株式会社ディーエスエス
データ事業部

大手小売業

AWS Bedrock活用で
店長業務を月20時間削減した生成AI導入

AWS Bedrock活用で店長業務を月20時間削減した生成AI導入

売上規模100億円超の流通・小売企業における生成AI活用の事例。

店長の業務負荷となっていた本社向けレポート作成に対し、AWS Bedrockを用いた自動生成システムを構築した。

PoCとアジャイル開発を組み合わせることで精度とスピードを両立し、月20時間の工数削減を実現し、店長が本来注力すべき店舗運営へ時間を再配分できる環境を整えた。

大手小売業

INDEX

ビジネスの課題: 店長業務の中でもレポート作成の負荷が大きく店舗運営に割くべき時間が圧迫されていた; レポート作成が店長個人に依存し長時間労働につながる構造的な負荷が常態化していた; レポート提出の遅延により本社側の状況把握と指示出しが遅れ意思決定が滞っていた

システムの課題: 売上や顧客データが複数システムに散在し情報収集そのものが非効率になっていた; 手作業での集計や統合作業が必要で作成時間が長引き精度維持も困難だった; AI導入を見据えた安全で拡張性のある基盤が整備されておらず自動化が進まない状況だった

店長が日常的に行っていたレポート作成業務を自動化するため、AWS Bedrockを活用した生成AIシステムを構築した。

重要な点は、すべてを生成AIに委ねるのではなく、正確性が求められる数値処理と文章生成を明確に分離したハイブリッド構成としたことである。

売上やKPIなどの定量データは既存ロジックで確実に抽出し、その情報をもとに要約コメントや示唆の生成をAIが担う設計とした。

また、生成AIのハルシネーションリスクを抑えるため、AIが扱う情報範囲を限定し、定量データには介入しない仕組みを採用した。機密性の高い店舗データを取り扱う前提から、将来のモデル拡張にも対応できるAWS Bedrockを採用し、安全性と柔軟性を両立する基盤を整備した。

これにより、現場は既存オペレーションを大きく変えずに新しい仕組みを受け入れることができ、全店舗への段階的な展開も見据えた拡張性の高いアーキテクチャが実現した。

プロジェクトは「情報の整理」「概念実証（PoC）」「アジャイル開発」の三段階で推進した。

フェーズ1：業務プロセスと情報の棚卸し
既存のレポート業務を詳細に分析し、散在していた情報ソースを整理した。自動化が可能な領域と人の判断が必要な領域を切り分けることで、システム化のスコープを明確化した。

フェーズ2：PoCによる技術検証
生成AIの業務適用に対する精度を見極めるため、実データを用いたPoCを実施した。プロンプト調整と検証を繰り返し、実務で運用可能な品質を確認した。

フェーズ3：アジャイル開発によるリリース
PoCで一定の精度が得られた段階でアジャイル開発へ移行した。全機能を一度に構築するのではなく、効果が高いレポート機能から優先的にリリースした。現場からのフィードバックを迅速に反映できる体制を構築し、六ヶ月という短期間で本稼働を実現した。

生成AIによるレポート自動化の導入により、店長がレポート作成に費やしていた業務時間を月二十時間削減した。

削減された時間は接客、スタッフ育成、売場改善といった店舗運営の核となる業務へ再配分され、現場での顧客接点の質向上にも寄与した。

バックオフィス作業に追われる負荷が軽減されたことで、心理的余裕が生まれ、店長が主体的に仮説検証や売場づくりに取り組めるようになった。

さらに、AIが生成するレポート内容は構成と粒度が標準化され、本社側の状況把握が迅速になり、意思決定のスピードも向上した。

現場と本社の情報連携が安定したことで、単一店舗単位ではなくチェーン全体を俯瞰した施策立案が可能となり、DX投資が継続的な経営改善につながる基盤が整備された。

また、定量データと生成されたコメントが一元的に蓄積されることで、将来的な分析や追加のAI活用にも展開しやすいデータ資産が形成されつつある。

大手小売業: 「レポート作成の負荷が大きく、業務時間と精神的な余裕を圧迫していましたが、導入後は負担が軽減され、接客やスタッフ育成に時間を充てられるようになりました。」

ディーエスエスデータ事業部: 「本プロジェクトでは、将来のモデル更新に対応できる拡張性を重視し、AWS Bedrockを採用しました。シンプルな構成とすることで、運用負荷を抑えながら継続的な改善を可能にしました。」