  • AI エージェント開発: 業務に固有の文脈を組み込んだ AI エージェントを設計し、数週間で動くプロトタイプを作って実際の業務で検証してから本実装へ進む
  • 内製化支援: 引き継ぎのドキュメントの整備、社内の運用体制づくり、エンジニア採用の要件定義

支援の範囲と進め方は Offers AX のサービスページにまとめました。どの領域から始めるかが決まっていない時点でも相談できるので、無料相談を申し込むからご連絡ください。

前の節で「自社が管理する環境に限る」とした会員の情報も扱えるよう、構築は GCP・Azure・AWS のいずれにも対応し、原則としてお客様の環境に作ります。当社の環境に顧客データを持たず、契約が終わっても資産はお客様の環境に残る形です。AI の出力は下書きや参考情報として扱い、判断は人が行う前提で設計しています。

販売・在庫・発注のように複数の系統のデータを突き合わせる作業は、業種が違っても組み立てが似ています。Offers AX が支援した日本たばこ産業(JT)の人事部では、3系統のデータの突き合わせを自動化し、15時間ほどかかっていた作業が数十分で終わるようになりました。人事部を AX の起点に選んだ経緯とあわせて、2026年10月16日の Forbes JAPAN の記事「JTがoverflowとともに挑む人事部起点の「AX」」で紹介されています。

進め方は、業務の現場に近い距離で戦略と実装を一体で進める FDE(Forward Deployed Engineer)型です。FDE という働き方の定義は Offers FDE の解説記事にあります。要件定義書を作り込む前に動くものを作り、効果を実測してから続けるかを決めます。効果がなければ中止できることを契約の前提にしているため、後の節で示す「1つの作業を過去の記録で試して測る」進め方と組み合わせやすい支援です。

本部が決めることと、店舗に任せることを分ける

生成AIを店舗で使い始める前に、使ってよい情報と問い合わせ先は本部が決め、売場の事情に合わせた判断は店舗に任せる形に分けておきます。分担を並べると次のとおりです。

決めること 本部が決めること 店舗に任せること
使ってよい情報と環境 情報の区分、入力してよい環境、会社が認める生成AIサービス 区分に迷う情報を本部へ尋ねる
根拠にする文書 マニュアルと規格書の置き場、更新する担当、古い文書を外す時期 現場と合わない手順や古い記載を本部へ知らせる
AI が答えられないときの問い合わせ先 質問の種類ごとの回し先(店長・本部の担当・法務) 回ってきた質問に答え、マニュアルに足す内容を本部へ提案する
表示の確認 説明文と販促の文を確かめる担当と、確かめる点の一覧 店舗で作る POP を一覧に沿って確かめる
発注・シフト・接客 判断の手順と、AI の出力を参考にとどめる決まり 地域の催事・天候・客層に合わせた発注量とシフトの確定、例外の接客

本部が決めないまま始めると、店舗ごとに別の生成AIサービスを使い、会員の情報を個人のアカウントに貼り付けるような使い方が起きやすくなります。会社が把握していない AI の使い方が生む危うさは、シャドー AI の用語解説で確かめられます。

反対に、本部が使い方を細かく決めすぎると、忙しい店舗では使われない仕組みになりがちです。本部が持つのは「何を入れてよいか」「答えられないときはどこへ回すか」「表示を誰が確かめるか」の3つに絞り、使い方の工夫は店舗で見つかったものを本部が集めて他の店舗へ広げる分担が続けやすい形です。

最初は1つの作業に絞り、過去の記録で試して測る

最初の取り組みは領域を広げず、店舗からのマニュアルの問い合わせか、商品説明文の下書きのどちらか1つに絞ると、効果と誤りの出方を測れます。進め方は次の5つのステップです。

  1. 情報の区分表で、使える情報と入力してよい環境を決める
  2. 件数が多く、出力を人が原本で確かめられる作業を1つ選ぶ(店舗からの手順の問い合わせ、規格書からの説明文の下書きなど)
  3. 根拠にするマニュアルと規格書を最新の内容だけに絞り、見てよい人と更新する担当を決める
  4. 過去の問い合わせや、公開済みの説明文の元になった規格書で AI を動かし、人が実際に返した回答や載せた説明文と比べる
  5. 回答や下書きにかかった時間、人が直した件数と内容、店舗で使われた回数を見て、広げるか、直すか、やめるかを決める

3つ目の準備では、マニュアルが部署ごとに分かれていないか、店舗に届いた通達と食い違う記載が残っていないかを確かめます。古い手順が混ざったまま AI に渡すと、もっともらしい古い答えが返ってくるためです。社内文書・閲覧権限・更新の持ち主を整える手順は、AI のデータ整備の進め方の記事で詳しく扱っています。

4つ目で過去の記録を使うのは、お客様や店舗に影響を出さずに誤りの出方を確かめるためです。どの項目をどう直したかを記録しておけば、全件の確認から抜き取りの確認へ移すか、AI の使い方を変えるかを数字で決められます。試す期間で終わらせず本番へ進める決め方は、AI の PoC で止まらない進め方の記事にまとめました。

つまずきやすいのは、古い情報での回答・計算の丸投げ・使われない仕組みの3つ

小売の生成AIで起きやすいつまずきは、古いマニュアルや価格をもとに答えること、発注や価格の計算を生成AIに丸投げすること、店舗で使われないことの3つです。どれも使い始める前の決まりで防げます。

1つ目は、古い情報をもとに答えてしまうことです。手順、価格、キャンペーンの条件は入れ替わるため、AI が根拠にした文書の日付を回答に添えさせ、期限の切れた文書は置き場から外す決まりにしておきます。生成AIがもっともらしい誤りを出す性質は、ハルシネーションの用語解説で確かめられます。

2つ目は、発注や価格の計算を生成AIに丸投げすることです。文章で条件を伝えて発注数や価格を出させると、在庫や販売実績と合わない数が、もっともらしい説明つきで返ってくることがあります。計算は需要予測の仕組みや担当者に任せ、生成AIには予測の説明と連絡の下書きを任せるという最初の分け方を守ってください。

3つ目は、仕組みを作っても店舗で使われないことです。レジや品出しの合間に、専用の画面を開いて長い質問を打ち込む使い方は続きにくいものです。従業員がすでに使っている店舗の端末や業務用のチャットの中に組み込み、使われた回数と使われなかった理由を最初の数週間で聞き取ってください。

やめる判断も、試した成果の1つです。直す手間が人が最初から書く手間を上回る作業や、規格書の様式がメーカーごとに違って下書きが安定しない商品群もあります。その場合は元の手順に戻すか、決まった手順で処理するプログラムに任せる別の選び方に切り替えれば十分です。

次に取る行動は、この記事の4つの領域の表を自社の業務名と文書名で書き直し、情報の区分表と本部・店舗の分担表を並べてみることです。最初に試す作業が1つに絞れたら、店舗からの問い合わせを受けてマニュアルを調べ、回答案を作り、答えられないものを担当へ回すところまでをつなげて動かす AI エージェントへ広げる道も見えてきます。

目的を与えると手順を組み立てて作業を進める AI の考え方はAI エージェントの用語解説に、手順を人が決めて動かす固定のワークフローとの選び方はAI エージェントと固定のワークフローの違いの記事にまとめました。業務に AI エージェントを入れる話題は、AI エージェントのカテゴリから順に読めます。

AI を全社の成果につなげる Offers AX

コンサルティング・AI エージェント開発・内製化支援の3本柱で、実装まで支援します。無料相談を受け付けています。

無料で相談する

Offers AX のサービスを見る

記事一覧へ