グローバル調査レポート

店舗の「データ」と「現実」はどれだけずれているのか

店舗の在庫データが棚の実態と一致しているのは、全体の46%にとどまります。Scanditは2026年9月、欧米7か国の店舗スタッフ2,200人を対象に、店舗の在庫データの信頼性について調査を行いました。

多くの小売企業がAIによる需要予測や自動発注への投資を進めています。しかし、AIが判断の材料にするのは店舗のシステム上のデータです。そのデータが現場の実態とずれていれば、どれほど高度なAIでも正しい答えは出せません。本調査は、このずれを「現場とデータのギャップ（Store Truth Gap）」と名付け、その実態とコストを明らかにしました。

どの店舗にも、3つの姿があります。システムが示す店舗、棚にある実際の店舗、そして両者が食い違ったときにお客様が体験する店舗です。この3つを毎シフト見ているのが売場のスタッフであり、彼らこそ小売企業にとって最も完全な情報源です。

項目	内容
調査名	The Store Truth Gap: The Hidden Cost Behind Retail’s AI Plans
調査実施	Sapio Research（Scandit委託）
調査時期	2026年9月（オンライン調査）
回答者	店舗スタッフ2,200人
対象国	米国、カナダ、英国、ドイツ、フランス、イタリア、ポーランド（7か国）
対象業態	食品スーパー、ハイパーマーケット、コンビニエンスストア、百貨店、ドラッグストア、DIY・ホームセンター（6業態）

主な調査結果：数字で見る現場とデータのギャップ

店舗スタッフの大多数がシステム上の在庫データを信頼しておらず、そのずれを埋めるために毎週数時間を費やしていることが明らかになりました。主な数字は次のとおりです。

数字	調査結果
46%	在庫データが、スタッフが実際に棚で確認した状況と一致する割合
8%	店舗の在庫データを「完全に信頼している」と答えたスタッフの割合（10人に1人未満）
3.7時間	スタッフが棚の欠品・空きを探すのに費やしている1週間あたりの時間
4.4時間	データが信頼できれば取り戻せる、スタッフ1人あたりの1週間の時間（年間で約6週間分の労働時間に相当）
3人に2人	データの誤りに気づいて対応するスタッフのうち、ルールから逸脱して在庫を管理している人の割合
4,100万ドル超	店舗スタッフ1万人規模の小売企業で、このギャップに関連して年間に発生する人件費の試算
9割	1週間の内に、万引き行為を少なくとも1回目撃したスタッフの割合

調査が明らかにした4つのこと

1. データの精度は半分しか正しくなく、現場は信じていない

システムが棚の実態と一致するのは46%で、国や業態による差はほとんどありません。現場の信頼は、精度が70%を超えるまで約4人に1人のまま動かず、90%を超えてようやく4人に3人に達します。精度を46%から60%に上げても、現場の行動はほとんど変わらないということです。

2. ギャップを埋めているのは、現場の見えない労働

スタッフの7割は誤りに気づくとシステムを修正しており、46%はその修正後の数字です。棚の空き探し、見つからない商品探し、在庫の数え直しにそれぞれ週3〜4時間を使い、在庫確認のための往復は週約6回、年間約300回に上ります。データが正確なら、1人あたり週4.4時間を取り戻せます。

3. 在庫の「本当の数」はメモやチャットの中に？現場の3人に2人が回答

3人に2人が紙のメモやグループチャット、スマートフォンの写真など、システムから見えない方法で在庫を記録しており（すなわち、「見えない在庫台帳」）、4割は社内のシステムをまったく使っていません。経験の浅いスタッフほど紙に頼る傾向が見られました。来店客の不審な動きや万引きも9割のスタッフが毎週目にしていますが、報告されなければ記録には残りません。

4. 技術を増やすだけでは「半分」で止まる

ハンディ端末、電子棚札、セルフレジ、RFIDなど、店舗に入れるIT機器の種類を増やしても、在庫データの精度は約50%で頭打ちになります。こうした機器の多くはシステム上の在庫記録をもとに動くため、記録が間違っていれば、その間違いをそのまま使ってしまうからです。差を生むのは機器の数ではなく導入の仕方です。導入前のテスト（パイロット）に参加したスタッフは半数がデータを信頼しているのに対し、一度も意見を聞かれなかったスタッフでは4人に1人にとどまります。

AI予算を固める前の5つのアクション

店舗のデータは現場の実態を半分程度しか映しておらず、そのギャップはスタッフの手作業やメモで埋められていることが明らかになりました。そして、IT機器を増やすだけでは、この状況は変わりません。

多くの小売企業が、2027年度のAI予算を検討する時期を迎えています。AIの効果を引き出すには、どのモデルを選ぶかより先に、その土台となる店舗データと、それを日々支える現場の体制を整えることが欠かせません。そのための具体的なアクションとして、次の5つが挙げられます。

在庫データの正しさを、棚の実物で確かめる：システム上の数字だけで判断せず、スタッフが実際に棚を見たときに、データと実物が合っているかで精度を測る
データの手直しにかかる時間を数値化する：在庫の確認や数え直しにスタッフが費やしている時間を人件費として算出し、投資判断の前提にする
現場が気づいたことを、その場でシステムに反映できるようにする：紙のメモやチャットに頼らず、スマートフォンなどで手早く在庫の修正を登録できる仕組みを用意する
IT導入のPoCに現場スタッフを参加させる：意見を聞くだけでなく実際に使ってもらい、その結果をもとに全店展開の進め方を決める
AIより先に、データを正す：AIは元のデータが間違っていれば正しく判断できないため、まず在庫データの精度を上げる

日本の小売にとっての意味：人手不足の時代こそ、データの精度が効く

現場とデータのずれが生まれる構造は、日本の店舗でも変わりません。人手不足が深刻な日本では、そのロスがより大きな負担となるため、限られた人数で店舗を回すには、データの精度を上げることが近道です。

限られた人員で店舗を回す現場

日本の店舗では、少ない人員とパート・アルバイトのシフトで売場を維持しています。欠品探しや在庫の確認に1人あたり週数時間を取られる状況は、そのまま接客や売場づくりに使える時間の不足につながります。経験のあるスタッフの記憶や手書きのメモに頼った在庫管理は、人の入れ替わりのたびに情報が途切れるリスクも抱えています。

業態ごとの着眼点

業態	着眼点
食品スーパー	生鮮・日配品の欠品や棚の空きが、売上機会の損失に直結する
コンビニエンスストア	少人数のシフトで多品目を扱うため、在庫確認の負担が大きい
ドラッグストア	医薬品から日用品・食品まで品目数が多く、棚とデータのずれが起きやすい
DIY・ホームセンター	売場が広く品目数も多いため、商品を探す時間がかさみやすい
百貨店	少量多品種の商品で、接客中の在庫確認の速さが顧客体験を左右する

DX・AI投資を進める前に

日本でもAIを使った需要予測や自動発注の導入が広がっています。その成果を引き出すには、投資の前に「自社の店舗データは現場の実態をどれだけ正しく映しているか」を確かめることが第一歩になります。

次の一歩：自社のギャップを知ることから

現場とデータのギャップを埋める第一歩は、自社の店舗でどれだけのずれが起きているかを把握することです。

日本語で受けられる個別診断「Readiness Assessment」

Scandit 日本法人の担当者が、貴社の店舗データがAI活用に向けてどの程度整っているかを日本語で一緒に確認します。オンラインで実施し、貴社の現状と優先して取り組むべき領域を整理してお伝えします。

個別診断のお申し込み（フォームの「お問い合わせ内容」に Readiness Assessment希望とご記入ください）：［リンク］
英語のレポート全文と診断ツールをご覧になりたい方：末尾の出典をご参照ください

Scanditについて

Scandit（スキャンディット）は、スマートフォンなどの身近なデバイスで棚の商品や在庫状況をすばやく読み取るVision AIによるSmart Data Capture技術を提供しています。現場の従業員が日々の業務の中で棚の実態をシステムに取り込めるようにし、紙のメモや記憶に頼らない、信頼できる店舗データの基盤づくりを支援します。

お問い合わせ

貴社の店舗でのScanditの活用や、本レポートの詳しい内容など、お気軽にお問い合わせください。

※本資料は、Scanditが2026年11月に公開した英文レポート「The Store Truth Gap: The Hidden Cost Behind Retail’s AI Plans」をもとに、日本の読者向けに要約・再構成したものです。

「Store Truth Gap」グローバル調査レポート