夕方の棚を空にせず、閉店のゴミ袋も重くしない。
その「ちょうどいい数」を、AIと一緒に読む。

惣菜は、スーパーの中でいちばんロスが出やすい部門だと言われます。その日に作って、その日に売り切るのが基本。作りすぎれば閉店後のゴミ袋が重くなり、かといって早く売り切れば良いわけでもありません。仕事帰りのお客さんが夕方6時に来て棚が空だったら、その人は次から別の店に行く。廃棄も怖い、欠品も怖い。だから多くの店は「多めに作る」ほうに倒れて、そのぶんを値引きシールと廃棄で吐き出しています。

「何個作るか」を決めているのは、たいてい惣菜チーフの経験です。土曜は白飯を一釜多く、雨の日は弁当を減らして揚げ物を厚く、年金支給日の週は赤飯が動く——どれも正しいのに、ノートにも引き継ぎ書にも残っていない。チーフが休んだ日、若手は前日と同じ数を作るしかなく、雨の土曜に唐揚げが山ほど残ります。大手チェーンはAI発注やAI値引きを入れ始めましたが、あれは数十〜数百店で使う前提の仕組み。地場の2店舗が「うちもやりたい」と問い合わせて、届く値段では返ってきません。この想定シナリオは、その「うちの規模じゃ無理」を外すための設計です。

予測AIといっても、突拍子もないデータを使うわけではありません。使うのは、いまレジに残っている単品×時間帯の売れ数、曜日、天気予報（気温と雨雪）、チラシ特売の予定、それに地域の暦——小学校の運動会、町内の祭り、年金支給日。この組み合わせで「あす、唐揚げは16時までに何パック・閉店までに何パック」を品目ごとに読みます。ここで大事にしているのは、予測を1個の数字で出さないこと。「96〜128パック」のような幅で出し、強気と弱気のどちらに寄せるかは人が決める。予測は外れる日が必ずあるからです。運動会が雨で流れた日、テレビで唐揚げ特集が流れた日——外れた日の理由を画面から一言残してもらい、それが次の読みに戻る作りにします。

もうひとつの肝は、AIの答えを現場の単位に丸めることです。白飯は「何合」ではなく釜の数、揚げ物はフライヤーのバッチ、寿司は巻き簾の本数。「唐揚げ112パック」と言われても現場は動けませんが、「昼の便で2バッチ、15時の便で1バッチ」なら手が動きます。予測の画面をパソコンの中に閉じ込めず、粉と油の飛ぶバックヤードのタブレットで、濡れた手袋のまま見られるボードにする——AIの設計（EvoQuest AI)と、現場が毎日触るアプリの設計（EvoQuest Apps)を、うちがまとめて面倒を見る理由はそこにあります。