食品ロス問題、依然として社会課題の中心に
食品ロスの削減は、国内小売・流通業界にとって現在も最重要課題のひとつです。国は2030年度までに食品ロス量を半減させる目標を掲げており、事業系・家庭系を合わせた発生量は依然として年間数百万トン規模で推移していると見られています。こうした状況の中、小売各社は「勘と経験」に頼った発注業務から脱却し、データドリブンな需要予測へと舵を切る動きを強めています。
背景には、単なるコスト削減にとどまらず、ESG経営やサステナビリティ開示の要請が強まっていることがあります。食品ロス削減は投資家や消費者からの評価にも直結するテーマとなっており、経営課題としての優先順位が上がっているのが直近の特徴です。
需要予測AIが変える発注・在庫管理の現場
現在、多くの小売チェーンが導入を進めているのが、天候・曜日・地域イベント・過去の販売実績などを組み合わせて需要を予測するAIシステムです。従来は店舗担当者の経験則に依存していた発注量の決定を、AIが日次・時間帯別に精緻化することで、過剰発注による廃棄と欠品による機会損失の両方を抑制する取り組みが広がっています。
特に生鮮食品や日配品といった賞味期限の短いカテゴリーでは、需要予測の精度が数パーセント改善するだけでも廃棄量に大きな差が生まれるため、AI活用の効果が可視化しやすい領域として注目されています。実際に、需要予測AIを本格導入した小売企業では、対象カテゴリーの廃棄率が一桁台の割合で改善したという報告も業界内で共有されるようになってきました。
また、ダイナミックプライシング（需要と在庫状況に応じた価格変動）との組み合わせも進んでおり、賞味期限が近づいた商品を自動的に値引き表示するシステムと需要予測を連動させることで、廃棄前の販売機会を最大化する取り組みも一般化しつつあります。
ID-POSデータ活用がもたらす精度向上のカギ
需要予測AIの精度を左右する最大の要因は、学習データの質と粒度です。単純な販売実績だけでなく、「誰が」「いつ」「何を」購入したかを示すID-POSデータを組み合わせることで、顧客セグメント別の購買行動を反映した、より解像度の高い需要予測が可能になります。
こうした潮流の中で、マギーが提供するPAL（Purchase Analysis Lab）やPowerID、i-codeといったID-POSデータ活用ソリューションも、単品管理の高度化や販促効果の可視化を通じて、需要予測の精度向上を支える技術基盤として位置づけられています。生成AIを活用したAmeba DNA AIのような分析基盤の発展も、今後の需要予測モデルの進化に寄与していくと見られます。
食品ロス削減は一企業の努力だけで解決できるテーマではありませんが、AIとデータ活用の高度化により、小売業界全体で「廃棄を前提としない」発注・販売の仕組みづくりが着実に進んでいると言えるでしょう。今後は生成AIによる需要変動要因の自動抽出や、サプライチェーン全体を横断した需要予測の連携など、さらなる進化が期待されています。