【大丸松坂屋百貨店AI活用】月5万円で売上67%増！IT初心者チームが起こした変革

大丸松坂屋百貨店のAI活用とは、大丸東京店ベーカリー部門への需要予測AI導入（月額約5万円）で売上高前年同期比67%増・食品ロス約40万円削減を3ヶ月で実証し、さらに百貨店業界初のファッションサブスク「アナザーアドレス」では独自のAIレコメンド機能でパーソナライズ体験を提供するという、小売・百貨店業界のAI活用を代表する先進事例です。

この取り組みが特に注目される理由は、推進チームがほぼ全員IT初心者でありながら「現場に足繁く通う」という地道なアプローチでプロジェクトを成功させたことにあり、「高度な専門知識がなくても、現場の意志と継続的な取り組み次第でAI活用は実現できる」という、すべての企業に勇気を与える好例となっています。

この記事では、大丸松坂屋百貨店のAI活用の背景・需要予測AIの仕組みと成果・IT初心者チームが成功した理由・ファッションサブスクへのAI展開・他社が学べるポイントの順に、AI・DXに関心のある方にもわかりやすく解説します。

「AIを導入したいけれど、うちにはIT専門家がいない」「コストもかかりそうで、小規模な部門から始めるのは難しそう」——そんな思い込みを、大丸松坂屋百貨店の事例は鮮やかに覆してくれます。

月額わずか約5万円のAIサービスを、IT初心者チームが現場と二人三脚で導入し、売上67%増という驚異的な成果を出した——この事実は、規模・業種・IT習熟度を問わず、すべての企業がAI活用を始める勇気を与えてくれます。ぜひ最後までご覧ください。

大丸松坂屋百貨店がAI活用に取り組む背景：百貨店業界の構造的課題

大丸松坂屋百貨店がAI活用に本腰を入れた背景には、日本の百貨店業界全体が直面している三つの構造的な課題があります。

課題①：バブル崩壊後の長期低迷とEC出遅れ

大丸松坂屋百貨店が属するJ.フロント リテイリンググループは、グループ全体で約1.2兆円の売上（2023年度総額売上高）を持つ大手小売グループです。しかしバブル経済崩壊以降、百貨店業界は厳しい事業環境に直面し続けてきました。

「店舗で扱う衣料品や高級品は、インターネットで販売すべきではない」とする社内の根強い価値観により、大丸松坂屋百貨店は2000年代のEC参入に大きく出遅れたといいます。この反省が、デジタル活用への積極的な姿勢と「次なる成長の糸口」を模索する強い動機につながっています（参考：SB Creative Business）。

課題②：食品売場の「勘と経験」に依存した発注業務

AI導入前、大丸東京店のベーカリー部門では、店長クラスの社員が長年の経験と勘をもとに毎日の発注量を決めていました。

業務に精通したベテランとはいえ、勘と経験に基づく発注には精度のばらつきが避けられません。多く発注すれば食品ロスが増え、少なく発注すれば機会損失が生じます。

さらに個人のノウハウ頼みによる業務の属人化や、担当者の長時間労働という問題も、食品業界共通の課題として横たわっていました（参考：日経クロステック）。

課題③：食品ロスへの社会的要請の高まり

食品ロスの削減は社会的な要請として強まっており、百貨店の食品売場も例外ではありません。

特に百貨店のベーカリーは高品質な商品を揃える一方で、売れ残りを廃棄せざるを得ないというジレンマを抱えています。

売上を上げようと多めに発注すれば食品ロスが増え、食品ロスを減らそうとすれば欠品が増えて売上が落ちる——この相反する目標をどう両立させるかが、長年の経営課題でした。

需要予測AIの導入：月5万円から始めた小さなチャレンジ

大丸松坂屋百貨店の需要予測AI導入は、驚くほどシンプルな「小さなチャレンジ」から始まりました。

大丸東京店のベーカリー部門を対象に、2022年8月から2023年1月の6ヶ月間でPoC（概念実証）を実施。利用したのは月額わずか約5万円という低コストのAIサービスです。

このコストの手軽さが、「まず小さく試してみよう」という実験的なアプローチを可能にしました（参考：日経クロステック）。

AIが取り込んだデータ：日々の販売データが「発注の知性」になる

需要予測AIの仕組みはシンプルながら強力です。

AIは日々の販売データをもとに「今日は何個売れそうか」を予測し、最適な発注量を算出します。天候・曜日・季節・イベント・過去の販売トレンドなど複数の変数を統合的に分析することで、人間の経験と勘では捉えきれない細かな需要の変動パターンを学習し、予測精度を高めていきます。

これにより、「多すぎず・少なすぎず」という発注の最適化が実現し、売れる量を確実に揃えながら廃棄を最小化するという二律背反の課題に答えが出ます。

驚異の成果：売上高67%増・食品ロス40万円削減のメカニズム

PoCの結果は、予想をはるかに上回るものでした。

2022年8〜10月の3ヶ月間、売上高は前年同期比で約67%増を達成。さらに、通常は売上が増えれば廃棄量も増える傾向にある中で、パンの推定廃棄額も4店合計で約40万円分削減できました。

「売上増」と「廃棄削減」という二律背反の同時達成

この成果が特筆すべき理由は、一般的に「相反する目標」とされる「売上増」と「食品ロス削減」を同時に達成したことにあります。

通常の感覚では、売上を増やすために多めに発注すれば廃棄が増え、廃棄を減らすために少なめに発注すれば品切れで売上が落ちます。しかし需要予測AIが「売れる量を正確に予測して発注する」ことで、この二律背反を解消しました。

「売り上げが増えて、かつ食品ロスの削減も達成したことが社内で成果を上げていると評価された」と大丸松坂屋百貨店の経営企画部 伊藤友博氏は語っています（参考：日経クロステック）。

月5万円の投資で得た成果の「費用対効果」

月額約5万円のサービスで食品ロスを40万円削減し、売上を67%増加させたこの事例は、AI導入の費用対効果という観点からも極めて優れた成果です。

3ヶ月間の食品ロス削減額40万円だけで、3ヶ月分のシステム費用（約15万円）を大幅に上回ります。売上増加の効果まで含めれば、投資対効果は圧倒的なプラスです。

「AIは高い」「大企業向け」というイメージを覆す、中小企業・現場部門にとっても参考になる現実的な事例といえます。

最大の注目点：IT初心者チームが成功を掴んだ理由

この事例で最も多くの企業が「参考になる」と感じるのが、推進チームの構成です。

このプロジェクトを推進したチームは、ほぼ全員がIT初心者でした。にもかかわらず、百貨店のベーカリー部門という現場においてAIシステムを立ち上げ、前年比67%増という圧倒的な成果を出してみせました。

この事実は「AI活用には専門的なエンジニアや高度なIT知識が必要だ」という思い込みを根本から覆すものです。

IT知識よりも「現場の課題を理解する力」が成功を決めた

プロジェクトの成功要因を分析すると、技術的な能力より「現場への深い理解」と「現場との信頼関係づくり」が決定的だったことがわかります。

推進チームは現場に足繁く通い、ベーカリーの店長・スタッフが日々どんな判断をしているのか、何に困っているのかを徹底的に聞き取りました。「なぜこの時期にこの商品が売れるのか」「どんな条件が発注量の判断に影響するのか」——

こうした現場の暗黙知を丁寧に汲み取り、AIの設計に反映させていったことが、精度の高い需要予測につながりました。

「高度な専門知識がなくても現場の意志次第でAI活用は実現できる」

このプロジェクトが業界全体に示したメッセージは明確です。

「高度な専門知識がなくても、現場の意志と継続的な取り組み次第でAI活用は実現できる」——この一文が、大丸松坂屋の需要予測AI導入事例の最も重要なエッセンスです。

IT人材が不足する多くの中小企業・地方企業・現場部門にとって、この事例は単なる成功事例を超えた「行動への背中を押す事例」として機能しています。

なぜ「現場に足繁く通う」ことが成功を決めたのか

「現場に足繁く通う」という大丸松坂屋の推進チームのアプローチは、AI導入の成功法則として非常に重要な示唆を持っています。

AIは「データを入れれば自動で賢くなる」わけではない

AI導入でよくある誤解が「AIにデータを入れれば自動的に賢くなる」という思い込みです。しかし現実には、どのデータを集めるか・そのデータに何の意味があるのかという「文脈の理解」なしには、AIは的外れな予測しか出せません。

大丸東京店のベーカリーでいえば、「週末は特定の商品が売れやすい」「百貨店の催事がある週は客数が増える」「梅雨は焼き菓子より食事系パンが好まれる」といった現場ならではの知見が、データの裏にある文脈です。

このような「生きたデータの読み方」を理解するには、現場に通って担当者から話を聞くしかありませんでした。

現場スタッフを「使い手」にするための関係づくり

もう一つの重要な側面が「現場スタッフが実際にAIを使ってくれるかどうか」という定着の問題です。

どれだけ優れたAIシステムを構築しても、現場スタッフが「使い方がわからない」「結局、手作業の方が早い」と感じればシステムは使われなくなります。推進チームが現場に足繁く通ったことは、単にデータを収集するためだけでなく、「このシステムは自分たちのために作られている」という現場の信頼と主体性を育てるためでもありました。

推進チームのIT初心者であることが、逆に「現場の視点で物事を考える」強みになったとも言えます。専門知識があるエンジニアは技術的な精度を追求しがちですが、IT初心者のチームは「現場の人が使いやすいかどうか」を最優先に考えることができました。

次のステージ：総菜・弁当部門への展開と10店舗化

ベーカリー部門での成功を受けて、大丸松坂屋百貨店はAI需要予測の展開を拡大しています。

次のターゲットとして位置づけているのが、総菜・弁当部門です。ベーカリー部門の廃棄量に比べて総菜・弁当部門の廃棄量は約3倍に上るため、AIによる需要予測の活躍余地はより大きいと見込まれています。

さらに現状の4店舗から10店舗にまでテナント数を拡大する計画も進められており、成功モデルの横展開が進んでいます。

「総菜・弁当部門の廃棄量はベーカリーの3倍」という次の大きな課題

総菜・弁当部門は日配品という性質上、賞味期限が短く廃棄ロスが発生しやすい業種です。

また気温・天候・曜日・近隣のイベントなど多数の変数が売れ行きに影響するため、人間の経験と勘だけでの最適発注は困難です。

一方でAI需要予測にとってこれらの変数はむしろ「学習データ」として活用できるため、精度向上の余地が大きい領域といえます。ベーカリーでの成功経験を土台に、より難易度の高い部門への挑戦が始まっています。

ファッションサブスク「アナザーアドレス」とAIレコメンド

大丸松坂屋百貨店のAI活用は、食品部門の需要予測にとどまりません。百貨店業界初のファッションサブスクリプションサービス「アナザーアドレス」でも、AIが重要な役割を担っています。

「アナザーアドレス」は2021年3月にコロナ禍のさなかにスタートした、460を超える国内外のデザイナーズブランドの中からアイテムを選んで定額でレンタルできるサービスです。

サービス開始から1年半で約25万人の会員登録を獲得し、現在は総レンタルアイテム数が9万件以上に達しています。

「目当ての商品にたどり着けない」という9万品の検索課題

9万件以上のアイテムを持つサービスは、その豊富さが逆にユーザーの悩みを生み出していました。

「目当ての商品にたどり着けない」「探しづらい」という課題に対応するため、2024年9月のサイトリニューアルで「RECOMMEND AI」が導入されました。

アナザーアドレス独自のAIがユーザーのレンタル履歴・検索傾向・保存したキーワード・ファッションタイプ診断の結果などを分析し、パーソナライズされたアイテムをレコメンドする仕組みです。

「アナザーアドレス」が画像解析AIで「隠れた需要」を発掘する仕組み

アナザーアドレスのAI活用は、レコメンドにとどまりません。ファッションAIを開発するニューロープ社との協働で「隠れた需要を発掘する」という高度な取り組みも進んでいます。

2024年12月に開催されたファッションECカンファレンス2024において、大丸松坂屋百貨店DX推進部部長の田端竜也氏とニューロープ代表取締役の酒井聡氏が、「データや画像解析AIを活用して埋もれた商品を必要としている顧客に届ける取り組み」を語り合いました。

「いい商品があるのに誰にも見つけられない」という問題をAIで解決

ファッションサブスクが直面する最大の課題の一つが、「良い商品があるのにユーザーに見つけてもらえない」という在庫の見えにくさです。

特にレンタルサービスでは、人気ブランドの商品は素早く借りられる一方で、ユーザーのスタイルや用途に合っているにもかかわらず検索されにくい「埋もれた商品」が大量に存在します。

画像解析AIは、テキストタグでは表現しきれない「色合い」「シルエット」「素材感」「着こなしのテイスト」などを視覚的に分析し、ユーザーが言語化できていない潜在的な好みにマッチするアイテムを発見する手段として活用されています（参考：ECのミカタ）。

大丸松坂屋百貨店のAI活用から学ぶ：すべての企業が実践できる3つの教訓

大丸松坂屋百貨店のAI活用事例は、百貨店業界に限らずあらゆる業種・規模の企業が参考にできる普遍的な教訓を含んでいます。

教訓①：「月5万円・IT初心者」でもAIは始められる

月額約5万円・IT初心者チームという条件下で、前年比67%増という成果を出したこの事例は「AI導入のハードルは思ったより低い」という事実を証明しています。

「AIを導入するには専任のエンジニアが必要」「初期費用に数百万円かかる」という思い込みは、多くの場合実態と乖離しています。

まず1つの業務・1つの部門で「月数万円」のAIサービスをPoC的に試すことから始めれば、大企業でなくても、IT専門家がいなくても、AI活用の第一歩を踏み出せます。

教訓②：「現場への理解」がAI精度を決める

AIの精度は技術だけでなく「現場を理解したデータ設計」に大きく左右されます。

大丸松坂屋のチームが現場に足繁く通って得た「なぜこの商品がこの時期に売れるのか」という文脈の理解が、AIの予測精度を高め成果につながりました。

逆に言えば、どれだけ高性能なAIを導入しても、現場の実態から切り離されたデータ設計では精度は上がりません。「現場に聞く」というシンプルなアプローチが、AI導入成功の最も重要な工程です。

教訓③：「売上増」と「社会課題解決」を同時に追求する

需要予測AIが「売上67%増」と「食品ロス40万円削減」を同時に達成したことは、「ビジネスの成果」と「社会課題の解決」は両立できるという重要なメッセージを発信しています。

食品ロスの削減はサステナビリティの観点から社会的に強く求められている課題です。それをAIが「発注精度の向上」という形で解決しながら、同時に売上増という経営成果につなげた——この「いいことをして、儲かる」というモデルが、今後のAI活用のあるべき方向性を示しています。

需要予測AI導入 効果比較まとめ表

大丸松坂屋百貨店の需要予測AI導入が、従来の発注方法と比べてどう変わったかを以下の表にまとめます。

比較項目	従来の発注方法（AI導入前）	需要予測AI導入後	大丸松坂屋での成果
発注の根拠	店長クラスの担当者による「勘と経験」に基づく判断	AIが日々の販売データ・天候・曜日・季節などを統合分析して予測	発注精度が大幅向上。品切れと廃棄の両方を削減
属人化リスク	担当者の退職・異動でノウハウが失われる	AIがデータとして知見を蓄積。担当者交代の影響を最小化	組織知として発注ノウハウを保存・継承可能に
担当者の負担	毎日の発注判断に多くの時間と精神的エネルギーを消費	AIの提案を確認・承認するだけで発注業務が完結	担当者の長時間労働問題の緩和に寄与
売上への影響	機会損失が発生。品切れで購入できないケースが存在	必要な商品を必要な量だけ用意できるようになり機会損失を削減	PoCの3ヶ月間で売上高前年同期比67%増を達成
食品ロス	過剰発注による廃棄が発生。社会的・経済的コストになる	適正な発注量の予測により廃棄量を大幅削減	4店合計で推定廃棄額を約40万円分削減
導入コスト	コストゼロだが発注ミスによる機会損失と廃棄コストが発生	月額約5万円のシステム利用料	3ヶ月の廃棄削減額だけでシステム費用を大幅に上回るROI
必要なスキル	長年の経験による熟練した商品知識が必要	IT初心者でも推進可能。現場理解と継続的な取り組みが鍵	ほぼ全員IT初心者のチームが成功を実現

 

よくある質問

Q. 大丸松坂屋百貨店の需要予測AIは月いくらで使えますか？

A. 大丸東京店のベーカリー部門に導入されたAI需要予測システムは、月額約5万円のサービスを活用しています。POC（概念実証）段階でこの費用でスタートし、3ヶ月で売上67%増・食品ロス約40万円削減という成果を上げました。「AIは高い」というイメージを覆す、手軽さとコストパフォーマンスの高さが注目されています。

Q. IT初心者でもAI需要予測は導入できますか？

A. はい、大丸松坂屋百貨店の事例がその証明です。推進チームはほぼ全員IT初心者でしたが、現場に足繁く通い、現場スタッフと信頼関係を築きながらシステムを立ち上げました。AI導入に必要なのは「高度なIT知識」ではなく「現場の課題への深い理解」と「継続的な取り組みを続ける意志」だということが、この事例から学べる最大の教訓です。

Q. なぜ「売上増」と「食品ロス削減」が同時に実現できたのですか？

A. 一般的に、売上を増やすために多めに発注すれば廃棄が増え、廃棄を減らすために少なめに発注すれば売上が落ちるという「トレードオフ」が存在します。AI需要予測は「売れる量を正確に予測して発注する」ことでこのトレードオフを解消します。必要な量を必要なだけ揃えることで、欠品による機会損失も過剰発注による廃棄も同時に減らすことができます。

Q. 大丸松坂屋百貨店は今後どの部門にAIを展開しますか？

A. ベーカリー部門での成功を受けて、次は総菜・弁当部門への展開が予定されています。ベーカリー部門の廃棄量に比べて総菜・弁当部門の廃棄量は約3倍に上るため、AI需要予測の効果がより大きく出ると期待されています。また現在4店舗のテナントを10店舗に拡大する計画も進んでいます。

Q. アナザーアドレスのAIレコメンドはどのように機能しますか？

A. アナザーアドレス独自の「RECOMMEND AI」が、ユーザーのレンタル履歴・検索傾向・保存したキーワード・ファッションタイプ診断の結果などを分析し、パーソナライズされたアイテムをレコメンドします。9万件以上ある商品の中から「目当ての商品にたどり着けない」という課題を解決するため、2024年9月のサイトリニューアルで導入されました。さらに画像解析AIにより、テキストでは表現しにくい「色合い」「シルエット」「テイスト」などを視覚的に分析した隠れた需要発掘も行っています。

Q. 百貨店の食品部門に需要予測AIを導入する際の注意点は？

A. 最も重要なのは「AIに入力するデータの質と文脈」です。単に販売数量のデータを入れるだけでなく、天候・曜日・イベント・季節・近隣の競合状況など売れ行きに影響する変数を適切に設定することが精度向上のカギです。大丸松坂屋の推進チームが現場に足繁く通って「どんな要因が発注量の判断に影響するか」を丁寧にヒアリングしたことが、この精度向上につながりました。

Q. 大丸松坂屋百貨店のアナザーアドレスはどのようなサービスですか？

A. アナザーアドレス（AnotherADdress）は、大丸松坂屋百貨店が2021年3月に始めた百貨店業界初のファッションサブスクリプションサービスです。460以上の国内外デザイナーズブランドの中からアイテムを選び、月額定額でレンタルできます。送料・クリーニング代込みの料金プランで、いつでも返却可能。2026年2月からは初の実店舗「AnotherADdress TOKYO」をコレド日本橋3階にオープンしています。

まとめ：大丸松坂屋百貨店 AI活用が示す「現場×AIの可能性」

この記事では、大丸松坂屋百貨店のAI活用について、需要予測AI導入の背景・成果・IT初心者チームが成功した理由・ファッションサブスクへのAI展開まで詳しく解説しました。要点を以下にまとめます。

• 月額約5万円の需要予測AIでPoCの3ヶ月間に売上高前年同期比67%増・食品ロス約40万円削減を同時達成。「コスト・専門知識・規模」という三つのハードルをすべて低いまま成功を実現しています。
• 推進チームはほぼ全員IT初心者。高度な技術力ではなく「現場に足繁く通う」という地道なアプローチが成功の核心でした。「専門知識がなくても、現場の意志と継続的な取り組み次第でAI活用は実現できる」という強いメッセージを業界全体に発信しています。
• 売上増と食品ロス削減というビジネス課題と社会課題を同時解決した点が、AI活用のあるべき姿を体現しています。
• ベーカリー部門の成功を受けて、総菜・弁当部門（廃棄量3倍）への展開と10店舗化が進行中。成功体験を組織的に横展開するスピードも注目されます。
• ファッションサブスク「アナザーアドレス」では独自のAIレコメンドと画像解析AIで9万件超の商品から「隠れた需要」を発掘。食品部門とは異なるAI活用の形が、百貨店の新しい価値創造を支えています。

大丸松坂屋百貨店の事例が最も力強く示しているのは、「AIは大企業のIT部門が使うもの」という時代は終わったということです。

月5万円・IT初心者・現場との協働——この三つの条件が揃えば、どんな企業でもAI活用の成果は出せます。あなたの会社でも、まず「一番困っている業務」を一つ選んで、小さく始めることから一歩を踏み出してみましょう。