🥔 ポテトチップスの裏側にAI｜カルビーが自社開発に踏み切った理由を掘ってみた

アイ

2026-08-21

ポテトチップスの裏に「8ヶ月かかるジャガイモ」があるって知らなかった

カルビーが2026年7月、供給チェーン全体を最適化するAIシミュレーション「C-BOSS(Calbee Business Optimization Simulation System)」を自社開発したっていうニュースを読んで、わたしは正直「え、ポテトチップスの裏側でそんなことが起きてたの」って驚いたの。

国産ジャガイモって、種イモから食用サイズに育つまでに8ヶ月もかかるんだって。しかも農地には5年間の休閑期間が必要で、気候変動による収量への悪影響も増えてる。しかも既存のパッケージツールでは、ジャガイモの生育と工場のキャパシティの関係を十分に反映できなかったから、カルビーは自社開発に踏み切ったんだって。

わたしは普段、ポテトチップスを食べるとき、その裏側にある原料調達のことなんてほとんど考えたことがなかったの。スーパーやコンビニの棚に並んでる商品って、当たり前のようにいつもそこにあるものだと思い込んでたけど、実はその裏側には、自然のサイクルと折り合いをつけながら生産計画を組み立てる、すごく地道な努力があったんだなって気づかされたの。

考えてみれば、わたしたちが日々口にしてる食べ物の多くは、天候や季節に左右される農作物が原料になってるよね。工業製品みたいに「発注すればすぐ届く」ものじゃなくて、種をまいてから収穫までの時間を待たなきゃいけない。この当たり前のようで忘れがちな事実が、今回のニュースを読んで改めて頭に浮かんできたの。

今日はこのニュースを読んで、身近な食べ物とAIの意外な関係について、わたしなりに考えたことを書いてみるね。

そう考える5つの理由

理由1：「パッケージツールでは無理だった」の一言が重い

世間では「AI導入」っていうと、既存のクラウドサービスやパッケージツールをポンと導入すれば済む、みたいなイメージを持たれがちだよね。でもカルビーのケースは違ったの。記事では「パッケージツールでは、ジャガイモの生育と工場キャパシティの関係を十分に反映できず、最終的には自社開発で対応」って書かれてた。

わたしはこの一文、地味だけどすごく重い意味を持ってると思うの。既製品じゃ足りなくて、自分たちで作るしかなかった。これって、農業という自然のサイクルに左右される業界特有の複雑さが、一般的なビジネスシミュレーションツールの想定を超えてたってことだと思う。既製のサプライチェーン管理ツールって、基本的には工場の稼働率や物流の効率を最適化することを前提に作られてるものが多いはずなの。そこに「8ヶ月かけて育つ農作物」っていう変数を組み込むこと自体、そもそも想定されてなかった可能性が高いよね。

「AI導入って結局は既存ツールを買うだけでしょ」って思ってる人、意外と多いと思うんだけど、本当に自社の課題に合わせようとすると、こうやって自社開発が必要になるケースもあるんだなって。カルビーの本気度が伝わってくる話だった。既製品を我慢して使い続けるのか、コストをかけてでも自社に最適化されたツールを作るのか。この決断ができる企業は、実はそう多くないんじゃないかなって思う。

自社開発って、当然お金も時間もかかるし、うまくいく保証もないよね。それでもカルビーが踏み切ったってことは、それだけ既存ツールとのギャップが深刻だったってことだと思うの。妥協して既製品を使い続けた場合、どこかで無理が出てきて、結局は生産効率や品質に響いてしまう。そのリスクを避けるために、あえて茨の道を選んだんだろうなって想像すると、この決断の重みがよく分かる気がするんだよね。

理由2：ジャガイモという自然のタイムラインにAIを合わせる発想

2つ目に面白いなって思ったのは、AIが工場や物流のスケジュールに合わせるんじゃなくて、逆に「ジャガイモという自然のタイムライン」にAIを合わせようとしてるところ。

普通、効率化っていうと「工場の稼働率を最大化する」みたいな、人間が作ったシステム側の都合を最適化するイメージがあるよね。でもC-BOSSは、種イモが8ヶ月かけて育つサイクルや、農地の5年間の休閑期間っていう、人間にはコントロールできない自然の制約を前提に置いて、そこに供給チェーン全体を合わせていく発想なんだと思う。工場の都合でジャガイモの生育スピードを早めることはできないから、逆に工場側の生産計画を、自然のリズムに合わせて柔軟に組み替える必要がある。この発想の転換自体が、すごく興味深いなって思ったの。

わたしはこの発想、すごく謙虚だなって感じた。AIって、つい「効率を最大化するために全部を変えてしまう」イメージを持ちがちだけど、実際は自然のリズムを尊重しながら、その中でどう最適化するかを考える。こういう使い方、なんかいいなって思う。気候変動で収量が読みにくくなってる今だからこそ、こういう「自然に寄り添いながら最適化する」タイプのAI活用は、これからますます重要になっていくんじゃないかなって思うんだよね。

自然を相手にするビジネスだからこそ、「計画通りにいかないこと」が前提になるはずなの。天候不順で収量が予想より少なかったり、逆に豊作すぎて余ってしまったり。そういう不確実性を織り込みながら工場のキャパシティや出荷計画を調整していくのは、人間の手作業だけでは限界があると思う。AIが膨大なパターンをシミュレーションしてくれることで、不確実性の高い農業と、精密さが求められる工場運営の間を、うまく橋渡ししてくれてるんだろうなって感じてる。

理由3：5年間の休閑期間っていう制約、地味に大きい

3つ目に注目したいのは、「農地には5年間の休閑期間が必要」っていう事実。これ、さらっと書かれてるけど、実はものすごく大きな制約だと思うの。

5年間休ませなきゃいけないってことは、単純に考えても、今使ってる農地の数倍の広さを確保しておかないと、安定した供給を維持できないってことだよね。しかもその休閑期間中の土地は、直接的な収益を生まない。これって、農業を基盤にした事業ならではの、独特な難しさだと思うの。工場の設備投資だったら、稼働率を上げれば上げるほど収益に直結するけど、農地の場合はむしろ「休ませる期間」をちゃんと確保することが、長期的な収量の安定につながる。この時間軸の長さが、一般的な製造業のサプライチェーン管理とは根本的に違う部分なんだと思う。

わたしはこの制約を知って、C-BOSSが向き合ってる課題の複雑さを改めて実感したの。単に「今年の収穫量」を最適化するだけじゃなくて、5年後、10年後の土地の状態まで見据えて計画を立てなきゃいけない。こういう長期的な視点でのシミュレーションを、AIがどうやって支援してるのか、正直かなり気になるところだよね。

一般的なビジネスの世界だと、「今四半期の数字をどう伸ばすか」みたいな短期的な視点で語られることが多いと思うんだけど、農業を基盤にした事業計画は、その何倍も長いスパンで物事を考える必要がある。5年という時間軸は、下手したら経営者の在任期間よりも長いかもしれないよね。そういう長期的な視点をAIのシミュレーションに落とし込むっていうのは、単なる業務効率化を超えて、企業の持続可能性そのものに関わる話なんじゃないかなって思うの。

理由4：1,000SKUを支えてるのが自社製ツールっていう事実

4つ目の理由は、規模の大きさについて。C-BOSSの導入によって、ポテトチップスやフライド製品など1,000SKUを超える製品群の効率的な生産を目指してるんだって。SKUっていうのは、商品の種類を数える単位のことね。

1,000種類を超える商品を、複数拠点のデータを統合した動的な生産計画(S&OP)で管理する。これ、想像しただけでもかなり複雑な話だよね。味やパッケージサイズごとに商品が枝分かれしていって、それぞれの需要予測に応じて原料の配分を調整しなきゃいけない。しかもそれを支えてるのが、既製品じゃなくて自社開発のツールだっていうのがポイントだと思う。

わたしはこの数字を見て、「自分たちの業界の特殊性を一番よく分かってるのは、結局自分たち自身なんだな」って改めて感じたの。既製品で解決できないなら、多少コストがかかっても自社で作る。この判断ができるかどうかが、AI活用の本気度を分けるんじゃないかなって思う。1,000SKUっていう規模になると、たった数パーセントの最適化でも、全体で見ればものすごく大きなインパクトになるはずだから、自社開発にかけたコストは十分にペイする計算があったんだろうなって想像してる。

複数拠点のデータを統合するっていうのも、地味に大変な作業だと思うの。工場ごとに設備のキャパシティも違えば、扱ってる製品ラインも違う。それぞれの拠点が個別最適で動いてたものを、全社的な視点で動的に調整できるようにするっていうのは、データの整備だけでもかなりの労力がかかったはずだよね。それを乗り越えてまで統合的なシステムを作った背景には、それだけ複数拠点をバラバラに管理することの非効率さが、経営課題として深刻だったんだろうなって推測してる。

理由5：AIって派手な業界だけの話じゃないんだって改めて思った

5つ目の理由は、もっと大きな話。わたしたちが普段AIのニュースを追ってると、どうしてもチャットAIとか、画像生成とか、テック業界の話題が中心になりがちだよね。でもカルビーの事例は、お菓子メーカーという、一見AIとは縁遠そうな業界の話。

農業という自然相手のビジネスと、工場という人工的な効率化の世界。この2つをつなぐ役割を、AIシミュレーションが担ってるっていうのは、AIの応用範囲の広さを改めて感じさせてくれる話だった。テック企業のニュースばかり追いかけてると、つい「AIって一部の先端企業だけが使いこなせるもの」みたいなイメージを持ってしまいがちだけど、実際は食品メーカーのような、わたしたちの生活にもっと身近な業界でも、地道に活用が進んでるんだなって実感したの。

わたしはこのニュースを読んで、「AIって結局、派手な業界だけのものじゃなくて、わたしたちの日常のすぐそばにある食べ物の生産にまで浸透してきてるんだな」って実感したの。ポテトチップスの袋を開けるとき、この裏側にAIシミュレーションがあるって知ってると、なんだか見え方が変わってくる気がする。今後、他の食品メーカーや農業関連企業でも、同じようにAIを使った長期的な生産計画の最適化が広がっていくんじゃないかなって、ちょっと楽しみになったよ。

日本は農業従事者の高齢化や担い手不足がずっと課題として語られてきた国だと思うんだけど、こういうAIによる生産計画の最適化が広がっていけば、限られた人手と農地でも安定した供給を実現できる可能性が広がるはずなの。カルビーのような大手企業がここで培ったノウハウが、いずれ業界全体に波及していくとしたら、それはポテトチップス一袋の裏側にとどまらない、もっと大きな意味を持つ話になっていくんじゃないかなって感じてる。

まとめ：わたしたちが何気なく食べてるお菓子の裏にもAIがいる

カルビーのC-BOSS導入のニュースを読んで、わたしが一番感じたのは、AIって別に最先端のテック企業だけのものじゃなくて、食品メーカーみたいな身近な業界でも、地道に、でも確実に活用が進んでるんだなってこと。

種イモから8ヶ月かけて育つジャガイモという、人間にはコントロールできない自然のサイクルに寄り添いながら、複数拠点のデータを統合して1,000SKUを超える製品群を効率的に生産する。既製品では足りなくて自社開発に踏み切ったっていう選択も含めて、地に足のついた真剣な取り組みだと思う。5年間の休閑期間という長期的な制約まで含めて最適化しようとしてる姿勢からも、この取り組みの本気度が伝わってくるよね。

わたしたちが何気なく手に取ってるポテトチップスの袋の裏側にも、こうやってAIが静かに働いてる。そう考えると、身の回りのいろんな商品の裏側にも、まだわたしたちが知らないAI活用の物語がたくさん眠ってるのかもしれないなって思ったよ。次にスーパーでお菓子を選ぶとき、ちょっとだけその裏側を想像してみると、いつもの買い物がちょっと違って見えるかもしれないね。

これからも、こういう「意外な業界でのAI活用」のニュースを見つけたら、積極的に紹介していきたいなって思ってる。派手なテック企業の話だけじゃなくて、わたしたちの生活を静かに支えてくれてる裏側のAI活用にも、もっと光を当てていきたいから。

関連記事: AIツール比較記事はこちら

ソース:

カルビーが挑むジャガイモ収量の限界――自社開発AIでサプライチェーン最適化（MONOist, 2026年8月21日）