イオン「AIオーダー」導入 時間が半減 在庫削減も
コメント
注目のコメント
「AI需要予測」は、AIのビジネス活用ケースとして、よく耳にされるかもしれません。ですが、導入数が多い反面、最も難しいテーマのひとつでもあります。
その難しさの最大の理由は、AIの技術的な問題ではなく、そもそも「需要」が何かを定義することができないからです。
AIに予測をさせる基本的なアプローチとして学習データを用意する必要がありますが、「需要(=消費者が純粋に希望する量)」を表す正確なデータを用意することは簡単ではありません。
よく「需要=売上」と考えられがちですが、売上には、
・営業努力による販売増加
・在庫切れによる機会損失
・競合施策による販売影響
などのノイズがかなり多く含まれていて、消費者の純粋なニーズと呼ぶには、実は大きな乖離があるのが実際です。
AI需要予測においては、「需要を100%予測することは不可能」という前提に立った上で、AIの予測結果を人が適切に解釈・調整することが重要なポイントになります。
その点で、イオンさんは小売・流通の中でも数多くの先進的なAI活用を積極的に行なっている企業の一つで、AIとの協働の仕方についての知見が蓄積されているものと想像されます。
なかなか成功例が生まれにくいテーマである中、すでに効果が発揮されているイオンさんには、ぜひAI需要予測・発注予測の代表ケースとなるような成果を目指して頑張っていただきたいです。和田 崇さんがすでに指摘されているので、その補足だけ。
在庫削減が良いことかというと、例えば夕方の一番売れそうな時間が来る前にものが完売してしまうと、在庫としては無駄がなくて良かったということになりますが、明らかに機会損失しています。
売上や利益を上げたいのか、利益率を上げたいのか(利益と利益率は全く違います)、SGDsのために無駄や廃棄をなくしたいのか。配送のコストまでを考慮するのか、仕入れ価格だけなのか。賞味期限が近い食材はお惣菜にすることを想定していいのか、よくないのか。様々な対立軸があり、最適化も思っているほど容易ではありません。良いではないからこそ勘に頼らずAIを利用したほうがよいという論理もあるでしょう。AI予測による受発注の精度が高まることにより、小売店における最終的な食品ロス発生が防げるだけではなく、小売店に卸しているメーカーで発生する見込み生産等による食品ロス発生軽減も見込めるのではないでしょうか。
100%のAI予測が不可能であることは大前提ですが、サプライチェーン全体のデータ化が進むことにより、少しずつ精度は上げていけるのではと考えています。