人手不足が最も重い業種でAIが入っているのは、人が足りていない売り場ではなく、その隣にある事務と受発注です。中小企業の導入率だけを並べると小売・卸売はすでに製造業を上回っていますが、その数字は不足の重い層にAIが届いた証拠にはなっていません。

卸売会社の経営企画の方から、役員会資料の一行を直したいという相談を受けました。「製造業が先行し、小売・サービスは次の段階」と書いたところ、根拠を確かめたら順番が合わなかったのだそうです。

ところが、順番が入れ替わったと分かっても、その一行はまだ直せませんでした。

導入率が高いことと、人手が足りない場所にAIが届いていることは、別の話だからです。この業種群の相談で、私が製品の話を後ろに回すのはそのためです。先に確かめるのは、御社の人手不足がどの雇用形態に出ているか、という一点になります。

小売 AI 導入は、製造業をどこまで上回ったのか

導入率でみるかぎり、この業種群はすでに製造業を上回っています。上回っているのは入り口の広さであって、深さではありません。

中小企業基盤整備機構が2026年3月に公表した実態調査は、全国の中小企業10,000社に配布し1,668社から有効回答を得たものです。AI導入状況の設問（n=1,647）で「全社的に」または「一部の業務で」導入していると答えた企業は20.4%でした。ITの55.5%とは、まだ大きな開きがあります。

内訳を見ると、深さの話になります。20.4%のうち「全社的に導入している」は3.6%で、残る16.8%は一部の業務にとどまりました。導入を予定・検討中が18.6%、導入予定はないが61.0%です。

業種別に並べると、順位はこうなります。

業種	AI導入率	回答数(n)
情報通信業	54.6%	33
学術研究、専門・技術サービス業	36.9%	133
教育、学習支援業	31.6%	60
小売業	19.4%	257
生活関連サービス業、娯楽業	18.7%	172
不動産業、物品賃貸業	18.3%	159
宿泊業、飲食サービス業	18.0%	167
卸売業	16.8%	119
製造業	16.4%	196
建設業	15.9%	246
運輸業、郵便業	9.7%	31

（中小機構「実態調査」図45より作成。業種区分ではない「その他」の項は省いた）

上位三つは、扱う対象がもともと文字と数字で完結する業種でした。

小売から建設までは15%台後半から19%台に密集し、業種間の差よりも上位三業種との断層のほうが目立ちます。

差の大きさも業種によって違います。小売業と製造業は3.0ポイント離れていますが、卸売業と製造業は0.4ポイントで、回答数も119社と196社と開きがある。順位が入れ替わっている事実は動かないものの、卸売と製造の差そのものは誤差の幅に近いものとして扱うほうが安全です。

製造・物流を先行事例として語る整理は、製造・物流で進む生成AI導入の実態と次の一手で扱いました。中小企業に限れば、その先行は導入率の形では現れていません。

順番が逆だと知ったところで、安心する材料にはならないのです。同じ調査で、AIもITも「導入の必要性を感じない」と答えた企業が目立った業種として名前が挙がったのも小売業でした。入り口に立った企業と、入り口を見ようとしない企業が、一つの業種のなかに並んでいます。

人手不足が最も重いのは、この業種のどの層なのか

正社員ではなく、パートタイム労働者の層です。ここが製造業と正反対になっています。

厚生労働省の労働経済動向調査は、この不足感を雇用形態ごとに分けて集計しています。D.I.は「不足」と答えた事業所の割合から「過剰」と答えた割合を差し引いた値で、数字が大きいほど不足を訴える事業所が多い。

産業	正社員等D.I.	パートタイムD.I.
調査産業計	＋47	＋27
サービス業（他に分類されないもの）	＋48	＋41
宿泊業、飲食サービス業	＋38	＋42
生活関連サービス業、娯楽業	＋36	＋39
卸売業、小売業	＋31	＋35
製造業	＋44	＋14
建設業	＋59	＋6

（厚生労働省「労働経済動向調査」2026年5月1日現在、表3・表4より作成。単位はポイント）

卸売業・小売業は、正社員等では調査産業計を下回り、パートタイムでは上回ります。

製造業と建設業は、この形が反転しています。正社員等の不足感は強いのに、パートタイムはほとんど不足していない。同じ調査の同じ時点で、上下がそっくり入れ替わります。

サービス業（他に分類されないもの）だけは例外で、両方の層で人が足りていません。接客業種を一括りに扱うと、この違いが消えてしまいます。

同じ「人手不足」という言葉が、業種によって別の層を指しています。製造・建設は正社員の不足、小売・サービスはパートタイムの不足。業種横断でまとめた不足の議論は、この時点ですでにずれ始めています。

中小企業のあいだでAI活用の差がどこから生まれるかは、2025年の崖と人材不足：中小企業のAI格差はどこで生まれるかで扱いました。ここで見ているのは、その手前にある雇用形態の分かれ方のほうです。

なお、労働経済動向調査は卸売業と小売業を一つの区分として集計します。中小機構の調査が両者を分けて19.4%と16.8%という差を示していたことと、合わせて読む必要が出てきます。

なぜ不足の重い場所から自動化が始まらないのか

不足が最も重い層の仕事が、そのまま自動化の最も難しい仕事だからです。

中小機構の同じ調査は、AIを導入した後も効率化が難しいと感じる業務を尋ねています。首位は「人の判断が必要な業務（営業提案、顧客折衝など）」で67.1%。次が「社内調整・意思決定など属人的な業務」の33.3%、三番目が「経営判断や戦略立案に関する業務」の31.3%でした。

人と向き合う仕事だけが、他の項目から抜けて残りました。ITについて同じ質問をしても首位は変わらず68.4%で、道具を替えれば解けるという性質の壁ではないことが分かります。

二位と三位に並んだのは、社内調整と経営判断でした。どちらも社内で完結する仕事です。社外の相手が絡む一位だけが、突出して残っている構図になります。

売り場に立つ、電話を受ける、クレームを引き取る——パートタイム労働者が担ってきたのはこの層です。

不足の重心と、自動化の難所が同じ場所に重なっています。

調査は、その重なりを別の角度からも示しました。AIもITも導入予定がなく「現状で満足しており、導入の必要性を感じない」とした企業を業種別にみると、現場作業や対面業務の比重が高い小売業や建設業で「不要」とする回答が目立った、と報告されています。

必要を感じないという回答を、意識の遅れとして片づけると読み違えます。目の前で最も人が足りない仕事に、いまの道具が届かない。そう見えている経営者の判断としては、筋が通っているからです。

AIは実際にどの部門へ置かれているのか

バックオフィスと、顧客接点の後ろ側です。現場を持つ製造・生産部門がいちばん薄い。

中小機構の調査でAIを導入済みと答えた企業に部門別の状況を尋ねると、総務・管理部門が68.3%で最多でした。営業・販売・サービス・アフターサービス部門が60.3%、経営・企画部門が58.5%と続き、製造・生産部門は34.9%です。

目を引くのは、AIを導入した企業とITを導入した企業、それぞれの内訳を並べたときの差です。同じ企業に二つを尋ねた比較ではなく、別々の集合の分布を重ねたものとして読みます。総務・管理ではAIがITを16.6ポイント下回るのに対し、営業・販売・サービス部門ではAIがITを2.4ポイント上回りました。経営・企画では9.4ポイント上回っています。

バックオフィスは長くITが押さえてきた領域で、AIは後から入る立場でした。顧客接点と企画では、ITが取りこぼしていた仕事にAIが直接入った。文章と会話を扱う仕事だからです。

この分布は、AIを導入済みと答えた企業のなかでの内訳です。全体の8割は導入そのものに至っていないため、先に動いた2割がどこから手をつけたかの記録として読むことになります。

小売・卸売・サービス業にとって、この分布は好材料でも悪材料でもありません。顧客接点部門にAIが入りやすいのは確かですが、入っている先は接客そのものではなく、その周辺の記録・照会・文書のほうだからです。

接客の現場に入ったAIは、応対ではなく知識を肩代わりしている

店頭に置かれたAIは、お客さまの相手をしていません。従業員の代わりにマニュアルを読んでいます。

イオンリテールは2025年5月、生成AIを活用した従業員向けの「AIアシスタント」を同年6月から約390店舗で実装すると発表しました。数千から数万ページに及ぶ業務マニュアルや法律を学習させ、音声や文字での質問に自動で回答する仕組みです。

初期に対応するのは、免税対応の可否や下限金額の確認、拾得物の扱い、公共料金の支払い、株主優待制度の説明といった項目でした。いずれも、お客さまから尋ねられて従業員が詰まりやすい場面です。

同社はこれを「事前の読み込み不要の次世代型の従業員マニュアル」と位置づけています。習熟までに数年から十数年を要していた専門的な職務についても、知識とプロセスがシステム内に集約されることで、より多くの従業員が参画できるようになる、という説明です。

ここが、パートタイムの不足と接続します。人を増やせないなら、入ってきたばかりの人が最初の週から難しい問い合わせを捌けるようにする。応対の担い手を置き換えるのではなく、応対に必要な知識の壁を下げる。小売でのAIは、この形で売り場に入りました。

総務省の令和8年版情報通信白書も、この取り組みを顧客との接点におけるAI活用の事例として取り上げています。白書が示した業務類型ごとの活用状況も、同じ方向を指していました。議事録・メール作成補助が約7割で最も高く、営業・販売が約6割、社内ヘルプデスクが約5割です。

上位に並ぶのは、いずれも人と人の間に挟まる文書と照会の仕事でした。白書は日本について、他の三か国と比べて「未導入」や「わからない」と答える割合が高いとも指摘しています。使い道の見えている業務から順に埋まっている、という段階です。

約390店舗という規模は、中小企業の話ではありません。ただ、置き方のほうは規模に依存しないのです。社内規程とマニュアルを読ませ、質問に答えさせる。数千ページが数十ページに変わっても、従業員が答えを探す時間が縮むという効き方は変わりません。

卸売 業務自動化は、受発注のどこから始まるのか

注文の受け口からです。様式の違う注文書を読み取って基幹システムへ渡す工程に、手作業が集中しているからです。

卸売業は接客の比重が小さく、仕事の中心が受発注と在庫の照会に寄ります。それでいて導入率は16.8%と小売業より低い。理由まで調査は答えていませんが、取引先ごとの様式差と品目数の多さが標準化の手前で壁になりやすい業種だ、というのが私の見方です。

取引先ごとに注文書の様式が違い、単位や納期の書き方も揃わない。この状態のままAIに読ませれば、取り違えが起きます。品目コードと取引先コードの名寄せ（表記の揺れた同じ相手や品目を一つに突き合わせる作業）をどこまで済ませてから渡すか。この下ごしらえの精度が、後の歩留まり（読み取った内容がそのまま通る割合）を静かに決めます。

受け取った後の流れも同じ構造です。請求書の受領から仕訳、承認、保存までを一本の流れとして設計する手順は、請求書処理と経理バックオフィスをAIエージェントで自動化する手順で工程ごとに整理しました。

小売の場合、この工程は店舗ではなく本部に集まります。店舗が担うのは発注の確認と受け入れで、様式をそろえる仕事は本部側です。売り場のパートタイムが足りないという課題と、本部の担当者が転記に追われるという課題は、同じ会社のなかで別々に立っています。

売り場の外側にある仕事は、業種が違っても似た顔つきをしているのです。

「答えるAI」と「働くAI」の境界は、この業種のどこに現れるのか

境界は、レジと事務所の間ではなく、案を出すところと確定するところの間にあります。

ChatGPTは答えます。WindyFloは働きます。私たちがこの言葉を掲げるのは、問いに答える段階と、基幹システムに触れて処理まで動かす段階を、経営に分けて見てほしいからです。

店頭のAIアシスタントは前者にあたります。従業員に答えを返しますが、返品を確定させることも、発注を出すこともしません。判断と実行は人が握ったままです。

受発注や在庫の引き当てまで動かす段になると、話が変わります。誤りがそのまま基幹データに残るからです。どの金額や数量までを自動で確定させ、どこから人の承認へ回すか。起票・承認・実行の権限を役割ごとに分けられるか。誰がいつどのデータで動かしたかを、後からたどれるか。

この三点が自社の運用に収まるかを先に確かめておくと、後戻りの費用は小さく済みます。機能の一覧を見比べるより、先に効きます。

線引きを決めないまま範囲を広げると、止まったときの戻し先が空欄のまま本番が回り始めます。接客のように例外が日常的に出る業種では、その戻し先の設計が定着を左右します。

導入率が上がっても手応えが薄いのはなぜか

入れた先が補助業務に寄っていて、費用と運用の負担がそのまま残るからです。

中小機構の調査で導入目的の首位は「業務効率化／作業時間の短縮」の87.0%でした。「品質向上」が32.3%、「人手不足対応」は31.7%です。不足がこれだけ語られる時期に、人手不足対応を挙げた企業は3割ほどにとどまりました。

読み替えれば、導入の動機は足りない人手を埋めることではなく、いまいる人の作業時間を縮めることだった、となります。動機がそこにあるかぎり、成果の測り方も時間の短縮に寄ります。

壁の顔ぶれも、入れる前と後でほとんど変わりません。導入前の阻害要因は高コストが46.9%、社内のAIノウハウ不足が42.0%、社内のAI人材不足が38.8%。導入後の運用課題はランニングコストが高いが44.0%、運用担当者の負荷が重いが29.1%、従業員による活用が進まないが28.9%でした。

入れる前の壁が費用と知識、入れた後の壁が費用と担い手。順番が進んでも、同じ二つが立ち続けています。

導入したツールでは生成AIが82.6%と突出します。文章と資料の作成から入るのは自然な順序ですが、そこで止まれば作業時間の短縮までで終わる。利用が広がる一方で成果が伴わない構造は、生成AI利用率86.4%の内訳で別の角度から扱いました。

経営が先に決めておくべき二つの線引き

一つは、不足している層と自動化が届く層を、同じ表に並べて分けて書くこと。もう一つは、任せた仕事のどこで人が止めるかを、導入の前に決めることです。

前者は資料の書き方の話に見えて、投資配分の話です。パートタイムが足りない売り場に事務向けの自動化を当てても、人数は埋まりません。埋まるのは、その人たちが問い合わせに詰まって止まっていた時間のほうです。

効果の測り方も、そこに合わせます。削減できた作業時間だけでなく、新人が一人で捌けるようになるまでの日数、店舗から本部への照会件数、繁忙期に管理者が売り場へ降りた回数。この三つは、パートタイムの不足が重い業種では作業時間より現場の納得に近い指標になります。

後者は、前の節で挙げた三点に尽きます。確定の閾値、権限の分離、監査ログ。派手な機能より先に、この三つが自社の要件に収まるかを見ておく。

支援の側にも同じ傾向が出ていました。中小機構の調査で公的支援として求められた項目は、導入費用の助成が77.9%で最も高く、導入事例や活用事例などの情報提供が70.5%、従業員向けの教育・研修が67.7%と続きます。費用の次に求められていたのは、他社が何をどう入れたかという情報でした。

小売・卸売・サービス業は、その情報がいちばん薄い業種です。製造の事例を読み替えて使おうとすると、接客という変数が邪魔をします。

薄いことは、裏返せば先に踏み出した会社の位置取りが効きやすいという意味でもあります。参照できる事例が少ない業種では、一社の実装がそのまま同業の判断基準になっていくからです。

私の見方では、この業種でAIが伸びる余地は売り場の外側にまだ大きく残っています。人手が足りない場所と、機械が届く場所は、いまのところ一致しません。一致しない前提で、届く場所から時間を作る。作った時間を売り場へ戻す。この往復を設計できた会社から、順に楽になっていくはずです。

不足の側の数字は、労働経済動向調査が四半期ごとに更新します。次の回で層ごとの順位がどう入れ替わるかは、このシリーズで続けて追っていきます。

よくある質問

出典

• ［1次］独立行政法人中小企業基盤整備機構「中小企業のAI等の利活用に係る実態調査」（2026年3月公表、調査期間2025年11月17日〜12月12日、全国の中小企業10,000社配布・有効回答1,668社）— AI導入率20.4%（AI導入状況の設問 n=1,647）、業種別導入率と回答数（図45：情報通信業54.6%/33社、学術研究・専門技術サービス業36.9%/133社、教育・学習支援業31.6%/60社、小売業19.4%/257社、生活関連サービス業・娯楽業18.7%/172社、不動産業・物品賃貸業18.3%/159社、宿泊業・飲食サービス業18.0%/167社、卸売業16.8%/119社、製造業16.4%/196社、建設業15.9%/246社、運輸業・郵便業9.7%/31社）、業務部門別導入状況（図51、「AI・ITを既に導入している」と回答した企業のみ。AI側 n=321〜333／IT側 n=892〜916：総務・管理68.3%／営業・販売・サービス60.3%／経営・企画58.5%／製造・生産34.9%）、導入目的、効率化が難しい業務（67.1%）、阻害要因・運用課題、支援ニーズ、「導入の必要性を感じない」企業の業種傾向: 全体版 https://www.smrj.go.jp/research_case/questionnaire/fbrion0000002pjw-att/202603_AI_report.pdf ／ ポイント版 https://www.smrj.go.jp/research_case/questionnaire/fbrion0000002pjw-att/202603_AI_point.pdf
• ［1次］厚生労働省「労働経済動向調査（令和8(2026)年5月）の概況」（2026年6月23日公表）— 2026年5月1日現在の正社員等労働者過不足判断D.I.（表3：調査産業計＋47、サービス業（他に分類されないもの）＋48、製造業＋44、宿泊業・飲食サービス業＋38、生活関連サービス業・娯楽業＋36、卸売業・小売業＋31、建設業＋59）およびパートタイム労働者過不足判断D.I.（表4：調査産業計＋27、宿泊業・飲食サービス業＋42、サービス業（他に分類されないもの）＋41、生活関連サービス業・娯楽業＋39、卸売業・小売業＋35、製造業＋14、建設業＋6）: https://www.mhlw.go.jp/toukei/itiran/roudou/koyou/keizai/2605/dl/7roudoukeizaidouko.pdf
• ［1次］総務省「令和8年版 情報通信白書」（2026年7月24日公表）— 業務類型ごとの生成AI活用状況（議事録・メール作成補助 約7割、営業・販売 約6割、社内ヘルプデスク 約5割）: https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r08/html/nd121130.html ／ 顧客との接点におけるAI活用事例（イオンリテール）: https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r08/html/nd121250.html
• ［1次］イオンリテール株式会社「次世代型“従業員マニュアル”生成AIを活用した「AIアシスタント」を実装」（2025年5月15日発表）— 2025年6月から約390店舗で実装、業務マニュアル・法律を学習した従業員向けチャットボット、初期対応項目: https://www.aeonretail.jp/pdf/250515R_1.pdf
• 本稿の工程・制御ポイントに関する記述は、ハマダラボ（HAMADA LABS Japan）による日本市場での業務自動化支援における一次観察に基づくもので、特定企業の実在事例ではありません。