【2026年10月最新】JINSの「AIレンズ診断」に学ぶ、中小企業でもできる接客レコメンドAI活用術
aikanri-admin
メガネブランドのJINSが、自社の生成AI「JINS AI」に新機能「レンズ診断」を搭載したというニュースが話題になっています。顧客のライフスタイルに関する設問への回答から、最適なレンズを1分で抽出し、さらに「なぜそのレンズが最適なのか」という推奨理由まで提示する機能です。2026年3月にオープンした「JINS銀座店」で本格導入が始まりました。
「メガネ屋さんの話で、自分の会社には関係ない」——そう思った方も多いかもしれません。しかし、この記事で注目したいのはレンズという商品そのものではなく、「AIが理由付きで最適な提案をする」という接客の型です。この型は、業種を問わず中小企業の接客・販売業務に転用できる可能性を持っています。
この記事では、JINSの事例を入り口に、生成AIによるレコメンド（商品推薦）・パーソナライズ（個別最適化）機能の仕組みを非エンジニア向けに解説し、人手の限られる中小企業がどうやって同じような接客AIを自社に持ち込めるかを具体的に掘り下げます。さらに、弊社（株式会社GENAI）がClaude Codeを使って社内の提案・接客業務をどこまで効率化しているかの実運用データも公開します。
代表菅澤
AI鬼管理山崎
01 NEWS BREAKDOWN JINSの「レンズ診断」機能とは何か 発表内容を要素分解して、何が新しいのかを正確に理解する
まず、今回のニュースの内容を正確に整理します。JINSは自社開発の生成AI「JINS AI」に、新機能「レンズ診断」を搭載しました。顧客がライフスタイルに関するいくつかの設問に回答すると、独自の画像判定ロジックと生成AI技術を組み合わせて、膨大なレンズラインアップの中から最適な候補を約1分で抽出します。
ここで重要なのは、単に「おすすめはこれです」と提示するだけではなく、「なぜこのレンズが最適なのか」という推奨理由まで言語化して提示する点です。2026年3月28日にオープンした「JINS銀座店」で本格導入が始まり、今後他店舗への展開も見込まれています。
📚 用語解説
生成AI：文章・画像・提案内容などを、学習したパターンに基づいてその場で新しく「生成」するAIの総称。ChatGPTやClaudeのようなチャット型AIもこの一種です。従来の「決まったルールに沿って動く」AIとは異なり、文脈に応じて柔軟な文章や説明を作れるのが特徴です。
📚 用語解説
レコメンドエンジン：顧客の行動データや回答内容から「この人に最も合う商品・サービス」を推測して提示する仕組み。ECサイトの「あなたへのおすすめ」機能などが代表例です。JINSの「レンズ診断」も広い意味ではレコメンドエンジンの一種ですが、生成AIを組み合わせることで「理由の説明」まで踏み込んでいる点が新しさです。
背景にあるのは、レンズという商品の複雑さです。度数・コーティング・レンズ素材・用途（PC作業用・運転用・読書用など）の組み合わせは数百通りにもなり、顧客が自分で最適な1つを選ぶのは簡単ではありません。この「選択肢が多すぎて決められない」という課題は、実はレンズに限らず多くの業種に共通しています。
「JINSがすごい技術を導入した」という表面的な理解で終わらせず、「選択肢が多い商品・サービスで、理由付きの提案ができればCVRが上がる」という一般化された構造として捉えることが、自社への転用のヒントになります。
AI鬼管理山崎
02 WHY IT MATTERS なぜ「理由つきレコメンド」が重要なのか 従来のレコメンドと生成AI型レコメンドの決定的な違い
従来型のレコメンドエンジン（ECの「あなたへのおすすめ」など）は、購買履歴や閲覧履歴の統計的な類似性から「これが合いそうです」と提示するものがほとんどでした。精度は上がってきていますが、「なぜこれが自分に合うのか」という納得感は提供できていませんでした。
| 比較軸 | 従来型レコメンド | 生成AI型レコメンド（JINS AI型） |
|---|---|---|
| 提示する内容 | 商品名・順位のみ | 商品名 + 言葉での推奨理由 |
| 納得感 | 低い（なぜか分からない） | 高い（理由が分かる） |
| 必要なデータ | 大量の購買・閲覧履歴 | その場のヒアリング回答でも機能 |
| 向いている商品 | シンプルな商品（本・日用品等） | 選択肢が複雑な商品・サービス |
| 接客への組み込み | 難しい（会話にならない） | しやすい（説明の土台になる） |
📚 用語解説
パーソナライズ（個別最適化）：一人ひとりの状況・要望に合わせて、提案内容や体験を個別に調整すること。マスマーケティング（全員に同じ提案）の対極にある考え方で、AIの進化によって低コストで実現できる範囲が急速に広がっています。
📚 用語解説
説明可能なAI（XAI）：AIが出した結論だけでなく、「なぜその結論に至ったか」という判断根拠を人間が理解できる形で示す技術・考え方の総称。JINSの「推奨理由」の提示も、広い意味でこの説明可能性を重視したデザインです。顧客の信頼を得るうえで年々重要性が高まっています。
この「理由つき」という設計が重要なのは、人間の購買決定が「論理」だけでなく「納得感」で動くからです。どれだけ精度の高いおすすめでも、理由が分からなければ顧客は「本当にこれでいいのか」と不安になり、購買を先延ばしにします。逆に、たとえ精度が完璧でなくても理由が示されれば、顧客は自分の意思で決めた感覚を持てます。
AI導入の相談を受けると「精度をどう上げるか」に意識が向きがちですが、接客・販売の現場では精度の数%の差より、理由説明の分かりやすさの差の方がCVRに直結するケースが多く見られます。導入初期は精度より説明設計に時間を使う方が効果的です。
代表菅澤
03 SME APPLICATION 大手だけの話ではない。中小企業への転用可能性 【独自】ヒアリング→AI分析→理由つき提案、という型をどう自社に持ち込むか
ここからが本記事の核心です。JINSのような大企業は、専任のエンジニアチームを抱え、独自の画像判定システムまで開発できます。しかし、「ヒアリング→AI分析→理由つき提案」という構造自体は、Claude CodeのようなAIエージェントがあれば、エンジニアを雇わずに中小企業でも組める時代になっています。
重要なのは、JINSのレンズ診断と同じ精度・同じ見た目のシステムを作ることではありません。「選択肢が多くて顧客が決めきれない」という課題がある業務に、同じロジックを当てはめることです。中小企業で特に当てはまりやすいのは、以下のような業務です。
📚 用語解説
ヒアリングシート：顧客のニーズ・状況を把握するための設問リスト。従来は接客担当者が口頭で聞き取っていた内容を、事前にシート化・デジタル化することで、AIが分析できる「構造化されたデータ」に変換できます。生成AI活用の第一歩として最も重要な要素です。
📚 用語解説
LLM（大規模言語モデル）：Claude・ChatGPT・Geminiなど、人間の文章を大量に学習し、自然な言葉で応答・提案を生成できるAIの基盤技術。ヒアリングシートの回答をLLMに渡すだけで、「この回答パターンならこの提案が合う」という理由つきの文章を自動生成できます。
顧客に数問の
ヒアリングシートに
回答してもらう
回答をAI（Claude等）
に渡して
分析させる
商品・プランと
理由をセットで
AIが生成
接客担当が
内容を確認して
顧客に提示
AI鬼管理山崎
代表菅澤
04 IMPLEMENTATION PATTERNS 具体的な導入パターン3つ 業種別に見る、理由つきレコメンドAIの組み込み方
ここでは、実際にどのような形で理由つきレコメンドAIを業務に組み込めるかを、業種別に3パターン紹介します。いずれも大がかりなシステム開発を前提とせず、ヒアリングシート（Googleフォーム等）+ AI（Claude Code等）の組み合わせで実現可能な範囲を想定しています。
4-1. 小売・専門店：接客前の「事前診断」パターン
来店前または来店時にタブレット・スマホでヒアリングシートに回答してもらい、AIが「候補商品3つ＋それぞれの理由」を生成します。接客スタッフはAIの出力をベースに会話を始められるため、経験の浅いスタッフでも一定水準の提案ができるようになります。
4-2. BtoB営業：提案書の「個別最適化」パターン
商談前のヒアリング内容（企業規模・課題・予算・導入期限など）をAIに渡し、その企業向けにカスタマイズされた提案書のドラフトを生成します。テンプレートを埋めるだけの提案書ではなく、「なぜこの企業にこのプランが合うのか」という理由部分までAIが作成することで、提案の説得力が上がります。
4-3. 士業・専門サービス：相談プランの「事前仕分け」パターン
相談予約時のフォーム回答から、AIが「想定される相談内容・最適な相談プラン・準備すべき資料」を事前にまとめ、担当者に共有します。初回相談の質が上がるだけでなく、相談前の準備時間そのものが削減されるという副次効果もあります。
| パターン | 向いている業種 | 期待できる効果 |
|---|---|---|
| 事前診断型 | 小売・専門店・アパレル | 接客の初動が速くなる・スタッフ間の提案品質差が縮まる |
| 提案書個別最適化型 | BtoB営業・コンサルティング | 提案の説得力向上・提案書作成時間の短縮 |
| 相談プラン事前仕分け型 | 士業・専門サービス・コンサル | 初回相談の質向上・準備時間の削減 |
3パターンのうち、「今、担当者によって提案の質に差が出ている業務」から着手するのが最も効果が見えやすいです。ベテランと新人の提案内容に差がある業務は、AIによる「標準化」の効果が最大化されます。
代表菅澤
05 GENAI CASE STUDY 【独自データ】GENAI社内のAI活用実例 Claude Codeで提案・接客系の業務をどこまで効率化できているか
ここでは、弊社（株式会社GENAI）が実際にClaude Codeをどのように業務へ組み込み、どの程度の時間削減につながっているかを、肌感ベースの数値で公開します。「理由つきレコメンド」の発想は、実は弊社の営業・広告・経理業務にも応用されています。
| 項目 | 内容 |
|---|---|
| 契約プラン | Claude Max 20x（月額$200 / 約30,000円） |
| 利用開始 | 2025年後半〜 |
| 利用部署 | 経営・営業・広告・開発・経理・秘書業務・個人業務まで全社 |
| 主な利用モデル | Sonnet 4.6（日常業務）/ Opus 4.6（複雑な判断が必要なとき） |
特に営業領域では、顧客ごとのヒアリング内容から提案書・見積の構成をAIに組ませるという、本記事で紹介したBtoB営業パターンそのものを運用しています。以下は業務領域別の概算削減時間です。
| 業務領域 | 主な用途 | 概算削減時間（肌感ベース） |
|---|---|---|
| 営業 | 提案書・見積・顧客別資料の自動生成 | 週20h → 週2h |
| 広告運用 | 週次レポート・CPA分析・配信内容調整 | 週10h → 週1h |
| ブログ記事 | SEO記事執筆・リライト・内部リンク最適化 | 1本8h → 1本1h |
| 経理 | 請求書チェック・経費仕訳・Freee連携 | 月40h → 月5h |
| 秘書業務 | 日報生成・議事録・スケジュール調整 | 日2h → 日15分 |
| 個人業務 | メール下書き・雑務タスク整理 | 日1h → 日10分 |
上記はあくまで弊社の肌感・概算ベースの数値であり、業種・業態・担当者のスキルによって削減時間は変動します。「業界平均」や「他社事例」として一般化できるものではなく、「Max 20xプランを全社で使い倒すとどの程度の水準まで届くか」の参考情報としてご覧ください。
この中でもJINSの事例と直結しているのが「営業」領域です。従来は担当者の経験・感覚に依存していた提案内容の組み立てを、ヒアリング内容をAIに渡して理由つきの提案構成を出力させるフローに変えたことで、週20時間かかっていた資料作成が週2時間程度まで圧縮されています。
5-1. 「1業務から試して広げる」導入フロー
弊社でAIを業務に組み込んできた流れを図解すると、以下の4ステップになります。JINSのような大企業も、最初から全店舗一斉導入をしたわけではなく、まず銀座店という1店舗で試して効果を見ています。中小企業も同じ順序で進めるのが安全です。
1業務だけ
試しに任せる
（例: 提案書作成）
効果検証
時間・納得感を
数値化
横展開
同種業務に
拡大適用
全社運用
業務プロセスに
組み込み
AI鬼管理山崎
代表菅澤
06 RISKS & PITFALLS 導入のハードルと注意点 理由つきレコメンドAIを安全に運用するために
理由つきレコメンドAIは効果が大きい一方、導入時に気をつけるべき点もいくつかあります。中小企業が独力で導入する際に特に注意したいポイントを整理します。
6-1. ハルシネーション（AIの事実誤認）のリスク
📚 用語解説
ハルシネーション：AIが事実に基づかない情報を、あたかも正しい事実のように生成してしまう現象。レコメンドの「理由」部分で、存在しない商品特性や誤った数値を挙げてしまうことがあり、接客の信頼性を損なうリスクがあります。
AIが生成する「推奨理由」は説得力があるため、内容が誤っていても人間がそのまま信じて使ってしまうリスクがあります。特に商品の仕様・価格・在庫状況など事実性が求められる情報は、AIの出力をそのまま顧客に見せるのではなく、最終的に人間が事実確認をする工程を必ず挟む必要があります。
JINSの事例でも、AIの診断結果は最終的に店舗スタッフが説明に使う形であり、無人の自動販売のような運用ではありません。中小企業で導入する際も、AIの提案を人間がレビューしてから顧客に提示するワンクッションを外さないことが、トラブル防止の基本です。
6-2. ヒアリングデータの質がすべてを決める
AIの提案精度は、入力されるヒアリング内容の質に大きく依存します。設問が曖昧だったり、必要な情報が抜けていると、AIはそれらしい理由を作文してしまうことがあります。「何を聞けば最適な提案ができるか」という設問設計こそが、この仕組みの成否を分ける最大のポイントです。
代表菅澤
07 GETTING STARTED 導入までの4ステップ 非エンジニアの経営者・管理職でも始められる最短ルート
ここまでの内容を踏まえて、実際に自社で「理由つきレコメンドAI」を試すための、非エンジニア向けの最短ルートを整理します。ターミナルやプログラミングの知識は前提にせず、デスクトップ版のAIツール（Claude Codeのデスクトップ版等）で対応できる範囲を想定しています。
差が出ている
業務を1つ選ぶ
担当者による
品質差が大きい業務
を5〜8問に
絞って設計
既存の接客で
聞いている内容を転用
提案文を
生成させる
精度が低くても
最初は気にしない
効果を
数値化する
成約率・接客時間
の変化を見る
ゼロから設問を考えるのではなく、ベテラン担当者が普段聞いている質問内容をそのまま書き出し、AIに渡すだけで十分な出発点になります。既存の接客ノウハウを「構造化データ」に変換する作業と捉えると、ハードルが下がります。
この4ステップを回していく中で重要なのは、「1ヶ月で完璧な仕組みにする」ことを目指さないことです。JINSも段階的に機能を拡張してきた経緯があるように、最初は粗くても、顧客の反応を見ながら設問とAIへの指示を少しずつ調整していく方が、結果的に定着しやすい仕組みになります。
AI鬼管理山崎
08 CONCLUSION まとめ ── 「理由つき提案」を自社の接客に AIレコメンドの型を理解すれば、業種を問わず応用できる
この記事では、JINSの「レンズ診断」機能を入り口に、生成AI型レコメンドの仕組み、中小企業への転用パターン、導入時の注意点、そして弊社GENAIの実運用データまでを整理しました。最後にポイントを振り返ります。
最も重要なメッセージは、JINSのニュースを「大企業の特別な技術」として読むのではなく、「自社の接客・提案業務に当てはめられる型」として読み替えることです。選択肢が多くて顧客が決めきれない業務を抱えているなら、同じロジックを低コストで持ち込める時代になっています。
こうした「ヒアリング→AI分析→理由つき提案」の仕組みは、専門のエンジニアを雇わなくても、Claude CodeのようなAIエージェントを使えば中小企業でも自社で組み立てられます。実際に弊社では、営業資料や接客提案の構築フローをClaude Codeに組み込み、日々の業務の中で運用・改善を重ねています。
代表菅澤
「理由つき提案」の仕組みづくりを、AI鬼管理が一緒に設計します
JINSのような大企業でなくても、ヒアリング設計＋Claude Codeの組み合わせで、自社の接客・提案業務に理由つきレコメンドの仕組みを導入できます。
弊社の実運用ノウハウをベースに、個別に導入設計のご相談を承ります。
AI鬼管理山崎
ここから先の進め方は、大きく2つあります。
自社で回せるようになりたい方は、AI鬼管理でClaude Code／Codexの使い方から業務設計・社内定着まで伴走を受けながら、社内に仕組みを作る道があります。
覚えるより任せたい方は、AI社員AIKATAでこの記事のような定型業務を丸ごと預ける道があります。料金は月30万円の月額定額、追加費用は0円です。
どちらが合うかは、業務量と社内体制次第です。無料相談・無料適合診断で、貴社の場合はどちらが向くかからご相談いただけます。
NEXT STEP
この記事の内容を、あなたのビジネスで
実践してみませんか？
よくある質問
Q. JINSの「レンズ診断」機能は、具体的にどんな技術を使っていますか？
A. 公開情報によると、独自の画像判定ロジックと生成AI技術を組み合わせた仕組みで、顧客のライフスタイルに関する設問への回答から最適なレンズを抽出し、推奨理由まで言語化して提示します。具体的なアルゴリズムの詳細は非公開ですが、「ヒアリング回答をAIが分析して理由つきで提案する」という構造自体は、他業種でも応用可能な一般的な型です。
Q. 中小企業でも同じような仕組みを作れますか？エンジニアが必要ですか？
A. 専任のエンジニアがいなくても、Claude CodeのようなAIエージェントと、Googleフォーム等のヒアリングシートを組み合わせれば、同様のロジックを低コストで試せます。JINSのような画像判定システムまでは不要で、「ヒアリング回答をAIに渡して理由つきの提案文を生成させる」という範囲であれば、非エンジニアでも1〜2週間程度で最初の形を作れます。
Q. 理由つきレコメンドAIは、どんな業種に向いていますか？
A. 選択肢が多く、顧客が自分だけでは決めきれない商品・サービスを扱う業種に向いています。具体的には小売・専門店、BtoB営業の提案書作成、士業や専門サービスの相談プラン選定などです。逆に、選択肢が1〜2個しかないシンプルな商品・サービスでは、仕組みを作る手間に対して効果が小さくなりがちです。
Q. AIの提案をそのまま顧客に見せても問題ないですか？
A. 推奨しません。AIは事実に基づかない情報をそれらしく生成してしまう「ハルシネーション」のリスクがあるため、特に商品の仕様・価格・在庫状況など事実性が求められる情報は、必ず担当者が確認してから顧客に提示する運用にすべきです。JINSの事例でも、AIの診断結果は最終的に店舗スタッフが説明に使う形になっており、無人運用ではありません。
Q. ヒアリングシートの設問は何問くらいが適切ですか？
A. 5〜8問程度が目安です。設問が多すぎると顧客が回答途中で離脱しやすくなります。また、自由回答よりも選択式（はい/いいえ、3択など）を基本にすることで、AIが分析しやすい構造化されたデータになり、提案の精度・安定性が上がります。
Q. 導入効果はどのくらいの期間で分かりますか？
A. 弊社の実運用経験では、1つの業務に絞って試した場合、1ヶ月程度で担当者の実感としての効果（接客時間の短縮・提案の納得感の変化など)が見えてくることが多いです。ただし成約率のような数値指標まで含めて評価するには、業種や商材のサイクルに応じて2〜3ヶ月程度見ておくのが安全です。
Q. JINSのようにAIに「推奨理由」まで作らせるのは難しくないですか？
A. 仕組みとしては難しくありません。ヒアリングの回答結果と、自社の商品・サービスの特徴をAIに渡し、「この回答パターンならこの商品が合う。理由も説明して」と指示するだけで、理由つきの提案文が生成されます。重要なのは技術の難易度ではなく、ヒアリング項目の設計と、生成された内容を人間が確認する運用ルールを整えることです。
Claude Codeで業務自動化を90日で叩き込む
経営者向けの伴走型パーソナルトレーニング
AI鬼管理／AI社員AIKATAへのお問い合わせ
この記事を読んで気になった方へ。
専門スタッフが、御社に最適な
業務自動化・業務代行プランを無料でご提案します。
- AI業務自動化サービス「AI鬼管理」を運営 — Claude Code を活用し、経営者の業務を「AIエージェントに任せる仕組み」へ転換するパーソナルトレーニングを 伴走構築 で提供。日報・採用・問い合わせ対応・経費精算・議事録・データ集計・営業リスト等の定型業務を、AIに代行させる体制を経営者と一緒に作り込む
- Claude Code 実装ノウハウを 経営者・法人クライアント に直接指導。生成AIを「便利ツール」ではなく 「業務を任せる存在」 として運用する手法を体系化
- 「やらせ切る管理」メソッドの開発者。シンゲキ株式会社（2021年設立・鬼管理専門塾運営）にて累計3,000名以上の学習者を志望校合格に導いた管理メソッドを、AI × 経営者支援 に転用
- 著書『3カ月で志望大学に合格できる鬼管理』(幻冬舎)、『親の過干渉こそ、最強の大学受験対策である。』(講談社)
- メディア出演: REAL VALUE / カンニング竹山のイチバン研究所 / ええじゃないかBiz 他
- 明治大学政治経済学部卒
