丸亀製麺800店舗超で使うAI需要予測、発注とシフト作成を自動化

予測を用途に合わせて二段構えで設計した点が、実際の業務に落ちる形をつくっています。店舗別・日別の客数と販売数の予測は、翌日以降の食材発注や仕込み量の決定にそのまま使える粒度です。一方、店舗別・時間帯別の客数予測は、ピークに合わせた人員配置や、調理火力・水道・照明・空調をいつどれだけ動かすかという判断に対応します。同じ「需要予測」でも、日単位の総量と時間帯ごとの波では使い道がまったく違うため、この切り分けが発注とシフトという性質の異なる業務を同時に自動化する土台になったと見ています。

採用の決め手として予測精度に加えて「誰が使っても予測精度に大きな差がない」ことが評価されている点も見逃せません。ODMA需要予測は複数の予測モデルを組み合わせて最適な予測を導く仕組みで、使い手がモデルを選んだり調整したりしなくても結果が安定します。800店舗を超える規模で横展開する場合、平均的な精度の高さより、店舗間で結果がばらつかないことのほうが運用上は重要になります。使い手のスキルに成果が左右されない設計は、そのまま全店展開の現実性に直結する要素と言えるでしょう。

選定理由にツールの性能と並んで「業務理解の深さ」が挙げられていることも、この事例の性格を示しています。需要予測は数字を出すだけでは価値になりません。予測値を発注単位やシフトの枠、エネルギーの制御にどう翻訳するかという設計は、飲食チェーンの現場運用を理解していなければ組み立てられない部分です。予測の出力精度と、それを業務に接続する知見の両方を評価軸に置いた選び方が、導入後の使われ方を左右したと考えられます。