セブン-イレブンのAI発注システムが発注業務の時間を約40%削減した、というニュースを読んで、同じ「過去データ×条件」で予測する考え方を、自分の本業の「問い合わせ件数の見積もり」に応用してみたら、毎週の準備時間が30分から8分に縮んだ。
何がニュースになっていたのか
天気やイベント情報まで含めた需要予測で、発注にかかる時間そのものを削っている、という話。
セブン-イレブンでは2023年頃から全国の店舗にAI発注システムを広げていて、2026年に入ってからは需要予測の基盤をさらに刷新している。POSデータ（レジの販売実績データ）に加えて、天気予報やイベント情報まで組み合わせて「明日は何個仕入れるべきか」を機械が計算するようになった結果、店舗スタッフが発注にかける時間が最大4割減ったという。
ポイントは「AIが売上を伸ばした」という話ではなく、「人が”勘”でやっていた見積もり作業を、データに置き換えた」という点にある。これは在庫を持つ小売業だけの話ではないと思った。
「発注」と「自分の仕事」の共通点
在庫も問い合わせ対応も、「過去の実績＋今の条件」から量を見積もる作業という意味では同じ構造。
「今週はどのくらい忙しくなりそうか」を毎週なんとなくの勘で見積もっている作業があるなら、それはセブン-イレブンの発注と同じ構造の仕事。過去のデータを並べて、AIに条件を渡すだけで、勘を数字に置き換えられる。
自分の場合、毎週月曜に「今週は問い合わせや依頼がどのくらい来そうか」を考えて、資料や対応時間の見積もりをしていた。これまでは前週の感覚で「今週は多めかな」くらいの粗い予測しかしていなかった。
実際にやってみたこと
過去12週間分のデータをスプレッドシートに並べて、Claudeに曜日と月初・月末のフラグを渡して予測させた。
- 過去12週間の「問い合わせ件数」と「曜日」「月初・月末フラグ」「大型イベントの有無」を1行1週でスプレッドシートにまとめた（所要時間15分、Google スプレッドシートからのコピペのみ）
- そのデータをClaudeに貼り付けて、来週分の件数を予測させた
- 予測結果を見ながら、資料の準備量と対応時間を決めた
使ったプロンプトはこれ。
「以下は過去12週間の問い合わせ件数データです（曜日・月初月末フラグ・イベント有無つき）。このデータの傾向から、来週（月初・イベントなし）の問い合わせ件数を予測してください。予測の根拠（どのデータを重視したか）も一緒に教えてください。［ここにスプレッドシートの内容を貼り付け］」
結果として、これまで「見積もりに30分かけていたのに、当日になって想定より多くて20分の追加対応」というパターンが多かったのが、予測作業自体は8分で終わり、実際の件数とのズレも1〜2件程度に収まる週が増えた。
やってみて分かった注意点
データが12週間分だけだと、単発の特殊要因（誰かの長期休暇や突発対応など)が混じっていた週の影響を大きく受けてしまい、予測がブレることがあった。件数が突出している週は「特殊要因あり」と一言メモを添えて渡すと、予測の精度が安定した。
また、イベントや締め切りなどの「条件」を渡し忘れると、その週だけ予測が大きく外れた。条件をどれだけ具体的に渡せるかが、予測の精度をほぼ決めている、という感覚がある。
良い例・悪い例
悪い例：「来週忙しくなりそうか予測して」とだけ聞く。
良い例：「過去◯週間のデータ（曜日・特殊要因つき）をもとに、来週（条件：◯◯）の件数を予測して、根拠も教えて」と聞く。
過去データと条件をセットで渡すことが、勘を予測に変える一番のコツだった。
今日からできること
まずは自分の仕事の中で「毎週なんとなく見積もっている数字」を1つ思い浮かべて、過去数週間分のデータをスプレッドシートに並べてみる。それができたら、以下のプロンプトをそのまま使ってみてほしい。
「以下は過去◯週間分の［件数・作業量など］のデータです（曜日・特殊要因つき）。このデータの傾向から、来週の［件数・作業量］を予測してください。予測の根拠も教えてください。［データを貼り付け］」
あわせて読みたい
