新型コロナウイルスによって、大きな打撃を受けた飲食業界。さらにここへきて追い打ちをかけるように、世界的な食材価格や資源・エネルギー価格の高騰による影響も懸念されている。
そこで目下、急務となっているのが、AIによる需要予測モデルの開発・導入だ。人手不足や食品ロスなどの問題解決にも寄与するというAI。シリコンバレーを拠点に活躍するAIビジネスの第一人者で、パロアルトインサイト社CEOをつとめる石角友愛氏が、飲食業界の最前線とこれからの未来について語る。

窮地に立たされている飲食業界

Photo by iStock

新型コロナウイルスの感染防止対策として打ち出された「緊急事態宣言」や「まん延防止等重点措置」による行動制限。これらの影響により、営業時間の短縮や酒類の提供制限などを余儀なくされた飲食業界への打撃は言うまでもない。

実際に先日、ある地方の飲食チェーンを営む経営者の方から「コロナで売上が一気に落ちた。特に、外国人観光客によるインバウンド需要がなくなったことにより本店は現在も休業したままだ。その間に新しいメニューの開発を考えているが、資金が足りず困っている。AIで何かできることはないか」と相談を受けたばかりだ。

東京商工リサーチの調査によると、2020年に倒産した飲食店は過去最多の842件を記録した。2021年はコロナの助成金や協力金など各種支援策が奏功し、648件（前年比23.0％減）にとどまったが、このうち半数近くの300件はコロナ関連の倒産となっており、コロナによるダメージが大きいことがうかがえる。

同時に、営業時間の短縮や酒類の提供制限などの販売条件の変化に加え、生活者の消費動向も一気に変化し、何が売れ、何が売れなくなるのか、誰しもが予測しづらい状況に陥っている。

だからこそ飲食業界ではどのような状況下においても対応できるような、AIによる需要予測モデルの開発が急務となっており、実際に飲食業界向けのAIシステムを開発する企業や、これまでのAIシステムを見直す企業が増えている。

たとえばソフトバンク株式会社と一般財団法人日本気象協会は、小売り・飲食業界向けに、人流や気象のデータを活用したAIによる需要予測サービス「サキミル」を共同開発し、2022年1月31日から提供を開始した。

パロアルトインサイト社と緊急事態に対応する需要予測モデルを共同開発するリンガーハット

また当社においてもコロナ禍にも対応できる需要予測モデルの開発・導入に関する相談は増加しており、2021年12月にはリンガーハットと共同で、緊急事態に対応する需要予測モデルの開発に着手した。

日本のみならず、アメリカでも、2020年10月に、PwCコンサルティングが企業内のAI戦略に携わる米国の役員1032名を対象に実施した調査によると、52％の企業がコロナを理由にAI導入計画を加速させたという結果が出た。

また86％が2021年にはAIが自社で主流の技術になっていると回答していて、たとえばアメリカのペプシコ傘下にあるスナック菓子メーカー最大手のフリトレー（Frito-Lay）は、5年間かけて行うと計画していたデジタル・データドリブン化の構想をたった6カ月で行ったという事例もある。

AIによる需要予測は必要不可欠

Photo by iStock

コロナ禍に限らず、震災や台風などの予期せぬ緊急事態において、消費動向に加えて販売条件が一気に変わることは今後も起こりうる。

また、3月に始まったロシアによるウクライナ侵略も世界中のサプライチェーンの混乱、食材価格や資源・エネルギー価格の高騰問題を起こしており、このような外的要因から消費者の動向が変わることも想定される。今後もさまざまな事態に備えて、あらゆる環境下で柔軟に対応できる強靭な需要予測モデルの開発は、飲食店が安定したビジネスを行っていく上で不可欠であると考えられる。

飲食業界においてAIによる需要予測は、さまざまな意思決定プロセスの上流工程にある。需要予測に基づいて売り上げを予測することで、出荷量を調整し、過剰生産や在庫を減らし、またスタッフの人数や配置決めができるようになることから、需要予測というのは、ビジネスの意思決定の上流工程にある、非常に大事なAIだ。

そのため、需要予測が正しくできると、その後の生産計画も効率的に行うことができ、生産計画がうまくいくと物流の効率化や人材配置もうまくいくため、経営全体で見ても大事なポイントになりうるのだ。

また、AIによる需要予測は、飲食業界の抱える人手不足や食品ロスといった課題の解決にも繋げることができる。

飲食業界は長年、「人手不足」という深刻な課題を抱えており、飲食店・宿泊業の欠員率は全産業と比べて2倍以上高く、大学卒業者における就職後3年目までの離職率は50.2％（農林水産省食料産業局「外食・中食産業における働き方の現状と課題について」平成30年3月6日）と言われている。

そのような中で、需要予測による業務効率化は、人手不足の解消、さらには人件費や採用費等の削減を実現する。

また、世界で年間約13億トン、国内では年間約612万トン（平成29年10月1日・総務省人口推計／平成29年度・食料需給表、確定値）にも及ぶ「食品ロス」は、物流や小売、消費等のバリューチェーンの各段階で発生しているが、在庫の最適化によりロス削減を実現することが可能になる。

需要予測による需要と供給の最適化は、飲食業界が抱えるあらゆる課題解決の実現にも繋がると考えている。

自然災害やパンデミックにも対応

Photo by iStock

そのような中で今回、私がCEOを務めるAI開発会社であるパロアルトインサイトがリンガーハットとともに開発に着手した緊急事態に対応する需要予測モデルは、消費者の需要を予測する従来のシステムに加えて、地震や台風といった自然災害や感染症のパンデミック等、さまざまな緊急事態下で多様に変化する消費者の需要を、AIを活用して予測するシステムだ。

これまでの販売実績や気象情報、地域に関する情報等のデータを基に消費者の需要予測をし、適正な発注数の算出、在庫管理、出荷量予測、スタッフ配置を行うことができる。リンガーハットでは、2018年から売り上げを予測するAIシステムを開発・運用しており、過去3年分の売り上げデータをAIに学習させてシステムを構築していた。

今回の緊急事態に対応する需要予測システムでは、過去3年分のデータを学習させるだけでなく、直近4～5日分の売り上げデータの変化がAIシステムに反映されるように改修し、従来では難しかった、自然災害や感染症のパンデミック等の緊急事態による需要の変化にも対応できるようになる。

コロナ禍に限らず、今後も予測できない事態に陥った際に、緊急シナリオに一瞬で切り替えオペレーションの遅延をなくし、円滑化を実現する技術基盤になる。

さらに地域や立地特性の見直しを行い、土地による違いも分析している。全国700店舗以上展開するリンガーハットでは、ショッピングモールの中にある店舗もあれば、駅前、住宅街に構える店舗もあり、それぞれ消費者の行動が違うため、店舗ごとの特徴を反映させた需要予測モデルとなっている。

実際のモデルの結果としては、営業時間が大きく変わるなど、売上に大きな変化が起きた際には既存モデルに比べ、緊急時対応型モデルの方が、誤差平均率にて80%の改善がみられた。より正確な需要の予測に寄与できている。

本質的で抜本的なDX推進のために

Photo by iStock

前述の通り、最適な需要予測を行うことで、その後の生産計画も効率的に行うことができ、生産計画がうまくいくと物流の効率化や人材配置もうまくいき、事業全体の安定化、さらなる成長に繋げることができる。

リンガーハットと共同開発している緊急事態に対応する需要予測モデルは、今後更に増えるであろう「市場の変化とともに瞬時に切り替えることができる緊急事態対応型AI」の一例に過ぎない。

IPA（独立行政法人情報処理推進機構）によると、コロナをきっかけに日本企業のAI導入率は2019年の4％から2020年には20％ほどにまで飛躍的に増えている。

中にはデジタル活用をすることで業務効率化を強いられた企業も多いだろうが、同時に、コロナにより今まで当たり前のように続けていた業務工程に疑問を抱き、本質的なDXを始めたいと感じる企業が増えたのではないかと思う。

本質的で抜本的なDX推進には企業体制を整えることが大事だが、同時に、どのようなプロジェクトを回していくかの取捨選択が大事になる。局所的な事業部の中の一部のプロセスの省人化に終わらせず、その他の部署への発展可能性や拡張性を考えた上で一番影響力のある箇所からプロジェクトを始めることが効果的なのだ。

そういう意味でも、需要予測を極めることはDX推進の上でとても大切な選択になると言えるだろう。

https://gendai.ismedia.jp/articles/-/94162