コンビニエンスストアでのAI活用術

コンビニエンスストアに、そもそもAIは必要なのか

AIを入れて意味があるかどうかは、二つの軸で決まります。ひとつは、同じ判断を月に何回繰り返しているか。もうひとつは、その判断を間違えたときに何が起きるか、です。

両方が大きい業務ほど、入れる価値が出ます。逆に、月に数回しか起きず、間違えても取り返しがつく業務は、後回しで構いません。

コンビニエンスストアのAI活用でこの二軸に当てはまるのは、まず 単品ごとの発注数の判断 です。数百品目について毎日繰り返し、欠品すれば売り逃し、多く取れば廃棄になります。棚卸差異の確認と、本部へ上げる日報の整理も同じ性質を持っています。

一方で、カウンターでの対応はここに入りません。公共料金の収納やチケットの発券は、手続き自体は決まっていても、並んでいる人数や相手の様子を見て、説明の順番も言葉も変えています。

深夜帯のトラブル対応も同じです。店内で客同士が揉めた、体調の悪い人がいる、といった場面で何をどこまでするかは、 その場にいる人が責任を持って決めること です。

この線引きは、店舗の業務ごとに変わります。同じ「発注」という言葉でも、定番商品の日々の発注と、予約商材の計画づくりでは、繰り返しの回数も外したときの影響も違います。

ですから、自店の業務を工程に分けて見ていく必要があります。次に、その分解から始めます。

発注から本部報告・巡回まで、負荷が大きいのはどの工程か

コンビニエンスストアの一日は、発注から本部への報告まで、決まった順序で回っています。工程に分けて並べると、人の時間と神経がどこに集中しているのかが見えてきます。

負荷が集中しているのは 発注 です。品目数が多いから、という理由だけではありません。

発注の締切時刻は便ごとに決まっています。その時刻までに、担当者は前年同日の販売実績、当日から翌日の天気予報、近隣の学校行事や工事の予定、本部から届く販促情報を頭の中で突き合わせ、数百行を埋めていきます。

置き場所がばらばらなので、突き合わせる作業そのものに時間が取られます。締切が来れば保留にできない点も、負荷を重くしています。

ここに数量案が先に並ぶと、作業は ゼロから決めるものから、直すところを探すものに変わります 。手前の荷受・検品では過剰在庫への対応が減り、後ろの鮮度・ロス管理では撤去する量そのものが減ります。

接客・カウンターを極小としたのは、精度の問題ではありません。レジ前で何を優先するかは並んでいる人数や相手の様子しだいで、基準として書き留められる形になっていないからです。

コンビニエンスストアで最初に取り組むべきAI活用、3つ

先ほどの二軸で並べたとき、上位に来るのは次の三つです。毎日のように繰り返していて、外すと売上か店舗の損に直結する業務から手をつけるのが、順序として自然だからです。

明日の発注数を、AIに下書きしてもらう

毎日の発注締切の数時間前に、自動処理が動きます。AIが読み込むのは、直近と前年同日の販売実績、翌日までの天気予報、近隣の行事予定をまとめた表、そして 欠品を出したくない品目と廃棄を抑えたい品目の優先順位を書いた一覧 です。

結果は、発注担当が毎日開いている表計算ソフトに、単品ごとの推奨数として並びます。前回から増減させた理由も横に添えられるので、頭の中だけで突き合わせていた作業が、数字を見比べて直す作業に変わります。

確かめるのは発注担当です。棚の残り、近隣の工事や催事など、表に載っていない事情と照らして最終数量を決めます。発注の責任は店舗側にあり、推奨数をそのまま通す運用にはしません。

棚卸差異の出方から、異常を拾い上げる

きっかけは、棚卸の結果が決まったフォルダに保存されたときです。AIはその数字だけを見るのではなく、同じ期間の販売数、廃棄記録、検品時に書いた欠品メモ、さらにカテゴリごとに「ここまでは通常の誤差」と決めた範囲を参照します。

通常の幅を超えたカテゴリだけが、店長の業務チャットに届きます。いまは締めのあとに数字を眺めて気づくかどうかという状態ですが、気づくべきものが向こうから届く形になります。

届いた品目について、店長が作業記録や時間帯別の売上と突き合わせます。人を疑うことにつながる判断なので、 AIの出力は確認の出発点までとし、結論としては扱いません 。

季節商戦の計画を、たたき台から始める

三つ目は年に数回しか来ませんが、外したときの損が大きい業務です。予約商材の商戦が始まる時期が予定管理ツールに登録されると、自動処理が動き出します。

AIが見るのは、過去の同じ商戦の予約数・販売数・廃棄数、そのとき何が足りず何が余ったかを書き残したメモ、今年の本部の販促情報、そして どの品目に予約を寄せるかという店舗の方針 です。

出力は、文書作成ソフトに計画のたたき台として保存されます。品目別の数量案と、前年から増減させた理由が並んだ状態から始められるので、白紙から書き起こす手間がなくなります。

最後に数量を判断するのはオーナーと店長です。予約の声かけを誰がどの時間帯で担うかという体制と併せて見ないと、数量だけ増やしても取りきれないためです。

業務に組み込むまでの4ステップ

二つ目に挙げた棚卸差異の確認を例に、四つのステップを追います。新しいシステムを作る話ではなく、すでに店舗にあるツールの間に、情報の通り道を一本つくる作業です。

1. 使う情報がどこにあるかを決める

必要なものは、すでに店舗にあります。

• 棚卸の結果
• 同じ期間の販売数と廃棄記録
• 検品のときに書いた欠品・誤配のメモ

新しく作るのではなく、 置き場所を一箇所にそろえるだけ です。店舗のパソコンとバックヤードのノートに分かれているなら、ファイル保管サービスの決まったフォルダに集約します。

2. 何をきっかけに動かすかを決める

棚卸の結果がそのフォルダに保存されたとき、を起点にします。人が思い出して操作する形にすると、忙しい日に飛ばされ、やがて誰も開かなくなります。

当番が日ごとに代わっても、同じように動く起点にしておく必要があります。

3. 判断の基準を設定しておく

ここが いちばん時間のかかる工程 です。ベテランの店長が頭の中で無意識にやっている見分け方を、文章にして一箇所にまとめます。

• どこまでの差異なら通常の誤差とみなすか（カウンター商材と加工食品では幅が違います）
• 差異が出たときに疑う順番（検品の計上漏れ、廃棄記録の付け忘れ、レジ登録の誤り、それでも残る分）
• 通知しなくてよい場面（棚替えの直後、棚卸の担当が代わった直後など）

一度書き留めておけば、翌月も翌年も同じものを参照させられます。

4. 結果の戻り先と、確認する人を決める

戻り先は店長の業務チャットです。対象のカテゴリ、差異の幅、先に疑うべき順番が、一件ずつ届きます。

確認は棚卸の翌日、締めの作業のあとに固定します。本部へ上げるかどうかを判断するのは店長です。

先に知っておきたい、つまずきやすい3か所

• 元の様式が変わると、流れが止まります 。本部から届く販促情報や棚割の表は、商品改定や改装のたびに列の並びが変わります。読む位置がずれたまま気づかずに進むと、推奨数だけが静かにおかしくなります。様式が切り替わる時期を決め、そのつど読み込み先を見直す担当を決めておきます。
• 過去にない事情は、AIの側からは見えません。近隣の道路工事、学校の行事、向かいの店の一時閉店といった事情は、販売実績には表れていないからです。推奨数が外れた日に「何があったか」を一行書き足す欄を用意し、次回から参照させる形にします。
• 通知が個人宛だと、届かない時間帯ができます。深夜帯を含む交代制では、店長がいない時間に異常が出ることもあります。 その日の責任者という役割宛に届く形 にし、誰が見たかが分かるようにしておきます。

コンビニエンスストアのAI活用は、どこから考えればいいか

最初に引いた線は、繰り返しが多く、外したときの影響が大きい業務ほどAIが効く、というものでした。三つがその内側にあるのは、数字と記録が手元に残っていて、 判断の基準を言葉にできる からです。レジ前の対応が外側に残るのも、裏返せば同じ理由です。

三つとも同時に始める必要はありません。いちばん手が取られている業務、どれか一つからで十分です。

必要なものは、すでに店舗にあります。毎日の販売実績、棚卸の記録、そして 店長が頭の中で使っている見分け方 です。集め直すところから始めるわけではありません。