「190万行の表計算ファイル」と格闘していたカインズ、AI搭載のデータ基盤で発注・在庫管理を自動化

カインズはGoogle CloudのAIエージェントを活用したデータ基盤を導入した。需要予測データの処理を効率化し、自然言語による分析や在庫管理の最適化を内製化。現場のニーズに即した迅速な運用を可能にしたという。

[ITmedia]

　ホームセンター大手のカインズがAIエージェントを活用したデータ基盤を導入し、需要予測に基づく発注・在庫管理を効率化した。グーグル・クラウド・ジャパンが4月14日に公表した。従来、表計算ソフトで処理していた需要予測システムの出力結果を、AIエージェント搭載のデータ基盤で分析できるようにし、予測結果を基に発注・在庫管理を最適化する仕組みを内製化した。

　カインズでは従来、需要予測結果の190万行に及ぶデータを表計算ソフト形式で書き出しており、1度の出力結果が6〜7個のファイルに分割されていた上に、出力だけで2日を要していた。

　担当者は、表計算ソフトでこれらのファイルに棚割りデータや在庫データなどに基づくフラグ設定や、他システムのマスタデータのひも付けなどをしており、発注をかけるタイミングである発注点のメンテナンスに必要なデータ抽出と処理に2〜3日かかっていたという。

　表計算ファイルのメンテナンスは専任のエンジニアが対応していたが、列ずれの確認やテストに工数がかかり、現場のニーズに迅速に応えることが困難だった。

　この課題を解決するため、カインズは「Google Cloud」のデータウェアハウス「BigQuery」とAIエージェント開発基盤「Vertex AI Agent Builder」を中核としたデータ基盤を構築した。ユーザーが自然言語で条件を指示すると、AIエージェントがBigQueryのデータを直接操作、抽出できるため、表計算ソフトのメンテナンスが不要となった。

AIエージェントの動作の流れ（出典：公式ブログ）

　さらに、酒類などの発注におけるトラックの積載量を最大化する最適化アルゴリズムを開発し、従来は取引先と分担していた計算をカインズ自身で実行可能にした。

　今後は数理最適化計算のリクエスト処理もAIエージェントで実行できるようにし、シーズン商品の最適化や棚割り最適化など、より複雑な領域への数理最適化の適用拡大も予定している。