RIZAP の無人ジム chocoZAP が 1 店舗約 10 台の AI カメラで異常を検知|IoT 空調と組み合わせた無人運営の設計(同社発表)【AI活用事例】
公開: 2026-11-06
この事例でわかること
- RIZAP 株式会社が運営するコンビニジム「chocoZAP」は、1 店舗あたり約 10 台の AI カメラで異常を検知し、IoT システムで室温をリアルタイムに最適化している(公式プレスリリース 2026-03-24)
- スタッフを置かない無人ジムで、利用者が「暑い・寒い」「不安」と感じる前にシステムが先回りする環境づくりを「気配のないおもてなし(IoT 空調・AI カメラ・AI 店長)」と位置づけ
- 無人運営は AI だけでなく、清掃・備品補充・マシンのメンテナンスを会員が手伝う「お客様共創型」の仕組みと組み合わせている
- 黒字化・収益前年同期比 15 倍は事業全体の業績で、AI の効果として示されたものではない。AI 単独の定量効果、AI 店長の仕組みは非公表
- 学べる型: 無人化で失われる「人の目」を、カメラ・センサー・利用者の協力に分けて置き換える(演習は Links-Create の研修用提案)
主な指標(一次ソース確認済み)
- AI カメラの配置
- 1 店舗あたり約 10 台
- 店舗数・会員数
- 1,862 店舗・111.3 万人(2026 年 2 月 12 日時点)
- 黒字化・収益の伸び
- 黒字化を達成、収益前年同期比 15 倍(同社発表)
- AI 単独の定量効果
- 非公表
RIZAP 株式会社の公式プレスリリース(2026-03-24)の「1店舗あたり約10台配置しているAIカメラが異常を検知し」に基づく。「約」付きの値で、店舗による差や全店舗への配置状況は示されていない。何を「異常」として検知するか、検知後の対応の流れ、検知の精度は非公表。
公式プレスリリースに記載された事業規模の値。AI カメラの導入効果を示す数値ではない。
公式プレスリリースの見出しに記載された事業全体の業績。「収益」の定義・対象期間はリリース内で説明されていない。先行投資の回収や事業モデル全体の成果として示されており、AI カメラや AI 店長の効果として示されたものではない。本記事でも AI の効果とは扱わない。
AI カメラ・IoT 空調・AI 店長による、トラブル件数・対応時間・人件費・満足度などの変化は公式プレスリリースに記載がない。
一次ソース: https://prtimes.jp/main/html/rd/p/000000231.000030866.html (公開: 2026-03-24)
要約
RIZAP 株式会社(RIZAP グループ株式会社の連結子会社)が運営するコンビニジム「chocoZAP(チョコザップ)」は、スタッフが常駐しない無人ジムです。公式プレスリリース(2026-03-24)によると、1 店舗あたり約 10 台の AI カメラが異常を検知し、IoT システムが室温をリアルタイムで最適化しています。
同社はこれを「気配のないおもてなし(IoT 空調・AI カメラ・AI 店長)」と呼び、利用者が「暑い・寒い」「不安」と感じる前にシステムが先回りする環境づくりと説明しています。
この事例から学べるのは、無人化で失われる「人の目」を、何で置き換えるかの設計です。ポイントは次の 3 つです。
- カメラとセンサーで「気づく」: AI カメラで異常を検知し、IoT で室温を調整する
- 利用者と一緒に運営する: 清掃や備品補充を会員が手伝う「お客様共創型」の仕組み
- AI の効果は非公表: 黒字化・収益の伸びは事業全体の業績で、AI の効果として示されたものではない
本記事は RIZAP 株式会社の公式プレスリリース(2026-03-24)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、RIZAP 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 RIZAP 株式会社自身です。リリースの主題は chocoZAP の「第 2 章」への移行で、AI の記載はその中の「既に検証済みの取り組み」の一部です。
chocoZAP の概要(リリース記載の値)
| 項目 | 内容 |
|---|---|
| サービス | コンビニジム「chocoZAP」(2022 年 7 月にブランド誕生) |
| 店舗数 | 1,862 店舗(2026 年 2 月 12 日時点) |
| 会員数 | 111.3 万人(2026 年 2 月 12 日時点) |
| 業績 | 黒字化を達成、収益前年同期比 15 倍(事業全体) |
| 運営 | 独自の「無人運営エコシステム」と「FC 共創モデル」 |
AI・IoT に関する記載(「既に検証済み」の取り組み)
リリースは、すでに検証を経た取り組みとして次の 3 つを挙げています。AI・IoT が関わる部分を要約します。
| 取り組み | 公式の記載(要約) |
|---|---|
| ロッカーの進化 | 暗証番号式ロッカーは番号忘れのトラブルから無人ジムに不向きと判明。鍵のないロッカー、貴重品用のカゴ、注意喚起の掲示、AI カメラによる見守り強化と改善を重ねた |
| 無人運営エコシステム | 清掃・備品補充・マシンのメンテナンスを会員に手伝ってもらう「お客様共創型」の事業モデル |
| 気配のないおもてなし | IoT 空調・AI カメラ・AI 店長。利用者が不快や不安を感じる前にシステムが先回りする |
AI カメラについて、リリースは次のように述べています。
「1店舗あたり約10台配置しているAIカメラが異常を検知し、IoTシステムが室温をリアルタイムで最適化しています。」 — 出典: RIZAP 株式会社 公式プレスリリース(2026-03-24)
公式プレスリリース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。
- AI カメラが「異常」とするものの範囲、検知後の対応の流れと担当、検知の精度
- AI カメラの全店舗への配置状況、店舗による台数の違い
- AI 店長の機能・判断の仕組み・導入状況
- AI カメラ・IoT 空調・AI 店長による、トラブル件数・対応時間・人件費・満足度の変化
- 「収益前年同期比 15 倍」の「収益」の定義と対象期間
- カメラ映像の取り扱い(保存期間・利用目的など)
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、RIZAP の公式見解ではありません。
1. 無人化で失われる「人の役割」を分解して置き換えている
有人の店舗でスタッフが担っていた役割を分けると、リリースの記載は次のように対応づけられます(Links-Create の整理)。
| スタッフの役割(解釈) | chocoZAP での置き換え | 根拠となる記載 |
|---|---|---|
| 見守る・異常に気づく | AI カメラ | 約 10 台の AI カメラが異常を検知 |
| 室内環境を整える | IoT 空調 | 室温をリアルタイムで最適化 |
| 清掃・補充・点検 | 会員の協力 | お客様共創型の事業モデル |
| トラブルを起こしにくくする | 設備・ルールの見直し | 鍵のないロッカー、カゴ、注意喚起の掲示 |
AI は「気づく」役割を担い、すべてを AI で置き換えてはいない点が重要です。
2. AI の前に「設備とルール」で防いでいる
ロッカーの事例では、暗証番号式からの転換、カゴの導入、掲示といった、AI ではない改善が先に並んでいます。トラブルの原因そのものを設備やルールで減らし、残ったリスクに AI カメラで気づくという順番は、多くの現場に応用できます。
3. 「業績の数字」と「AI 施策の効果」を分けて読む
リリースの見出しにある黒字化と収益の伸びは、事業全体の業績です。AI カメラや AI 店長がどれだけ寄与したかは示されていません。
- 黒字化・15 倍: 事業全体の結果。「収益」の定義・期間は説明されていない
- 約 10 台: 配置の規模であり、効果の大きさではない
- AI 単独の効果: 非公表
推奨する表現は「chocoZAP は 1 店舗あたり約 10 台の AI カメラで異常を検知し、IoT で室温を調整していると同社が発表。AI 単独の効果は非公表。」です。
4. 既存の事例との違い
| 事例 | AI と現場の関係 | 本事例との違い |
|---|---|---|
| すかいらーくの配膳ロボットと「Co店長」 | ロボットと生成 AI で店舗スタッフを支援 | 有人店舗の支援。本事例はスタッフが常駐しない店舗の見守り |
| NTTドコモの基地局 AI カメラによるクマ検知 | 屋外のカメラ映像から危険を検知 | 公共の広域監視。本事例は店舗内の利用者の安心が目的 |
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。RIZAP 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です。
演習 1: 「人がいないと起きる困りごと」を書き出す
省人化したい現場について、問い合わせ記録やトラブル記録から困りごとを列挙します。
| 困りごとの例(研修用の例) | 起きる頻度 | 起きたときの影響 |
|---|---|---|
| 鍵・暗証番号を忘れた | 多い | 利用者が困るが、危険は小さい |
| 体調不良・転倒 | 少ない | 大きい(すぐの対応が必要) |
| 設備の故障・汚れ | 中程度 | 満足度が下がる |
演習 2: 困りごとを 4 つの手段に仕分ける
| 手段 | 向いている困りごと | 例(研修用の例) |
|---|---|---|
| 設備・ルールで防ぐ | 原因がはっきりしているもの | 暗証番号をやめる、掲示で注意を促す |
| カメラ・センサーで気づく | 予測できないが、見れば分かるもの | 転倒・長時間の滞在・設備の異常 |
| 利用者の協力 | 軽作業で、頻度が高いもの | 清掃・備品の補充 |
| 人が対応する | 判断や説明が必要なもの | 体調不良時の連絡、苦情 |
演習 3: 「気づいた後」の手順を決める
カメラやセンサーは気づくまでが役割です。気づいた後に、誰に・どの経路で・何分以内に知らせるかを決めておかないと、検知しても対応につながりません。
| 項目 | 決めること |
|---|---|
| 通知先 | 誰に知らせるか(本部・近隣の担当・警備会社など) |
| 対応時間 | 何分以内に対応を始めるか |
| 記録 | 検知・対応の結果を残し、効果を測る |
公式発表で AI 単独の効果が示されていないのと同じく、検知と対応の記録を取らなければ、効果は社内でも説明できません。
法人 AI 研修への示唆(Links-Create の視点)
- 省人化は「役割の分解」から — スタッフの仕事を、見守る・整える・作業する・判断するに分けてから手段を選ぶ
- AI は残ったリスクに使う — 設備やルールで防げるものを先に減らす
- 業績と施策の効果を分けて報告する — AI 施策には、施策に直結する指標を別に置く
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
- AI で画像を扱う基本 — 画像・映像を AI で扱うときの考え方
- AI でデータ分析をする方法 — トラブル記録や問い合わせの分類に生成 AI を使う基本
- 生成 AI の社内導入の進め方 — ルール整備から効果測定までの 90 日ロードマップ
- すかいらーくの配膳ロボットと「Co店長」(AI活用事例) — 有人店舗をロボットと AI で支援する事例
- NTTドコモの基地局 AI カメラによるクマ検知(AI活用事例) — カメラ映像から危険を検知する事例
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。
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、RIZAP グループの公式見解ではなく、同社が実施した事実でもありません。
黒字化や収益の伸びは事業全体の業績として記載しており、AI 導入の効果とは断定していません。AI 店長は公式プレスリリース内で名称のみの記載であるため、仕組みを記述していません。
公式情報の更新があれば、本記事も追従して更新します。
関連する AI 研修コース・ガイド
この事例で見た AI 活用を、自社のエンジニア・実務者が手を動かして再現できる 実装演習とガイド記事です。Anthropic Academy の概念入門の次に位置する、 実装力定着のためのカリキュラムをご覧ください。
- バイブコーディング実践編 (vibe_practice)Claude Code を中心に「設計→実装→レビュー→テスト」を提出物付きで学ぶ 10 章 40 レッスン。全40レッスンを無料受講できます。
- AIエージェント活用実践編 (agent_practice)Claude Agent SDK と MCP で AI を働かせる実装。事例企業の AI エージェント活用を自社で再現したいエンジニア向け。
- AI研修 コース一覧概論レーンと実践レーンの全コース・レッスンを確認。
- AI 活用事例集に戻る他社の事例も含めて、業種・ユースケース・規模別に AI 導入実例を比較する。
- Anthropic Academy との違い概念入門 (Anthropic Academy) と実装力定着 (AI研修 LMS) の使い分けを解説。