人手不足とコスト増が加速させる「省人化×データ活用」
2026年に入り、リテール業界は人手不足とエネルギー・物流コストの高止まりという二重の圧力にさらされ続けている。多くのスーパーやGMSでは、セルフレジ・セミセルフレジの設置率がすでに主要チェーンで7割を超え、次の焦点は「レジ以降」の省人化に移りつつある。具体的には、AIカメラによる需要予測発注、電子棚札（ESL）と連動したダイナミックプライシング、バックヤードの在庫最適化など、店舗運営全体をデータでつなぐ動きが目立つ。
注目すべきは、単なる省人化ではなく「省人化と顧客体験の両立」が求められている点だ。人員を削減しながら欠品率を下げ、なおかつ販促の精度も上げるという難しい舵取りが、各社の経営課題になっている。ここで鍵を握るのが、ID-POSデータをはじめとする顧客購買データの活用である。誰が・いつ・何を・どのように買っているかを可視化することで、限られた人員でも効果的な棚割りや販促設計が可能になる。マギーが提供するPALやPowerIDのようなID-POS分析基盤は、こうした「省人化しながら精度を上げる」というニーズに応える形で、活用領域を広げている。
ドラッグストアとコンビニ、業態の垣根がさらに崩れる
業態間の競争構造も、2026年は一段と流動化している。ドラッグストアは食品・生鮮の取扱いを拡大し、実質的にミニスーパー化する店舗が増加。大手チェーンでは食品売上構成比が3割を超える店舗も珍しくなくなった。一方でコンビニ各社は、単身高齢者や共働き世帯向けに少量パック惣菜や冷凍食品の品揃えを強化し、近隣スーパーの客層を一部取り込む動きを見せている。
こうした業態の垣根が曖昧になる中で、各社が頼るのが「自社の強みをデータで再定義する」というアプローチだ。例えば、ドラッグストアであればヘルスケア関連の購買履歴と食品購買を掛け合わせ、健康志向層への提案力を高める。コンビニであれば、時間帯別・曜日別の来店パターンを分析し、品揃えを地域ごとに最適化する。マギーのi-codeのような商品コード統合の仕組みは、業態をまたいだ比較分析や、PB・NB横断での品揃え最適化を後押しする基盤として、こうした再定義の動きと相性が良い。
AIによるパーソナライズ販促が「当たり前」の時代へ
もう一つの大きな潮流は、AIを活用したパーソナライズ販促の一般化だ。数年前までは大手一部チェーンの先進事例だったAIレコメンドやセグメント別クーポン配信が、2026年現在では中堅・地域チェーンでも導入が進んでいる。アプリ会員データとID-POSを統合し、購買頻度や離脱兆候をAIが検知して自動でクーポンを出し分ける仕組みは、もはや目新しいものではなく「やっていて当然」のインフラになりつつある。
この流れの中で重要性を増しているのが、データの精度と統合性だ。ポイントカードやアプリ、EC、店舗POSといった複数チャネルのデータをいかに矛盾なく統合し、一人の顧客として捉え直すか。マギーのAmeba DNA AIのような顧客DNA分析の考え方は、まさにこの「複数接点のデータを一つの人物像に統合する」というニーズに応えるものであり、今後もパーソナライズ施策の高度化とともに需要が高まると見られる。
人手不足、業態間競争、パーソナライズの深化――2026年のリテール業界は、これら三つの潮流が同時並行で進む複雑な局面にある。共通するのは、勘や経験だけに頼るのではなく、データに基づいて意思決定するという姿勢がもはや選択肢ではなく前提になっているという点だ。今後も各社のデータ活用の巧拙が、店舗運営の明暗を分ける重要な要素であり続けるだろう。