食料品・農産物産業における人工知能 - 活用例４選

2017年初め、AmazonはAIの新しい機能を発表しました。AmazonGoは、レジ係やチェックアウトラインを必要としない、人工知能搭載の店舗の食品スーパーです。買い物客は、専用スマートフォンアプリをアクティブにして入店し、必要なものを持ち上げるだけ。クレジットカードや現金を引き出すのを待たずに、入店の際と同じゲートを通って外に出るだけで、お買い物完了となるのです。買い物客のAmazonアカウントに対して自動的に、先ほど持ち上げて取った商品価格が課金されます。

小売業界のテクノロジーベンダーは、食品スーパー特有のさまざまな問題に対し、人工知能を適用し始めたばかりです。ある2017年のテクノロジー活用の商品消費者調査では、調査対象の消費財管理者の78％が、ビジネスと消費者の関係を相互に混乱させる可能性を認め、業界の経営陣の68％が、今後3年間でAIが業界に大きな影響を与えると考えていました。

特に食料品店にとって、AIの予測機能は、在庫ニーズの予測、内外の要因に基づく製品の価格決定、顧客行動の分析、損失の防止、配送サービスなど、はるかに重要な役割を果たす可能性があります。

このレポートでは、食料品業界と農産物業界で4つの主要なAI活用をご紹介します。

1.在庫管理

2.盗難防止

3.マーケティングとプロモーション

4.食品廃棄物の削減

この記事の予備調査では、AIがどのように適用されているのか、特定のビジネスプロセスにどのように影響を与えるのか、そして可能であれば、収益にどのような影響を与えるのかを判断しました。 以下の各セクションでは、AIを活用したソリューションを提供する食料品店舗などの具体的な例をご紹介します。

1.在庫管理

食料品店のAIの興味深い活用例の1つは、在庫管理を支援するためのロボット工学の導入です。在庫管理を怠れば、価格設定ミスや在庫切れが発生する可能性があり、これらはすべて売上や利益に直接影響します。 Fellow RobotsはNAViiを開発しました。これは、毎日店舗をスキャンし、製品、価格、管理場所の高精細画像を収集する自律型小売ロボットです。

在庫切れの商品、価格の不一致、および見当違いの商品を特定するために、視覚認識および機械学習技術を使用しています。 NAViiのダッシュボードは、従業員がすぐに変更を行えるように、エラー通知が従業員になされます。データキャプチャカメラは、床から高さ2.4メートルまでの棚をスキャンし、商品の詳細、通路と棚の番号、足りないアイテムの数などの関連情報従業員に送信し、在庫補充を助けます。カメラは4時間の充電で8から10時間のバッテリー寿命を保持します。

提供する顧客サービスのひとつに、商品とその所在地に関する情報や、店舗のロイヤルティプログラムに関する詳細を提供するというものもあります。現時点で、CEOのMarco Mascorroは、NAViiロボットは英語とスペイン語を理解し、話すことができると主張しています。ブランドや広告をロボット画面に表示することで、マーケティングやプロモーション活動を支援することもできます。

現在、Fellow Robotsは小売店を顧客としていますが、スーパーマーケット等にも対応できると主張しています。同社はまた、Lowe's Home Improvementをクライアントとし、NAViiをLoweBotとして名称変更した。

Fellow Robotsが提供するもう一つのソリューションはReStoreであり、これは従業員に棚の補充、価格間違いの修正、そして棚ラベルの貼付を知らせるモバイルベースのアプリケーションです。

Mascorro氏は、同社でロボット工学とAIの開発・革新をリードしています。彼はモンテレイ工科大学のロボティクス教授、シリコンバレーにあるNASA Research Parkのfaculty of Singularity Universityのロボティクスと人工知能の教員、そしてInnovation Labのディレクターを務めました。若い専門家としても、彼は日本の金沢工業大学でロボット研究者として働き、捜索救助のためのロボットを作製しています。

2.盗難防止

店舗側は、万引きの顧客から常に損失被害を被っています。マサチューセッツに本拠を置くStopLiftは、小売チェーンでの盗難やその他の損失を軽減、排除することを目的とした、マシンビジョンシステムを提供しています。 ScanItAllと呼ばれる同社の製品は、チェックアウトエラーやスキャン無効のレジを検出するチェックアウトビジョンシステムで、レジ係の友人、家族、同僚などと共謀したフェイクスキャニング、通称「sweethearting」とも呼ばれる行為を、防ごうというものです。

ScanItAllのコンピュータビジョンテクノロジーは、食料品店の既存の天井設置型ビデオカメラおよびPOSシステムと連携して動作します。カメラを通して、ソフトウェアは、レジ係がレジカウンターですべての商品をスキャンするのを監視します。 POSでスキャンされていない製品はソフトウェアによって認識され、損失と見なされます。

Stopliftは、ScanItAllによって、バーコードの覆い、アイテムの積み重ね、スキャナースキップ、商品の直接袋詰めなど、さまざまな行動を識別できるとしています。

Piggly Wigglyスーパーマーケットでは、不注意なレジ係や「sweethearting」のために、チェックアウト金額が減少し、1つの店舗で毎月6,000ドルから10,000ドルの損失が報告されています。 StopLiftをインストールし、従業員を再教育して以来、縮小は1,000ドルに減少しました。

米国の食料雑貨店Big Yは、最近、56店舗のうち35店舗でScanItAllの展開を完了し、レジ係が故意に「sweethearting」行為をするのを検出しました。ただし、Stopliftを導入した結果として発生した損失の減少についての追加記事はありません。

CEOのMalay Kunduは、マサチューセッツ工科大学で電気工学およびコンピュータサイエンスの修士号を、ハーバードビジネススクールで起業、ジェネラルマネージメントのMBAを取得しています。

アイルランドに本拠を置くEverseenの創設者兼CEOであるAlan O'Herlihyは、2017年にAIの盗難防止におけるAIについて、マシンビジョン機能の大きな価値は、収集する大量のビジュアルデータであり、様々な盗難行動の膨大な実例を学び、ラベルを付与するため、このアルゴリズムを改善し続ける、と語りました。

3.マーケティングとプロモーション

他の業界と同様に、マーケティングとプロモーションは、食料品店チェーンのブランド認知と安定した収益にとって不可欠です。

カナダのオンタリオ州にある、食料品のマーケティングにおけるより良いプロセスの必要性に対処するために、Daisy Intelligenceは食料品店やその他の小売店向けのAI搭載アプリケーションを開発しました。

このアプリは、販売時点情報や販売促進履歴に関連する、少なくとも2年間のクライアントの運用データを使用して機能します。このデータは、製品間の関係、カニバリゼーション、宣伝パターン、先物買いの影響、季節および競争などの要素を考慮して処理され、チラシ、電子商取引、直接販売など、またはモバイルアプリプロモーションなど、さまざまなマーケティングチャネルに対して、毎週の販売促進リコメンデーション情報を提供します。

同社のWebサイトによると、Daisyはこのデータ分析を使用して次のことを判断します。

• 各チャンネルで毎週宣伝する商品の組み合わせ

• 特定の商品を宣伝するためのリズムまたはパターン

• 収益に最良の結果をもたらす製品の組み合わせ

• 収益を上げるための特定のプロモーションの増加

• 現地の市場状況に基づいた、店舗または地域ごとの商品の品揃え

どのようにプロモーションを実行するかの最終決定は、ビジネスに大変影響を及ぼします。プロモーションの結果はプラットフォームに格納され、機械学習に基づく将来の推奨事項として参照されます。長期的に見て、同社は、このアプリが組織の宣伝効果、物流、在庫切れ、取引規模、収益、および利益率の向上に役立つと主張しています。

在庫予測を可能にするために、アプリが必要な在庫量決定を助けることができるとも主張しています：

• 製品品揃え計画

• 過剰在庫なしのプロモーション

• 各店舗がその現地の需要に応える能力

アーカンソー州スプリングデールに拠点を置くHarps Food Stores, Inc.は、87店舗の食料品チェーンで価格設定やプロモーションを取り巻く意思決定を、改善、最適化するために、2017年初めにDaisy Intelligenceのプラットフォームを導入しました。 実際の結果は明らかにされていませんが、Harpsのマーケティング担当副社長は、次のように述べています。「個々の取引内のすべての品目において、顧客にとって最も重要な品目を認識し、それをプロモーションすることで、Daisyが売上向上を可能にするのです。」

Daisy Intelligenceの創設者兼CEOであるGary Saarenvirtaは、Adastra Corp.の事業、IBM Canadaのアナリティクスおよびデータウェアハウス業務、そしてLoyalty Consulting Groupのアナリティクスサービスを担当した後、同社の研究開発チームを率いています。 トロント大学で航空宇宙工学の学士号、および計算流体力学で修士号を取得しています。

4.食品廃棄物の削減

在庫予測と食品廃棄物の削減

国連食糧農業機関によると、食料の損失と廃棄物は、先進国では年間約6,800億ドル、開発途上国では約3,100億ドルに上るとされています。 米国だけでも、小売および消費者レベルでの食料の浪費は、2010年には約1,330億ポンド、1,600億ドル相当の食料になりました。

これらの数字に動機づけられて、Afresh Technologiesは、食料品の需要と在庫補充ソリューションを予測できるAIアプリケーションを開発しました。 同社によると、このアプリは、大量の食品廃棄物を減らし、食品の鮮度を高め、在庫切れを防ぎ、在庫を大幅に縮小、そして顧客利益を最大限に高めることを目的としています。

Future Food SFのプレゼンテーションで、AfreshのCEOであるMatt Schwartzは、Afreshアプリは何百万ものデータポイントをレイヤーごとに処理するディープラーニングアルゴリズムを使用して、アイテムレベルで需要予測を行うと主張しています。 予測に基づいて、アプリは在庫を補充するために必要なアイテム数を推奨します。 おすすめは自動的に食料品店のワークフローに統合されます。

同社Webサイトによると、これを使用すると、廃棄物が50％減り、在庫切れが80％減り、在庫回転が三回転することになります。 これらの裏付けケーススタディ、Afreshの特定可能なクライアントは現在判明していません。 同社は試験的な段階にあり、有料顧客会員にとっては確証を得ずしてROIの仮定を考慮するのは安全ではないようです。

同社はまた、このテクノロジが地域チェーンで試験的に導入された場合、1店舗あたり年間10万ドル以上の増益をもたらしたとも述べています。 しかし、これらの店舗についての利益数値やその他の具体的な情報を見つけることができませんでした。

CTOのNathan Fennerは、スタンフォード大学で機械工学と経営管理の修士号を取得し、過去5年間、流体ロボティクス分野で活躍しています。

おわりに

食料品や食料品店におけるAIの出現は、2つの主な方法で利益をもたらす可能性があります。

• カスタマーエクスペリエンス：食料品店ビジネスでは、AIはビジネスの既存のデータを取得し、それを消費者の行動や購入の決定に関するｍ明示的洞察に変換することができます。 カスタマーエクスペリエンスとカスタマーサービスは、小売用のAI機能の拡大が見込まれる分野です。食料品も例外ではありません。

• 運用効率：もう1つの利点は、食料雑貨品のサプライチェーンのほぼすべてのプロセスに適用できる幅広い推奨事項を作成するためのAIの機械学習機能です。 これには、とりわけ在庫、品揃え、補充、販売促進、POSセキュリティ、および配送物流が含まれます。 これらすべての予測機能は、ｓ損失をなくし、財務的な利益が保護されることを目的としています。

買い物客にとって、AIの利便性は、おそらく客の所在地への食料品の配達、商品の鮮度の向上、そしてレジの長蛇の列に並ぶことを無くすことにあります。 また、自分の指先で商品に関する詳細情報を入手したり、食料品店からの電子メールによるアラートやチャットボットを通じて商品の販売促進についてよく知ることが可能になったり、利用店舗からのロイヤリティを受け取ることもできます。

食料品店で食材を見たり、触れたり、臭いを付けたりするという経験に匹敵するものは何もないので、買い物客の何パーセントかは従来の形で人とのつながりを切望し続けるでしょうが、AIはこの便利さを探し求める人々に選択肢を提示できるということです。

2018年1月に発表された調査発表によると、SymphonyRetailは、食料品店での大型かごでの買い物は、前年比で3〜4％減少した。これは、15個以上の商品を購入するときにオンラインで注文するためだそうです。この調査ではまた、オンライン食料品の買い物がこの1年間に米国で14％増加したことも明らかになりました。 さらに、消費者の76％が家庭料理よりも調理済み食品を好むようになっています。

食品業界のAIは、さまざまな部門や機能の間で複数のオペレーティングシステムを同期させるなど、さまざまな課題に対処し続けると予測しています（例：POS、倉庫管理物流）。 これらの技術は、この業界で成長しているAI市場において、実行可能のために人間の相互関係とフィードバックを要求し続けるでしょう。食料品業界のAIにはまだまだ課題があります。 POS、倉庫管理、物流などのさまざまな部門で異種システムをつなぐことが大きな課題の一つと言えます。 次のステップは、AIツールと人間の能力間の調和を見いだして、合理化された操作とより良い収益を確実にすることです。