東芝本社。電子レシートサービス「スマートレシート®」に蓄積された300万人超の購買ビッグデータを活用し、新商品の販売数量を予測するAI技術を開発した。
今回のニュースのポイント
東芝は、電子レシートサービス「スマートレシート®」に蓄積された300万人超の購買ビッグデータを活用し、新商品の販売数量を高精度に予測するAI技術を開発しました。消費者一人ひとりの挙動を個別に計算するのではなく、購買行動の類似性に基づいて消費者を自動でグループ化（クラスタリング）して予測を行うことで、実用的な計算量に抑えつつ多様化する嗜好を反映。従来の予測手法と比較して、販売数量の予測誤差を約23％低減したとしています。
本文
従来の小売業や製造業における販売予測は、過去の売上実績や季節要因、カレンダー上のイベント、あるいは天候データなどの外部環境の変化を分析するアプローチが中心でした。しかし、消費者の価値観やライフスタイルが細分化される現代において、過去のマクロな数字だけを追う手法は限界を迎えつつあります。市場の競争軸は、単に「過去に何が売れたか」という商品の動向を追う旧来の予測から、個々の消費者の「誰がなぜ買うか」という潜在的な行動プロセスそのものをAIによって構造的に分析する時代へと本格的に突入しました。
今回の技術開発において最大の資産となっているのは、AIモデルそのものの基本性能ではなく、東芝グループの「スマートレシート®」が有する300万人超の会員から得られるリアルな購買履歴データです。ネット上の広告クリック履歴や事後のアンケート調査のような主観の混じるデータとは異なり、全国約1万9,000店舗の店頭で実購買に基づく一次データに他なりません。利用者の同意に基づいて長期的に蓄積されてきたこの購買ビッグデータは、現代のデータ経済圏において極めて再現性と付加価値の高い経営資源（ファーストパーティデータ）として機能しています。
技術的な独自性は、近年主流となっている大規模な生成AIを単独で動かすのではなく、消費者を分類する「クラスタリングAI」と「生成AI」を組み合わせた二段構成にあります。まず、長期の購買パターンから消費者の嗜好の類似性を見極めて自動的にグループ化し、その上で生成AIが各グループの新商品に対する反応や需要変動を予測します。これにより、膨大なビッグデータを扱いながらも実用的な計算コストに抑制しつつ、従来の統計手法では平均値に埋没しがちだった「辛いものが好き」「特定のメーカーにこだわりがある」といった多様な消費者の嗜好や購買傾向を精緻に捉えることに成功しています。
この予測精度の向上がもたらすインパクトは、単なる流通現場の業務効率化にとどまりません。食品や日用品などの消費財分野において、数パーセントの予測精度向上は、メーカー側の適正な生産量管理や原材料調達、小売側の在庫・物流の最適化、さらには店舗での売れ残りによる値引き販売や食品廃棄（リテールロス）の大幅な削減に直結します。東芝は2026年度中に本技術の試験導入を進め、2027年度の本格的なサービス開始を目指しており、自社での需要予測が困難な中小規模の食品メーカーなどへの展開も視野に入れています。AIはもはやバックオフィスの支援ツールではなく、サプライチェーン全体のコスト構造を根底から変革するインフラになりつつあります。
グローバルなAI市場では、これまで莫大な資本を背景にした基盤モデルの性能や処理速度の競争に注目が集まってきました。しかし、生成AIのコモディティ化が進む現在の成長段階において、真の競争力を左右するのは、ソフトウェアの性能差ではなく「AIに学習させるための良質かつ大規模な実データをどれだけ保有しているか」というデータの独占力へとシフトしています。全国の購買接点から集まる300万人規模の電子レシートデータは、日本独自の小売DXが生み出した貴重なデータ資産であり、これらを高度に資産化する東芝の戦略は、ハードウェア主導からデータ駆動型ビジネスへと舵を切る日本企業の新たな勝ち筋を示唆しています。（編集担当：エコノミックニュース編集部／Editorial Desk: Economic News Japan）
