2026年3月3日（火）～6日（金）に東京ビッグサイトで開催された「リテールテックJAPAN 2026（以下RTJ）」にて、リテール業界向けのAIエージェントのデモを展示しました。
1月末に開催されたSCビジネスフェアでも当社のAIエージェントのデモを展示しました。SCビジネスフェアとRTJでは思考ロジックの異なるものを展示しています。
ユースケースが変わると思考ロジックも変わる
AIエージェントの思考ロジックを開発する際、どのようなユースケースで誰がどんな使い方をしたいかという点も重要になってきます。今回RTJで展示したAIエージェントは、とあるスーパーの、とある店舗の、分析業務はあまり得意としていない店長が自店の分析をするというユースケースを想定して開発しました。
分析業務なんてやったことがない、あるいは得意じゃないユーザーにとって、どのようなサポートのあり方だと助けになるのか？というのを想像し、今回のAIエージェントの思考ロジックは「分析を一歩ずつ補助する」という特徴を組み込んでいます。
分析が苦手な人をサポートする思考ロジック
具体的にはどういうことなのかをデモの画面でご紹介します。
「パスタの売上が悪い。品揃えの問題か調べたい。」とユーザーが入力すると、「どのような切り口で分析しますか？」とAIエージェントが質問を返します。それに対しユーザーは、「どんな切り口で分析していいかわからないから一旦全体像を見たい」と返しています。全体像を見ると言っても様々な切り口での把握の仕方がありますが、AIエージェントが例として代表的な三つの切り口での可視化を提示しています。
全体像をざっくりと見た後、下記の画像のように、ユーザーはそのうちの一つのグラフに気になった情報を見つけ、「ここから読み取れることは？」「客層は？」と質問を重ねています。
「一歩ずつ補助する」という特徴を組み込んでいると前述しました。イメージとしては、データサイエンティストが店長の分析作業を伴走してあげるような感じです。「○○が変。どうしたらいい？」と突然聞かれても、誰だって答えに困りますよね。なので「まずは現状がどうなってるか調べてみましょう。この中だとどれが気になりますか？こういう見方もできますよ。」と、ざっくりした情報をもとに様々な角度で質問を重ね、問題を分解・深堀りし、最終的にどうやら原因はここだったと辿り着くプロセスになるよう設計しています。
思考ロジックにも様々なパターンがある
一方でSCビジネスフェアのデモは、ズバッと一発で答えを返してくるようなモデルで開発しています。ショッピングセンター向けの展示会という背景も鑑み、高度な分析業務を行っている企業様の来場も多いだろうと想定してそのような思考ロジックにしてみました。
このように、思考ロジックにも様々なパターンがあります。企業文化や業界慣習のほか、どんなユーザーなのか、どんなユースケースなのか、使う人を把握して設計することも重要です。
ジャイナミクスではお客様の環境に最適なカタチで、AIエージェント以外にも様々なAIおよびデータ利活用のサービスをご提供します。ちょっとデモを見てみたい、話を軽く聞いてみたいなど、お気軽にお声がけください。
AIエージェントのデモを展示
2026年1月21日（水）～23日（金）にパシフィコ横浜で開催された「SCビジネスフェア2026」にて、ショッピングセンター業界向けのAIエージェントのデモを展示しました。
以前の記事で、業界特有の思考ロジックを持ったAIエージェントについてご紹介させていただきました（小売企業特有の思考ロジックを持ち、「使い勝手の良い」AIエージェントを目指す）。ショッピングセンター業界においては、集客要因の分析が重要です。展示会では、その情報を見つける・分析するタスクをどのようにAIがサポートするかをご覧いただけるデモを展示しました。
SC業界特有のデータ事情やLLM活用についてプレゼンで発表
東芝テックのブースで行われたミニプレゼンでは、LLM（大規模言語モデル）の普及により、ショッピングセンター業界でのデータ利活用が劇的に加速する可能性と、その技術的背景についてご紹介しました。
ショッピングセンター業界では、社内や館内で保有している情報のみならず、外部の出来事との掛け合わせで集客要因の分析をすることが重要です。しかし、ショッピングセンター業界が取り扱っているデータの大半、たとえば周辺地域のイベントや提携クーポンなどといった情報は、「非構造化データ」と呼ばれ、データ分析で扱うには難しいとされてきました。しかし、そこがLLMの普及によって大きく変わってきています。
簡単な例え話をすると、ヒトの話し言葉は、語順がバラバラだったり、主語などの一部の単語が欠けていても意味が成立します。「私は、今朝、パンをスーパーで買った。」を「スーパーで今朝パン買った。」と伝えてもおおむね通じます。しかし、これまでのデータ分析で活用されてきた構造化データと呼ばれる種類のデータは、「欠け」を許容することが難しく、前述のような文章をエラーと見做してしまうことがあったりします。そういった曖昧さを許容できることによって、SC業界の持つデータの活用が可能になってきた、というお話をさせていただきました。
展示やプレゼンテーション内容についてさらに詳しく知りたい方は、下記ボタンより資料ダウンロードが可能です。
3月には第42回流通情報システム総合展「リテールテックJAPAN 2026」で、東芝テック社ブースにて展示とプレゼンテーションを行います。ご来場をお待ちしております。
売上管理のため、帳票作りに追われる小売企業の現場
当社が小売企業様からよくリクエストいただくことの一つに、「売上管理において用途や報告対象が色々あって帳票作成業務が多く、結構時間がかかっている。それってAIでなんとかならないの？」というものがあります。
具体的には、期間別、商品別、仕入先別などの用途別や、経営層向け、調達部門向け、販促部門向けなど報告対象別に、それぞれ知りたい情報が異なるためその都度帳票を作成しています。その際、必要な数字だけを抜き出すために、複数の帳票を見比べて参照したり、内訳や合計の精査をしたりなどしており、積み重なると現場にとって負担が大きいという現状があります。
これは、売上管理に携わる部門や担当者であれば小売企業に限らずどの企業でも共通する困り事です。しかし、スーパーや量販店などの小売企業においては、扱う商品数が千単位・万単位ということが多いのが特徴で、また商品マスタ管理を、本部主導と現場主導が混在することも一般的です。
たとえば「去年と今年の9月の丸の内店のオーガニック系商品の売上の比較をしたい」とします。その際、もしも生鮮や日配などの部門を横断しうる「オーガニック」という軸が店舗管理だった場合店舗に連絡して・・・など、その再集計の手間は本部・現場ともに、またか・・・とため息をついてしまうものです。なので、「AIでこの作業どうにかラクにできないの？」というのが小売企様の悩み事なのです。
なぜAIは使いにくい？
最近では、マイクロソフトのCopilotやグーグルのGemini、オープンAIのChatGPTなど一般でも使えるLLM（Large Language Model:大規模言語モデル）をベースとしたAIチャットが広がってきており、利用者は増えています。
しかし、いざ仕事の効率化のためにAIを活用しようとすると、社内データやファイルを正しく参照できなかったり、社内や業界特有の背景、知識、慣習、言葉遣いなどを汲み取れないことで、的外れな回答を得たりなどの使いにくさがあるのが現状です。また、調査や分析のようなタスクをお願いすると、一見それらしい答えを返してくれるが、実は本当はそうではなかった、というようなことも起こり得ます。
AIは「できません、わかりません」と答えない代わりに、わかる範囲で答えようとします。しかしAIのわかっている範囲がもし間違っていれば、正しい答えを引き出すことはできないため、正しいデータや手順を引き出す「基準となる考え方」を仕込むことが必要となります。それを当社では「思考ロジック」と呼んでいます。
ジャイナミクスのAIエージェントの特長と強み
当社では、小売企業向けのAIエージェントの開発に取り組んでいます。小売企業特有の知識や慣習を鑑みた思考ロジックを持たせることで、ちょっと頼んだことと違う・・・という微妙な使いにくさを解消します。具体的には、既存のLLMを業務利用する際に不足している点として「ユーザー指示の理解」と「タスクの種類判定」の二つがあります。
たとえば、上のイラストに示した「先月の○日のアイスクリームの売上が昨年度と比べて少なかったのはなぜ？」とユーザーが尋ねた場合を例にします。本当の原因は「発注漏れによる欠品」なのに「例年の○日の平均気温よりも1度低かったことが原因です。」という一見正しそうな回答を得ることで、本当の原因を見逃すということが起き得ます。もちろんLLMは「欠品」も「発注ミス」も知識として知っていますが、小売企業にとっては大問題な欠品がLLMにとっては優先度が低いこととして認識されかねません。
なぜこのようなことが起きるかというと、LLMは、より多くの人が選択する言葉を選ぶという特性があります。一般的に世の中では、アイスは暑いときに食べたくなると紐づく人のほうが多いでしょう。しかし小売業界を知っている人であれば、天候よりも欠品の確認が上位の重要ファクターとして扱われます。売上の値を見て小売企業が何を気にするかというユーザーの文脈の理解と、発注や在庫のデータを探しに行き、次にそれを照らし合わせるというタスクの発想が必要になる、というわけです。東芝テックが長年培ってきた小売業の知見をAIエージェントのプロンプトの中に組み込めるところが当社の強みです。
一方で、小売業特有の知見があるだけでは成立しません。タスク定義を行う際に「どの程度ゆるくor厳密に定義をするか」のバランスが、データサイエンティストの技術とノウハウを必要とする部分です。定義をゆるくしすぎるとやってほしいことに対して雑な回答が返ってくる、一方で厳しくしすぎると一昔前のFAQボットのような「わかりません」という回答が返ってくることとなります。ゆるさ・厳しさの良い塩梅を探るには、データ分析やLLMの専門性と、業務領域知見の二つが備わっていることが肝となります。
東芝テックの小売業界の知見と、東芝グループの培ったデータサイエンスの技術力を併せ持つ当社だからこそ実現できる領域です。
ジャイナミクスでは、AIエージェント構築に関心のある企業様と共に、使う人にとって「もっとラク」なAIエージェントを開発したいと思っております。お気軽にお問い合わせください。
ジャイナミクス株式会社の挑戦は生成AIとPOSデータを駆使し、リテール業界の未来を切り拓くことです。
2024年10月に設立されたジャイナミクスは、POSシステムで国内トップシェアを誇る東芝テックの技術と知見を受け継ぎながら、生成AIとPOSデータを活用したリテールのための業務支援サービスを提供しています。メンバーには生成AIのスペシャリストをはじめ、東芝テックのエンジニアも加わっています。なぜ東芝テックはリテール企業のDXを支援する新会社を立ち上げたのでしょうか。ジャイナミクス代表取締役社長・古山 浩之とCPRO（Chief Public Relations Officer）を務める濱田 美樹夫に、同社設立の背景やサービス設計に込めた思い、そして今後の事業展開について聞きました。
なぜ今、リテール現場に「データ×生成AI」が求められているのか
ジャイナミクス設立の背景と、そこに至る市場ニーズについて教えてください。
古山 浩之（以下、古山）：
設立の大きな理由の一つは、「データ活用の可能性」にあります。POSは本来、販売時点における商品情報を管理する仕組みですが、それにとどまらず、在庫管理や発注、プロモーション、さらには廃棄削減など、幅広い用途への応用が可能です。データ分析に強力な計算リソースを要するため、ビジネスの現場レベルでの実用にハードルがありましたが、ここ数年のクラウド技術やGPU（画像処理装置）の進化により、データ活用が現実的なものとなってきました。さらに、ソフトウェアも従来のパッケージ型からクラウド上で動作するコンテナ型へと移行するなど、ビジネスモデルそのものが変化し続けています。こうした技術的・構造的な変化に対応するために、世の中の潮流に柔軟に対応できる組織体制が不可欠であると判断し、ジャイナミクスの設立に至りました。
一方、私たちの顧客であるリテール現場は慢性的な人手不足を抱えており、非常に多忙であるという特徴があります。「経営層で検討した施策が現場まで落ちてこない」「施策の意図が理解できない」「現場の課題が正しく把握されず経営方針に反映されない」といった状況が見られ、せっかく施策を導入しても効果がわからない現状があります。この忙しさから生じる現場と経営のコミュニケーション不足を背景に、施策設計において課題把握から効果検証までを一気通貫させて実施するのが困難になっています。そのためリテール現場では「経営方針に沿いつつ、現場が悩まずスムーズに行えるタスクに施策が落とし込まれていること」が求められていると感じています。こうした課題を解消するために、データと生成AIが活用できると考えています。
リテール企業の課題を可視化し、上流から下流まで支援
具体的にどのようなサービスを提供しているのでしょうか？
濱田 美樹夫（以下、濱田）：
まずはお客様であるリテール企業に対し、業務プロセスや困りごとを丁寧にヒアリングし、それを“翻訳”していくことから始めます。具体的には、「これはどういうことなのか？」という問いを出発点に、業務内容をプロセスレベルに落とし込み、それをKPIやKGIといった定量的な指標にまで展開します。
この時に重要になるのが、「共通言語」を持つことです。日本語で話していても、建築の世界では建築図面、ソフトウェアではプログラミング言語といったように、それぞれの分野で使う専門的な“言語”があります。リテール企業も経営者は経営者の言語、現場社員は現場社員の言語があるため、それがバラバラなままだと情報はうまく伝わりません。だからこそ、それぞれの視点や言語に翻訳し、適切に伝播させることが必要です。この一連の流れを、上流から下流までワンストップで設計・支援できることが、私たちの強みです。
こうしたサービスを提供できるのは、東芝テックが長年にわたり培ってきた「技術力」と膨大なPOSデータを活用する「知見」があるからこそです。POSシステムを通じて蓄積されたデータは、「売れたか売れなかったか」「どの商品が、いくらで取引されたか」といったサービスの対価を可視化する上で極めて重要な情報となります。
ジャイナミクスにおける「生成AI活用の可能性」について、どのように考えていますか。
古山：
ジャイナミクスでは生成AIを不可逆的、かつ、あらゆる変化対応に柔軟なものと捉えています。例えば、リテールに限らずどのような業種においても起き得ることですが、パートナー企業の事業状況が変化すると、自社の経営や施策に様々な影響を与え得るものです。そういった際に、生成AIは、変化を取り込み、その影響が波及する人のところへ、より適切なカタチに落とし込んで情報やデータを届けることができます。こうすることにより、常に最新の状況に適応したサービスの提供が可能になります。
現在、ジャイナミクスでは生成AIをどのように活用しているのでしょうか。
濱田：
ジャイナミクスでは生成AIを活用し、リテール企業の業務支援を行っています。また、過去にお付き合いのあったパートナー企業から技術力を評価いただき、当社のエンジニアが小売業以外の分野においても生成AIの仕組みづくりを支援するケースが増えております。
その背景には、近年、「RAG（Retrieval-Augmented Generation：外部情報を組み合わせて回答を生成するAI）」や「AIエージェント（人間を介さず特定のタスクを実行する自律型インテリジェントシステム）」の導入に関するご相談が増加していることが挙げられます。
こうした課題に積極的に取り組むスタートアップ企業もありますが、もう一つ重要なのは、「膨大なデータをいかに整理・分類し、特定の部門や業務目的に特化したデータマートに格納する“仕組み化”を実現するか」という点です。
このような課題に対応できるシステム設計者とクラウドインフラの技術者を抱える企業はまだ多くありません。そのため、当社がその設計から運用まで一貫して担える点が大きな評価につながっています。
どのような企業から生成AIの支援を求められるケースが多いのでしょうか。
古山：
特に多いのが意思決定のプロセスが属人化している、あるいは関連部門が多くて意思決定に時間を要している企業です。例えば、スーパーマーケットやコンビニエンスストアでは「午後に何を販売するか」や「どのような惣菜を作るか」といった意思決定が各部門のキーパーソンによって行われることがあります。連携部門の多さや現場の忙しさから組織間の情報共有がなかなか難しく、各部門の目標や狙いの調整もあり、連携に労力を要します。さらに慢性的な人手不足が拍車をかけて、本来やりたいことがなかなかできていないという声をいただいています。このような課題を生成AIで支援・補完したいというニーズが増えています。
現在、リテール企業向けサービスと生成AIを活用した課題解決支援の2つの事業を提供しているとのことですが、今後ジャイナミクスはどのような業界や分野への展開を考えているのでしょうか。
古山：
リテール企業向けサービスについては、当面は引き続きリテール業界を軸としながらも、将来的には宿泊、インフラ、居住、医療など、生活に関わるさまざまな分野との連携を進めていきたいと考えています。特に、地域に根ざしたサービス同士が有機的につながる「コミュニティ・ドミナント」な仕組みの中で、私たちのサービスが価値を発揮できればと考えています。
濱田：
生成AIを活用した課題解決支援については、担当エンジニアからも「難しい仕事ではあるが、大きなやりがいを感じている」との声が上がっており、会社としても経験値が蓄積され、自社の技術力の立ち位置を再確認できていることを非常にうれしく感じています。現在は異業種からの相談も歓迎しており、可能な範囲であれば積極的に支援させていただきたいと考えています。
東芝、スタートアップ経験者……多様な人材が支える柔軟な組織文化
ジャイナミクスは「リテール企業の持続的な成長と、社会全体の発展を支える」という使命を掲げています。この考え方に行き着いた背景について教えてください。
古山：
私たちが最も大切にしているのは、「生活圏満足度」、英語で言うと「ライフ・サティスファクション（Life Satisfaction）」の最大化です。これは、「従業員」「顧客」「社会」という3方向、つまり関わるすべての人々の満足度を高めることを意味しています。
満足度は一度向上しても、そのまま放置しておくと時間とともに低下してしまう。だからこそ、ジャイナミクスでは満足度を“サービス”として捉え、継続的に再設計・実行・検証していく必要があると考えています。その質の高いサービスの連続こそが、「持続可能な社会」の実現につながると信じています。この考え方を、私たちは「サステナブル・サービスデザイン（持続可能なサービス設計）」と呼んでいます。
関わるすべての人々の満足を継続的に高めていくためには、ジャイナミクス自身も多様な視点を持ち、様々な視点・意見を統合し、また成長し続けていくことが大切だと考えています。
創業から約半年ほど経ちましたが、現在ジャイナミクスでは、どのようなバックグラウンドの方々が在籍しているのでしょうか。
濱田：
東芝や東芝テックから出向してきたデータサイエンティストやエンジニアに加え、スタートアップ出身のコンサルタント営業や事業企画など、さまざまなバックグラウンドを持つメンバーが在籍しています。実装力のあるメンバーが多く、スタートアップ的なスピード感と東芝グループの誠実さが共存することで、組織としての柔軟性や推進力が高まっていると感じています。
事業を加速していく中で、どのような人材と一緒に働きたいと考えていますか。
古山：
仮説検証型で物事を進められる方、そしてその仮説を様々な方と会話するために仮説を可視化・モデル化して共通言語化できる方とご一緒したいと考えています。リテール領域におけるデータは膨大で、インプット・アウトプットの多くがリアルに紐づいており、デジタル以上に多岐にわたる要素を含んでいます。それを的確に整理・調整するのは決して容易ではありませんが、その難しさに興味を持ち、「やってみたい」と思える方、小売のサービスを愛し、前向きに取り組める方と一緒に仕事ができたらうれしいですね。
