「AIを導入しただけ」で利益の上がらない“がっかりDX”脱却 年商1.9兆円の米EC大手に学ぶ「独自データ」の作り方： がっかりしないDX 小売業の新時代（4/4 ページ）

AIモデルの性能は急速に高まり、どの企業も最先端のモデルを利用できる。それでも経営成果に差がつくのは、AIに渡すデータと、AIを組み込む業務の設計が異なるからーー。自社固有のデータを蓄積する米EC大手Wayfairの事例から、日本の小売業が学べるAI導入のための点検手順を紹介する。

[郡司昇，ITmedia]

利益につながる経路は4つある

　ウェイフェアの公表資料は、寸法検証による利益額や返品率の改善幅までは示していません。そのため、以下は公表済みの成果と業務構造を基に、筆者が整理した利益への接続経路です。

1．売り上げ

　商品タグと寸法情報が正確になれば、検索、絞り込み、推薦の精度を高められます。顧客が条件に合う商品を見つけやすくなり、購入機会の損失を減らせます。

2．粗利益

　顧客対応のデータがたまり、詳細な商品情報と接続することで、利益率の高い新商品を適切に提案できます。また、寸法や商品仕様の誤りを公開前に見つければ、誤購入、返品、返金、再配送のロス抑制につながります。

3．総人時

　AIが確認対象を絞り込み、回答案を作れば、商品登録、品質確認、問い合わせ対応にかかる時間を減らせます。Wilmaでは、問題解決時間を12％短縮した実績が公表されています。

4．AI運用費

　同じ処理をより少ない推論費用で実行できれば、対象商品を増やせます。Wayfairは商品タグ検証で、当初予測比94％のコスト削減を実現しました。

　売り上げ、粗利益、総人時、AI運用費。AIの成果は、このいずれかに接続して測る必要があります。

自社の業務を3段階で点検する

　ウェイフェアを参考に日本の小売業はどこから始めればよいのでしょうか。

1．対象業務を1つに絞る

　「全社で生成AIを活用する」では広すぎます。商品登録、返品判定、問い合わせ対応、発注、棚割りなど、利益への経路を説明できる業務を1つ選びます。

　そのうえで、事実、文脈、判断、結果のうち、何が欠けているかを確認します。筆者の見る限り、多くの企業で不足しがちなのは、担当者が判断した理由と、その後の結果です。

2．通常業務の中でデータを残す

　不足しているデータを、別の入力作業として現場に課すべきではありません。

　例えば、担当者がAIの提案を採用したか、修正したか、却下したかを、通常の操作だけで記録します。返品処理で選んだ理由や、代替商品を提案した結果も、業務画面上の選択肢として残します。

　入力負荷が増えれば、記録は続きません。記録を業務フローに埋め込むことが望ましい設計です。

3．導入前に経営指標を決める

　AIを導入する前に、何を何％改善するのかを決めます。

• 返品率を何ポイント下げるのか
• 問い合わせ1件当たりの対応時間を何分減らすのか
• 商品登録1件当たりの確認時間を何分減らすのか
• 粗利益額をいくら増やすのか
• AI推論費用を1件当たりいくらに抑えるのか。

　測る数字が決まっていなければ、技術導入そのものが目的になります。

AIは「入場券」　差がつくのは自社の文脈

　基盤AIモデル、クラウド、汎用AIツールのような接続規格は、多くの企業が調達できます。これらは競争に参加するための入場券です。

　これに対して、短期間では調達できないものがあります。

顧客は何に困っていたのか。

なぜその商品を選んだのか。

担当者は何を見て、どの提案をしたのか。

どのような例外で失敗したのか。

購入後に何が起きたのか。

　こうした自社固有の文脈は、すぐには手に入りません。AIを業務に組み込み、判断と結果を独自データとしてどのように蓄積するのか。そのデータを、どのように顧客体験の向上につなげるのか。

　この違いが、AI投資を「がっかりDX」で終わらせるか、利益を生む仕組みに変えられるかを左右します。