VINXニューリテール･コラム
AI導入のハードルを下げるAutoMLツール（機械学習の自動化）
「AI」（アーティフィシャル・インテリジェント＝人工知能）という言葉を目にする機会が増えてきました。
AIはまだ発展途上にあり（図1）、いずれはSF映画に出てくる知能や知性を持った「汎用型AI」へと進化していくと見込まれていますが、現時点で実用化されているのは「特化型AI」あるいは「特定型AI」と呼ばれる単一の機能に特化したAIです。
訪店客の属性認識（性別や年齢層）、客数カウント、動線分析、物流ルートの最適化、製品の外観検査、設備の異常検知、マーケティング分析、ショッピング・サイトのレコメンドなど、今ではさまざまなAIシステムが開発されており多くの分野で活用されています。
技術的には機械学習の一つの手法である「ディープ・ラーニング（深層学習）」が主流です。脳の神経網を模した多層（＝ディープ）のニューラル・ネットワークをコンピュータ上に作成し、過去のデータを「学習」させて、認識、分類、予測（回帰）などを行う仕組みです。
図1. AIの進化と、現在主流の「特定型／特化型AI」の事例
小売業界でもAIを活用する動きが広がっています。
もっとも多いのが客数予測や販売数予測への応用で、ヴィンクスでも需要予測の分野でＡＩを活用したサービスを提供し、お客様のニーズにお応えしています。
今回ご紹介するのは、お惣菜売り場での「フードロス対策」への応用です。
惣菜や弁当は調理してから一定時間内に売り切る必要がありますが、単純に製造数を抑えたのでは売り切れを招く確率も高くなり、来店されたお客様をがっかりさせてしまうだけではなく小売業にとっても販売機会のロスとなります。
一方で、売れ残りは利益を圧迫するだけでなく、食品廃棄（フードロス）へとつながってしまいます。
フードロスの削減はSDGs（持続的開発目標）の第12項「つくる責任 つかう責任」（図2）の中でも１つの目標として掲げられており、小売業の皆様ではその対策に苦慮されているのが現状です。
図2. SDGsの12項「つくる責任 つかう責任」に掲げられたフードロスの半減目標
従来、AIを活用しようとすると専門の技術者による新たなAIモデルの構築を行うことが必要となり、PoC(コンセプト検証)を行うだけでも多くのコストと時間が掛かりました。
こうしたＡＩの活用＆導入時のハードルを下げる取組みが近年実用化されてきています。
自動化された機械学習を意味する「AutoML」と呼ばれるAIツールがその一つで、ディープ・ラーニングやデータ分析に詳しくなくても、数クリックほどの簡単な操作で精度の高い予測を得られるのが特徴です。
今回、AutoMLツールの一例としてご紹介させていただくのは、AI inside株式会社のSaaS型ノンコーディングAIツール「AMATERAS RAY」（アマテラス・レイ）です。
Auto MLツールを活用することで、AIモデルを低コストで構築し、業務プロセスに組み込むことが簡単にできるようになります。
まず、過去のデータなどの学習に必要な情報をインプットデータとして取り込み、AIで予測したい項目をブラウザでクリックし選択すると特徴量が自動で選択され、最大12のアルゴリズムでのチューニングがすべて完了します。(図4)
専門知識がなくてもプロと同等かそれ以上の精度のAIモデルを短時間で構築することが可能で、地味で手間のかかるデータの前作業も自動で行ってくれます。
１２のＡＩモデルの中から性能の良いものを利用し、予測したい期間の特徴量データを取り込むことで結果を確認することもできますので、Auto MLツールをうまくご利用いただくことで、高精度の予測を簡単に、かつ低コストでスタートをすることができるのです。
図3. あらかじめ組み込まれている1２のＡＩモデルから選択し活用
Auto MLツールをご利用になってその効果をご体感いただいたあとから、本格的なAIを実装したシステム構築を行うなど、AIへの段階的なアプローチ・ご導入が可能です。
AIを用いた需要予測やAuto MLツールにご興味がございましたら、弊社まで是非ご連絡頂けたらと思います。
本日は記事をご覧いただきまして、誠にありがとうございました。
図4. ステップを踏んでAIを上手に活用
「ＲＰＡ導入支援サービス」のページを見る
「Auto MLツールによるＡＩ活用の実現 ～ＡＩ需要予測によるフードロス対策～」の動画を見る
