バローのAI需要予測｜惣菜の廃棄12.6%減、発注作業は週127分→81分に【事例】

バローホールディングスの惣菜製造・運営会社である中部フーズは、ソフトバンク、日本気象協会と組み、惣菜の発注・値引き・生産計画にAIを取り入れました。
2026年の20店舗の実証では、3つの機能を合わせて食品廃棄量が12.6%減り、売上総利益も4.1%増えました。

惣菜の課題と、バローがAI需要予測に踏み切った理由

「うちも発注システムは入れている」──そう感じる方もいるでしょう。
それでも廃棄と品切れが減らないのは、惣菜は日持ちが短く、その日の売れ行きがそのまま損益になる部門だからです。

発注が担当者の経験に左右される

バローホールディングスが展開するスーパーマーケット「バロー」の惣菜売り場では、担当者が毎日「今日は何を、何個作るか」を決めます。
多く作れば閉店後に捨てることになり、少なければ夕方に棚が空きます。この判断は、担当者の経験に左右されやすい仕事です。

食品ロスの削減が避けられない

環境省の推計では、令和6年度の日本の食品ロスは約461万トンです。内訳は、家庭系が約224万トン、事業系が約237万トンでした（環境省）。
スーパーの惣菜は、事業系の食品ロスが出る現場の1つです。廃棄を減らすことは、バローにとって避けて通れない経営課題でした。

店を直しても工場の廃棄は残る

バローの惣菜の多くは、中部フーズの工場で作られ、店舗へ配送されます。
工場は店の注文が決まるのを待たず、見込みで作り始めるため、店の発注を当てても、作りかけの商品（仕掛け品）の廃棄は工場に残ります（ソフトバンク 2024年7月25日）。

バローの課題は、店だけでなく工場までつながっていました。

【成功理由】バローは3つの機能を合わせて、惣菜の食品廃棄量を12.6%減らした

12.6%は、AI自動発注・AI値引き・店舗運営AIエージェントの3つを合わせた2026年の結果で、来店客数の予測だけの効果ではありません。
この記事の数字は、2024年の事前検証、全店での運用開始後4週間、2026年のA/Bテストと、調べた条件がそれぞれ違います。並べて比べず、条件を見ながら読んでください。

人流と気象で来店客数を当てる仕組み

AIが見ているのは、過去の売れ行きだけではありません。明日の天気と人の流れから「明日この店に何人来るか」を先に当て、そこから惣菜ごとの発注数を出します。この「明日どれだけ売れるかを事前に当てること」が需要予測です。
予測モデルは日本気象協会が作り、来店客数の予測にはソフトバンクの『サキミル』を使います。サキミルは、気象データと人流統計データなどからAIで来店客数を予測するサービスです。バローが自社で開発したものではなく、外部サービスの導入です。
AIの動きは、次の順番です。

2024年の事前検証と全店展開の結果

この仕組みを初めて確かめたのが、2024年1〜5月の事前検証です。対象は31店舗と工場1か所で、約100商品でした（ソフトバンク 2024年7月25日）。
店舗側の結果は、次のとおりです。

• 売上 2.3%増
• 売上総利益（粗利。売上から商品の原価を引いた利益）4.9%増
• 欠品回数 19%改善（欠品は「17時より前に売り切れ」と定義）
• 食品廃棄ロス 18%削減
• 発注作業時間 27%削減

この検証を受けて、2024年6月に76店舗で運用を始めました。2024年11月には、直近の新店1店舗を除く全店舗（242店舗）で運用が始まっています。全店の運用開始から4週間で、対象商品の食品廃棄ロスは前年比で11.8%減りました（バローホールディングス 2025年1月31日）。

2026年の20店舗のA/Bテストで何が変わったか

次の段階が2026年です。期間は1月23日〜3月12日、対象はスーパーマーケットバローの惣菜部門20店舗でした。同じ地域・同じ規模の比較店舗と比べるA/Bテスト（条件をそろえた2グループの結果を比べる方法）で測っています。農林水産省の「令和6年度 食品ロス削減緊急対策モデル支援事業」として行われました（日本気象協会 2026年8月）。

「廃棄を減らすと品切れで売上が落ちる」とよく言われますが、廃棄を減らしながら売上も粗利も増えました。

作業時間でいえば、毎週約46分が担当者の手元に戻った計算です。実証期間の後も、効果は続いています。
導入の前後ではなく、同地域・同規模の比較店舗と同じ期間で比べているため、天気や季節の影響を受けにくい測り方です。

【成功理由】バローのAIは発注と値引きの「理由」を店員に説明した

「今日は20個」とだけ出されても、理由が分からなければ、担当者は自分の勘で数を書き換えがちです。そこで2026年の取り組みは、次の3つの機能で組み立てられました（ソフトバンク 2026年8月19日）。
AI自動発注は、天候や曜日による需要の変化を見込み、商品ごとの生産計画と発注量を出します。AI値引きは、当日の売れ行き・在庫・来店客数の予測から、値引きの時刻と価格を勧めます。店舗運営AIエージェントは、生成AIが勧めの理由や予測の背景を説明し、現場の納得を得ます。

根拠を言葉で示す店舗運営AIエージェント

生成AIは、文章を作るAIのことです。
店舗運営AIエージェントは、「なぜこの発注数か」「なぜこの値引きか」の理由と背景を言葉で返します。数字だけでなく理由まで見せることが、提案を現場が使える形にする狙いです。

値引きの時刻と価格をAIが勧める

AI値引きは、売れ具合に合わせて値段を変える仕組みです。
AIは、当日の売れ行きと在庫、来店客数の予測をもとに、値引きを始める時刻と値引き後の価格を勧めます。勘頼みだった閉店前の値引きシールに、基準ができました。
効果の数字は3つの機能を合わせたもので、値引き単独の数字は公表されていません。

恵方巻は事前予約と人の予測で廃棄ゼロ

催事商品の恵方巻では、過去にバロー全体で最大約800万円分の廃棄が出ていました。
そこで事前予約を広げ、店舗の統括者が予測して店ごとの生産量を管理したところ、廃棄0を達成しています（バローホールディングス 2025年1月31日）。

【成功理由】バローは店の予測を工場の生産計画にもつなぎ、仕掛け品の廃棄をゼロにした

店の発注が当たるようになると、効果は売り場の外にも広がりました。
この「店と工場をつなぐ」動きが、工場の廃棄を減らした部分です。

店の予測を工場の生産計画につなぐ

見込み生産とは、注文が来る前に予想で作ることです。見込みが外れて余れば、完成前の食材や半製品である仕掛け品を捨てるしかありません。
2024年1〜5月の事前検証では、見込み生産による仕掛け品の廃棄がゼロになりました（ソフトバンク 2024年7月25日）。数字は、工場1か所での結果です。

店でも工場でも売上総利益が増えました。店だけでなく、製造から販売まで通して利益が出たのが、バローの成果です。
ただし、これには前提があります。バローは惣菜の製造を担う中部フーズを持ち、店と製造がデータでつながっています。他社が真似するなら、まず発注の早さを変えられる相手（自社工場や仕入れ先）がいるかを確かめるところからです。

検証から全店展開までの経緯

バローは全店一斉に入れたのではなく、段階を踏んでいます。

• 2024年1〜5月：31店舗と工場1か所で、約100商品を検証
• 2024年6月：76店舗で運用を開始
• 2024年11月：直近の新店1店舗を除く全店舗（242店舗）で運用を開始
• 2026年1〜3月：惣菜部門の20店舗で、3つの機能のA/Bテストを実施

発注のAI化では、セブン‐イレブンのAI発注事例も参考になります。
全社一斉ではなく、惣菜という1部門で数字を確かめてから広げました。

実証のあとに残る課題

成果が出た一方で、中部フーズは課題が残っているとしています。常務執行役員 経営企画部長の大石剛氏は、次のようにコメントしています（日本気象協会 2026年8月）。

AI需要予測の効果は店舗の底上げであり、システムと人との役割分担を明確にし、適切な組織運営とお客様への価値につなげられるように取り組んでいきます。実効性のある展開に向けて残課題はあり、これらを早期に解決して組織の力と成果につなげられるよう進めていきます。