AIカタログ企画

日本の食品小売の週次カタログ企画に、AIを組み込む2つの実験を行いました。そこから得た学びを、本格的なシステムの設計図へとまとめ上げました。

課題

日本のある大手食品小売では毎週、印刷カタログの中身を決めています。どの商品を、どのページに、どの大きさで載せ、在庫をどれだけ発注するか。経験豊富な数名の企画担当者が、厳しい印刷締切のなか長いスプレッドシートの連鎖をたどって何百もの判断を下し、そのノウハウの大半は担当者の頭の中にありました。

求められていたのは、仕事を丸ごと肩代わりする何かではありません。遅延の許されない毎週、確実に信頼できる、重労働の手助けでした。

私たちが作ったもの

あえて2つの方法を試しました。

- **まず、AIに主導させました。**実際の商品・販売データに直接つないだAIは、「昨年の秋、この枠では何が売れた？」といったオープンな問いには見事に答える一方、同じことを同じやり方で二度やることはありませんでした。印刷所が待っている状況では、これは不安です。

- **次に、逆転させました。**企画担当者が操作する画面から、テーマ決めから需要予測まで6つの固定ステップでAIを呼び出す形に。確実で分かりやすい反面、後戻りができません。ステップ5まで進んでからステップ3の問題に気づくと、最初からやり直しでした。

どちらもアイデアの正しさを証明し、そして同じ場所で壊れました。企画はベルトコンベアではないのです。そこで3つ目の設計は、人が実際に働く流れに合わせました。どこからでも始められ、何でも、どの順番でも変えられ、その間システムが計画全体の整合性を静かに確認し続けます。従来のステップ式も、好む人のために残しています。この全体を要件定義書にまとめました。

AIが実際に役立つところ

• - アシスタントが商品・販売・供給のライブデータを直接読み取ります。
• - 「この商品を入れ替えてページを再調整して」と言うだけで、ボタンを探し回る必要はありません。
• - 予測は検証つきです。各手法の精度を記録し続け、天候などの追加シグナルが使えるときはさらに鋭くなります。
• - AIへの指示は業務を知る人自身が編集でき、モデルは再構築ではなく設定で切り替え。すべての変更は、提案したのが人かAIかも含めてログに残ります。