小売・ECのAI導入｜6つの活用領域と、表示規制という前提

小売・ECでのAI活用は、大きく6つの領域に分かれます。必要なデータも、投資額も、注意すべき規制も異なります。

着手順は、上から

商品説明文の生成から始めるのが一つの方法です。大がかりなシステム開発をせず、既製の生成AIツールで小さく試しやすい領域です。商品数が多い事業者ほど、作業時間を削減できる余地があります。

生成AIの利用が広がっていることは、公的な調査からも分かります。中小企業基盤整備機構が2026年3月に公表した調査によると、AI導入済みの中小企業が利用しているサービスは「生成AI」が82.6%と突出していました。

この業種に固有の前提

ただし小売・ECには、特に注意したい前提があります。AIが生成した文章であっても、その表示について責任を負うのは事業者だということです。

商品説明文、価格の表示、レビューの扱い。いずれも景品表示法などの表示規制が関係します。AIが生成した文章であっても、自社の商品ページに掲載する表示である以上、表示内容の確認が必要です。この点は「商品説明文の自動生成」の章で詳しく扱います。

実店舗中心か、EC中心かで優先順位が変わる

同じ小売でも、販売チャネルによって効く領域が違います。

商品説明文の生成は、ECサイトやモールに商品を掲載している事業者では上位の候補になります。実店舗中心であっても、ネットに商品を出しているなら該当します。投資も最小で済むためです。

他業種を含めた事例はAI導入事例で整理しています。

過去の販売実績から先の需要を予測し、発注量を算出する領域です。欠品と過剰在庫を同時に減らせる可能性があります。

効果が金額に換算しやすい

この領域の利点は、効果の測定が明確なことです。

• 欠品による機会損失 — 売れたはずの数量 × 粗利
• 過剰在庫の保管費用 — 現在の在庫金額と回転率
• 廃棄ロス — 生鮮や消費期限のある商品では特に大きい
• 発注作業の工数 — 担当者が発注に費やしている時間

いずれも現在いくら発生しているかを社内で把握できます。導入前にこの4つを記録しておけば、投資判断も効果測定も同じ数字で進められます。

大手の取り組み

セブン‐イレブン・ジャパンは、AI発注システムを2023年より全店舗に導入したと公表しています。同社の説明によると、従来の「設定発注」は在庫が一定数を下回ってから発注する仕組みだったため、品切れのリスクと入力作業の負担が課題でした。

AI発注では、天候や曜日特性、過去の販売実績などから需要を予測し、適正な在庫数を算出します。在庫がなくなる前に発注が行われるため品切れを防ぎ、発注業務にかかる時間を約40%削減できたとされています。

注目したいのは、削減した時間の使い道です。同社は、発注業務に充てていた時間を品揃えの見直しや売場づくりに回せるようになったと説明しています。効率化そのものではなく、空いた時間で何をするかまでが設計に入っています。

ただし、この形が成立する条件があります。過去の販売データが十分に蓄積されていることです。データがなければ予測もできません。

予測しやすい商品と、しにくい商品

まずは販売実績が豊富な定番商品から試すと、精度を検証しやすくなります。定番商品で精度が出るようになってから、季節商品に広げる順序です。いきなり新商品やトレンド商品を狙うと、精度が出ずに「使えない」という結論になります。

「決定」ではなく「たたき台」にする

発注の最終判断を担当者に残す設計にすると、現場の受け入れが変わります。AIが算出した数量を確認し、必要なら修正する。判断を奪わない形のほうが、実務では定着します。

そして修正された箇所を記録してください。「なぜ担当者が直したのか」が、AIが考慮できていない要素そのものです。

需要や在庫の状況に応じて価格を調整する領域です。ECでは実装しやすく、粗利への影響も直接的です。

何ができるか

• 売れ残りリスクの高い在庫を、早めに値引きする — 廃棄や不良在庫化を防ぐ
• 需要が高い時期に、値引き幅を抑える — 不要な値引きをなくす
• 競合価格の変動に追随する — 価格競争力を維持する

このうち1つ目は、比較的取り組みやすい領域です。値引きのタイミングを早めるだけなので、顧客から見た変化も小さく済みます。

やってはいけない設計

一方、この領域には注意すべき点があります。

顧客ごとに価格を変える設計は、慎重に検討してください。技術的には可能ですが、同じ商品が人によって違う価格で表示されていることが分かると、顧客の信頼を大きく損ないます。顧客から不公平と受け取られる可能性があるため、価格変更の条件やルールを明確にしておく必要があります。

また、過去の販売価格を根拠にした「二重価格表示」には、景品表示法上のルールがあります。「通常価格◯◯円のところ、今なら△△円」という表示は、その通常価格に実態が伴っている必要があります。動的に価格を変更する場合は、比較対照価格として何を表示するのかを明確にする必要があります。

変動の幅と頻度に上限を設ける

実務的な設計として、AIが提示する価格に、人が決めた上限と下限を設ける形を推奨します。

下限を設けないと粗利が想定を下回りますし、上限を設けないと顧客に不信感を与える価格が表示されかねません。また変更の頻度にも制限をかけておくと、同じ顧客が短時間で違う価格を見る事態を避けられます。

全自動にせず、範囲を人が決める。この領域では特に重要です。

顧客ごとに商品を提案する領域です。ECでは古くから使われてきましたが、すべての事業者に向いているわけではありません。

成立する条件

レコメンドの精度は、行動データの量や質、商品特性などに左右されます。

• 顧客数 — 似た行動をとる顧客が一定数いないと、推薦の根拠が作れない
• 商品数 — 選択肢が少なければ、そもそも推薦する意味が薄い
• 購買・閲覧の履歴 — 一人あたりの行動が記録されていること
• リピート性 — 一度きりの購入が中心の商材では効きにくい

取扱商品が数十点、顧客数が数百人という規模では、レコメンドより先に商品ページの改善や接客対応のほうが効果が出ます。この判断を先にしてください。

個人情報の扱いを確認する

閲覧履歴や購買履歴を個人と紐づけて利用する場合、個人情報保護法上の取り扱いを確認する必要があります。

特にECでは、外部サービスにデータを送信する場合は、送信するデータの内容や利用目的、第三者提供・委託などの取り扱いを確認し、必要な対応を行ってください。タグやツールを追加する際は、何のデータがどこへ送られるかを把握してください。

あわせて、利用目的や第三者提供など、実際のデータの取り扱いがプライバシーポリシー等の記載と整合しているかを確認してください。必要な対応はデータの取得・提供・利用目的によって変わるため、記載を直せば済むとは限りません。ツールを増やしたときほど、この確認が漏れやすくなります。

商材によって、効き方が違う

下2行の商材では、レコメンドより購入後のフォローに投資したほうが効果が出ます。再購入までの期間が長い商材で「あなたへのおすすめ」を並べても、行動につながりません。

「なぜこれを勧めるのか」を示す

レコメンドの精度そのものより、推薦の理由が見えるかどうかで受け止めが変わります。

「この商品を見た人はこちらも見ています」「あなたが購入した◯◯と一緒に使えます」。理由が示されていれば、外れていても不快になりにくくなります。逆に理由なく提示されると、追跡されている印象が先に立ちます。

問い合わせに一次回答する領域です。最初から全件を任せようとすると失敗します。

一部を自動化する、という考え方

実務では、問い合わせの一部を自動化し、対応が難しいものは人につなぐ設計が現実的です。全件対応を目指すより、この設計のほうが現実的で、顧客満足度への影響も抑えやすくなります。

自動化しやすいのは、次のような問い合わせです。

• 配送状況、送料、支払い方法など、答えが一意に決まるもの
• 返品・交換の手続きなど、手順が定まっているもの
• 営業時間、在庫の有無など、システムから取得できるもの

逆に、クレーム対応や個別の事情を含む相談は人が受けます。「AIが答えられないときに、すぐ人へつながる」導線を用意しておくことが、満足度を下げない条件です。

「従業員向け」という使い方もある

イオンリテールは2025年6月、生成AIを活用した「AIアシスタント」を約390店舗で実装すると発表しました。これは顧客向けではなく、従業員向けのチャットボットです。

同社の発表によると、これまで合計数千〜数万ページにわたって文書化されていた業務マニュアルや法律を学習したAIが、従業員の質問に音声や文字で回答します。同社はこれを「事前の読み込み不要の“次世代型の従業員マニュアル”」と位置づけており、新人や若手をはじめ多くの従業員が顧客対応での困りごとをスムーズに解決できるようになり、業務の習熟スピードも向上するとしています。

この事例が示すのは、顧客対応の改善には2つの入口があるということです。顧客が直接AIとやり取りする形と、対応する従業員をAIが支える形。後者は顧客からは見えませんが、待たせる時間と回答の質に直接効きます。

とくに従業員の入れ替わりが多い業態では、後者のほうが投資対効果が高いことがあります。ベテランに聞かないと分からなかったことをその場で調べられるようになれば、教育にかかる時間も短くなります。顧客向けチャットボットと比べ、誤回答が顧客に直接提示されるリスクを抑えやすい設計です。

どちらから着手するかは、いま何に時間を取られているかで決めてください。問い合わせの件数が多いなら前者、新人教育やベテランへの質問が多いなら後者です。

元になる情報を整える

チャットボットの精度は、参照する情報の質で決まります。FAQが古い、複数の場所に分散している、返品規定が更新されていない。この状態で導入しても、誤った回答が返ります。

着手前に確認してください。

• FAQや商品情報が1か所にまとまっているか
• 最新版がどれか判別できるか
• 更新したときに、誰がAI側に反映するかが決まっているか

3つ目が抜けていると、半年後に使われなくなります。更新の担当と頻度を、導入時に決めてください。

比較的着手しやすく、作業時間の削減効果も測りやすい領域です。同時に、この業種で最も注意すべき領域でもあります。

なぜ効果が大きいのか

取扱商品が多い事業者ほど、商品ページの作成が慢性的なボトルネックになります。1商品あたり30分かかっているなら、1,000商品で500時間です。

ここに生成AIを使うと、商品の仕様情報から説明文の下書きを作れます。既存の商品情報を使って、既製のツールで小さく試しやすい領域です。失敗しても公開前に直せるため、リスクも小さくなります。

ただし、表示の責任は事業者にある

ここが本題です。

景品表示法（正式名称：不当景品類及び不当表示防止法）は、商品やサービスの品質、内容、価格等を偽って表示することを規制しています。実際のものより著しく優良であると示す優良誤認表示、取引条件が著しく有利であると誤認させる有利誤認表示などが禁止されており、違反すると措置命令や課徴金納付命令の対象となりえます。

生成AIで起きやすい表示のリスク

生成AIには、事実と異なる内容をもっともらしく出力する性質があります。商品説明文では、次の形で表れます。

• 仕様の創作 — 素材、サイズ、成分、原産地などを、それらしく補ってしまう
• 効果の断定 — 「必ず」「誰でも」「即効」といった、根拠のない表現を使う
• 比較の誇張 — 「業界No.1」「最安値」など、実証が必要な表現を入れる
• 他社商品の説明の混入 — 学習データに含まれる類似商品の特徴を書いてしまう

1つ目が最も危険です。読んだだけでは誤りに気づけないためです。「綿100%」と書かれていて実際は混紡だった、という誤りは、確認しなければ分かりません。

運用ルールを先に決める

この領域を安全に運用するには、確認の仕組みが要ります。

• 仕様に関わる項目は、AIに書かせない — 素材、サイズ、成分、原産地などは、商品マスタから機械的に差し込む。AIに書かせるのは訴求の文章だけにする
• 禁止表現をリスト化する — 「No.1」「最安」「必ず」など、使わせない語をあらかじめ決めて指示に含める
• 公開前の確認者を決める — 誰が何を確認するかを明文化する。全文ではなく、確認項目を絞れば負担は小さくなる
• 実証資料が必要な表現を把握しておく — 効果や優位性を示す表現には、根拠となる資料が求められる場合があります

1つ目が最も実効性があります。そもそも間違えようのない設計にするほうが、後から確認するより確実です。

参照すべき資料

消費者庁は、EC事業者向けに「消費者向け電子商取引における表示についての景品表示法上の問題点と留意事項」「インターネット消費者取引に係る広告表示に関する景品表示法上の問題点及び留意事項」といった資料を公開しています。AIを使うかどうかに関わらず、ネット販売を行う事業者が押さえておくべき内容です。

また、事業者が自社の広告であることを隠して表示する行為は、2023年10月からステルスマーケティングとして景品表示法違反の対象となっています。事業者が関与して作成したレビュー風のテキストを、第三者による自主的な口コミのように見せる場合は、この規制に触れる可能性があります。

この記事は法的助言ではありません。表示内容の判断に迷う場合は、消費者庁の資料をご確認のうえ、必要に応じて専門家にご相談ください。

実店舗を持つ事業者向けの領域です。カメラ映像から来店客の動線や滞留を把握し、売場の改善につなげます。

何が分かるか

• 動線 — どの経路で店内を移動しているか
• 滞留 — どの売場で立ち止まり、どこを素通りしているか
• 混雑 — 時間帯ごとのレジ待ちや通路の状況
• 棚前行動 — 手に取ったが戻した、といった行動

これらはPOSデータでは分からない情報です。何が売れたかは分かっても、何が「売れなかったか」の理由は分かりません。映像解析はそこを補います。

個人を特定しない設計にする

この領域で最も慎重に扱うべきなのは、撮影される来店客への配慮です。

売場改善が目的であれば、個人を特定する必要はありません。人数、動線、滞留時間といった統計的な情報だけを取得し、個人が識別できる形の情報は保持しない設計にできます。

• 何を取得するか — 統計情報のみか、個人を識別する情報を含むか
• 映像をどれだけ保存するか — 解析後に破棄する設計も選べます
• 店内にどう掲示するか — 撮影していることや利用目的を、来店客が容易に認識できるようにする
• 誰がアクセスできるか — 権限の設計と、閲覧記録

3つ目は特に重要です。売場改善のための解析は、防犯目的とは別の利用目的にあたります。個人情報保護委員会のQ&Aでは、防犯目的のみで撮影する場合の利用目的の通知・公表について整理が示されていますが、当初から商業目的で取得する場合はその前提が変わります。

実務としては、撮影していることとその目的を、来店客が容易に認識できる形にしておくことです。入口や設置場所への掲示が現実的な方法になります。具体的にどこまでの対応が必要かはカメラの仕様や利用目的によって変わるため、個人情報保護委員会が公開しているガイドラインおよびQ&Aをご確認ください。

分かっても、変えられなければ意味がない

この領域でよくある失敗が、データは取れたが売場を変えられないという状態です。

動線が可視化されても、什器の配置換えに費用がかかる、本部の承認が要る、季節の売場計画が決まっている。こうした制約で、分かったことを実行に移せないことがあります。

導入前に確認してください。

• 売場の変更は、どの範囲まで店舗の裁量で決められるか
• 変更にかかる作業時間と費用はどれくらいか
• 変更した結果を、何で評価するか

変えられる範囲が狭い場合、まずその範囲に絞って計測してください。全店の全売場を解析しても、動かせなければ投資が回収できません。

投資規模を見誤らない

この領域は物理的な設備を伴うため、他の用途より費用がかかります。カメラ、通信環境、解析用の機器または利用料、設置工事。全店舗に一斉導入すると投資額が大きくなるため、まず1店舗で試すのが現実的です。

効果の測り方も決めておいてください。対象売場の売上、滞留時間、レジ待ち時間。導入前の数字がないと、続けるべきかを判断できません。

6つの領域を、着手しやすい順に並べます。

3か月の進め方

1か月目｜担当者2〜3名で商品説明文を試す
法人向けの生成AIツールを数名分だけ契約します。実際の商品で下書きを作り、1商品あたりの作成時間を記録してください。あわせて、前章の運用ルール（仕様はAIに書かせない、禁止表現のリスト、確認者）を作ります。

2か月目｜対象商品を広げ、確認の流れを固める
効果が見えたら、扱う商品を増やします。この段階で、確認にかかる時間も測ってください。作成が速くなっても確認が追いつかなければ、全体の工数は減りません。

3か月目｜次の領域を判断する
ここで初めて、まとまった投資判断が必要になります。効果が見えなければ解約すれば済みます。月額契約なら損失は数万円です。

着手前に確認しておく5項目

• 対象業務の現状 — 商品ページなら月に何点、1点あたり何分、担当は何人か
• 商品マスタの状況 — 仕様情報が構造化されて管理されているか
• 販売データの蓄積 — どこに、どれだけの期間分あるか
• 表示に関する社内ルール — 禁止表現や確認体制が既にあるか
• 誰が推進するか — 専任でなくてよいが、月に数時間を確保できる人

2番目が重要です。商品マスタが整っていれば、仕様はそこから差し込み、AIには訴求の文章だけを書かせる設計にできます。これが表示リスクを下げる最も確実な方法です。

補助金が使える場合がある

中小企業の場合、ツール導入や設備投資に補助金を使える可能性があります。ただし交付決定の前に発注すると対象外になるため、導入時期が制度のスケジュールに縛られます。各制度の対象範囲はAI導入で使える補助金にまとめています。

費用の考え方はAI導入の費用相場、業務の選び方はAIによる業務効率化、社内ルールの作り方は生成AIの導入、つまずきの型はAI導入でよくある失敗、全体の進め方はAI導入支援で整理しています。

商品数と、いま何に一番時間を取られているかを伺えれば、着手すべき領域を絞り込めます。商品マスタの状況次第では、その整備を先にご提案することもあります。