売上・受注・販売実績のAI活用事例

【成果】 本サービスの導入により、ユーザーは「価格を知りたい」「相談してみたい」といった検討初期段階のライトなニーズでも、気軽に査定を利用できるようになりました。 従来のようにフォームに入力して結果だけを受け取るのではなく、対話を通じて査定の根拠を理解しながら、時間や場所を気にせず自分のペースで売却を検討できる環境が整っています。また、取引データが少ないエリアや市場相場が形成されていないマンション棟に対しても、生成AIの柔軟な判断によりサービス提供が可能となりました。 現在はベータ版として大阪府、兵庫県、名古屋エリアのウィル社商圏内に限定して提供されていますが、今後は対象エリアの拡大や、戸建て・土地などマンション以外の物件種別への対応が予定されています。 さらに、査定精度の向上や根拠説明の充実を図り、ユーザーに寄り添う体験のさらなる進化を目指しています。

【成果】 実験店舗での事前検証において、当初計画していた発注作業時間の削減目標を達成し、精度の高い発注業務が実証されました。この結果を受け、全304店舗の生鮮部門への本格導入が決定しています。 AIが3週間先までの発注数量を算出し、担当者は画面上の異常値を確認するだけで済むようになったため、大幅な作業効率化と発注精度の向上が見込まれています。また、欠品や過剰在庫が減少することで、販売機会の損失や廃棄ロスの削減にもつながっています。さらに、難易度の高い発注業務が自動化されたことで、経験の浅い従業員でも適切な発注が可能となり、新しく採用されたスタッフの早期戦力化という定性的な成果も生み出しています。

【成果】 高精度なAIエンジンの導入により、一般的に数日から一週間程度かかっていた不動産査定を、最短60秒で提示することが可能になりました。 適正な不動産価格を迅速かつ客観的に算出できるようになったことで、事業者と顧客の間にある情報の非対称性が解消され、ユーザーからの信頼性向上や他社との明確な差別化が期待されています。また、金融機関向けにも大きなメリットをもたらしています。AIによる正確な価格査定を活用することで、不正業者や虚偽申告を事前に検知し、融資リスクを大幅に軽減できる見込みです。 今後は、今年度中に年間1万人のサービス利用を目指すとともに、不動産価格の不透明性に起因する業界課題を解決するため、関連サービスへの応用をさらに広げていく展望です。

【成果】 トライアルホールディングス株式会社との実証実験を通じて、店舗作業コストを20%削減、店舗在庫を20%圧縮するといった大きな成果が得られています。また、発注の波動緩和による物流の平準化と効率化（10%削減）や、発注精度向上による欠品・廃棄の削減（5%削減）も実現しました。 この最適化効果は小売業にとどまらず、卸売業やメーカーと連携することで、生産・出荷計画の合理化、製造現場の作業平準化と残業削減、返品率・廃棄率の大幅削減といった川上への波及効果も見込まれています。

【成果】 AIによる高精度な需要予測システムの導入により、担当者の経験や勘に依存しない標準化された配車・人員計画が可能となりました。属人化の解消だけでなく、配送ロスの削減や業務効率の大幅な向上といった具体的な成果を生み出しています。 先行導入エリアでの確かな手応えを受け、現在では全国46箇所の物流センターへのシステム展開を完了しています。全社的な物流業務の最適化が進んだことで、コスト削減と同時に、将来に向けた持続可能な物流網の構築を実現しています。

【成果】 新たなデータ基盤の構築により、経営層は常に最新のデータを網羅したダッシュボードを通じて、経営状況を正確に把握できるようになりました。これにより、変化の兆しを即座に捉えた迅速な意思決定が可能となっています。 今後は、この基盤を単なるデータの可視化にとどめず、AIや機械学習の技術を活用して高精度な需要予測やサプライチェーンの最適化といった未来の経営指標を予測する機能を追加していく予定です。ライオンは、データに基づき未来を予測し、先手を打つ「未来予測型経営」への進化を見据え、クラウドCoE体制をさらに拡充していく方針です。

【成果】 既存システムの改修を伴わないアプローチにより、20万品番を超える在庫部品の品番紐付けと可視化を、わずか2週間という短期間で実現しました。 全拠点における部品の在庫や発注情報が一元的に見える化されたことで、部品調達計画や拠点ごとの在庫状況を全社レベルで掌握できるようになっています。災害時においても、受注案件ごとの影響や事業全体での損益影響を迅速に把握し、生産・供給体制の維持に向けた意思決定を強力に支援します。AIによる高精度な需要予測と組み合わせることで、製品の供給停止リスクを回避し、動的でレジリエントな供給網の構築に成功しています。

【成果】 アサヒ飲料が2024年3月から4月にかけて実施した実証実験では、特定の配送センターへの輸送コストを約6.2％、在庫日数を約6.5％削減することに成功しました。先行して実証実験を行ったキリンビバレッジでも、輸送コスト約9.1％、在庫日数約13.2％の削減を実現しています。 これらの結果を受け、サービスの本格展開が決定しました。今後は導入を拡大し、積載率の向上や納品時の欠品率低減を推進していく方針です。

【成果】 AIを活用した新たなコミュニケーション施策は、確かな成果を生み出しています。主力商品である「ドモホルンリンクル」の保湿液を対象とした施策では、顧客ごとの使用状況を購買データからAIで分析し、使い切る目安の時期（約60日）に合わせて関連キャンペーンを案内する「AIレコメンドメール」を実施しました。 顧客にとって最適なタイミングでDMを送信した結果、顧客自身が自発的に商品を購入する行動が促進され、従来のメール施策と比較してDM経由の購買率が約20%向上するという定量的な成果が得られています。また、この仕組みは既存の業務フローに大きな負担をかけることなく運用できており、現場の負荷を抑えつつ顧客エンゲージメントを高めることに成功しています。 同社は今後、将来的な自動化運用も視野に入れながら、さらなる改善を進めていく方針です。

【成果】 国内400の全店舗でシステムの稼働を開始した結果、自動発注率が全体で従来比115％、日配品においては従来比160％へと大幅に向上しました。これにより、店舗での発注作業時間を1週間で約600時間削減するという定量的な成果を上げています。 また、AIによる在庫制御（売り減らし機能）が機能したことで、従来以上に円滑な売り場づくり（MDサイクル）が実現し、店舗在庫量の圧縮・適正化と商品回転率の向上にも寄与しています。 現場からは、予測精度の向上と運用負荷の軽減が高く評価されており、今後は物流在庫センターへの販売予測データ提示による配送遅延防止や、業界課題である返品・廃棄・滞留在庫の削減にも取り組んでいく展望が示されています。

【成果】 2024年4月の稼働開始から2カ月後の時点で、複数の熟練担当者が1人・1日あたり約3時間要していた発注業務時間を約1時間半に短縮し、約50％の削減効果を確認しました。 欠品や在庫回転率についても導入前の水準を維持しつつ、熟練担当者と同水準での発注計算が可能となっています。今後は、需要予測の導入拠点を増やしてさらなる業務効率化を進めるとともに、入荷や需要の予測データをサプライチェーン全体に連携させることで、トラックの積載効率向上や物流2024年問題の解決、食品ロスの削減にも取り組んでいく予定です。

【成果】 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ことが可能となり、過剰な仕入れや品切れを防ぐ適正な在庫管理が実現しつつあります。これにより、食材が過剰に滞留することなく、より新鮮な状態で商品を提供できる体制が整い、品質の向上に寄与しています。 また、店舗における発注業務の代替や、物流センターでの保管スペースの縮小など、サプライチェーン全体の無駄を削減することで、店舗運営の大幅な効率化が期待されています。今後は実証実験を通じて効果を検証しながら、段階的に対象業態や品目を拡大していく展望を描いています。

【成果】 AIによる高精度な需要予測と在庫の最適化により、急激な需要変動にも迅速に対応可能な生産計画モデルを実現しました。これにより、医薬品の安定供給が強化されるだけでなく、有効期限切れによる製造済み医薬品の廃棄削減といった環境面での効果が見込まれています。 さらに、在庫の適正化によるキャッシュフローの改善など、財務面でのポジティブな効果も期待されています。同社は今後も、需要予測の高精度化と業務の持続的な効率化を推進し、必要な医薬品を確実に届けるという使命を果たしていくとしています。

【成果】 株式会社ジャルカード特約店の特定商品について、AIバーチャル顧客同士の会話から導き出されたターゲットに対してダイレクトメールを送付しました。 その結果、従来のターゲット設定による施策と比較して、購買率が3.0％向上するという明確な効果が確認されました。 今後は、さらなる実証実験を繰り返し、マーケティング領域における生成AI活用の可能性を検証していく予定です。異業種事業者との提携における商品・サービス利用促進の本格展開に向けたビジネス検討も視野に入れています。

【成果】 AIエージェントの導入により、データの有効活用が進み、提案品質の向上や業務効率の飛躍的な改善が見込まれています。 営業現場で必要な顧客情報に瞬時にアクセスできる体制が整備され、これまで以上に迅速かつ付加価値の高い顧客体験の提供が可能になると期待されています。 今後は、行内でのAIエージェントの活用範囲を段階的に拡大し、FSC上で実行する業務領域の拡充を進めることで、現場の営業力強化と顧客満足度のさらなる向上を目指す方針です。