ロイヤルホストと天丼てんやのAI需要予測、物流・仕入計画まで広げる実証

外食の食材発注は長年の経験や勘に頼りがちで、担当者ごとにやり方が固まってしまう属人化と、過剰在庫による食品ロスが同社グループでも課題になっていました。加えて、店舗が持つ発注データが物流センターや調達部門と十分に連動しておらず、全体最適に壁があったことも明記されています。

編集部の見立てでは、この困りごとの本質は「予測が当たらないこと」ではなく、需要の情報が店舗という川下で生まれたまま、川上へ流れていかない構造にあったのではないでしょうか。情報が渡らなければ、物流センターも調達部門も自分の手元にある不確かさを在庫という形で吸収するしかありません。属性の異なる無駄が各段階に少しずつ積み上がり、どこか一箇所を直しても全体が軽くならない。発注担当者の負担は、その構造のいちばん端に現れた症状だったと読むこともできます。

店舗の発注自動化をまず立ち上げ、そこで蓄積された予測データを次の段階で外へ流すという二段構えが、この取り組みの骨格になっています。2025年2月に運用を始めた自動発注が動き続けることで、店舗には日々の予測値が実データとして貯まっていきます。この順番を踏んだことで、物流や調達へ渡す情報が机上の計画値ではなく、現場で使われている生きた数字になったと考えられます。連携の設計は、渡すものが先に育っていなければ成立しません。

予測の材料を、店舗運営の実感に近いデータへ寄せた点も見逃せない工夫です。商品の出数傾向、客数予測、天気予報といった要素は、いずれも店長やスタッフが普段から気にしている情報で、AIが弾き出した数量に納得しやすい素地があります。自動発注は、現場が結果を信じられなければ結局は手で上書きされてしまう性質の仕組みで、入力の選び方はその信頼に直結します。

対象を天丼てんやの一部商品に絞り込んだ実証の組み立て方も、この規模の連携を前に進めるうえで現実的な判断だったのではないでしょうか。店舗はロイヤルグループ、AI予測はGoals、物流は双日食料、青果の仕入と製造はデリカフーズと、4社がそれぞれ自社の計画領域を持ち寄る形で分担しており、範囲を広げるほど調整すべき相手も増えていきます。狭い品目で一本の流れを通してから広げる進め方は、全社一斉の刷新に比べて検証の粒度を保ちやすい設計です。

AIによる需要予測を活用することで、必要な量の食材を適切なタイミングで仕入れる適正な在庫管理が実現しつつあります。食材が過剰に滞留しなくなったことで、より新鮮な状態で商品を提供できる体制が整い、品質面にも寄与しています。一方、店舗の発注業務の代替や物流センターの保管スペース縮小といったサプライチェーン全体の無駄削減については、店舗運営の大幅な効率化として期待されている段階です。今後は実証実験で効果を検証しながら、対象業態や品目を段階的に拡大していく展望が示されています。