リーガルテック株式会社（本社：東京都港区、代表取締役CEO：平井 智之）は、特許調査・発明抽出プラットフォーム「MyTokkyo.Ai」を活用し、小売業の商品発注を支えるAI関連技術と発注支援技術の国内特許を調査した。需要予測に加え、在庫や消費期限を踏まえた発注数量の算出、担当者の判断支援に着目し、店舗運営・商品部門・システム部門に役立つ技術の論点を整理した。
欠品を減らすために多く発注すれば、売れ残りや廃棄が増える。廃棄を抑えるために発注を絞れば、販売機会を逃すおそれがある。小売業の発注AIには、売れる数量を予測するだけでなく、両方のリスクを踏まえて発注すべき数量を決める仕組みが求められる。
今回の検索結果では、天候などによる需要変動への対応、消費期限を考慮した発注推奨数の算出、予測の信頼度や担当者の判断を扱う技術が抽出された。発注支援AIの開発・導入では、予測精度とともに、予測を店舗の発注判断へつなぐ処理を確認することが重要と考えられる。
第一は、天候・販促・地域イベントなどによる需要変動への対応である。通常の販売実績だけでは捉えにくい変化を、店舗や商品ごとの予測にどう反映するかが課題となる。
第二は、欠品と廃棄の両立である。同じ販売予測でも、現在庫、消費期限、納品予定によって発注すべき数量は変わる。とりわけ日配品などでは、販売できる期間を踏まえた数量判断が必要になる。
第三は、担当者が判断できる情報の提示である。予測をどこまで信頼できるか、現場の修正が次の発注にどう反映されるかを整理し、推奨値を確認・調整できる運用につなげる必要がある。
図1 MyTokkyo.Aiの調査結果画面（検索概要）
出典：MyTokkyo.Ai。画面中の件数は今回の検索で取得・整理した結果であり、小売業界全体の特許件数を示すものではない。
パナソニックIPマネジメントの発注支援装置（特開2024-034215）は、消費期限、在庫数、予測販売数を踏まえ、安全率と発注推奨数を算出する技術として検索結果に整理された。販売見込みをそのまま発注量に置き換えず、在庫条件を踏まえて数量を決める点が注目される。
同社の予測装置（特開2025-018209）は、通常と異なる状況を示す情報を扱い、予測の信頼度を判定・表示する技術として整理された。信頼度の表示は、担当者が推奨値を確認する際の判断材料となり得る。ただし、表示機能と、担当者の修正を学習に反映する機能は分けて確認する必要がある。
日本電気の発注支援システム（特開2025-082565）は、担当者の前日の修正を最低在庫数の補正に反映する技術として検索結果に整理された。現場の判断を次の数量算出に取り込む点が注目される。こうした発注計算の補正と、需要予測モデル自体の再学習は区別して捉える必要がある。
ソフトバンクグループのシステム（特開2026-097471）は、気象・地域イベントの情報を需要予測と発注数量の判断に活用する技術として整理された。外部データを集めるだけでなく、店舗ごとの発注判断にどう結び付けるかが開発上の論点となる。 新商品・初回発注についても検索結果を整理したが、個別案件の対象や適用範囲を確認しながら評価する必要がある。
図2 MyTokkyo.Aiの調査結果画面（現場課題と解決技術の比較）
出典：MyTokkyo.Ai。検索結果に基づく技術の整理であり、各社製品の実装機能や導入効果を示すものではない。
今回の調査を踏まえ、開発上の注目領域として三つを挙げる。一つ目は、予測の信頼度と欠品・廃棄のリスクを組み合わせた発注支援である。二つ目は、担当者の修正理由を記録し、その後の数量補正やモデル改善に適切に使う仕組みである。三つ目は、販売実績が少ない新商品の初回発注を支援する技術である。
小売企業が蓄積する商品特性、店舗別の販売実績、販促情報、発注修正の履歴は、これらの開発を検討する際の材料となる。こうした業務条件と予測・最適化技術を組み合わせることは、開発・知財戦略を考える一つの方向性である。これは今回の検索結果に基づく示唆であり、特許の未出願領域を示すものではない。
店舗運営部門は、推奨数量に何の条件が織り込まれているか、担当者がどの段階で調整できるかを確認したい。商品部門は、日配品、定番品、新商品を分け、欠品率・廃棄率・発注作業時間などで運用を検証することが考えられる。システム部門は、在庫・納品予定の連携、予測の信頼度表示、修正履歴の利用をそれぞれ要件として整理することが重要である。
調査日：2026年10月5日。調査に使用したサービス：MyTokkyo.Ai。調査対象：日本の公開特許・登録特許。検索設定期間：出願日2021年1月1日～2025年12月31日。
需要予測、在庫・欠品・廃棄・消費期限、新商品・初回発注、担当者の修正、信頼度・不確実性の五領域を対象に、初回検索5式、条件緩和後5式、代表案件の追加検索5式の計15式による結果を整理した。AI・機械学習の明記がない発注支援技術も対象に含めた。本文の技術概要はMyTokkyo.Aiの検索・整理結果に基づき、公報原文の全件照合は行っていない。
本調査は設定した検索条件による抽出・整理結果であり、関連特許を網羅するものではない。図中の技術説明はMyTokkyo.Aiの検索結果の記載に基づく。出願増減や業界全体の出願集中は断定しない。特許の記載は製品への実装や導入効果を示さない。海外特許・海外企業・国際比較は分析対象外とし、特許権侵害や特許性等の法的判断は行わない。
MyTokkyo.Aiは、自然文による特許調査、関連特許の検索・要約・比較、発明内容の整理、出願準備資料の作成を支援する特許調査・発明抽出プラットフォームです。
製品ページ：https://www.tokkyo.ai/pvt/
