広島で採択された中古服ECのAI実証テーマと、一点物特有の出品課題

広島県が実施するAI実証の支援枠組みにおいて、アパレルリユースの現場を対象にした取り組みが採択されています。2026年6月に公表された令和8年度ひろしまAIサンドボックス採択結果では、nook株式会社と株式会社レプトンによる「中古服のECを自動化するAIエージェント『フクダス』」が採択事業者の一つとして公表されました。公表資料から確認できるのは採択の事実までであり、具体的なシステム構成や検証成果、ツールの仕様や利用条件などは明かされていませんが、中古服という商材を扱って出品工程の自動化を目指す試みは、現場の負担軽減を考える上で示唆に富むテーマです。

新品のアパレルECであれば、品番ごとに決められた寸法や素材情報、公式の商品画像を一括登録して在庫数を増やす運用が可能です。しかし、中古服は同じブランドの同じ型番であっても、一点ごとに摩耗の度合いや汚れ、ほつれ、洗濯による縮みなどが異なります。そのため、出品作業では必ず現物の確認、採寸、写真撮影、状態に応じた説明文の作成が必要になり、この一連の作業が現場の大きな滞留ポイントになります。

生成AIを活用して商品説明を自動生成する活用案が考えられますが、単に「写真から自動で魅力的な文章を作る」という発想だけでは、中古品のEC運用はうまくいきません。現場の確認作業とAIの得意分野を切り分け、既存の販売管理や在庫システムとどう接続するかが重要になります。

写真からすべてを確定させない。入力情報の整理と役割分担

中古服の登録において、画像認識AIだけに頼って素材や寸法、真贋、傷の有無までをすべて確定させる運用は現実的ではありません。生地の混紡率や裏地の素材は洗濯タグを確認しなければ分からず、タグの印字が消えている場合もあります。また、写真に写りにくいわずかな擦れや匂い、ファスナーの開閉のスムーズさなどは、人が実際に触れて確かめる必要があります。

AIを効果的に組み込むなら、人が現物を手に取って採寸・確認した確実なデータと、撮影した画像情報を入力とし、AIには「構造化された情報からわかりやすい商品説明文の下書きを組み立てる」役割を任せる設計が実用的です。

たとえば中古のテーラードジャケットを出品する場面を仮定します。スタッフは実測した肩幅・身幅・着丈・袖丈の数値と、目視で確認した「右袖口にわずかな擦れあり」「裏地にネーム刺繍なし」といった状態メモを登録画面に入力します。素材タグがかすれて判読できない場合は、推測で埋めずに未確認のまま空欄にしておきます。

AIはこの入力情報を受け取り、「実寸サイズを読みやすく整理した一覧」や「確認された擦れの状態を誠実に伝える説明文」として下書きを生成します。人が入力していない素材情報をAIが勝手に補完して「ウール100%の上質な生地」などと作り話を書かないよう、プロンプトや出力制限で制御することが欠かせません。生成された下書きをスタッフがプレビュー画面で一目確認し、問題がなければ登録へ進めるという分担にすることで、虚偽記載によるトラブルを防ぎながら文章作成の手間を減らせます。

下書き作成と公開を分ける。EC基盤のAPI連携による安全な登録設計

作成した商品情報と説明文をECサイトへ登録する工程でも、自動化の工夫が必要です。ここで参考にできるのが、主要なECプラットフォームが提供しているAPIの仕組みです。

なお、前述の広島県の実証事例でどのようなEC基盤が採用されているかは公開資料からは確認できません。ここでは一般的なEC連携の仮定例として、グローバルで広く使われているShopifyの仕様を取り上げます。Shopifyの公式ドキュメントであるGraphQL Admin API productCreateの仕様を見ると、このAPIは商品タイトルや説明、メディア情報などを指定して商品データを作成できる一方で、初期状態では商品は販売チャネルに対して未公開の状態で作成される仕様になっています。顧客に見える状態にするには、別の公開操作を行う必要があります。

この「商品データの作成」と「販売チャネルへの公開」が分かれている構造は、AIを活用した自動化フローにおいて大きなメリットになります。AIが生成した下書き説明文や採寸データをもとにバックグラウンドで商品データを未公開状態で作成しておき、スタッフが最終確認を行って承認ボタンを押したタイミングで公開処理を走らせる、というワークフローが組み立てられるためです。

最初から公開状態で自動登録してしまうと、万が一AIの生成内容に不備があった場合にそのまま購入されてしまうリスクがありますが、下書き状態で保持できる仕組みを間に挟むことで、現場の確認作業を無理なく組み込めます。

店頭売却とECの二重出品を防ぐ、在庫連携と責任システムの明確化

中古品販売の現場では、実店舗での店頭販売と複数のECモールでの併売を行っているケースが珍しくありません。一点物を複数チャネルで扱う際に最も避けなければならないのが、同じ商品を二重に出品してしまったり、店頭で売れた商品がEC上で販売中のまま残り、購入後に欠品となってしまう事故です。

この課題を解決するためには、AIによる文章作成にとどまらず、商品個体ID、実店舗のPOSレジや在庫管理システムのID、EC上の商品IDの対応関係を正確に保存・管理する仕組みが必要です。デノフではこうしたシステム連携を検討する際、どのシステムが在庫数の確定権限を持つかという「責任システム」を明確にすることを重視しています。

たとえば実店舗の在庫管理システムを責任システムとする場合、店頭でバーコードが読み取られて売却処理が完了した後に、連携プログラムを経由してEC側の公開ステータスを非公開または在庫ゼロへ更新する設計が考えられます。ただし、POSレジやEC側のAPI機能、通知の仕様によって同期の速度や制限が異なるため、EC側で注文が入った際に店頭側レジで即座に販売をブロックできるかどうかも接続先システムの仕様を確認して検討する必要があります。通信遅延や更新待ちの間に注文が重複するリスクを想定し、更新が完了するまでのステータス管理やエラー時の対応手順をあらかじめ決めておくことが重要です。

また、ネットワークの遅延やAPIのレート制限などで登録や更新が失敗した場合に備え、処理の成否ログを追跡できる仕組みを整えておくことが望まれます。再試行などの処理については、利用するEC基盤や在庫管理システムに備わっている標準機能で対応できるかを確認し、不足する場合に追加のキュー管理プログラムなどを開発するかどうかを判断するのが現実的です。

部分的な文章作成ではなく、出品全体の所要時間で効果を検証する

AI導入の成果を検証する際によくある落とし穴が、「商品説明文の作成時間が短縮された」という一部分の作業効率化だけを見て成功と判断してしまうことです。

中古服の出品では、商品のハンガー掛け、傷や汚れのチェック、メジャーを使った採寸、写真撮影、撮影データの取り込み、AIへの情報入力、生成された下書きの目視確認と微修正、そして最終的な出品登録という一連の流れがあります。もしAIに情報を渡すための事前入力に時間がかかりすぎたり、AIが生成した文章の誤りを直す手間に毎回数分かかっていたりすれば、全体の所要時間はほとんど変わらないか、かえって増えてしまうことさえあります。

効果を正しく見極めるためには、実務の始まりから終わりまで、つまり商品の準備や状態確認、採寸から撮影、出品完了までにかかるトータル時間を、従来の手作業と同じ工程範囲で測定して比較することが不可欠です。検証にあたっては、まず架空の商品データを用いてAIによる下書き生成の精度や出力内容を小さく試し、その上で実物を用いた全工程の所要時間を計測して、どの工程が短縮され、どこに新たな確認負荷が発生しているかを段階的に比較・検証することをおすすめします。

業務フローの整理から始める、現場に合わせたAI連携の形

AIを用いた出品の効率化は、単体の生成AIツールを導入するだけでは完結しません。現場でスタッフがどのように商品を手に取り、どこに数値を入力し、どのECや在庫管理ツールへデータを渡すのかという、日々の業務動線とシステム構成に寄り添った設計が必要です。

株式会社デノフでは、WebサイトやECサイトの構築、業務システム開発から、中小企業向けのAI活用支援までを一貫して提供しています。自社でも日常業務の中でAIを活用した自動化の検証を重ねており、その知見をもとに現場の課題に合わせたご提案を行っています。

「現在使っているECや在庫管理システムとAIをつなげられるか確かめたい」「出品作業の中でどこをAIに任せ、どこを人が確認すべきか整理したい」といったご相談がございましたら、要件が固まっていない初期の検討段階からお気軽にお問い合わせください。既存の業務フローやシステムの接続条件を丁寧に紐解きながら、無理のない実践的な導入範囲を一緒に検討いたします。