富士通、小売向けAIエージェント4種を試験提供　7社で実証へ

ニュースの要点

富士通は2026年10月6日、小売業の店舗運営と経営判断を支援するAIエージェント4種と、共通の実行基盤の試験提供を開始すると発表しました。小売業7社との実証実験も順次始めます。正式提供は2027年6月を予定しています。

4種は、売上構造分析、顧客ロイヤリティ分析、販売計画、店長支援です。売上や顧客、商品、外部の情報を分析し、商品構成や在庫配分、品ぞろえの見直しなどを提案します。集計や資料作成の負担を減らし、改善策の実行に時間を使えるようにする狙いです。

実行基盤は、データの蓄積・加工や権限管理などを共通で担います。流通・小売向け事業「Uvance for Retail」の一環で、今後ほかの業務にも広げる方針です。参加7社の名称、料金、実証による利益改善の結果は今回の資料では示していません。

ニュース出典：富士通（PR TIMES）／原題：富士通、店舗運営と経営判断を高度化する小売業向けAIエージェントのトライアル環境を提供開始／公開日：2026年10月6日／公式発表

---

イノベーション総研の考察

小売業では売上の理由を分析できても、その日の売場や発注を変える余力がない場合があります。今回のAIは分析だけでなく施策の提案までを対象にしています。実証では、分かりやすい提案が出ることと、実際に店で成果が出ることを分けて確かめる必要があります。

分析を速くしても店舗の仕事は自動で変わらない

富士通は、集計や資料作成に時間がかかり、戦略や接客に十分な時間を使えないことを背景に挙げています。4種類のAIは、部門や店長が行う意思決定に合わせて用意されています。

例えば、売れ行きに応じた在庫移動を提案しても、倉庫の作業や店舗の受け入れが追い付かなければ欠品は防げません。棚替えの案も、作業する人と時間が必要です。

小売AIの実証では、提案が出るまでの時間と、店頭で実行できるまでの時間を分けて測ります。

これにより、AIの分析が問題なのか、現場の手順や人員が制約なのかを見分けられます。提案の件数を増やすだけで現場の確認作業が増えるなら、むしろ優先順位を絞る設計が必要です。

四つの用途を共通データでつなぐ狙い

富士通は7月13日の発表で、イオンフードスタイルと店舗戦略や棚割りを支援するAIの実証計画を示していました。今回の基盤は、用途を広げながら、データの蓄積・加工と権限管理を共通で担う構成です。7月の実証結果が出たとする発表ではありません。

例えば売上分析と販売計画で、商品の区分や売上の定義が違えば、同じ店舗でも別の結論が出る可能性があります。基盤を共通にすることは、この不整合を減らすための土台になります。

複数のAIを使う前に、商品・店舗・売上の定義をそろえることが共通基盤の価値になります。

ただし、基盤が用意されたから既存データの不備がなくなるわけではありません。自社で試験導入する場合は、入力不足や商品マスタの違い、利用できる情報の権限を確認し、整備の費用も含めて比較します。

売上ではなく粗利と在庫への影響も見る

AIが提案した品ぞろえによって売上が増えても、値引きや在庫負担が増えれば利益は改善しない可能性があります。店舗の規模、地域、天候、販促の有無も結果へ影響します。

実証では、似た条件の店舗や期間を比較対象にして、提案を採用した場合の粗利、欠品、廃棄、作業時間を調べるとよいでしょう。これらはイノベーション総研が考える評価案であり、富士通が公表した実証指標ではありません。

利益改善を確かめるには、売上の変化と、在庫・値引き・実行工数の変化を合わせて見ます。

反対仮説は、分析の時間だけ短くなり、店頭の実行や収益は変わらないことです。AIを使う店舗が増えたという導入実績と、利益が増えたという成果を同じものとして扱わないことが重要です。

正式提供までに再現できる業務を絞る

試験提供は10月6日、正式提供は2027年6月の予定です。この間に、どの業務なら実際に役立ち、どのデータや手順が前提になるかを確かめる段階があります。

新しい小売向けサービスを作る担当者も、最初から全ての意思決定をAIへ任せる必要はありません。頻度が高く、結果を後から確かめられる一つの業務を選び、店長が最終判断する範囲を残す方法があります。

正式提供へ進む基準は、提案を一度成功させたことより、別の店舗でも同じ手順で使えたことです。

今後は7社での実証結果と、正式提供時の対応データ、料金、支援範囲を確認します。一定の条件で成果が出なければ、適用業務を狭める、実証を延長する、導入を中止するという判断も必要です。

まとめ

富士通は、小売の分析と施策立案を4種類のAIと共通基盤で支援し、7社での実証から正式提供を目指します。既に全ての店舗で成果が証明された発表ではありません。

自社のAI事業では、分析の速さから店頭の実行、粗利や在庫への影響までを一つの評価にする点が参考になります。実行できる用途とデータ条件を絞り、店舗を変えても再現できるかを確かめることが重要です。