小売店のDXというと、キャッシュレス決済やECサイト、セルフレジなどを思い浮かべる方が多いかもしれません。

▶ あわせて読みたい：AI導入は何から始める？最初に選ぶ業務の見極め方【業務棚卸し・優先順位表】

しかし、卸売業・小売業で今後大きな差がつくのは、店舗の一部をデジタル化することではありません。

仕入れ、商品、在庫、顧客、店舗、EC、物流までを一つのデータの流れとしてつなぎ、そのデータをAIによる需要予測や自動発注、物流自動化に活用できるかどうかが重要になっています。

特に食品小売では、これまで各店舗の担当者が経験や販売実績を見ながら行ってきた発注を、AIが販売履歴、気温、曜日、周辺環境などのデータから予測する仕組みへ移行する動きが進んでいます。

さらにECが成長すると、「店舗で売る在庫」と「ECで売る在庫」を分けて管理すること自体が非効率になります。そこで注目されるのが、店舗在庫とEC在庫を統合し、実店舗のバックヤードなどに小型の自動化設備を配置して、店舗自体をEC商品の出荷拠点として活用するマイクロフルフィルメントです。

この記事では、卸売業・小売業のDXについて、AI需要予測、自動発注、ビッグデータ、WMS、物流ロボット、マイクロフルフィルメントまでを一連の流れとして整理します。中小企業が、いきなりAIやロボットを購入するのではなく、「商品マスター統一 → 在庫一元化 → CRM → 生成AI → AI需要予測」という順序でDXを進める考え方も解説します。

卸売業・小売業のDXは「決済のデジタル化」の先へ進んでいる

卸売業・小売業では、すでに多くの企業が何らかのDXに取り組んでいます。

IPA「DX動向2025」の2024年度日本企業の業種別データを見ると、「流通業、小売業」では、「全社戦略に基づき全社的にDXに取り組んでいる」28.7％、「全社戦略に基づき一部の部門で取り組んでいる」24.8％、「部署ごとに個別で取り組んでいる」20.0％でした。これらを合計すると、何らかの形でDXに取り組んでいる割合は73.5％になります。

出典：IPA「DX動向2025」データ集

つまり、卸売・小売でDXそのものが特殊な取り組みだった時代から、「取り組んでいることを前提として、どこまで高度化できているか」が問われる段階に移りつつあります。

EC市場はBtoCだけでなくBtoBでも拡大している

経済産業省が2025年8月26日に公表した「令和6年度電子商取引に関する市場調査」によると、2024年の国内BtoC-EC市場は26.1兆円、EC化率は9.8％でした。一方、企業間取引であるBtoB-EC市場は514.4兆円、EC化率は43.1％に達しています。BtoCだけでなく、卸売を含む企業間取引でも電子化が大きく進んでいることが分かります。

出典：経済産業省「令和6年度電子商取引に関する市場調査」

ECサイトを作ること自体がDXのゴールではありません。注文チャネルだけをデジタル化しても、店舗在庫とEC在庫が別管理、商品コードが統一されていない、仕入情報が別システム、出荷指示が手作業、顧客情報が店舗ごとに分断、といった状態であれば、受注が増えるほどバックヤード業務の負担が大きくなる可能性があります。

生成AIも企業実務へ入り始めている

帝国データバンクが2026年3月に実施した調査では、生成AIを業務で「活用している」企業は34.5％でした。企業規模別では大企業が46.5％、中小企業が32.4％、小規模企業が28.0％となっています。

出典：帝国データバンク「生成AIの活用状況調査」

ただし、生成AIと需要予測AIは役割が違います。生成AIは文章作成、情報整理、問い合わせ回答案、商品説明、営業提案などを得意とします。一方、需要予測AIは、過去の販売数量や季節性、気象などの数値データから将来の販売数量を推定することが中心です。

小売業と卸売業ではDXで解決すべき課題が違う

小売業の課題は店舗・EC・顧客・仕入れデータの分断

小売企業では、各システムは便利でも、データがつながっていなければ、「全体として何個の商品を持っているか」「誰が何を購入したのか」「どの商品をどこへ補充すべきか」が分かりません。

卸売業では得意先別価格・FAX受注・商品コード・請求照合が課題になる

卸売業では、同じ商品でも自社の商品コード、メーカーの商品コード、得意先独自の商品コードが異なることがあります。さらに得意先ごとに掛率や販売価格が異なり、FAXや電話、メールで届いた注文を担当者が販売管理システムへ入力しているケースもあります。

そのため、「商品マスター統一 → 受注デジタル化 → 得意先情報との連携 → 在庫・出荷連携 → 請求連携」という流れが重要になります。

共通課題は「商品と在庫の基礎データがつながっていないこと」

小売と卸売に共通するのは、AI以前に基礎データが整備されているかという問題です。同じ商品に複数コードが存在したり、店舗ごとに商品名が違ったり、理論在庫と実在庫が大きくずれていたりする状態でAIを導入しても、高精度な予測は難しくなります。

• 商品コード
• 商品名
• 商品カテゴリー
• 価格
• 仕入先
• 販売履歴
• 在庫履歴
• 廃棄履歴

AI需要予測と自動発注は発注業務をどう変えるのか

食品や日用品を扱う店舗では、発注は非常に重要な業務です。少なすぎれば欠品し、多すぎれば余剰在庫や廃棄につながります。つまり発注担当者は、「売り切らない」と「余らせない」という相反する条件の間で判断しています。

担当者の「経験と勘」による発注の限界

従来は、店舗担当者が過去の販売実績、天気予報、曜日、地域行事などを確認しながら発注数量を決定する方法が一般的でした。経験豊富な担当者であれば精度の高い判断ができる一方、その判断方法を完全にマニュアル化するのは簡単ではありません。

過去売上・天候・曜日・周辺環境などから需要を予測する

AI需要予測では、過去の販売実績、曜日、祝日、気温、湿度、降水量、日照、周辺の人流、キャンペーン、商品特性など、販売に影響する複数の条件を分析します。

ファミリーマートは2025年6月末から全国500店舗で「AIレコメンド発注」の運用を開始しました。同社のAIは、過去1年間の販売実績に加え、店舗周辺の通行量、気温・湿度・降水量・日照量などの気象データ、祝日などのカレンダー情報を分析し、日別・便別・単品別の販売予測を算出します。

同社は、AIによる推奨値の自動算出により、発注業務時間を1週間あたり約6時間削減するとしています。また、欠品による販売機会ロスを抑えながら、過剰発注による廃棄ロスの適正化にもつなげる考えです。

出典：ファミリーマート「AIレコメンド発注」

需要予測→推奨発注量→人による調整→発注へ

「AI需要予測を導入したら人が何も考えなくてよい」という意味ではありません。ファミリーマートの仕組みでも、店舗状況に合わせてAI推奨値を手動調整でき、新商品、販促商品、イレギュラーなイベントなどAIだけでは考慮しにくい要素について店舗判断による調整を推奨しています。

理想的なのは、「AIが大量のデータから基本予測を出す → 人が例外を判断する」という役割分担です。

卸売・小売DXを支える5つの技術

1．AI需要予測モデル

AI需要予測は、過去の販売データや外部要因から将来の需要を予測します。主な目的は、欠品削減、過剰在庫削減、廃棄削減、適正在庫維持、発注判断の省力化です。AI導入の前提として、分析できる販売・在庫データを蓄積しておく必要があります。

2．自動発注システム

需要予測AIが「明日何個売れるか」を予測する仕組みだとすれば、自動発注システムはその結果を実際の発注業務につなげる仕組みです。予測販売数、安全在庫、現在庫、入荷予定数などを加味し、必要な発注数量を算出します。

3．ビッグデータプラットフォーム

AIを活用するには、分析対象になるデータを集める基盤が必要です。POS、EC、在庫、仕入れ、物流、顧客などのデータが各部門に散在しているままでは、分析にも時間がかかります。

4．WMS（倉庫管理システム）

WMSはWarehouse Management Systemの略で、倉庫内の入荷、棚入れ、在庫、ピッキング、梱包、出荷を管理するシステムです。物流ロボットを導入するときも、ロボット単体ではなく、WMSや受注システムとの連携が重要です。

5．ピッキングロボット・自動搬送設備

従来型倉庫では、作業者が棚まで歩き、商品を探して取り出します。そこで「人が商品を取りに行く」から「商品が人のところへ来る」方式へ変更するのがGTP（Goods To Person）などの物流自動化です。

出典：経済産業省「需要予測AI導入ガイド」

アスクルに見る「データ×AI×物流自動化」のDX

卸売・EC・物流を横断してDXを考えるうえで参考になるのがアスクル株式会社の取り組みです。重要なのは、一つのAIやロボットを導入したことではありません。データ基盤、需要予測、物流センター、入荷、配送まで複数工程をデジタルでつないでいることです。

ASKUL EARTHで全社のビジネスデータを集約

アスクルはGoogle CloudのBigQueryを活用した独自のビッグデータプラットフォーム「ASKUL EARTH」へ全社のビジネスデータを集約しています。同社は、一元化によってキャパシティ、処理スピード、データ精度の改善を実現したとしています。

出典：アスクル DXストーリー「ASKUL EARTH」

入荷から出荷まで物流センターを高度自動化

アスクルは、全国の物流センターで、人手不足への対応と物流センターの生産性向上を目的にAI・テクノロジーを使った高度自動化を進めています。入荷後にはAGVによるパレット搬送、自動倉庫による保管、GTPによるピッキング、シャトルによる荷合わせ、ソーターによる出荷先別仕分けなど、物流工程ごとに異なる自動化技術が配置されています。

出典：アスクル「強み・物流」

トラック予約で入荷ドライバーの待機時間を削減

アスクルはトラック予約受付サービスを全国の物流拠点へ導入し、入荷受付を待つドライバーの待機時間を大幅に短縮したと公表しています。物流センターの生産性を上げても、トラックが入荷口の前で長時間待っていれば、サプライチェーン全体では効率化したとは言えません。

出典：アスクル DXストーリー「トラック予約受付」

配送ルートもビッグデータから自動生成する

アスクルが独自開発した配送管理システムでは、配送先の駐車スペースなどのナレッジや道路の混雑状況を加味し、配送ルート計画を自動生成できます。配送パートナーにもシステムを開放し、配送現場の業務負荷軽減と品質向上につなげています。

出典：アスクル DXストーリー「配送管理システム」

マイクロフルフィルメントとは？店舗をEC物流拠点へ変える仕組み

ECが伸びると、新しい課題が生まれます。それが物流拠点をどこに置くかという問題です。大型のEC倉庫を都市郊外へ建設すれば大量の商品を処理できます。一方、顧客までの距離が長くなるため、即日配送や短時間配送には限界があります。そこで注目されているのがマイクロフルフィルメントセンター（MFC）です。

大型物流センターを小さくしただけではない

マイクロフルフィルメントとは、消費者に近い場所へ小規模な自動化された出荷機能を配置する考え方です。店舗バックヤードにも設置できる小型の自動注文処理設備や、店舗内など消費者に近い場所でロボットと人を組み合わせてオンライン注文を処理する仕組みが提供されています。

出典：Dematic「Micro-Fulfillment」

出典：AutoStore「Micro Fulfillment Centers」

店舗在庫とEC在庫を一元化する

店舗に10個、EC倉庫に5個の商品があっても、それぞれ別システムなら、ECでは「在庫切れ」と表示される可能性があります。しかし店舗在庫も販売可能在庫として扱えれば、顧客に近い店舗から出荷できます。これがオムニチャネル物流の重要な考え方です。

店舗バックヤードに省スペース型設備を置く

マイクロフルフィルメントでは、大型の物流センターと同じ規模の設備を設置する必要はありません。限られた面積に高密度で商品を保管し、オンライン注文が入ると必要商品を作業者のもとへ搬送します。店舗内や既存施設へ組み込めるため、条件が合えば新しい大規模物流センターを一から建設する以外の選択肢になります。

店舗を「売る場所」から「売る・受け取る・送る場所」へ

従来の店舗は「お客様が来店して購入する場所」でした。これからは、店頭販売、EC在庫、EC出荷、店頭受取、返品受付、即日配送など複数機能を持つ拠点になり得ます。つまりマイクロフルフィルメントは単なる倉庫自動化ではなく、店舗網そのものをEC物流資産へ変えるDXと考えることができます。

AI需要予測・自動発注を導入する5つのメリット

1．発注業務の工数を削減できる

AIが基本となる推奨数量を算出すれば、担当者は全商品をゼロから考えるのではなく、例外商品を中心に判断できます。

2．欠品を減らし販売機会を守れる

重要なのは廃棄率だけを見るのではなく、欠品率とのバランスを見ることです。AI需要予測は、販売機会を維持しながら適正在庫を目指すために活用できます。

3．過剰在庫・滞留在庫を減らせる

需要予測精度を高めることは、倉庫スペース削減だけでなく、在庫として眠っている資金の圧縮にもつながります。

4．食品廃棄ロスを減らせる

賞味期限・消費期限がある商品では、過剰発注がそのまま廃棄につながります。需要予測は、必要量に近い数量を仕入れることで食品ロス対策にも活用できます。

5．担当者への属人化を減らせる

AIにすべて任せるのではなく、基本判断をデータ化し、人は例外判断へ集中することで、属人性を減らしやすくなります。

卸売・小売DXで失敗しやすい5つのポイント

1．商品コードが統一されていない

同じ商品を店舗、EC、倉庫、仕入先で異なる名称やコードで扱っていれば、正確な在庫把握ができません。「AIを入れる前に商品マスター」という順序を守る必要があります。

2．店舗在庫とEC在庫が別々になっている

ECだけ新しいシステムにしても、店舗在庫と連携しなければ全社在庫を活かせません。オムニチャネルを実現したいなら、販売チャネルより先に在庫連携を考える必要があります。

3．データ不足のままAIを導入する

需要予測AIには学習・分析に使える販売履歴が必要です。データ量だけでなく、欠損、誤入力、商品コード変更などの品質も重要です。

4．AI予測を100％正しいものとして扱う

未来を完全に予測できるAIはありません。突発的なイベント、災害、SNSでの急な話題化、競合店の状況など、過去データだけでは判断しにくい出来事があります。

5．システムだけ導入して業務フローを変えない

DXでよくある失敗が、「今までの仕事をそのまま新しいシステムに載せる」ことです。誰が何を入力するか、どこをAIに任せるか、どこを人が判断するかまで決める必要があります。

中小の卸売・小売企業は何からDXを始めるべきか

大企業の事例を見ると、「自社もAI需要予測や物流ロボットを導入しよう」と考えたくなるかもしれません。しかし、中小企業では順番が重要です。おすすめしたい考え方は、「商品マスター統一 → 在庫一元化 → CRM → 生成AI → AI需要予測」です。

STEP1．商品マスターを統一する

商品コード、商品名、カテゴリー、価格、仕入先、原価、単位などを整理します。卸売業で取引先コードとの対応が必要なら、対応表も整備します。

STEP2．店舗・EC・倉庫の在庫を一元化する

次に「どこに何個あるのか」を把握できる状態を作ります。まずは完全な自動化よりも、経営者や担当者が全社在庫を同じ数字で見られる状態を目標にするとよいでしょう。

STEP3．CRMで顧客データを整備する

在庫の次は顧客です。POSやECで「何が売れたか」だけを見るのではなく、「誰が、何を、いつ、何回買ったか」まで分かるようにします。

STEP4．生成AIを情報活用業務へ導入する

小売なら商品説明文、販促文、問い合わせ回答案、店舗会議の要約、売上レポートの要約など。卸売なら営業提案のたたき台、商品説明、問い合わせ回答、商談記録要約、社内文書検索などから始められます。

STEP5．AI需要予測・自動発注へ進む

販売履歴、商品、在庫データが蓄積されたら、需要予測の検討段階です。販売数量が多い、季節変動がある、廃棄が多い、欠品が多い、発注に時間がかかる商品カテゴリーから試す方法があります。

DXの効果は5つのKPIで測定する

DXは「システムを入れた」で終わらせてはいけません。重要なのは、導入前後で経営や業務がどう変わったかです。卸売・小売では、最低でも次の5指標を確認するとよいでしょう。

欠品率だけ、廃棄率だけを見ない

発注量を減らせば廃棄率は下がるかもしれません。しかし欠品率が上がって売上が落ちたら、本当の改善とは言えません。逆に大量に在庫を持てば欠品率は下がりますが、滞留在庫と廃棄が増えます。DXの目的は、一つの数字だけを改善することではなく、全体最適を実現することです。

2026年の補助金を卸売・小売DXに活用できる可能性

DXには一定の投資が必要です。そこで中小企業では、2026年の補助制度を確認しておく価値があります。代表的なのが、デジタル化・AI導入補助金2026と中小企業省力化投資補助金です。

デジタル化・AI導入補助金2026

従来のIT導入補助金は、2026年度からデジタル化・AI導入補助金2026として実施されています。公式サイトでは、ITツールを導入しようとする中小企業・小規模事業者等に対して、ITツール導入費用の一部を補助する制度とされています。卸売・小売DXで検討する場合には、販売管理、在庫管理、受発注、CRM、AI関連システムなどについて、実際に補助対象として登録されているITツール・プランかを確認する必要があります。

出典：デジタル化・AI導入補助金2026 公式サイト

中小企業省力化投資補助金

物流ロボットや省力化設備については、中小企業省力化投資補助金も確認対象になります。公式には、IoTやロボットなど、人手不足解消に効果のある設備導入を支援する制度として実施されています。

出典：中小企業省力化投資補助金 公式サイト

ソフトウェアと設備で分けて考える

卸売・小売DXでは、在庫管理、受発注、CRM、AI、WMSなどのITツールと、自動搬送、ピッキング設備、省力化機器、ロボットなどの設備が混在します。そのため、一つの補助制度だけを見るのではなく、投資内容ごとに対象制度を整理することが重要です。

補助金の対象範囲、補助率、上限額、公募期間、登録製品などは変更される可能性があります。申請時には必ず最新の公募要領・登録情報を確認してください。採択や補助を保証するものではありません。

卸売・小売DXの本質は「AIを導入すること」ではない

ここまでAI需要予測、自動発注、WMS、ロボット、マイクロフルフィルメントを紹介してきました。しかし、これらを全部導入することがDXではありません。重要なのは、自社の経営課題に対して、どこまでデータとデジタル技術を使えばよいかを判断することです。

たとえば発注作業が1日30分しかない企業が、高額なAI需要予測システムを導入しても、大きな投資効果は期待しにくいでしょう。一方、数千商品を扱い、複数店舗で毎日何時間も発注し、欠品と廃棄が問題になっている企業なら、需要予測は重要な検討テーマになります。

• 何件の注文があるか
• 何SKUあるか
• ピッキングに何時間かかっているか
• 作業者は何m歩いているか
• 繁忙期に何人不足するか

技術から考えるのではなく、課題と数字から考える。これが卸売・小売DXを成功させる基本です。

よくある質問

中小企業でもAI需要予測を導入できますか？

可能です。ただし、企業規模よりも販売・在庫データがどの程度整っているかが重要です。まず一部の商品カテゴリーや店舗で検証し、欠品率、廃棄率、発注時間などがどの程度改善するか確認してから拡大する方法が現実的です。

自動発注を導入すると人の判断は不要になりますか？

完全になくなるとは考えない方がよいでしょう。AIは過去データから予測することに強い一方、突発的な地域イベント、新商品、競合店の状況などを完全に把握できるとは限りません。「通常判断はAI、例外判断は人」という分担が一つの考え方です。

店舗とECの在庫は一元化した方がよいですか？

オムニチャネルを本格化するのであれば重要です。在庫を一元管理できれば、店舗在庫をEC注文へ活用したり、最寄り店舗で受け取れるようにしたりする選択肢が広がります。

マイクロフルフィルメントは小規模店舗でも導入できますか？

「小規模だから必ず導入できる」とは限りません。一定の注文量、保管スペース、投資対効果が必要です。まず現在のEC受注数とピッキング作業時間から投資効果を試算することをおすすめします。

AI・在庫管理・ロボット導入に補助金は使えますか？

2026年にはデジタル化・AI導入補助金や中小企業省力化投資補助金などが実施されています。ただし、実際に対象となるかは導入するITツール・設備、公募枠、登録状況、契約内容などによって異なります。契約・発注前に最新の公募要領や登録情報を確認してください。

まとめ｜卸売・小売DXは商品・在庫データの統一から始める

卸売業・小売業のDXは、キャッシュレス決済やECサイトを導入するだけの取り組みではありません。これから重要になるのは、商品・店舗・EC・在庫・顧客・仕入れ・物流を一つのデータの流れとしてつなぐことです。

中小企業であれば、いきなり大規模なAIやロボット投資をする必要はありません。まずは「商品マスター統一 → 在庫一元化 → CRMによる顧客データ整備 → 生成AI活用 → AI需要予測・自動発注」という順番で検討すると、自社の現在地を整理しやすくなります。

さらにEC取引が増えれば、WMSや物流自動化を進め、将来的には店舗そのものをECの出荷拠点として活用するマイクロフルフィルメントも選択肢になります。

重要なのは、最新技術を導入すること自体ではありません。欠品率、滞留在庫、廃棄率、受注処理時間、リピート率など、自社が改善したい経営指標を明確にし、そのために必要な技術を選ぶことです。

自社は「AI需要予測」の前に何を整備すべきか分からない方へ

AI需要予測や物流ロボットに興味があっても、商品マスターや在庫情報が分散したままでは、期待した効果につながらない場合があります。

• まず在庫管理を変えるべきか
• 生成AIから始めるべきか
• 需要予測まで進められる状態なのか
• 補助金も含めて導入を検討できるのか

など、自社の現在地から整理したい場合はご相談ください。現在の業務、利用システム、店舗・倉庫・ECの状況を確認し、どこからDXを進めるべきかを整理することが重要です。

［卸売・小売DXについて相談する］

卸売・小売DXについて相談する

ご相談はこちら：AI導入支援サービス／お問い合わせ