株式会社レッドバロン 様


| お客様 | 株式会社レッドバロン(全国307店舗で二輪車の販売・整備・部品供給を手がける、オートバイ専門のナショナルチェーン) |
|---|---|
| お話しいただいた方 | 関口 憲義様(マーケティング戦略部 部長)/ 松井 春二様(マーケティング戦略部 課長)/ 加藤 陽一様(マーケティング戦略部) |
| プロジェクト | AIチラシ(チラシ掲載情報の確認を支援するプラットフォーム)の構築。各店舗が選定した中古バイクをチラシに掲載する前に、本部が行っている画像・価格・アピールコメントなどの確認業務をAIで支援し、作業の効率化を目指す。 |
| 支援体制 | アカツキAIテクノロジーズ:業務フローの可視化・要件定義・設計・開発 レッドバロン様:業務要件の提示・検証・運用 |
| 課題 | 全国307店舗から集まるチラシ掲載情報を、本部スタッフが掲載前に目視で確認。1店舗あたり平均約30分を要するうえ、車両の改造有無など一部の確認には年式・車種ごとの専門知識が必要で、対応できる担当者も限られていた。さらに、紙からデジタルへの移行によって掲載までのリードタイムが短くなり、限られた期間で307店舗分を確認する必要があった。 |
| ソリューション | 現場訪問を通じてチラシ制作の業務フローを可視化し、最も負荷の大きかった「掲載前の確認業務」に着目。画像・価格・アピールコメントなどの確認をAIで支援するアプリを開発。当初想定していた「チラシ制作そのものの自動化」に先立ち、まずは制作前の確認業務の効率化を優先している。 |
| 現在地(2026年9月時点) | UAT(受入テスト)段階で、10月以降の本稼働を予定。先行して開発した機能では業務時間短縮への手応えが出始めている。本稼働後は確認業務の効率化を進め、その先では専門知識を要する判断の形式知化も検討している。 |

株式会社レッドバロンは、全国307店舗で二輪車の販売から整備、保守部品の供給までを手がけるオートバイ専門のナショナルチェーンです。国内で流通する中古バイクのおよそ3台に1台を取り扱い、68万点の保守部品を保有しています。メーカーで部品供給が終了した古いバイクについても、必要に応じて部品を自社で製作するなど、購入後も長く乗り続けられる体制を構築しています。
中古バイクは、年式やグレード、走行距離、改造の有無など、1台ごとに状態が異なります。レッドバロン様では、各店舗が入荷した車両を地域の顧客に紹介するチラシを展開しており、掲載前には本部のマーケティング戦略部が、画像・価格・アピールコメントなどの情報を確認しています。
1店舗あたり最大32台、全国307店舗分の掲載情報を限られた期間で確認する必要があり、1店舗あたりの作業時間は平均約30分。さらに、一部の確認には年式や車種ごとの専門知識が求められ、対応できる担当者が限られているという課題もありました。
こうした確認業務をAIで支援し、業務の効率化と属人化の解消を目指すのが、今回の「AIチラシ」プロジェクトです。マーケティング戦略部の関口様、松井様、加藤様に、プロジェクトを立ち上げた背景から、アカツキAIテクノロジーズとの取り組み、今後の展望までを伺いました。
目次

レッドバロン様のチラシは、全店舗で同じ商品を訴求する広告ではありません。全国307店舗がそれぞれの在庫から掲載する車両を選び、店舗ごとに地域の顧客へ情報を発信しています。
関口様:私どもは307店舗ありまして、実は各店舗の独立性が結構高いんですね。店舗ごとに仕入れて、店舗ごとにお客様も管理して、店舗のエリアで販売していく。店舗ごとの健全な競争のようなものが、一つの成長の原動力になってきました。ですから、市場全体で訴求力を持つのではなく、店舗ごとに展開しているんです。
店舗ごとに情報を発信する背景には、中古バイクという商材の特性があります。同じ車種であっても、年式やグレード、走行距離、改造の有無、使用状況などによって1台ずつ状態が異なるため、その時々に各店舗にある車両の魅力を、地域の顧客へタイムリーに届けることが重要になります。
関口様は、その構造を漁港にたとえる。
関口様:「今日、新鮮な魚が獲れましたよ」というのを、漁港の一番近くでお知らせする。一番近くで獲れたものが一番新鮮じゃないですか。それを出すのが非常に効率的であろうということで、チラシを使ってきました。今日のランチメニューとか、朝採れ野菜とか、そういったものに近い。ある意味プリミティブですけれども、お客様に対して一番訴求力があるんです。
関口様:二輪車は、適法の範囲での改造も含めて、1台1台が本当にバラエティーに富んでいます。一般の四輪よりも、モデルイヤーやマイナーチェンジ、前期型・後期型、カラーバリエーションが多くて、もともと多品種少量なんですね。そこにユーザー層のモディファイが加わり、使用状況や履歴が加わるので、走行距離も状態も1台1台かなりバラバラになる。そうすると、その1台の魅力をきっちりお伝えすることが重要になってくる。
紙からデジタルへ移行しても、店舗ごとの在庫を地域の顧客へ届けるという狙いは変わりません。一方で、大きく変わったのが、制作・確認に使える時間でした。
松井様:狙っているところは、昔から「店個別の在庫を載せた宣伝」というところで変わっていないんですけど、手法が大きく変わったということです。
紙の折込チラシでは地域によって配布日が異なり、制作や確認作業にも自然な時間差がありました。しかしデジタルでは掲載タイミングが揃うため、307店舗分の作業を短期間で処理する必要があります。
関口様:やっていること自体は一緒なんですけど、入れ物が全部違う。それによってリードタイムがガラッと変わりました。今までは「せーの」でドーンではなく、「じゃあいつ、いつ、いつ」と、どこに露出していくかがバラバラだったので、それに合わせて納期も違う。ある程度こちらも余裕を持って作業ができたんです。それが今は「せーの」で、「じゃあ1日から」ということになる。その短い期間で300件を全部作業しなければいけない。やっぱり結構そこは、どこかで機械化しかないよね、ということですよね。

店舗が掲載車両を選定し、データを作成した後、その情報がそのままチラシに掲載されるわけではありません。本部では、画像や価格、アピールコメント、保安基準への適合など、複数の項目を掲載前に確認しています。
松井様:お店のほうで、紙面に載せる車両を32台プラス予備車で選定して、データを作ってくれます。それをそのままストレートにチラシに反映するのが難しいので、まずはその画像がちゃんとしているか、不備がないか。それから、原稿の値段と実際に店舗で売っている値段に乖離がないか。要は二重価格になっていないか。あとは書いている内容ですね、コメントが間違っていないか。あとは保安基準にきちんと適合しているかどうか。そういったところを確認しています。
なかでも確認が必要になるのが、入荷時に登録された情報と、実際に販売する時点での車両の状態が異なるケースです。中古車は、入荷後に改造されている箇所を適法な状態に戻すことがありますが、社内システムに登録されている写真は入荷時のままの場合があります。
関口様:私どもが商品として並べるものは適法なものしか並べないんですけど、当然、入荷の時にはそうではなかったりする。いろいろな改造がされているわけです。
松井様:撮った写真が入荷時のままで、出している商品と違ったりするじゃないですか。もし違っていれば店に問い合わせをして確認を取る。必要があれば車両の写真を撮り直す、車両自体を入れ替える。そういう作業をして、安心して載せられる状態にしてから、次の制作に回します。
こうした確認を、1店舗あたり最大32台、全国307店舗分に対して行います。1店舗あたりの所要時間は平均約30分。確認事項や店舗への問い合わせが多い場合には、45分から1時間ほどかかることもあります。
松井様:ならしたら、1店舗当たり今30分ぐらいですね。難易度が高いのは、コメントをほぼ全部直さなければいけないケース。あとは問い合わせが10件ぐらい出ると、45分から1時間ぐらいになってしまう。特に問題なく進むパターンだったら、最速で20分ぐらいです。
さらに、確認に時間がかかりやすいのが、入荷したばかりの車両です。店舗としては新しく入荷した車両を早く掲載したい一方、入荷直後は必要な情報がまだ十分に入力されていないこともあり、その場合は本部から店舗への確認が必要になります。
松井様:特に、入ってすぐの車両を載せたいから、みんな情報がいろいろ入力されていないんですよ。入ったばっかりなので。そういうのが来ると、いちいち聞かなければいけない。「これが付いているんじゃないですか」と。
一方で、店舗では車両情報の入力だけでなく、整備や接客、販売などの業務も担っています。そのため、掲載に必要な情報を最初からすべて漏れなく入力することにも難しさがあります。
関口様:店で入力する段階で全部の情報が間違いなく揃っていれば、誰も文句を言わないです。ただ、お店の本業はやっぱり整備したり、お客様にお渡ししたり、営業販売ですよね。ですので、こういう入力作業は、どうしても100点満点ではない。
そのため、本部では店舗から集まった情報を一件ずつ確認し、不足や相違があれば店舗に問い合わせながら、チラシに掲載できる状態へ整える必要があります。この確認作業を全国307店舗分、限られた期間で行うことが、大きな業務負荷となっていました。

掲載情報の確認には、作業量だけでなく、もう一つの課題がありました。なかでも専門知識が求められるのが、写真から車両のカスタム(改造)の有無などを判断する作業です。二輪車は年式や車種によって標準の状態や適用される規制が異なるため、写真を見て確認すべきポイントを見極めるには、幅広い知識と経験が必要になります。
松井様:僕らから見れば、ある程度、年式からどういう排ガス規制が入っていて、これはどうだというのも分かるから、そこで問い合わせをすることができる。見た瞬間に「これは規制対象じゃないから、このままOK」「これが付いているから、ここは聞かなければいけない」と判断するからすぐに問い合わせできますが、そういう知識がなければかなり時間がかかります。
こうした判断には、排ガス浄化装置が標準装備されている車種なのか、装備がない年式なのかといった車種・年式ごとの知識が必要です。さらに、車種によっては外観だけでは判断できないケースもあります。
そして、この判断をマーケティング戦略部で担えるのは、現状では松井様を含む2名のみです。
関口様:そういう知識を持った人は、現場のお店にはいっぱいいると思います。ただ、そういう人たちはやっぱり現場で営業の最前線に行ったり、整備の最前線に行ったりする。こっちのバックエンドで、今、我々の部署にいるスタッフというと、この2人しかできないので。
業務を担える人が限られていることは、将来的な業務継続という点でも課題となっていました。
松井様:自分がいる間は自分が見て「これは違うよ」と判断できますが、いなくなった時に誰がそれを判断するのか。
こうした専門的な判断は、長年の経験によって身についた「暗黙知」に支えられていました。レッドバロン様が大切にしてきた品質を維持しながら業務を継続していくためには、この知識を個人の経験だけに依存させず、他のメンバーにも共有できる形にしていく必要がありました。
関口様:お客様重視の立場、これを遵守する裏側には、ものすごくアナログな、暗黙知に依った経験と作業があって。私はあとから来たんですけども、これを見た時に「これは何とかして効率化しなければいけないな」と思いました。松井さんの頭の中にあるものを形式知化して、加藤さんを含めた後継者が学んで回していけるような仕組みを作らないといけない。そう思った時に、「これはAIだろう」ということになったんです。

チラシ掲載情報の確認にかかる工数と、専門的な判断が一部の担当者に依存しているという課題に対し、レッドバロン様ではAIの活用を検討しました。背景にあったのは、「AIを使うこと」そのものを目的とするのではなく、目の前にある具体的な業務課題を解決したいという考えです。
関口様:基本的にはやっぱり、そこに投入している人的コストが膨大なんですね。これをできるだけ低減するというのは私の仕事でもあったし、こういうスタッフでやっている作業を見ると、どう考えてもAI一択だろうと。10年前だったら本当に何の問題もなかったんですよね。アナログでやって、新聞のチラシに折り込む。制作にも代替手段があったし、新聞もよく読まれていた。その両方とも時代が変わってしまったので、課題が出てきてしまっている。
AIの活用を具体的に進めるなかで、開発パートナーとして選定したのがアカツキAIテクノロジーズです。選定にあたっては、個別の技術だけではなく、AI技術が急速に変化するなかでも継続的に開発・改善できる体制を重視しました。
関口様:きっかけはご紹介でしたが、アカツキさんがいいなと思っているのは、アカツキグループの一員であるという点です。別に大手だからということではなくて、結局今、AIのジャンルはどんどん新しい技術も出てくるし、どちら様のAIも進んでいる。エンジニアの取り合いになっていますよね。そうすると、所帯が小さいところだと、キャッチアップがどこまでできるのか、優秀なエンジニアが行ってしまったらどうするのか、といったことが、我々使う側としては非常に不安要素としてある。その意味で、グループの一員であって、エンジニアの採用もどんどんしているところなら大丈夫だろう、というのが一番大きいですかね。
AI導入を検討するなかでは、社内から投資対効果や情報管理に関する懸念も挙がりました。プロジェクトを進めるにあたり、こうした懸念についても一つずつ整理していきました。
関口様:「AIをやらなければいけないな」というのは、みんなそう思っているんですね。だけれども二つあって、一つは「ROIは出るんですか」という話は、常にマネジメントとしては出てきます。今回に関して言うと、コストの削減、人的リソースの確保という課題意識があったので、そこに関してはほとんど問題なかったかなと思います。
情報管理についても、今回AIで扱う業務の範囲やデータを整理しながら、現実的な活用方法を検討しました。

プロジェクト開始当初は、チラシ制作そのものをAIで自動化することを想定していました。しかし、実際の業務を工程ごとに整理していくなかで、最も時間とリソースがかかっているのは、制作そのものではなく、制作前の掲載情報の確認であることが見えてきました。
松井様:自分の理想は、AIが自動で作ってくれればいい。でも、そこまでのプロセスを、下ごしらえから、下茹でして、焼いて、最後に盛り付けみたいなところまで、細かく分けていただいた。
業務フローを可視化したことで、チラシを自動で制作する前に、まず掲載情報を正しく整える工程に大きな負荷がかかっていることが明確になりました。そこで、開発の優先順位を見直し、制作前の確認業務から効率化する方針へと転換しました。
松井様:結局、最初の元になるデータを作るところが一番手間なんです。こちらから制作に出せたら、それはもうそのとおり作ってくれますから、ある種簡単ですよね。修正もいろいろ入らないので。戻ってきたものも、結局こっちで校正という形でチェックして検証して、これで打つ。やっぱり一番最初ですよね。そこが一番大変。なので、そこで手がかからなくなると非常にありがたいと思います。
関口様:私の印象としては、もう少し直接的に自動化できるかなと思っていたところを、実は一番地味に時間とリソースを割いていた「下ごしらえ」のところを明確にしていただいて、「まずそこからちゃんと手を入れましょう」というご提案をしていただいたんだな、と理解しています。
当初想定していた「チラシ制作の自動化」というゴールそのものを変えたのではなく、そこに至るまでの業務を分解し、優先的に解決すべき課題を整理したことが、プロジェクトの方向性を明確にするきっかけとなりました。
関口様:目指したいこと、AIに任せたいことというのは最初から明確になっていました。ただ、それを実現するまでのプロセスが我々の制作プロセスとマッチしていないと、どこにAIを導入するのかというプライオリティが付けられないじゃないですか。そこはきっちりやっていただいたのかなと思います。元のデータをちゃんと整えられれば、実はあとはそんなに難しくないですから。

業務フローの整理にあたっては、オンラインでの打ち合わせだけでなく、アカツキAIテクノロジーズのPMが実際の現場を訪問しました。現場で作業の流れや環境を確認しながら情報交換を行ったことで、プロジェクトで取り組むべき課題がより明確になっていきました。
加藤様:以前、現場に見に来ていただいた時に情報交換できたのが、すごく、行く先が定まったという感じでした。それまではちょっとなんとなく、すみません、ミーティングをやっているような形だったんですけども、あの来ていただいた時間で本当に。その後もまた見に来ていただいて。すごく良かったなと。
現場訪問は一度だけではなく、その後も継続して行われました。オンラインでのやり取りと現場での確認を組み合わせながら、開発を進めています。
関口様:オンサイトで来ていただいて、伴走していただいているのはすごく助かっています。
松井様:今だと、チャットやメールですぐに回答をいただいているので、特に今のところ不具合はないです。問い合わせしている内容としても、全然わかりやすいです。

2026年9月の取材時点では、システムはUAT(受入テスト)の段階にあり、本稼働は10月以降を予定しています。そのため、プロジェクト全体の成果を定量的に評価する段階ではありませんが、先行して開発した機能では、業務時間の短縮につながる手応えが出始めています。
その一つが、店舗が入力したアピールコメントの日本語校正機能です。従来は、CSVの原稿データを汎用のAIツールで確認した後、出力された内容を担当者が精査していました。今回のシステムでは、一連の確認作業をまとめて行えるようになっています。
加藤様:CSVの原稿データをAIツールに入れて、日本語的におかしいことはないかをざっと出していたんですけど、余計なものを引っかけてくるので、そこから精査するのも大変だったんです。今回は、バーッと原稿を一つずつ読み取って、確認のボタンを押すと全部結果が出てくる。「ああ、なんかすごいな」と。業務時間がキュッと短縮できたかなという感じですね。
本稼働後に目指しているのは、現在1店舗あたり平均約30分かかっている確認業務の効率化です。一方、元データの不足によって店舗への問い合わせが必要になるなど、AIだけでは短縮が難しい工程も残ります。そのため、すべての作業を自動化するのではなく、まずは担当者が目で確認し、考え、判断する時間を短縮することを目指しています。
松井様:こちらは元データのほうがまだ整っていないので、判定した結果、問い合わせをやったりというのはやっぱり出てきます。そういう部分はなかなか短縮するのは難しい。ただ、目で見て頭で考えて判断して、という行動がぐっと早くなる。半減するだけでも、かなり──ここは50%ぐらいになるんじゃないかという期待はあります。
さらにその先には、AIの活用範囲を、掲載情報の確認から車両選定や専門的な判断の支援へと段階的に広げていく構想があります。
関口様:まずデプロイが済んで「動きます」というところ。その上で精度の改善をぜひお願いします。そこから次に、お店のほうに行って「選定車種のサポート」ですね、これも行きたいなと思っています。そこからその次は、保安基準に適合しているかどうかの判別、ノーマルかカスタムかの判別。最後は「AI松井化」ですね。
「選定車種のサポート」とは、現在各店舗の店長が行っている掲載車両の選定を、AIで支援する構想です。販売実績や店舗の在庫などのデータを活用し、それぞれの店舗に適した掲載車両を選びやすくすることを目指しています。
関口様:これが結構な負担になっている。売れ筋の商品はデータとしてあるし、毎月変わるし、それは我々が把握しているので、売れ筋のリストと店舗の在庫を見比べて適切な30車種を選ぶ──これもAIの仕事だろうと思っています。
そして、その先に見据えているのが、今回の課題でもあった専門知識の形式知化です。社内に蓄積されている車種・年式ごとの情報を活用し、現在は経験豊富な担当者が担っている判断を、他のメンバーでも行える状態を目指しています。
松井様:イントラのほうにきちんとしたデータが入っていると、そのデータを読んでもらえばすぐ判定ができる。車体番号からメーカー名と車種名が分かるデータベースには、何年以降は触媒が付いていて排ガス規制が入っている、といった情報も入っている。それが今、イントラの在庫情報と全然リンクしていないんです。そういうデータを全部入れて突き合わせをやってもらえば、「こいつは規制対象で触媒が付いているので、そこを確認しなさい」と出る。そうすれば、知識がなくても確認できるようになります。
関口様が「AI松井化」と表現するのは、こうした専門的な知識や判断基準をAIで支援し、これまで一部の担当者に集中していた業務を、他のメンバーでも担える状態にしていくことです。
関口様:松井課長ともう一人が、パッと見てカスタムが分かるような形なんですけど、それをAIに学習させて量産して、もっと作業を分担できていけばいい。そうすれば人間の時間が空いてくるので、その人間はまた別のクリエイティブなことをやっていく。そういう形にしていけば、どんどん仕事が広がっていくんじゃないかなと。
最後に、同様の課題を抱える企業に向けて、AI活用を進める際の考え方を伺いました。
関口様が重要だと考えているのは、「AIで何ができるか」から考えるのではなく、まず現場で解決したい課題を具体的にすることです。そのうえで、一つひとつの業務を見ながら、AIに適しているかを判断していくことが重要だといいます。
関口様:実はアドバイスできる立場ではないですけれども、解決すべき課題は具体的であればあるほど僕はいいと思っているんですね。AIも向いていると思っている。「こういうことをやっていて、この作業を代替してサポートしてほしい」という方針を明確に出せるかというのが一つ。それが出せれば、アカツキさんはオンサイトで、それこそ一個一個の作業に付いて見ていただいて、「これは向いています/向いていません」とステップを切っていただけるので。
今回のプロジェクトでも、当初想定していた「チラシ制作の自動化」から業務を細かく分解し、実際に大きな負荷となっていた掲載情報の確認から取り組みを始めました。こうした進め方について、関口様はAI活用を検討する企業にも共通すると話します。
関口様:「AIで何をやろう」ではなくて、「これをやらなければいけないんだけど、AIが使えないかな」と思っているような。経営レベルの話ではなくて、各現場で明快な課題を持っていて、地に足のついた進め方をしたいと思っているところに関しては、非常にありがたいパートナーだなと私は思います。
松井様:「今こういう作業をやっています、その作業をもっと楽にできませんか」という投げかけはこちらからできるじゃないですか。それについては、明確に出していただけると思うので、やりやすいんじゃないかなと思いますね。
AI Transformation(AX)を通じて、企業の業務変革とデータ基盤構築を支援しています。業務フローの可視化・要件定義といった上流から、設計・開発・実装までを一貫してご支援します。属人化した判断業務のAI化や、既存業務のボトルネック解消をご検討の際は、お気軽にお問い合わせください。