トライアルのAIカメラとAI発注を解剖｜264店舗の自社開発と中小スーパーの3ステップ

「パートが足りない。でも利益が薄くて、時給は簡単に上げられない」──。
スーパーの現場では、人手不足と薄利の板挟みが続いています。欠品の確認、値下げ、発注。どれも手が止まれば売上と廃棄に直結する仕事です。

この状況に対し、トライアルはカメラを入れたことではなく、2002年のPOS（レジの販売データ）分析から、データの土台を先に積み上げてきた順番で、AI活用を成果につなげています。

本記事では、トライアルの「棚を見張るAIカメラ（欠品検知・自動値下げ）」と「AI発注システム」を解剖。
大企業の事例を、中小スーパーがどう活かせるかまで踏み込んで解説します。

トライアルがAIカメラに踏み切った理由

「ChatGPTくらいは使っているが、店舗のAIは大企業の話では」「うちは店長の勘と経験で回っている」──そう感じる方もいるでしょう。
では、その「勘」を担える人がいなくなったら、店はどうなるのでしょうか。

課題：人手不足と薄利

厚生労働省「令和7年版 労働経済の分析」によると、非製造業の人手不足感はバブル期以来の過去最高水準にあります。
しかも同分析では、卸売業・小売業の非正規雇用の割合は50.9%。パートやアルバイトに支えられている業種で、そもそも人が集まりにくい構造です。

そこで「時給を上げて集める」と言いたいところですが、スーパーは1品あたりの利益が小さく、売上の大半が仕入れや人件費、経費に消えていく薄利の業態です。人を増やす以外の方法で、現場の判断を減らすしかなかったのです。
欠品の発見、値下げのタイミング、発注数。これらはベテランの目と勘に頼りがちで、手が回らなければ、そのまま売り逃しや廃棄になります。トライアルも例外ではありませんでした。

理由：自前開発の積み重ね

ここで、登場する会社の関係を整理しておきます。
「スーパーセンタートライアル」は、お客さまが足を運ぶ店舗のブランド名です。その店舗の運営を担うのが、トライアルカンパニー。さらに持株会社のトライアルホールディングスがグループ全体を束ね、スマートカートなどの技術開発は、グループ会社のRetail AIが受け持っています。
後述する発注AIの264店舗もスマートカートの279店舗も、最初は一部の店舗でのテストから始まっています。

トライアルは2002年からIT投資を始め、まずPOS（レジの販売データ）を自前で分析するところからスタートしています（トライアルホールディングスのIR資料）。
カメラより先に、データを集めて読める土台があった。この順番が、のちのAI活用の前提になりました。

カメラも同じ発想です。MONOistの報道（2019年4月）によると、既製のAIカメラは多機能で高価格だったため、深セン（中国）の工場と組み、「欠品検知」「人数カウント」に機能を絞った低コストのカメラを自社で開発しました。
必要な機能だけに絞って安く作る──この判断は、中小の店が既製のAIツールを選ぶときにも、そのまま使える考え方です。

【成功理由】AIカメラ・発注AI・外販

トライアルのAI施策は、現場の判断を少しずつAIに預けていく順番で見ると整理できます。
まず棚を見るカメラ、次に発注、最後にそれらの技術を外へ売る形です。

欠品検知と自動値下げ

AIカメラは、客を見張る装置ではありません。棚の状況を見て、現場の判断を肩代わりする「目」です。
流れはこうです。店内カメラの映像を入力すると、AIが陳列の状態、売れ行き、消費期限を判断します。出力されるのは、補充の指示と値下げの表示です。

まず欠品検知です。ロボスタの記事（2018年）によると、トライアルはP&Gジャパンと組み、バナナのように平積みで傷みやすい生鮮品の欠品を検知して自動で知らせる仕組みを店内のAIカメラで構築しました。
変わったのは、気づく順番です。これまでは人が売場を見回って気づいていました。それが、AIが先に気づいてスタッフの端末に知らせる形になります。

次に自動値下げです。惣菜や弁当の売れ行きと消費期限をAIが見て、電子棚札の表示を「20%引き」「半額」などに自動で書き換える仕組みが、CREiSTの公式情報で紹介されています。
カメラの判断と値札の表示が連動するため、値下げのシールを貼る作業と、「いつ値下げするか」という迷いが、閉店前の現場から減ります。

なお、この仕組みで廃棄ロスがどれだけ減ったかを示す公式の数字は、今回の取材範囲では確認できていません。

顔映像は店内で破棄

「カメラを付けたら、お客さまに嫌がられないか」──店長が一番気にするのはここでしょう。

トライアルは、トライアルホールディングスの公式サイトに掲載している「AIカメラ撮影ポリシー」で、エッジAIという方式を採っていると説明しています。映像はクラウドに送らず、カメラ側の機器の中で、人の位置や年代・性別といった数値データに変えます。顔の映像は残しません。
店の外に出るのは「この棚に商品がない」「通路に何人いる」といった情報だけです。

なお、TRIAL GOの24時間顔認証決済は、用途がまったく別です。棚を見るAIカメラとは切り分けて考えてください。

発注AIが264店舗へ

棚の次に預けたのが、毎日の発注です。トライアルカンパニーは2026年2月、AIとデジタルツインを使った「CIX-自動発注」を264店舗へ導入したと発表しました（DXマガジン）。

仕組みは、棚割情報と販売実績、天候などを入力すると、AIが約2万8000品目の発注数を算出して提案するものです。売場のデジタルツインで棚の状態を把握し、補充作業の負荷が最も低い発注タイミングを割り出す、と報じられています。

効果として示されているのは、1店舗あたり月平均180人時の作業削減と、過剰在庫約30%の削減です。ただし、いずれも導入時に示された「見込み」で、実績の数字ではありません。
石橋亮太社長（トライアルカンパニー）は2026年2月に、発注や補充の判断に迷う状況をなくし、浮いた時間を接客や売場品質に回すと述べています。人を減らす話ではなく、人の仕事が判断から接客・売場づくりへ移る話です。

外販と巨額投資の現実

店で使い込んだ技術は、外にも売れる形になりました。その窓口になっているのが、グループ会社のRetail AIです。スマートカートなどの開発を担い、他社の店舗への提供も同社を通じて行っています。

スマートカート（現Skip Cart®）は、トライアルHDの会社説明資料によると、2026年3月末時点で279店舗・累計23,485台です。利用者の来店頻度は、非利用者より13.8%高いとされています。
外販の例が、Retail AIを通じたリテールパートナーズ（丸久）のアルク到津店です。retail-news.jpによると、利用率20%を達成して有人レジ1台分を代替し、利用者の月間買上額は7.0%増えました。

ただし、ここまでには前提があります。2002年から続く自社開発、専任のチーム、多額の先行投資です。そのまま真似できる話ではありません。
だからこそ、外販されている仕組みを「使う側」になる選択肢が、中小店にとっての現実的な入口になります。

中小店がAIカメラを入れる3ステップ

「トライアルだからできた話でしょう」──ごもっともです。ただ、中小店が真似するのは、その規模ではありません。データの土台を先に作り、「どの判断を、どの順で、機械に預けたか」という順序です。

①欠品を1カテゴリだけ見る

トライアルの欠品検知は、バナナのように平積みで傷みやすく、売り切れるタイミングが大事な商品から見ています（ロボスタ）。全売場を一度に見たわけではありません。

中小店も同じです。欠品の機会損失が大きい1カテゴリ──青果の特定品目や、惣菜の主力商品など──を選び、カメラを置く台数も絞って試します。
機器の台数や費用は店ごとに違うため、ここでは目安を示しません。見積もりを取る前にやることは、現状の欠品回数を数えておくことです。この数字がないと、導入後に効果を比べられません。

②値下げか発注を任せる

トライアルは、惣菜の値下げと発注の判断をAIに預け、店員の仕事を接客と売場づくりへ移すことを狙っています（石橋亮太社長のコメント、DXマガジン）。発注AIの前には、2002年から自前でPOSデータを分析してきた蓄積がありました。

中小店は、すでにデータが溜まっている業務から選ぶのが堅実です。弁当・惣菜の見切り値下げか、定番商品の発注か。どちらか1つに絞ります。
そして、AIの提案と人の判断を並べて見比べる期間を設けてください。いきなり全面切り替えにはしません。差が見えてから、任せる範囲を広げます。

③映像の扱いを決める

トライアルは、映像をクラウドへ送らずカメラ側で処理し、顔映像は破棄する設計です（AIカメラ撮影ポリシー）。カメラ側で分析して、結果だけを送る仕組み（エッジ処理）です。

中小店は、設置の前に3つを決めてください。

• 映像を保存するか、しないか
• 店内にどう掲示して、お客さまに知らせるか
• 問い合わせを誰が受けるか

外販版や既製サービスを比べるときは、「映像をどこで処理するか」を確認項目に入れましょう。

まとめ

トライアルの事例が示しているのは、成功の本質はAIカメラそのものではなく、2002年のPOS分析から「データを集める仕組み」を段階的に積み上げた順番にあるということです。

AIカメラ：「棚の状況を先に見て、補充と値下げを知らせる目」
CIX-自動発注：「発注の迷いを減らす仕組み」（効果は見込み）
スマートカートと外販：「店で磨いた技術を、Retail AIを通じて外に売れる形にした事業」

こうした変革は大企業だけのものではありません。巨額の投資を真似る必要はなく、まず1カテゴリの欠品を数字で見えるようにし、データが溜まった業務から順にAIへ任せていくのが現実的なルートです。

まずは明日、自店で一番欠品が痛いカテゴリを1つ決め、棚の欠品が1週間に何回起きているかを数えてみることから始めてみませんか。