Home Depot、AI接客「Magic Apron」を全米2,000超店舗へ拡大

ニュースの要点

Home Depotは2026年8月27日、AIを使った買い物支援「Magic Apron」に店舗別の案内機能を加え、米国の2,000超の店舗で利用可能にしたと発表しました。

顧客は同社アプリの「Store Mode」（店内での買い物を支援する機能）または店内のQRコードから利用できます。同社によると、テキスト、音声入力、画像、多言語で質問でき、選択した店舗の商品在庫、通路・棚の位置、商品の適合性、作業に必要な用品などを確認できます。また、Magic Apronは月間数百万件の質問に対応していると説明していますが、購入率、探索時間、返品率、従業員の作業時間といった成果は公表されていません。

試験利用者から好意的な反応があったとの説明も、母数や比較条件は未確認です。この取り組みは、店舗データと接続したAI接客を通じて、来店客の売場探索と購買判断、店舗従業員の案内負荷に応えることが狙いです。

ニュース出典：The Home Depot「The Home Depot Expands Magic Apron to Deliver Personalized & Localized In-Store Guidance」（公開日：2026年8月27日）

イノベーション総研の考察

実店舗AIの価値は、会話機能ではなく、店舗別データを顧客の行動へ接続し、仕組みと人の判断範囲を分ける運用設計に左右されます。

新機能の説明だけでなく、誰のどの既存行動を変え、利用と継続へつなげるのかを見ます。

店舗AIは回答より商品到達と購買を支援する

一般的な商品説明を返すAIだけでは、来店中の顧客が抱える「この店に在庫があるか」「どの棚にあるか」「自分の作業に合うか」という問いを最後まで解けません。回答が正しくても、商品が見つからなければ、顧客の行動は前へ進まないからです。

Home Depotは店舗データをAI接客へ接続した

Home Depotが今回の判断をした背景には、来店客の売場探索と購買判断、店舗従業員の案内負荷があります。発表内容からは、店舗別在庫・棚位置・商品知識とAIを接続するデータ運用によってこの課題に対応しようとしていると考えられます。

Home Depotは、2022年に始めたStore Modeの店舗ナビゲーションや商品情報に、会話型の案内を重ねました。これにより、AIの役割は知識を説明することから、選択した店舗で商品を探し、比較し、購入を決める一連の行動を支えることへ広がります。さらに、既存のアプリと店内QRを入口にした点も、新しい利用方法を一から覚えてもらう負担を下げる設計です。

実店舗AIの競争力は、モデルの新しさだけではなく、在庫、売場、商品、顧客の状況をどれだけ正確に結び付けられるかで決まると考えられます。AI導入の評価対象も、回答件数から、商品発見、判断、購入、作業完了までの変化へ移す必要があります。

全店展開では商品情報の更新業務が品質を左右する

イノベーション総研は、本件の事業性を利用率、商品到達、購買転換、従業員への引き継ぎ品質によって判断すべきだと考えます。

2,000超の店舗へ広げると、店舗ごとの在庫変動、売場変更、商品構成、言語、顧客の習熟度が一気に増えます。そのため、試験店舗で正しく動いたとしても、更新されていない棚位置や在庫を答えれば、顧客の時間をかえって奪います。全店展開後は、AIモデルだけでなく、店舗データを更新する業務そのものが品質を左右します。

したがって、「月間何件使われたか」だけでは判断できません。商品を見つけるまでの時間、案内後の購入完了、返品、同じ質問の再発、店員への引き継ぎ、誤案内を店舗や顧客層別に見る必要があります。ただし、人への問い合わせは件数だけで評価しません。単純な場所案内が減り、専門的な相談が増えたなら、件数が同じでも支援の質は変わっている可能性があります。返品も理由と商品構成を分け、AI案内が原因かを確認します。

反対に、すべてをAIで完結させる必要もありません。特にDIYや設備工事では、商品適合や作業手順を誤ると安全上の問題につながります。実際、Home Depotは店員を顧客体験の中心に置くと説明していますが、どの質問を人へ渡すかは公表していません。つまり、AIが扱う範囲を狭めても、探索を速め、専門相談へ正しくつなげられるなら、十分な価値が生まれる場合があります。

AIと従業員の判断範囲を例外条件で分ける

第一に、「誰のどの行動や成果を、今よりどれだけ変えるのか」です。利用者数や会話数ではなく、顧客が困っている場面と、変えたい時間、完了率、費用、安心感を特定します。たとえば本件なら、商品を見つける時間、購入判断、作業に必要な用品の漏れが対象です。顧客成果が定まれば、必要なデータと機能の優先順位も変わります。

第二に、「次の意思決定までに、何を事実として確かめるのか」です。利用件数に加え、探索時間、購入完了、返品、再質問、店員への引き継ぎを、導入前や未導入条件と比較します。さらに、店舗や顧客層による差も見れば、全体平均に隠れた失敗を発見できます。そのうえで、期限までに改善が見えなければ、対象場面やデータ更新方法を修正します。

第三に、「どこまで仕組みに任せ、どんな条件で人に戻し、誰が最終判断するのか」です。具体的には、定型処理か専門判断か、安全性、確信度（AIが回答をどの程度確かとみているか）、利用者の希望などで引き継ぎ条件を置きます。本件では、Magic Apronが答える範囲と店員へつなぐ条件、誤案内時の訂正・停止責任が該当します。この判断ルールがあれば、自動化を広げることと顧客の信頼を守ることを両立しやすくなります。

購買転換と従業員への引継ぎ品質を追う

全米2,000超は提供範囲、月間数百万件は質問数です。これらを購買改善の実績とせず、探索時間や購入率を同じ条件で比較した結果が出るかを確認します。

この分野の市場構造と参入の考え方は、OMOとは？企業9社でわかる小売・店舗再設計の現在地で詳しく整理しています。

まとめ

Magic Apronの全米店舗展開から持ち帰るべきなのは、AIを導入するだけでなく、現場固有のデータと顧客の行動へ接続するという視点です。利用件数ではなく顧客成果を測り、人へ渡す条件まで設計して初めて、AI実験は持続的な店舗サービスになり得ます。

執筆：イノベーション総合研究所