オープニングとAIエージェント活用の概要
この番組は、中小小売企業の取り締まり役経験のある2人が、 そのリアルについてゆるくお話しします。
人事に軸足を置いたジェネラリスト、私戸部有利が、 インドのM&A経験がある連続企業家、樋口幸太郎さんに話を聞いていきます。
既に小売企業を経営している方、これから小売ビジネスで 企業を考えられている方に役立つ情報を楽しく語っていきます。
リテールトーク115回目です。よろしくお願いします。
よろしくお願いします。
今日は小売業界においてAIエージェントにどう仕事をさせるかというお話です。
最近樋口さん何してました?
先週の日曜日にハーフマラソンを 医者面の共同創業者の杉山君と行ってきて、今絶賛筋肉痛。
今水曜日、喋ってるの水曜日ですけどね。
いや、年取ったなと思うんですけど、全然筋肉痛ですよ。
翌日来ないんですか?
翌日も来て、昨日がピークかな。ものすごく痛くて。
今日もちょい残り。
いや、どうしようか。
どこ行ったんですか?
山形に行って、東ね、さくらんぼマラソンっていう感じで。
雰囲気のいい。
ガチでタイムを狙うっていうよりは、家族の親子リレーみたいなところから ハーフマラソンまであるような感じの雰囲気良い、優しい感じの大会でした。
大会にそういう雰囲気とかあるんですね。
ありますあります。東京マラソンとかだとガチな人たちも出るじゃないですか。
ガチな人もいるけど、着てる人とかもいるじゃないですか。
そうですね。それで行くと着てる人もいて、ガチな人もいるのかな。
全体的には沿道で小学生とかがタッチを求めてくるんですよ。走ってる。
子供たちがもう街を起こして応援してくれてるぐらいの感じなんですかね。
そうなんだ。
参加者も1万人ぐらいいたんで、結構な人数がいて。
さくらんぼとかをこの営業で配ってくれるんで。
食べながら。
良かったですね。
あとQちゃん。
はいはいはい。高橋さん。
高橋さんとハイタッチをできるっていうのをやりました。
走ってるときにさくらんぼくれるんですか。
そうなんですよ。走ってるときに食べるんで結構大変です。
最初はのんびり行こうかみたいな話をして、いつもよりもゆるいペースで行くかと思ったんですけど、
途中からなんか頑張れば結構いいタイム出るかもって思っちゃって。
本気で走ってるときにさくらんぼもらったんで。
で、ちょうどタイミングがQちゃんとハイタッチするタイミングで、
ハイタッチしてるときに全部さくらんぼ落としちゃって。
1個しか食べれなかったかな。
残念すぎる。
でもすごい良い大会でした。
いやーいいなー。そんなマラソンできないけど、
そういうちょっと非日常を味わえるのが羨ましいです。
旅行がてら行ったんでものすごい良かったこと、
ハーフマラソン走ったはずなのに翌日2キロぐらい体重が増えてて、
食べ過ぎた。
前もですね。
前日入りして前日から朝昼晩食べて飲んで、
ハーフマラソン走った後も食べて飲んでたんで、
摂取カロリーが多かったと思います。
何のために走ってるのかって話ですね。
そうなんですよ。
本題行きたいと思います。
今日は小売業界においてAIエージェントにどう仕事をさせるかという話ですね。
そうなんですよ。今まさにストアレコードをMCPサーバーという
AIエージェントがストアレコードのデータを勝手に引っ張ってきて
資料とか作ってセール設定であったり各種業務を自動化するみたいな
そういう機能の革新部分を作っていて、今もう検証段階に入ってます。
手元で検証してどういう業務ができるかというのを協力してくれる
会社のデータを元にやっていて、結構いろんな業務自動化できたので
ちょっと紹介していければなと思ってます。
AIエージェントっていうのはよく聞きますけど
小売の現場でどこまで業務を任せられるのかみたいなのは気になります。
これまでも4月ですかね、AI分析機能という形で
週次のレポートをチャット形式で聞くっていうのはできてたんですけど
さらに一歩進んで、AIエージェントが業務を理解して自動化して
毎週月曜日の朝実行するみたいな、で報告して
スラックにメンション付きで投げてくれるっていう
そんなところまでできるようになったんで
ここの自動化できるっていうところが大きい違いかなと思ってます。
AIエージェントによる具体的な業務自動化事例
その分析ツールとしてだけじゃなくて
ちゃんと動いて報告してくれるっていうのは一歩進んでますね。
具体的に聞きたいです。
さらっとじゃあどんな業務を自動化してるかみたいなところを
お話しするのが一番興味を持ってもらえるかなと思うんで
さらさらっと一個ずつ紹介していくと
まずはいつも僕自身やってる日次・週次の売上と売上総利益
限界利益のレポートで
これは全体ブランド店舗カテゴリーごとの売上・売上総利益・限界利益を
バババッと報告してもらうような形ですと
前年比・前周比とか普段見慣れたフォーマットで
AIエージェントがデータを勝手に取得してレポーティングしてくれて
毎朝9時と月曜の朝9時半にそれぞれ
日次のレポートと週次のレポートが飛んでくるっていう設定にしていて
これはものすごい便利ですね。
次が発注アラートもやりましょうっていうような形で
ストアレコードの利用中のお客さんでも
発注業務の効率化っていうのは
推奨発注数量っていうのを出してるんで
そこでやってもらってるお客さん多いんですけど
ちょっとそこにはロジック組み込めてないみたいな会社さんには
このデータとこのデータを見ながら
発注決めてるっていうのをヒアリングして今組んでますと
結局はやっぱり今の在庫数と発注算
発注してるけど納品されてないものと
直近の販売数、リードタイム、あとはミニマムロットが持ってるんで
これをミニマムロット反映させたいっていう場合は
ちょっと裏でスプレッドシート上に
ミニマムロットリストみたいなのを入れておいて
それを読み込んで発注ロジックに組み込むってことをやってます
これも毎週月曜日と水曜日に
各SKUごとに何個発注すればいいかっていうのを自動化で出していて
これはちょっと今フィードバックフェーズというか
自動化はできたんですけれども
これで本当に機能してるんだっけっていうのを
各担当者さんに聞いてるような感じです
あとは生産管理用で発注算納期遅れ管理
これもやりたいって言われていて
いわゆるこの発注してるけど届いてないんだけどリストを抽出して
予定納期よりも遅れてる遅れてないをチェックするような
そんな機能です
これ前職でもやってたんですけど結構大変で
発注リスト出してきて納品されてるかどうか見て
どこの取引先でどれだけ遅延が起きててみたいなところから
さらに連絡していくっていう感じで
その前段階の何のSKUが漏れてるかを
把握するのが結構大変だったので
自動で検知して出してくれるのは本当にいいなっていうふうに思ってます
これ安定稼働が回り始めてるなっていう感じです
あとは過剰在庫非稼働在庫アラートみたいな形で
直近30日販売実績ないけど在庫数が多い品番リストをバーって抽出して
これは終時で出してるっていうような感じです
ものによっては毎週上がってきちゃうものがあるんで
対象外リストみたいなものをスプレッドシートの中に入れて
対象外のものは表示させないようにするみたいなこともやってます
結局やっぱり売れてないものに向き合って
これどうするんだっけっていう意思決定を先延ばしにしないことが
特にアパレルみたいな季節性のある商材だと大事なので
これを毎週これ売れてないですよっていうのを見てもらって
意思決定を繰り返すと在庫水準も良くなるので
これはやりましょうということで入れてます
次が今検討している段階なんですけど
店舗間の在庫移動
クライアントさんはzozoやっていて自社倉庫があるっていう形なので
zozoのフォローをどれだけするかっていうところと
できるのであればzozoから引き戻した方がいいリストみたいなところを抽出して
どのぐらいのSKUをどっちからどっちに移動させるかみたいな
そこも抽出してやってます
これ結構漏れちゃったりしていて
本当はzozoにフォローに置くなきゃいけないんだけれども
できてないよねっていうのが結構浮き彫りになったんで
毎週月曜日にちゃんと出しましょうって話をしてます
最後はタイムセル設定は結構昔から僕自身課題に感じてやっていたんで
いわゆるユニクロとかがよくやっている期間限定価格であったり
zozoの週末タイムセル楽天スーパーセルの時の価格設定みたいなもので
この辺りはもうすでに結構ルールを入れ込んでいて
自動化してやってもらってるっていうような感じです
すごいこれ人がチェックする体制より
多分AIのほうが向いてるんですよね
絶対そうなんですよ大量のデータと大量のSKUがあって
それに対して意思決定繰り返すので
AIのほうが向いてるんですよね
これできっちりやることによって
在庫を健全に保つっていうことができるんだったら
割と利益にヒットするとも言えるんじゃないかな
みたいな気がしてます
AIエージェント活用のための業務設計と暗黙知の言語化
とはいえぶん投げていいわけじゃなさそうかなと思ってて
その期待通り動いてもらうために工夫も必要ですよね
ここがね多分結構大変なところというか
頭使わなきゃいけないところで
僕らどっちかというとここをやるので
お金くださいみたいな感じで今は入ってます
AIエージェントを使うときに
まるっと週末のタイムセルの価格案出して
でいい感じの指標を引っ張ってきてっていうと
ぶれるしビットしないような結果になってしまいますと
どうしても基準値とか渡しておかないと
毎回バラバラの基準でやってしまうし
フィードバックのループも効かないんで改善もされないので
業務をちゃんと整理して分解してやりましょうっていうのをやってます
まず最初に目的を整理して
あなたはこの業務をやるんですよっていうのをはっきりさせる
タイムセル設定であれば一時的な値下げをすることによって
需要喚起して売り上げをアップするっていう効果と
在庫消化促進して健全な水準に保つっていう目的がありますよ
っていうのを明示するっていうような感じですと
業務の流れでいくと
ストアレコードからこのデータを引っ張ってきてくださいっていう指示を出しますと
品番単位で在庫数1週間の販売数
在庫日数平均オフ率を取得してくださいねっていうのを明確に言ってあげると
その後にストアレコードから引っ張ってきて
データをスプレッドシートのここのシートに入れてくださいっていうのも明示してますと
そのデータを元に転記するようなシートを挟んで
意思決定する用のシートに品番ごとのオフ率を入力してくださいねっていうのを言いますと
AIが入力したセルの隣に人間が最終的に意思決定したオフ率を入れておいて
次回のセール設定の時にはこの人間がセール設定した列を見ながら
自分との意思決定の返りと人間がそれを入れた理由みたいなところを入れる欄があるので
そこを見ながら次の学習に生かしてね
必要あればルールブックというか
クロードでやってるんでクロード.mdみたいなファイルがあるんですけど
そこのファイルの記述も変えてねっていうことを言ってます
それ見ながら翌週の売れ行き見てタイムセール設定が正しかったかどうかっていうのを
AI自身が学習していくっていうサイクルを回してるって感じです
AIの分析を元に人が最終判断してその結果を学習させる流れだと思うんですけど
まさにAIとの共同って感じですね
そうなんですよね
これやっぱりやらないとAIが出してきたものをそのまんま入れるのは怖いというか
将来的な完全自動化を見据えたとしてもこのフェーズはいるかなっていうのを思ってやってます
タイムセール設定一つ取っても
暗黙値として運用されてるルールがまあたくさんあって
最初はうちのセール設定はシンプルですよ
これとこれとこれですみたいに言うんですけど
じゃあ実際に運用してみるとボロボロ出てくるんですよね
わかるというか暗黙値になっちゃってるっていうことを認知してないんだと思うんですよね
そうなんですよ
人間の脳みそは結構複雑というか複雑な処理ができているんだなっていうのを
全部一個一個棚下ろしをしてあげないとAIが期待する動きしないなと思っていて
例えばバーって出てきたやつでいくと
販売開始1ヶ月は絶対値下げしないんですっていう
これはもう絶対のルールなんですっていうのを言われて
それは言ってくれよと思いましたね
確かに
かと思えば別のブランドは販売開始1週間は10%オフ必ずして
需要を見ると
その売り上げに応じて売り上げ最大化をしたいっていうところで
必ずタイムセールに載せたいですっていうそんなブランドもありました
あとはプロパー期間っていうのを設定していて
プロパー期間中は最大15%オフまで
30%オフとか絶対しませんみたいな会社さんから
期間関係なく販売終了日までに消化することが優先で
オフ率は何パーでもいいですという会社さんもあると
在庫日数に対する考え方も結構まちまちで
ぶっちゃけ見てないですっていう会社さんもあれば
販売終了日までの残日数
要は夏物が今6月10日なんで
8月31日までに売り切ろうとすると
2ヶ月と20日なんで80日ぐらいと
それに対してどれだけ多いかどれだけ少ないかを見て
消化が不足しているのか過剰に消化しているのかを見ますと
例えば夏物が今在庫日数10日しかないんだったら
本当に異常に消化しちゃってるんで絶対オフはできない
けれども今在庫日数が120日とかあると
もうかなり空き口に迫ってるところまで量があるので
ちょっとこれは消化が不足してるよねっていうような形で
その時にどういうオフ率を設定するかっていうのが
結構各社さん違うと
あとは継続品番とキャリー品番は当然違いますよ
みたいなこと言われて
これも考慮できてないですわみたいな話で言ったんですけど
キャリー品はガンガン攻めていいですよ
ただ継続品は今のプロパでやってるものと
同じルールでやってねみたいな形で
本当に言語化されてないルールがぽこぽこ出てくるなと思ってます
キャリー品の定義って何でしたっけ
そういうのもありますよね
それもそうなんです
1年持ち越しだったらキャリー品じゃないけど
2年持ち越しはキャリー品ですとか
この辺も結構各社さんによって違うので
この辺りの各企業ごと
各企業の中でもブランドごと違ったりするので
このルールというか半目地のテキスト化っていうのは
すごい投資する価値があるなって改めて思ってますね
それこそ企業ごとにルールが違うからこそ
AI導入前に業務ルールを言語化するっていうこと自体に
価値がありそうですね
そうなんですけどなかなか地味な領域なんで
一緒にやりましょうとか
うちが入りながらやりますって言わないとなかなか進まない領域なんで
その辺りを協力させてもらおうかなと思ってます
AIエージェントのためのデータ整理とフォルダ構成
次がちょっと地味な領域で
今だと僕らクロードコードとかコードXっていう
ローカルのフォルダーも読めますっていうような
そういうAI使っているので
結構フォルダ構成も大事になるなと思っていて
ちょっとセール設定の案でいくと
こういうフォルダ構成にしてるみたいな話をすると
基本的には自分たちのPCのローカルのフォルダに
業務ごとにフォルダを分けます
タイムセール設定業務
発注業務
在庫移動業務みたいな
それぞれのフォルダの中身を読んで
AIはこの業務だったら
こういうルールに基づいてやらないといけないんだ
みたいなそんなフォルダ構成にしてます
タイムセール設定業務でいくと
ルール書でタイムセール設定における
さっきの暗黙値の話ですね
を言語化したテキストファイルがありますと
インプットする
ストアレコードから取得したデータを入れておく
フォルダも入れておいて
もう一個がスプレッドシートで
こういうふうにアウトプットするよっていう
スプレッドシートの最初アウトプットのフォルダも
一応入れてますと
スクリプトフォルダっていうところで
AIエージェントがこの業務をやるのに
必要なPythonのスクリプト
これは計算するのにスプレッドシートだけだと
計算式だとできないので
スクリプト書いてるフォルダがあって
そこにどんどんコードが溜まっていって
僕らは読むことはしないんですけど
AIエージェントが勝手にそいつらを呼び込んで
スプレッドシートに記載するときに
判断材料にするみたいな
そんな形の構成になってます
なるほど
AIっていうと
プロンプトばっかり注目しちゃうんですけど
ローカルのファイル読み込んでもらってなると
データ整理とかファイル管理のところとかも
結構重要そうですね
そうなんですよね
たぶん2023とか24とか出始めた頃は
プロンプトにすごい注目が集まって
このプロンプトをやると
すごい動きがいいみたいな話のところから
最近は処理するデータも増えてきたんで
コンテキストレイヤーみたいな
どういう文脈どういう情報をAIに教え込むか
どういうデータをAIに触らせるかみたいな
そこの設計が大事ですよねみたいな話になってきて
まさにその話かなと思ってます
業務ごとにフォルダ分けて
AIエージェントが迷わない
業務ごとのフローのルールを守って
実行できるように整えてあげると
本当に安定しますね
AI導入と小売業界の二極化
精度が高くなるかつ安定するので
今の検証環境だとすごい分かれていて
毎週決まった時間に
レポーティングが各種業務で届くと
それに対して開いて
ブランドの各担当者さんに
これどうですかっていう話をしながら
担当者さんがそれを元に
これはいけてるいけてないっていうフィードバックをもらって
良くするような感じのサイクルを今回していて
最終的に各種業務が終わると
スラックで飛んでくるんで
ポチッと開けば
開かなくてもサマリーが載っていて
そこを見ると
このアクションしなきゃいけないんだっていうので
リンクをクリックできるっていう
そんな感じに進んでます
AI エージェント導入って
単なるツール導入っていうよりかは
業務設計をちゃんと見直すプロジェクトに近いなと思いました
もう完全にそうですね
ツール導入して
AI が動くみたいなのは
もうほぼないので
結構ガッツリ入り込んで
業務設計を見直して
逆に言うとゴールから逆算して
AI にこういう仕事をさせたいから
どういうふうに業務を設計するか
みたいなところまで踏み込む会社さんが
今後は出てくるかなと思ってます
これ感じてることで言うと
1年で相当進むなっていう感覚があります
多分各会社さんもこういったところに投資をするし
僕らみたいなデータ基盤のストアレコードみたいなサービスが
AI エージェントとつなぎ込むっていうのも
当たり前になってくると思うので
相当進むっていう感覚があります
一方で2極化するなと思っていて
やっぱりデータがまだまだ整備されていない会社さんと
データ基盤を持っていない会社さんが
まだまだあるので
そうするとそういう会社さんは
そこを設計するところから進めないといけないので
なかなか時間がかかると思います
本当にデータから得られる部分って大きくて
でも今までだとデータを作成する時間が
結構大きかったので
毎日見たほうがいい
週次で見たほうがいいんだけれども
時間がかかりすぎてできてないものって
かなりあるなと思ってます
ありますね
こういったところがデータ基盤あるような会社さんだと
AI が勝手に作ってくれて
確かにこれ漏れてたわみたいなのが
どんどんどんどん少なくなってくるというのは
進む一方で
それらができる会社とできない会社の差が
結構激しく大きくなるだろうなと思ってます
なんで最後宣伝なんですけど
ストアレコード入れると
データ基盤整えますよっていうところと
あとは AI が勝手に使えるっていうか
AI エージェントと結びつくところも
機能として標準装備であるので
導入して1ヶ月ぐらいでは
AI エージェントに仕事させられるようになると思うので
ここから結構気合い入れて宣伝していこうかなと思ってます
ありがとうございます
AI が働ける会社かどうかみたいなのは
今後結構大きなサブになりそうですね
まさにそうです
ありがとうございました
今日は小売業界において
AI エージェントにどう仕事をさせるかというお話でした
ありがとうございます
ありがとうございます
ディテールトークここまでお聞きいただきありがとうございます
番組の詳細欄にGoogle フォームのURLがあるので
質問やメッセージはそちらからお送りいただけると嬉しいです
番組内でご紹介させていただくかもしれません
次回もぜひよろしくお願いします
