KDDI と JR西日本SC開発が商圏分析 AI「KDDI Market Compass」を開発｜実証で約 4 カ月の調査・戦略立案を最短 1 日に（両社発表）、ディベロッパーの実践知をモデル化【AI活用事例】

要約

KDDI 株式会社が、JR西日本SC開発株式会社の知見提供および監修のもとで開発した商業施設開発向けの AI サービス「KDDI Market Compass」を、2026 年 8 月 20 日に提供開始しました（両社の共同ニュースリリース 2026-08-20）。商業施設開発の調査・分析・戦略立案を一気通貫で支援するとしています。

この事例から学べるのは、AI が商圏を分析できること自体より、データを持つ会社と、業界の実践知を持つ会社が組み、熟練者の「何を見て判断するか」を AI に移した設計です。公式発表から読み取れるポイントは次の 3 つです。

• データ × 実践知: KDDI の位置情報・属性データと、JR西日本SC開発の調査項目・評価観点・仮説構築の実践知を組み合わせる
• 出力は「戦略仮説」: 施設コンセプト・ターゲット設定・テナント戦略の仮説と、想定ペルソナへの仮想インタビューを示す
• 成果は実証の最短値: 従来約 4 カ月の検討プロセスを最短 1 日で実施できることを実証で確認したと発表。条件の詳細は非公表

本記事は KDDI・JR西日本SC開発の共同ニュースリリース（2026-08-20）を一次ソースに、事実の整理と Links-Create の分析・研修用の演習を分けて解説します。演習の例は研修用の提案であり、両社が実施した事実ではありません。

何が発表されたか（公式情報ベース）

発表主体はサービスの提供者（KDDI）と知見提供・監修者（JR西日本SC開発）であり、成果の数値も両社の実証にもとづく発表値です。

KDDI Market Compass の概要

項目	内容
提供開始	2026 年 8 月 20 日（提供者は KDDI）
両社の役割	KDDI が開発・提供。JR西日本SC開発は知見提供・監修、実証実験の相手。今後は自社の施設開発・運営でも活用するとしている
使うデータ	KDDI の位置情報データ・属性データ（許諾取得、個人を特定できないよう統計加工）。最新 3 日前のデータで、狭域メッシュ単位の人の流れや時系列の変化を分析
反映した知見	JR西日本SC開発が商業施設開発で培った調査項目・評価観点・仮説構築・意思決定のノウハウ
出力	商圏・競合・人流の分析、施設コンセプト・ターゲット設定・テナント戦略の仮説、想定ペルソナへの仮想インタビュー（議事録形式）
対象領域	商業施設開発。不動産開発やエリア開発にも有効としている

背景: 時間・費用・専門人材への依存

発表によれば、商業施設開発では、コンセプト定義・ターゲット設定・フロアや店舗構成の検討など、各工程で特定の商圏の市場分析が重要な役割を果たします。一方で、時間的にも経済的にも多くのコストがかかることや、専門人材への依存が課題でした。JR西日本SC開発の舟本 恵 執行役員は、発表内のコメントで次のように述べています。

「一方で、調査・分析から社内合意形成までには多大な時間と労力を要し、変化への迅速な対応が課題でした。」 — 出典: KDDI・JR西日本SC開発 共同ニュースリリース（2026-08-20、JR西日本SC開発のコメント）

AI が示す「戦略仮説」の例

発表は、AI が提示する示唆の例として、「子育て世帯の来街比率が高いことからファミリー向けテナントの拡充が有効」「駅利用者の滞在時間を延ばすため、飲食・体験型施設の導入が有効」といったものを挙げています。問いの形としては、「どのターゲット層を狙うべきか」「どのような施設コンセプトやテナント構成が有効か」「競合との差別化をどう図るか」が示されています。

導入効果（実証実験）

両社の実証実験では、新規商業施設開発を想定した調査・分析および戦略立案業務で、従来は複数部門や外部調査会社との連携を含め約 4 カ月を要していた検討プロセスを、最短 1 日で実施できることを確認したとされています。あわせて、専門人材に依存していた分析プロセスを標準化し、属人化の解消と品質の均一化に貢献するとしています。

公式発表で開示されていない情報（推論で書かない）

確認した範囲で、次の情報は記載がありません。

• 実証実験の件数・期間・対象とした施設や商圏
• 「約 4 カ月」と「最短 1 日」の比較方法（同じ範囲の作業を比べたか、社内合意形成や現地調査を含むか）
• 最短ではない場合の所要日数、平均値
• AI が示した仮説の品質評価（専門家の判断との一致度など）
• 使っている AI モデルの種類、実践知をどう AI に反映したかの方法
• 料金・導入社数、JR西日本SC開発の実案件での活用結果
• 位置情報のメッシュの大きさ・サンプル数

これらは公式情報がないため、本記事でも記載しません。

設計の読み解き（Links-Create による解説）

ここからは、公開情報から読み取れる設計上のポイントを Links-Create の視点で解説します。以下は独自分析であり、KDDI や JR西日本SC開発の公式見解ではありません。

1. 価値の源泉は「データ」より「何を見るか」の型

位置情報データだけなら、人の流れの集計はできます。この事例で AI に加えたのは、ディベロッパーが実際の施設開発で使ってきた調査項目・評価観点・仮説の立て方です。

層	誰が持っていたか	AI での役割（Links-Create の整理）
データ	KDDI（位置情報・属性）	商圏の事実を示す
見る観点	JR西日本SC開発（調査項目・評価観点）	どの事実に注目するかを決める
仮説の立て方	JR西日本SC開発（仮説構築・意思決定のノウハウ）	事実から戦略の候補を組み立てる

データを持っていても、「何を見て、どう判断するか」の型がないと、出力は集計表で終わります。業界特化型 AI の価値は、この型を誰が提供するかで決まると読めます。

2. 出力を「答え」ではなく「仮説」と呼んでいる

発表は一貫して、AI の出力を「戦略仮説」「示唆」と表現しています。施設開発の最終判断は、立地・投資額・テナントとの交渉など、データ以外の要素も多い意思決定です。AI の出力を仮説として扱い、人が検証して採否を決めるという位置づけは、商圏分析に限らず、企画・戦略業務で AI を使う際の基本形です。

3. 「最短 1 日」が短くしたのは、どの工程か

約 4 カ月の内訳は公表されていませんが、発表は「複数部門や外部調査会社との連携を含め」と書いています。ここから、短縮の大きな部分は部門間・社外とのやり取りの待ち時間にあった可能性があります（Links-Create の推測で、公式の説明ではありません）。

工程（一般的な整理）	AI で短くなりやすいか
データの収集・集計	なりやすい
仮説の候補出し	なりやすい
社外調査会社への発注・納品待ち	置き換えられれば大きく短くなる
社内合意形成・投資判断	AI だけでは短くならない

自社で効果を測るときは、どの工程を AI に置き換え、どの工程が残るかを先に分けておくと、「1 日でできる」という言葉を正しく扱えます。

4. 仮想インタビューは「定性の仮説」を増やす道具

商圏データから想定ペルソナを作り、仮想インタビューを議事録形式で示す機能は、数字だけでは見えにくい潜在ニーズの把握を支援するものとされています。AI が生成した人物の発言は、実在の消費者の声ではありません。仮説の幅を広げる用途に限り、重要な判断は実地の調査で確かめる、という線引きを社内で決めておくのが安全です（Links-Create の見解）。

5. 数値を引用するときの 4 つの注意

• 実証での値: 通常運用での導入成果ではない
• 「最短」の値: 平均や標準の所要日数ではない
• 範囲は調査・分析・戦略立案: 施設開発全体の期間が短くなったわけではない
• 発表主体は提供者と協力者: 実証の件数・比較方法・品質評価は非公表で、第三者検証ではない

推奨する表現は「実証で、従来約 4 カ月の調査・分析・戦略立案の検討プロセスを最短 1 日で実施できることを確認したと両社が発表（条件の詳細は非公表）。」です。

6. 既存の事例との違い

事例	AI の役割	本事例との違い
三井不動産のフィジカル AI ロボットによる館内配送	開業後の施設運営（配送）をロボットで自動化	施設の「運営」。本事例は開発前の「計画」を支援
KDDI の強化学習による基地局の自律最適化	自社の通信設備のパラメーターを AI が最適化	同じ KDDI でも、自社設備の運用。本事例は他業界の実践知と組んだ外販サービス
大林組の構造設計支援 AI	専門家の設計業務を AI で短縮	専門家の判断を AI に移す点は共通。本事例は他社の実践知をデータ企業が組み込む形

自社に置き換える演習（Links-Create の研修用の提案）

以下の演習と表の例は、Links-Create が研修用に提案するものです。KDDI や JR西日本SC開発が実施した手順や事実ではありません。 表の「例」は考え方を示す架空の例なので、自社の業務に置き換えて記入してください。

演習 1: 熟練者の「調査項目と評価観点」を書き出す

業務の例（研修用の例）	熟練者が見ている項目	その項目をどう評価しているか
新店舗の出店検討	昼夜の人口、競合店の数、最寄り駅の乗降	自社の主要客層の比率が高いか
新商品の企画	既存顧客の購買履歴、問い合わせの内容	繰り返し出てくる不満があるか
営業先の優先順位づけ	業種、規模、過去の取引	過去に成約した顧客と似ているか

この表が、AI に「何を見て判断するか」を伝える材料になります。

演習 2: AI の出力を「仮説」として扱う検証の手順を決める

決めておくこと	例（研修用の例）
仮説を誰が確かめるか	担当者と、その分野の経験者の 2 人
何で確かめるか	現地確認、既存顧客への聞き取り、小規模なテスト
採用しなかった仮説をどう残すか	理由を一言添えて記録する

演習 3: 短縮の範囲を工程ごとに測る

工程	導入前の日数	導入後の日数	AI が担った部分
データ収集・集計	（記入）	（記入）	（記入）
仮説の候補出し	（記入）	（記入）	（記入）
合意形成・判断	（記入）	（記入）	（記入）

両社が非公表とした「比較の方法」を、自社では工程単位で残すことが狙いです。

法人 AI 研修への示唆（Links-Create の視点）

1. 熟練者の観点を言葉にする演習を入れる — 業界特化型 AI の価値は「何を見るか」の型にある。まず自社の型を書き出す
2. AI の出力を「仮説」と呼ぶ習慣をつける — 企画・戦略の場面では、検証の手順とセットで使う
3. 「何日でできた」は工程とセットで語る — どの工程が短くなり、どの工程が残ったかを分けて報告する

関連リソース

• 生成 AI（Claude Code）を実務で使う実装演習 — 生成 AI で何ができるかを体験する無料コース
• Claude・ChatGPT でデータ分析・情報収集をする方法 — 調べる・まとめる・気づくための AI の使い方
• 経営者・管理職の AI 活用 — 情報整理・意思決定・壁打ちでの AI の使い方
• マーケティングの AI 活用 — 分析や企画の時短の実例
• 三井不動産のフィジカル AI ロボットによる館内配送（AI活用事例） — 商業・オフィス施設の運営に AI を使う事例
• KDDI の強化学習による基地局の自律最適化（AI活用事例） — 同じ KDDI の、自社設備への AI 活用の事例

出典・引用ポリシー

本記事の事実情報は、次の公式発表のみを一次ソースとしています。

• KDDI 株式会社・JR西日本SC開発株式会社 ニュースリリース『位置情報を活用しAIが商業施設開発支援、「KDDI Market Compass」提供開始』（2026-08-20）

設計の読み解き・演習・研修への示唆は Links-Create の独自分析・研修用の提案であり、KDDI および JR西日本SC開発の公式見解ではなく、両社が実施した事実でもありません。

定量値は両社の発表の限定（実証実験・新規商業施設開発を想定・最短値・条件の詳細は非公表）を維持し、成果保証としては記述していません。引用する際は前提条件を必ず併記してください。

公式情報の更新があれば、本記事も追従して更新します。