AI売上予測は個人事業主に使える？ChatGPT vs 専用AI

「来月の売上、AIに予測させたい」と思ってChatGPTに数字を貼ってみたものの、出てきた予測が当たっているのか外れているのか判断できない——そんな経験がある個人事業主・小規模店舗オーナーは少なくないはずです。ちょうど2026年8月末、Googleが売上や来客数の予測に特化したAI「TimesFM-3」を公開しました。この記事では、ChatGPTに数字を貼る方法と専用の予測AIは何が違うのか、そして個人事業主が今日から使える現実的な選択肢はどれかを整理します。

結論：TimesFM-3はまだ「すぐ使える」ものではないが、今日から始められる予測はある

先に結論を書きます。TimesFM-3はGitHubとHugging Faceで公開されていますが、学習済みモデルの重みは非商用ライセンスで配布されており、モデルを直接呼び出すにはPythonの実行環境や時系列データの前処理知識が必要です。個人事業主が「今日ダウンロードしてすぐ売上予測に使う」ものではありません。

一方で、TimesFM-3と同じ「TimesFM」ファミリーのモデルは、GoogleのBigQuery MLからAI.FORECASTという関数を通じてマネージドな形で呼び出せるようになっています。モデルを自分で管理する必要がなく、SQLの知識があれば時系列予測を試せる環境がすでに存在するということです（TimesFM-3そのものがいつ反映されるかは公式情報を確認する必要があります）。

さらに手前の話として、表計算ソフトの予測機能だけでも季節性を考慮した売上予測は可能です。どの方法を選ぶにしても、まず必要なのは「予測に使える形の売上データを1年分そろえること」です。この記事では、この結論に至った理由を順番に説明します。

そもそも「AIに売上を予測させる」とはどういうことか

売上予測でAIが行っているのは、過去の数字の並び（時系列データ）からパターンを見つけ、そのパターンが続くと仮定して未来の数字を推定する作業です。曜日ごとの傾向、月末月初の傾向、季節による波——こうした要素を数式やモデルで捉え、来月・来週の数字に反映させます。

ただし、AIと一口に言っても「文章を生成するAI」と「数値の並びを予測するために作られたAI」では、内部の仕組みがまったく違います。この違いを理解しておくかどうかで、予測結果をどこまで信用してよいかの判断が変わってきます。

TimesFM-3とは何か？Googleが公開した予測専用AIを整理

TimesFM-3は、Google Researchが2026年8月31日に公開した時系列予測専用の基盤モデルです。約3億3000万個のパラメーターを持ち、実データと人工的に作られたデータを合わせて1兆を超える時系列データポイントで事前学習されています。2024年から続くTimesFMシリーズの3世代目にあたります。

ゼロショット予測——追加学習なしで使える仕組み

TimesFM-3は大量の時系列データからあらかじめ「増減のパターン」を学習しているため、新しい売上データを渡しても、そのデータ専用の追加学習をせずに予測を出せます。これがゼロショット予測と呼ばれる特徴です。店舗ごとに個別のモデルを作り直す手間がかからない設計になっています。

多変量予測——天気やキャンペーン予定も一緒に読み込める

従来のTimesFM（2.5まで）は、基本的に1種類の数字の並びだけを見て予測する単変量モデルでした。TimesFM-3では、売上・来客数といった複数の対象を同時に扱えるほか、天気予報やキャンペーン予定のように「未来の時点で分かっている情報」も加味して予測する多変量予測に対応しています。Googleが公開したアイスクリーム販売の例では、売上だけを使った予測より、キャンペーン予定も考慮した予測の方が実際の動きに近い結果になっていました。

ただし「誰でもすぐ使える」わけではない

TimesFM-3のモデル本体はGitHubとHugging Faceで公開されていますが、学習済みの重みは非商用・非本番運用向けのライセンスで配布されています。加えて、モデルを直接動かすにはPython環境の構築とデータ整形が必要で、ノーコードで触れるツールではありません。「公開された」という報道だけを見て、今すぐ個人事業主が導入できる製品だと考えるのは早計です。

ChatGPTに売上の数字を貼って予測させる方法の限界

ChatGPTのような汎用チャットAIに売上の表を貼り付けて「来月の売上を予測して」と頼む方法は、多くの人がすでに試したことがあるはずです。手軽ではありますが、仕組みの違いを知っておくと過信を防げます。

「もっともらしい数字」を返す仕組みと、季節性・欠測に弱い理由

ChatGPTのような大規模言語モデルは、次に来る単語（数字も含む）として文章的に自然なものを予測するように作られています。つまり、渡された数字の並びから「文章として尤もらしい続き」を生成しているのであって、時系列の周期性や季節性を専門に解析しているわけではありません。データに欠測値があったり、祝日やセール日のような不規則な変動が混ざっていたりすると、その影響を正しく織り込めないことがあります。短期的な傾向をざっくり掴む用途には使えますが、在庫発注や人員配置の判断材料にするには心もとない場面が出てきます。

TimesFM-3とChatGPT、何が違うのか

今日からできる、現実的な売上予測の始め方

TimesFM-3を個人事業主がすぐに導入するのは現実的ではありません。ただし、それより手前でできることはいくつもあります。

表計算ソフトの予測機能を使う

Excelには「予測シート」、Googleスプレッドシートには予測関数が搭載されており、過去の売上データを選択するだけで季節性を考慮した予測グラフを作成できます。専門知識がなくても操作でき、まず「AIによる予測がどんな形で出てくるのか」を体感するには十分な機能です。

BigQueryなどマネージドサービスという選択肢

データ量が増え、店舗別・商品別に複数の系列をまとめて予測したくなった段階では、GoogleのBigQuery MLが選択肢になります。AI.FORECASTという関数を使うと、TimesFMファミリーの予測モデルをSQLの知識だけで呼び出せます。モデルのダウンロードや管理が不要な点は、表計算ソフトと自前のPython環境の中間にあたる選択肢と言えます。ただし利用には基本的なSQLの知識とGoogle Cloudのアカウント設定が必要になるため、いきなりここから始めるのはハードルが高い場合もあります。

モデル選びより先に、1年分の日次データを整えることが近道

どの方法を選ぶにしても、予測の精度を左右するのは結局のところ元データの質です。売上を日次で記録し、欠測日や特売日・休業日にはその旨を分かるようにしておく——この地道な準備が、TimesFM-3のような高度なモデルを使うようになったときにも、表計算ソフトで簡易予測をするときにも共通して効いてきます。モデルを探す前に、まずは手元のデータを1年分そろえることの方が優先度は高いといえます。

よくある質問

Q. TimesFM-3は無料で使えますか？
A. モデル自体はGitHubとHugging Faceで無料公開されていますが、学習済みの重みは非商用・非本番運用向けのライセンスです。個人事業として売上予測に本格運用する場合はライセンス条件を公式情報で確認する必要があります。

Q. プログラミングができなくても売上予測はできますか？
A. 可能です。ExcelやGoogleスプレッドシートの予測機能であれば、コードを書かずに季節性を考慮した予測を試せます。

Q. ChatGPTに数字を貼る方法はまったく使えないのですか？
A. 全体的な傾向をざっくり掴む用途では参考になります。ただし季節性や欠測データへの対応が専用モデルほど作り込まれていないため、在庫発注のような重要な判断の唯一の根拠にするのは避けた方が安全です。

Q. TimesFM-3は日本語で使えますか？
A. TimesFM-3は数値の時系列データを扱うモデルであり、言語の壁は基本的にありません。ただし利用するにはPython環境の構築など技術的なハードルがあります。

まとめ

TimesFM-3は、Googleが公開した売上・来客数などの時系列予測に特化したAIモデルです。ゼロショット予測と多変量予測という2つの特徴を備えていますが、学習済み重みが非商用ライセンスであることや、利用にPython環境が必要なことから、個人事業主が今すぐ手軽に導入できる段階ではありません。

ChatGPTに数字を貼って予測する方法との違いは、汎用的な文章生成のために作られたAIか、時系列予測のために作られたAIかという設計思想そのものにあります。今日からできることとしては、まず表計算ソフトの予測機能で感覚をつかみ、データ量が増えてきたらBigQuery MLのようなマネージドサービスを検討する、という段階的なステップが現実的です。そして何より、どの方法を選ぶ場合でも、日次の売上データを1年分整えておくことが予測精度を左右する土台になります。