無人店舗の売上を左右する「AI在庫管理・自動発注」とは？失敗しないシステム選びのポイント

無人店舗の運営で経営者が最初につまずくのは、接客でも決済でもなく在庫です。無人の店舗では、棚が空になっても、賞味期限が近づいた商品が積み上がっても、気づく人がいません。有人店舗なら店員が目視で補い、経験と勘で発注量を決められますが、無人店舗ではその判断役が存在しないため、品切れと廃棄ロスが同時に起きやすくなります。

この課題に答えるのが、AIによる需要予測と自動発注、そして重量センサーやカメラによるリアルタイムの在庫把握です。本記事では、無人店舗運営における在庫管理の構造的な課題を整理したうえで、実際に稼働している需要予測・自動発注の仕組みと、在庫把握を支えるセンサー技術を、公表されている実例とともに解説します。最後に、失敗しないシステムの選び方と導入ステップも紹介します。運営コストを削減したい単店舗のオーナーだけでなく、複数店舗の在庫精度を均一に保ちたいFC本部の運営者にとっても、判断材料になる内容です。

無人店舗運営における最大のボトルネック「在庫管理と発注業務」

無人店舗の運営コストを分解すると、家賃や通信費は毎月ほぼ決まった額が出ていく固定費です。決済手数料は売上に応じて増減する変動費ですが、売上の見込みが立てば金額も読めます。これに対し、在庫にまつわる損失は、日々の需要や天候、曜日、近隣のイベントによって振れ幅が大きく、事前に読みにくい費目です。しかも無人店舗では、その変動を吸収する役割を誰も担っていません。有人店舗であれば、店員が棚を見て「そろそろ発注しないと切れる」「これは今日中に値引きしないと廃棄になる」と判断できます。無人店舗にはその目がありません。発注は開業当初に決めた固定パターンのまま据え置かれ、実際の売れ行きとのズレには、補充に来たときにしか気づけない運用になりがちです。

このズレは二つの方向に出ます。ひとつは品切れです。人気商品が午後には棚から消え、その状態が次の補充まで続けば、その間の売上は丸ごと失われます。無人店舗は接客で埋め合わせができないため、品切れがそのまま機会損失になりやすい業態です。もうひとつは廃棄ロスです。賞味期限のある商品を売れる分だけ仕入れるのは有人店舗でも難しい判断ですが、無人店舗では棚の状態を見て発注量を微調整する担当者がいないぶん、過剰仕入れに寄りやすくなります。

食品ロスは無人店舗に限った問題ではありません。消費者庁が公表した集計によれば、国内の食品ロス量は2024年度で461万トン、このうち事業活動から発生する事業系食品ロスは237万トン、家庭からの家庭系食品ロスは224万トンです（消費者庁）。農林水産省が示す事業系食品ロスの内訳は食品製造業110万トン、外食産業70万トン、食品小売業48万トン、食品卸売業9万トンです（農林水産省）。食品を並べる無人店舗は小売の現場そのものであり、この数字と無縁ではありません。人の目による微調整ができない分、廃棄が膨らむ余地はむしろ大きいと考えておくべきでしょう。

配送の頻度も、無人店舗の在庫問題を難しくする要因です。補充に人を毎日送れない店舗では、決まった曜日にまとめて商品を受け取る運用になりやすく、店員が毎日仕入れ量を見直せる有人店舗と比べて、ズレを埋める機会そのものが少なくなります。次の配送日まで在庫を持たせようとすれば過剰在庫になり、切り詰めれば途中で品切れが起きます。この綱引きを、経験や勘に代えてデータで解く必要があるのが無人店舗です。

FC展開を検討する本部運営者であれば、この論点はさらに切実です。店舗ごとに発注担当を置けない多店舗展開では、在庫管理の精度の差が、そのまま店舗収益のばらつきになります。属人的な発注に頼る限り、店舗数を増やすほど品切れと廃棄の総量も膨らみやすくなります。ここにAIを組み込む意味があります。

「AI在庫管理・自動発注システム」がもたらす革新

ここからは、無人店舗の在庫問題に対してAI在庫管理・自動発注システムが実際に何をしているのかを確かめます。仕組みは大きく二つに分かれます。ひとつは需要を予測して発注量そのものを最適化する仕組み、もうひとつは棚の現在の状態をセンサーやカメラでリアルタイムに把握する仕組みです。以下、順に取り上げます。

需要予測に基づく自動発注で品切れ・廃棄ロスを減らす

需要予測型の自動発注は、過去の販売実績、天候、曜日、季節性といったデータから商品ごとの需要を予測し、発注数量を自動で算出する仕組みです。発注担当者の経験と勘に依存していた判断を、データに基づく数字へ置き換えます。品切れと廃棄ロスをゼロに近づけていくための、発注の土台にあたる仕組みです。

ここで挙げる実例は、いずれも店員が在籍する有人店舗で公表されたものです。無人店舗にはその店員がいないため、以下の数字や効果は、店員が担っていた判断をシステムに置き換えた場合の目安として読み替える必要があります。発注と廃棄の両面で取り組みを公表している実例のひとつがローソンです。同社は2024年5月、天候・販売実績などの店舗ごとのデータをもとにした商品別の需要予測と、それに基づく商品発注をAIで支援する発注システム「AI.CO」の全国展開を開始しました。日々の発注数の推奨に加えて値引きも一貫して推奨する設計で、販売機会ロスと食品ロス（廃棄ロス）の両方を減らす狙いです（ローソン 廃棄物削減の取り組み）。

ゴールの置き方も参考になります。ローソンは食品ロス削減目標として、2030年までに2018年対比で50％、2050年までに同100％の削減を掲げています（ローソン ニュースリリース 2026年5月8日）。店舗の実態調査では、2025年度の廃棄物は1店舗1日あたり41.6kg、このうち売れ残り食品は8.6kgでした（ローソン 廃棄物削減の取り組み）。最終的にはゼロを目指しながら、足元では中間目標を置いて年単位で削っていく。大手チェーンが公表している道筋はこの形です。需要予測型の自動発注も、導入した日から廃棄が消えるものではありません。ゼロという到達点に向けて、発注と値引きの判断を数字で揃え、削減の進み具合を測れるようにする道具と捉えると、導入後の期待値を見誤りにくくなります。

発注業務そのものの負荷も無視できません。静岡県中部でスーパーマーケットを展開する静鉄ストアは、デイリー商品の発注に、統計解析とAI技術を活用した自動発注サービス「AI-Order Foresight」を導入し、売れた商品のチェックと発注にかかる作業時間を約60％削減しました。あわせて在庫数が最適化されたことで、値引きや廃棄ロスの削減にもつながったと報告されています（BIPROGY）。無人店舗の発注を本部や巡回担当がまとめて受け持つ運営なら、その作業時間は店舗数に応じて積み上がります。発注の手間を減らす効果は、店舗網が大きいほど効いてくるはずです。

重量センサーやカメラ連携によるリアルタイムな在庫把握

需要予測が「これからどれだけ売れるか」を計算するのに対し、重量センサーやカメラは「いま棚に何があるか」を実測する役割を担います。無人店舗では棚を見て回る店員がいないため、この実測データがなければ、需要予測がどれだけ当たっているかも確かめにくくなります。

重量センサー型の代表例が、IoTマットの上に商品を置くだけで在庫の増減を自動検知する仕組みです。導入社数1,400社以上を公表するスマートマットクラウドは、マットの重量変化から「いつ、どれだけ減ったのか」「いつ、どれだけ入ったのか」を検知して在庫データを自動でためる仕組みで、その在庫データと業務データを組み合わせ、欠品や過剰在庫への対策に使うことを打ち出しています（スマートマットクラウド）。

カメラ型は、棚の陳列状態そのものを画像で監視する方式です。九州を中心にディスカウントストアなどを展開するトライアルホールディングス（福岡市）は、2019年4月、同月にリニューアルオープンする「メガセンタートライアル新宮店」の商品棚のプライスレールにAIカメラ1,500台を設置し、棚ごとの売り上げ状況を分析すると発表しました。欠品状況を随時把握して、バックヤードから商品を補充するタイミングも適正化できるとしています（日経クロストレンド）。ただしカメラが捉えるのは写っている範囲です。棚の奥に重なった在庫の数は画像だけでは確かめにくい場面があり、重さで量る方式とは検知の性質が異なります。

押さえておきたいのは、AIカメラの用途は店舗によって異なるという点です。レジを通さず退店できるウォークスルー型のレジレス決済でも、AIカメラと重量センサーが使われています（詳しくは小売業のDXを加速する「店舗省人化」の進め方で解説しています）。もっとも、そちらの主眼は客が何を持ち出したかを計算して会計につなげることにあります。本記事で扱う在庫管理向けのセンサーは、発注判断のための在庫把握を目的としています。

失敗しないAI在庫管理システムの選び方と導入ステップ

需要予測・自動発注と、センサーによる在庫把握。この二つをどう組み合わせて導入するかが、無人店舗運営における実務上の分かれ目になります。以下、失敗しないための選定基準と導入の進め方を整理します。

選定基準1：既存の発注網・POSとの接続性。 需要予測は過去の販売実績データが土台になるため、既存システムからデータを引き継げない製品は、導入初日からデータの空白を抱えることになります。複数店舗を展開する事業者は特に、本部の発注システムと店舗側のセンサーデータを一元管理できるかどうかを、契約前に確認する必要があります。

選定基準2：無人店舗特有の運用に対応しているか。 有人店舗向けに設計されたシステムの多くは、異常時の一次対応を店員が担う前提で作られています。無人店舗では、品切れや在庫の異常をスマートフォンなどへ即時通知し、補充担当者が遠隔から状況を把握できる機能が欠かせません。重量センサーであれば発注点のアラート、カメラであれば陳列崩れや欠品の画像通知など、無人運営を前提にした通知設計になっているかを確認します。

選定基準3：投資回収の見通しと補助制度の活用。 重量センサーやカメラの導入には什器・機器代とシステム利用料がかかるため、店舗数が少ないうちは投資回収に時間を要します。ここで検討したいのが公的な補助制度です。中小企業・小規模事業者を対象とした「デジタル化・AI導入補助金」では、通常枠の補助対象の具体例に販売管理・在庫管理システムが挙がっており、通常枠の補助率は中小企業で1/2、最低賃金近傍の事業者では2/3です。ただし通常枠の補助対象経費はソフトウェア購入費、クラウド利用料（最大2年分）、導入関連費で、補助対象になるのは「IT導入支援事業者」が登録したITツールに限られます（中小企業基盤整備機構）。センサーやカメラの機器代まで含めて補助されると見込まず、システム部分が対象になるかどうかを、自己資金で投資回収期間を計算する前に確認しておくとよいでしょう。

選定を終えたら、試験導入から始めます。その設計には、この分野ならではのコツが二つあります。一つは、比較する期間の揃え方です。在庫の動きは曜日と天候で大きく変わるため、導入前後を比べるときは、同じ曜日構成になるよう4週間ずつを取り、特売や大型連休を含む週は外し、可能であれば前年同時期の実績も参考にすると、システムの効果と季節要因を取り違えにくくなります。もう一つは、見る指標を最初に三つに絞ることです。欠品の状況（補充に行った時点で欠品していた品目と回数を、導入前後とも同じ数え方で記録します）、廃棄した数量、発注にかかった作業時間の三つを、センサー1系統×1カテゴリのような小さな単位で測ります。重量センサーなら、形が揃っていて単品の重さが安定しているカテゴリから始めると誤差の検証がしやすく、カメラなら棚の奥行きが浅い什器から始めると死角の影響を切り分けやすくなります。

試験導入の段階では、システムを入れて終わりにせず、これまで発注を担っていた人員の役割をどう再配置するかも合わせて設計しておくべきです。無人店舗では発注そのものはシステムに任せられても、届いた商品の荷受け、棚への補充、異常通知への一次対応は人の作業として残ります。発注の判断をAIに渡した分、遠隔からの監視と現場対応に人員を振り向けます。この再配置まで見込んで初めて、システム導入の投資対効果は計算できます。

方式ごとの違いを整理すると、次のようになります。

需要予測型は発注そのものの精度を上げ、重量センサーとAIカメラは現場の実測値を提供します。無人店舗では、この二系統を組み合わせて使うのが基本です。

まとめ

無人店舗の在庫管理は、システムを導入すれば自動的に解決する話ではありません。需要予測による自動発注が発注業務の負荷と廃棄ロスを圧縮し、重量センサーやカメラが「いま棚に何があるか」を人の目の代わりに把握します。この二つを組み合わせることで、人がいない時間帯でも在庫を適正に保ちやすくなります。

本記事で見た公表事例を振り返ると、ローソンは食品ロスの100％削減、つまりゼロを2050年の目標に置きながら、2030年の50％削減という中間目標を刻んでいます。静鉄ストアが示したのは、発注にかかる作業時間の約60％削減です。ゼロは導入初日に手に入るものではなく、数字で進み具合を確かめながら近づいていく到達点です。だからこそ、まず自社の在庫課題がどこにあるのかを数字で棚卸しします。そのうえで、既存の発注網との接続性、無人運用に対応した通知設計、投資回収の見通しの三つを確かめ、対象を絞った試験導入から始めます。これが、失敗しないシステム選びの手順です。

【出典・参考】

• 事業系食品ロス量（2024年度推計値）を公表：農林水産省
• 我が国の食品ロスの発生量の推計値（令和６年度）の公表について：環境省
• 2024(令和6)年度食品ロス量推計値の公表について：消費者庁
• 地球環境保全の取り組み：廃棄物削減：ローソン公式サイト
• フードロス削減アプリ「Too Good To Go」を導入（2026年5月8日）：ローソン公式サイト
• スマートマットクラウド｜置くだけ 在庫管理DX：公式サイト
• トライアルがAIカメラ1500台導入 棚ごとの売れ行きを分析：日経クロストレンド（2019年4月）
• 株式会社静鉄ストア様 AI自動発注サービス「AI-Order Foresight」導入事例：BIPROGY株式会社
• デジタル化・AI導入補助金（旧IT導入補助金）のご案内：中小企業基盤整備機構