玩具が売れなくなったから、トイザらスが倒れた。そう考えるのが自然かもしれない。
ところが実際には、玩具市場は過去最高水準まで拡大していた。市場がなくなったのではない。売れる商品、買う人、買い方、店に求められる役割が変わったのである。
私はこのニュースを、単なる小売企業の倒産とは捉えていない。市場から得た情報を、次の行動へ変換できなかった会社の話として読んだ。
玩具市場は絶好調。それでも巨人は沈んだ
2026年10月1日、日本トイザらスは東京地裁へ民事再生法の適用を申請し、10月6日に再生手続き開始決定を受けた。負債総額は約132億2,600万円、債権者は1,159名。玩具量販店としては過去最大規模の倒産とされる。ドン・キホーテを運営するPPIH(パン・パシフィック・インターナショナルホールディングス)へ、10月30日に事業譲渡される予定だ(裁判所の許可が前提)。
1989年設立、1991年に国内1号店を開業、2000年には100店舗を達成した「黒船」である。だが売上高は2007年1月期の約1,943億6,500万円をピークに下がり続け、2025年12月期には約752億1,100万円まで落ち込んだ。最終赤字は8期連続。ピーク比で6割以上が消えた計算になる。
ここで見落としてはいけないのは、玩具市場そのものは縮んでいないという事実だ。業界団体の調査では、2025年度の玩具店市場は前年度比8.6%増の7,620億円で過去最高を更新している。市場全体で見ても、国内玩具市場(希望小売価格ベース)は前年度比6.3%増の1兆1,664億円に達し、3年連続で1兆円を超え、2021年度以降5年連続で過去最高を更新し続けている。
市場は伸びている。なのに、そこにいたはずの巨人だけが沈んだ。この矛盾から、話を始めたい。
トイザらスは、変化を知らなかったのか
「市場を分析すれば分かったはずなのに、なぜ分からなかったのか」という問い方は、おそらく正確ではない。
むしろ、変化は見えていた可能性が高い。少子化、ネット通販との競争、郊外大型店の限界は、何年も前から業界で語られてきたことだ。
問題は情報の有無ではなく、その情報を本格的な対応へ変換できたかどうかにある。ここから先は、報道で示された事実そのものではなく、私自身の分析として書く。
子ども向け玩具から、大人も参加するホビー市場へ
玩具店市場を押し上げているのは、カプセルトイとトレーディングカードだ。業界調査によれば、カプセルトイ市場は2025年度に約1,960億円(前年度比39.0%増)で過去最高を更新し、2022年度の約720億円から3年で約2.7倍に拡大した。トレーディングカード市場は前年度比359億円増の3,384億円で、2017年度以降8年連続の拡大が続き、玩具市場全体の約3割を占めるまでになっている。
牽引しているのは、大人が玩具やキャラクター商品を楽しむ「キダルト」需要だ。市場の中身を整理すると、次のような違いが見えてくる。
| 従来型のトイザらスモデル | 成長するホビー市場 |
| --- | --- |
| 子どもと保護者が中心 | 大人のファン・収集家も中心 |
| 郊外大型店 | 都市型専門店、EC、コミュニティ拠点 |
| 誕生日・クリスマスのまとめ買い | 発売日ごとの継続購入 |
| 幅広い品ぞろえ | 特定IP・カテゴリーを深く扱う |
| 商品を買う場所 | 対戦、交換、交流、体験の場所 |
| 大量陳列と低価格 | 限定性、専門性、話題性、即時性 |
トイザらスは市場の隣にいた。だが、そこで勝つために必要な能力は、総合量販店の強みとは別物になっていた。トレカやフィギュアは、棚に置けば売れる一般商品とは性質が違う。発売時期、限定品、専門知識、予約、抽選の公平性、二次流通、コミュニティまで含めて、ファンは店を選ぶ。品ぞろえの広さでは勝てても、熱量に応える「深さ」では専門店に分がある。
分かっていても、自分を壊せなかった
ホビー市場へ本格転換するなら、トレカやフィギュアの棚を増やすだけでは足りない。都市型小型店、イベントスペース、専門バイヤー、予約・抽選の仕組み、真贋管理、コミュニティ運営、ECとの在庫統合まで必要になる。
しかし既存の大型店には、家賃、人員、什器、物流、在庫、長年の商習慣がある。新しい市場へ本気で対応することは、現在の会社の設計そのものを作り替えることを意味する。既存事業を自ら侵食しかねない新業態を、自社で始める「自己破壊」は、成功してきた会社ほど難しい。
よく「変化を拒む老人のような組織」という言い方がされるが、ここでいう「老人」は年齢のことではない。過去の成功体験を守ることが目的化し、変化そのものを危険として拒む組織状態を指す比喩だ。会社が高齢なのではなく、意思決定の仕組みが老化するのである。
加えて、赤字が続く会社ほど、本来は新規投資が必要な場面で、人員削減や在庫圧縮、システム投資の延期、失敗しうる実験の回避が起きやすい。変化がさらに遅れ、また数字が落ちる。改革が必要な時ほど、改革する資金と心理的余裕を失うという悪循環だ。
AI時代に企業を分ける3つの条件
ここからは、トイザらス固有の話ではなく、AI時代の企業経営に共通する論点として考えたい。私は、これから淘汰されるのは規模の小さい会社ではないと考えている。市場から得た情報を、次の行動へ変換できない会社である。そのために欠かせないのが、次の3条件だ。
条件1:データが一つにつながっているか
大手企業の多くは、データを持っていないのではない。データが分断されている。店舗POSの販売実績、ECの閲覧・購入・離脱、会員アプリの顧客属性、倉庫の在庫、店舗現場の気づき、SNSや検索に表れる需要の兆候——これらがつながっていなければ、「誰が、何に関心を持ち、どの商品を、いつ買おうとしているか」は見えてこない。重要なのはデータの量ではなく、顧客・商品・在庫・店舗・時間を共通のIDで結び、意思決定に使える状態にしておくことだ。
条件2:AIが状況を判断できる形になっているか
データを集めるだけでは経営は変わらない。どのカテゴリーの需要が伸びているか、どの店舗で顧客層が変化しているか、どのIPが急上昇しているか、欠品でいくらの機会損失が出ているか。こうした問いに、AIが日次あるいはリアルタイムで答えられる構造が必要になる。月次の売上を眺めるだけでは、変化に気づいた時にはもう遅い。
条件3:判断結果をすぐ実行できる権限と仕組みがあるか
最も重要なのはこの条件だと思う。AIが正しい提案を出しても、会議・稟議・全社調整に数カ月かかっていては価値を失う。必要なのは「発見→小規模実験→測定→修正→全体展開」という運用ループだ。店舗責任者やカテゴリー担当者に、一定範囲で品ぞろえ・発注・売り場・価格を試せる権限を与え、結果を次の学習データへ戻す。分析AIを導入しただけでは、会社は変わらない。分析結果が現場の行動まで流れる仕組みがあって、初めて経営は動く。
トイザらスに必要だったのは「学習する小売システム」
「AIを入れていれば倒産しなかった」とは言わない。AIは、誤った事業構造を自動的に救う魔法ではないからだ。ただし、次のような仕組みが早期に機能していれば、変化を発見し、試し、修正する速度は上げられた可能性がある。
- POS・EC・会員・在庫・イベント参加を一つに統合するデータ基盤
- 検索・SNS・予約・販売速度からIPや商品、地域別の需要上昇を検出するAI
- 全国一律ではなく、地域・来店客層・売り場面積に応じた品ぞろえ最適化
- 欠品・過剰在庫・値下げ損失を予測し、店舗間移動や追加発注を提案する仕組み
- 新しい売り場やイベントを一部店舗で試し、対照店舗と比較して成果を判断する実験管理
- 対戦会・予約・抽選・購入履歴・ファン同士の接点を一体化するコミュニティの仕組み
- 年齢だけでなく作品・遊び方・贈る相手・予算から提案する会話型の商品案内
いずれも、ばらばらに導入しても効果は薄い。データ、判断、実行がひとつながりになっていることが条件になる。
AIは人を減らす道具ではない
AI時代の競争軸は、店舗数や従業員数、大量仕入れではなく、顧客接点の質、需要予測の精度、そして何より「間違いに気づき、修正するまでの時間」に移っていく。新興企業は最初からデータとAIを前提に事業を設計できるため、大手が1年かけてシステムを導入する間に、数週間単位でサービスを変えてしまうことがある。一方で、大手にはブランド、顧客基盤、店舗網、仕入れ網という強力な資産がある。既存資産を守る対象としてではなく、作り替える材料として使えるかどうかが分岐点になる。
ここで強調しておきたいのは、AIの役割が人をすべて排除することではないという点だ。定型判断、検索、集計、予測、記録をAIへ移し、人は接客、専門性、体験、信頼、そして最終判断に集中する。この切り分けができている会社ほど、変化に強い。
| 従来の競争力 | AI時代の競争力 |
| --- | --- |
| 店舗数 | 顧客接点の質 |
| 従業員数 | 一人当たりの実行能力 |
| 大量仕入れ | 需要予測の精度 |
| 前年実績 | リアルタイムの変化検知 |
| 長期計画 | 小さな実験と高速修正 |
| 全国一律の運用 | 顧客・地域別の最適化 |
| 経営者の経験 | 経験とデータの統合 |
このことは、人を使う事業が衰退するという意味ではない。危険なのは、人件費や家賃、在庫など固定費が大きく、顧客・業務データが分断され、熟練者の経験が頭の中にしかなく、市場の変化を把握しても実行へ移せない——こうした条件が重なる会社だ。
当社ではどう考えるか
当社はスーツケース修理という、規模でいえば小さな事業だ。それでも、同じ論点は当てはまると考えている。写真から破損箇所と修理候補を判定し、過去事例から見積もり案を作り、必要部品と在庫を照合し、修理別の粗利益や再修理率を分析する——こうした仕組みを少しずつ整えているのは、修理管理アプリを作りたいからではない。職人の頭の中にある知識を会社の共有資産へ変え、現場で発生したデータを次の判断へ戻すためだ。この循環を作れれば、小さな会社でも大手より速く学習できる。
市場の情報を行動へ変換できる会社が残る
トイザらスの失敗から学ぶべきは、「AIを導入しなければ倒産する」という単純な話ではない。市場の変化を捉えるデータ、その意味を判断するAI、そして判断を実行へ移す権限。この三つがつながっていなければ、企業は大量の情報を持ちながら、動けなくなる。
AI時代に淘汰されるのは、小さな会社ではない。市場から得た情報を、次の行動へ変換できない会社である。