【ITニュース解説】AI in Retail: How to Forecast Demand and Reduce Dead Stock

小売業では、長年にわたり、売れない商品が倉庫に山積みになり、一方で売れる商品が店頭からすぐに消えてしまうという、慢性的な問題に直面している。倉庫に眠る売れ残りの商品は、企業にとって使うことのできない資金であり、保管コストも発生する。これは、過去の仕入れ判断が間違っていたことを示す「死んだ資本」と言える。その一方で、予想外に人気が出た商品が品切れになると、顧客は不満を感じ、企業は販売の機会を失う。このような、売れ残りが多すぎ、売れ筋が少なすぎるという状況は、小売業の伝統的な課題である。

これまで、商品の需要を予測する方法は、表計算ソフトを使った過去のデータ分析や、担当者の経験と勘に大きく依存していた。しかし、現代の小売業界は大きく変化している。インターネットやSNSを通じて流行が瞬時に広まり、あっという間に消えることもある。消費者の購買経路も、実店舗だけでなくオンラインストアなど多岐にわたる「オムニチャネル」が主流となり、市場の動きは非常に速く、予測が難しい。このような環境では、従来の需要予測手法は単に非効率なだけでなく、企業の経営にとって致命的な問題を引き起こす可能性がある。

従来の予測モデルが機能しない理由はいくつかある。まず、「データの遅延」が挙げられる。売上データが集計され、分析が完了する頃には、すでに市場の状況は変化してしまっていることが多い。次に、「関連性のない情報」が無視される点がある。天気やSNSでの話題、地域のイベントなど、商品の売れ行きに大きく影響する外部の要因が、これまでの予測にはほとんど考慮されてこなかった。さらに、「予測の粒度が粗い」という問題もある。例えば、「夏にはTシャツがもっと売れるだろう」といった大まかな予測はできるが、「特定の二つの店舗では、Mサイズの黒いTシャツが最初に売り切れる」といった、商品一つひとつのサイズや色、さらに店舗ごとの具体的な需要までは予測できなかった。

ここで登場するのが「予測AI」である。AIを活用した需要予測は、単なる過去の平均値に頼るのではなく、何百もの多様なデータの中に隠されたパターンを学習する。このデータには、企業が持つ「内部データ」と、外部から得られる「外部データ」の両方が含まれる。内部データとしては、商品一つひとつの販売数、リアルタイムの在庫状況、店舗の場所、セール情報、オンラインストアでの顧客行動などが挙げられる。外部データとしては、天気予報、祝日、SNSでの流行、地域のイベント、競合他社の価格設定などが利用される。

機械学習と呼ばれるAIの技術は、これらの膨大なデータを関連付け、パターンを見つけ出すことで、非常に精度の高い予測を生成する。その予測は、特定の場所や状況に合わせたもので、「今週の土曜日に、あるショッピングモールで、天気が晴れで気温が30度の場合、36サイズの青いサンダルが売れる確率はどれくらいか」といった、非常に具体的なレベルで需要を予測できる。これが、状況に応じて的確な予測を行う「文脈を理解した予測」の力である。

しかし、AIを導入しても、その取り組みが失敗に終わるケースも少なくない。多くの技術リーダーが見落としがちなのは、「AIの性能は、そのAIを支えるデータ基盤の品質に大きく左右される」という事実である。AIの学習や予測を行う処理は、大量のデータを扱うため非常に重い。もし、企業が持つデータベースが、膨大な数のデータに関する問い合わせを高速に処理できなかったり、最新のデータを素早くAIに提供できなかったりすると、AIが出す予測はすぐに古くなり、不正確なものになってしまう。「入力されるデータが遅ければ、出力される予測も悪いものになる」ということを意味する。AIモデルが過去の古いデータを使って学習や予測を行えば、現在の市場で実際に何が起きているのかを見誤り、まるで目隠しをされたような状態になってしまうのだ。

では、AIを活用した予測を成功させるために、具体的に何をすべきだろうか。まず、「データ取り込みクエリの最適化」が重要である。これは、AIの学習や予測に使われる、長時間のデータ分析を行うためのデータベースへの問い合わせ処理の性能を、監査し改善することである。次に、「データSLAの保証」が必要である。これは、データの鮮度や、データがAIに到達するまでの時間の遅延を常に監視し、AIがリアルタイムの状況を反映した意思決定を行えるようにすることである。最後に、「クラウドコストの管理」も忘れてはならない。効率的なデータ処理は、クラウドサービスで利用するコンピューター資源の消費を抑え、AWSやAzure、GCPといった主要なクラウドプロバイダーへの費用を低く抑えることにつながる。

小売業におけるAIの可能性は計り知れない。AIは、トレンドを予測し、過剰な在庫を減らし、そして顧客を喜ばせる能力を持っている。しかし、この素晴らしい可能性を実現するためには、高速で信頼性が高く、そしてデータの遅延が少ないデータ基盤が不可欠である。企業にとっての「死んだ資本」が倉庫に眠り続けることを許してはならない。これからは、市場の変化に後から対応するのではなく、AIの力を借りて先回りして予測し、能動的に経営を行う時代なのである。