パン屋の需要予測AI入門｜天気・曜日・イベントで焼く量を決めて売れ残りを減らす方法

パン屋 需要予測 AIを使えば、天気・曜日・イベントから焼く量を決められ、地方の小さなパン屋でも売れ残りを減らせます。

監修：FURUSATOコンサルタント（地方中小企業AI活用支援）

パン屋の需要予測AIとは？何をどこまで予測できるのか

パン屋の需要予測AIとは、過去の販売数に天気・曜日・気温・地域イベントなどの条件を組み合わせ、翌日以降の商品別の販売数を予測する仕組みです。焼く量を「勘」から「数字の裏づけ」に変えるための道具であり、AIが自動でパンを焼くわけではありません。

予測の対象は主に3つです。1つ目は食パン・クロワッサン・惣菜パンなど商品別の販売個数、2つ目は朝・昼・夕といった時間帯別の売れ方、3つ目は売り切れ時刻です。たとえば「雨の月曜はクリームパンが通常の7割」「近くの小学校の運動会の日は午前中にサンドイッチが2倍」といった傾向を、AIが記録から拾い出します。

地方中小企業のパン屋の場合、従業員は3〜5人、製造を担う職人は店主1人という体制も珍しくありません。毎朝の仕込み量を決める判断が店主の頭の中にしかなく、属人化の典型です。店主が休むと量が読めず、廃棄か売り切れのどちらかに大きく振れます。

ある朝の仕込みの場面を考えてみます。午前4時、店主は窓の外の天気を見て、前日の売れ行きを思い出しながら生地を仕込みます。この判断を数字で残し、誰でも同じ根拠で量を決められるようにするのが需要予測の第一歩です。国も中小企業のデジタル化を後押ししており、考え方は経済産業省のDX政策でも示されています。

この話、マンガで読めます（無料・登録なしで途中まで）洋菓子店編｜「作りすぎ」と「売り切れ」、どちらも損しているワケマンガで読む →

なぜ地方のパン屋では売れ残りが出てしまうのか

地方のパン屋で売れ残りが出る最大の理由は、商圏が小さく、来客数が天気や行事で大きく揺れることです。都市部の駅前店は通勤客が安定していますが、地方の住宅街や国道沿いの店は、雨が降れば来店が半分になる日もあります。

農林水産省の推計では、日本の食品ロスは2022年度で約472万トン、そのうち事業系が約236万トンとされています（詳細は農林水産省の食品ロス・食品リサイクルを参照）。パンは当日販売が基本で日持ちしにくく、事業者にとって廃棄が出やすい商品です。

人口2万人ほどの町で住宅街に店を構えるパン屋の場合を試算します。1個150円の惣菜パンを毎日30個廃棄すると、売価ベースで1日4,500円、月26日営業で約11.7万円分です。原価率を35%とすると、原価だけでも月に約4万円が捨てられている計算になります。小さな店にとっては、決して小さくない金額です。

一方で、廃棄を恐れて焼く量を減らすと、昼前に棚が空になります。これは売り切れによる機会ロスです。実際には、午後に来た常連客が何も買えずに帰ってしまうケースがあり、その客が次回から別の店に流れることもあります。売れ残りの削減とは、廃棄を減らすだけでなく、焼きすぎと売り切れの両方を小さくすることです。

天気・曜日・イベントは焼く量にどれだけ影響するのか

販売数への影響は店ごとに違いますが、傾向は共通しています。以下は一般的な傾向の目安であり、自店の数字は必ず自店の記録で確かめてください。

• 天気：雨の日は来客が減り、特に外出を伴う午前中の売上が落ちやすい。逆に雨でも惣菜パンや食パンの買いだめは大きく減らない店もある
• 気温：暑い日はサンドイッチや冷たいドリンク併売が伸び、寒い日はカレーパンやシチュー系が伸びやすい
• 曜日：住宅街では土日の朝に家族向けの食パン・菓子パンが増え、平日はランチ需要の惣菜パンが中心になる
• 給料日・月初：購入点数が増える傾向がある
• 地域イベント：運動会・祭り・町内行事・観光シーズンは、サンドイッチや詰め合わせの需要が数倍になることがある

観光地に近い店の場合は、連休や紅葉シーズンに来客が通常の2倍近くまで跳ね上がり、平日との差が非常に大きくなります。この店では、天気よりも「観光客の入り込み数」が最大の変数でした。一方、住宅街の店では天気と曜日の影響が大きく、イベントの影響は限定的です。どの変数が効くかは、商圏によって異なることを前提にしましょう。

実際の業務シーンでは、前日の夕方に翌日の天気予報と地域のカレンダーを確認し、「明日は雨・土曜・運動会の翌日」といった条件を整理します。AIはその条件に近い過去の日を探し、商品別の予測数を出します。店主は予測を見たうえで、最終の焼成数を決めます。

天気の記録は、気象庁など公開されている予報と実績をそのまま使えます。大切なのは、予報の天気と実際の天気の両方を毎日残すことです。予報が外れた日の売れ方も、貴重な学習材料になります。

パン屋 需要予測 AIの導入手順｜4ステップで始める

導入は、いきなり専用システムを入れる必要はありません。最短で3か月、記録を貯めるところから始めるのが現実的です。

ステップ1：販売実績を商品別・日別で記録する（1〜3か月）

レジの履歴を出力できる場合は、商品別・日別・時間帯別の販売数をCSVで保存します。レジから出せない場合は、閉店後に売れ残り数と売り切れ時刻を手書きで記録し、翌朝に表計算へ入力します。1日5分の作業でも、3か月続けると約90日分のデータになります。

ステップ2：天気・曜日・イベントを同じ表に並べる

販売数の横に、天気・最高気温・曜日・地域イベントの有無を並べます。イベントは町の広報やSNS、学校の行事予定から拾います。ここまでできれば、まずは「雨の日の平均」「土曜の平均」を出すだけで、勘より精度の高い目安が手に入ります。

ステップ3：表計算で平均を出し、次にAIツールで予測する

条件別の平均で外れが目立つようになったら、予測ツールやAIの出番です。汎用のAIに表を読み込ませ、「明日は雨の土曜、運動会あり。商品別の予測数を出して」と指示する方法でも、小規模な店なら十分に試せます。最初は予測だけを見て、実際の焼成数は店主が決めます。

ステップ4：予測と実績のズレを毎週振り返る

週に1回、予測と実績を比べ、外れた日の原因を一言メモします。「雨予報が外れて快晴だった」「隣の店が休みだった」などです。このメモが次の予測を賢くします。導入後1〜2か月で、外れ方の傾向が見えてくるのが一般的です。

勘・表計算・AIツールを比較｜自店に合う予測方法の選び方

予測の方法は一つではありません。店の規模と、記録にかけられる手間に合わせて選びます。

方法	初期の手間	必要なもの	向いている店
店主の勘のみ	なし	経験	店主が毎日立ち、商品数が少ない店
表計算＋条件別平均	小	日々の記録	まず仕組みを作りたい個人店
AIによる予測	中	3か月以上の販売データ	商品数が多く、天気やイベントの影響が大きい店
レジ・発注システム連携	大	対応レジ、運用担当者	複数店舗を持つ店

多店舗展開をしていない地方のパン屋の場合、多くは表計算＋AIによる予測の組み合わせで十分です。専用システムは月額費用や設定の手間がかかるため、先に記録の習慣を作ってから検討しても遅くありません。

重要なのは、ツールを選ぶ前に「誰が・いつ・何を見て焼く量を決めるか」を決めることです。予測が出ても、朝の仕込み担当が見なければ意味がありません。ツールの導入ではなく、仕込みの手順そのものを見直すことが成果につながります。

導入前に決めておきたい「焼きすぎ」と「売り切れ」の許容ライン

需要予測には、必ず外れがあります。そのため、導入前にどこまで売れ残りを許容するかを決めておく必要があります。決めずに始めると、予測が外れるたびに「AIは使えない」と判断してしまいがちです。

たとえば、食パンは翌日の割引販売やラスクへの転用ができるため、やや多めに焼いても構いません。一方、サンドイッチやクリームを使った商品は当日中に売り切る必要があり、少なめに焼いて売り切れを許容します。商品ごとに「多めに焼く」「少なめに焼く」の方針を決めることで、全体のロスを抑えられます。

惣菜パンが多いベーカリーカフェの場合、午後3時以降に棚が空だと印象が悪くなります。そこで「閉店2時間前には主力商品を最低5個残す」と決め、予測値にその数を足した量を焼く運用にします。これは廃棄を少し許容して来店客の満足度を守る判断です。

また、記録の中心を売り切れ時刻にする方法もあります。13時に売り切れたなら、その日はもっと売れた可能性があります。実際の販売数は「真の需要」の下限でしかないため、売り切れ時刻のメモが予測の精度を大きく左右します。

需要予測が失敗しやすいポイントと対策

実際の現場でつまずきやすい点は、大きく4つあります。

• 記録が続かない：入力項目を欲張ると3日で止まる。最初は「商品別の売れ残り数」と「売り切れ時刻」の2項目だけにする
• 店主しか使えない：予測を見るのが店主だけだと、休みの日に使えない。仕込み表に予測数を印刷して貼り出す
• 特売・新商品の影響を除外していない：割引日や新商品の発売日は通常日と分けて記録する
• 外れた日を責める：予測が外れた日を失敗と見ると、記録が止まる。外れた原因を学習材料にする

地方の製造業で、ベテラン職人の経験則を数値化して引き継ぎに成功した会社でも、最初の壁は同じでした。職人が「どうせ勘のほうが当たる」と感じてしまうのです。そこで、予測を答えとして押しつけず、職人の判断の補助として並べて見せることで、少しずつ使われるようになりました。パン屋でも同じ進め方が有効です。

スタッフの定着にも効果があります。新人が仕込み量で迷わなくなると、店主の負担が下がり、教える時間も減ります。属人化の解消は、人手不足への対策にもなるのです。

FURUSATOが地方中小企業のパン屋・食品店を支援する進め方

FURUSATO（フルサト）は、地方中小企業専門のAI活用・DX支援サービスです。製造業・建設業・物流・卸売業・サービス業など、業種別の支援実績があり、地方中小企業に共通する属人化・人手不足・アナログ業務の三大課題の解消に特化しています。

私たちが重視するのは「ITシステムの導入」ではなく業務変革です。ツールを入れる前に、仕込みの判断・記録・振り返りの流れそのものを見直します。いきなりシステムを提案することはありません。

進め方は次のとおりです。

1. 入口は無料のオンライン相談（30〜60分）。現在の仕込みの流れ、廃棄の悩み、人手の状況をお聞きします
2. 課題が整理できたら、初回現場セッション（1回10万円）を実施します
3. その後、1〜1.5か月かけて、業務改善の仕組みを一緒につくります

導入費用はご相談時に一緒に整理します。また、担当者だけでなく経営者・社長を巻き込んだ変革を支援するのも特徴です。現場の記録が続くかどうかは、社長が数字を見る姿勢にかかっているためです。

なお、中小企業のデジタル化に関する公的な情報は、中小企業基盤整備機構のサイトでも公開されています。制度の内容は変わることがあるため、最新の情報は各公式サイトでご確認ください。

よくある質問（FAQ）

Q: パン屋の需要予測AIは小さな個人店でも使えますか？

A: 使えます。最初は高価なシステムは不要で、日々の販売数・天気・曜日を表計算に3か月記録するだけで予測の土台ができます。店主1人の店でも、記録を続ければ廃棄の傾向が見えてきます。

Q: 導入にはどのくらいのデータが必要ですか？

A: 目安は最低3か月分、できれば1年分の商品別販売数です。1年分あれば夏冬や行事の影響も学習できます。レジの履歴がなければ、まず手書きの記録から始めても十分に意味があります。

Q: 予測が外れて売り切れや廃棄が出たらどうなりますか？

A: 外れは必ず出ます。大切なのは外れた日の原因を記録し、次の予測に反映することです。AIの数字は目安とし、最終的な焼成数は店主が判断する運用なら、失敗を学習に変えられます。

Q: 天気予報はどの情報を使えばよいですか？

A: 気象庁の予報など無料で公開されている情報で十分です。前日夕方時点の降水確率と最高気温を記録に残すと、予測に使いやすくなります。実績の天気も併せて記録しましょう。

Q: FURUSATOに相談するとき、何を準備すればよいですか？

A: 準備は不要です。まず無料のオンライン相談（30〜60分）で、現在の仕込みの流れや廃棄の悩みをお聞きします。導入費用もご相談時に一緒に整理しますので、気軽にお話しください。

地方中小企業のAI活用・DX推進でお悩みの方は、FURUSATO（フルサト）へお気軽にご相談ください。まず無料のオンライン相談（30〜60分）で、御社の課題を一緒に整理します。