「190万行の表計算」から脱却、カインズがAIエージェントで実現した在庫管理の自動化と内製化

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最先端のデータ基盤を導入し、需要予測に基づく発注・在庫管理の大幅な効率化に成功した。グーグル・クラウド・ジャパンが4月14日に公表した内容によると、同社はこれまで表計算ソフトで行っていた膨大なデータ処理を、AI搭載の基盤へと移行させたという。予測結果に基づいた発注・在庫管理の最適化を内製化することで、現場のニーズに即応できる体制を整えた。

従来のカインズでは、需要予測の結果として出力されるデータが190万行にも及び、それを表計算ソフト形式で管理する運用を余儀なくされていた。1度の出力結果は6〜7個のファイルに分割され、そのデータを出力するだけでも丸2日を要する極めて非効率な状態だった。現場の担当者は、これらのファイルに棚割りや在庫のデータを紐付け、メンテナンスに必要な抽出・処理を行うのにさらに2〜3日を費やしていたという。

この複雑な表計算ファイルのメンテナンスは、これまで専任のエンジニアが一つひとつ手作業で対応してきた。しかし、データの「列ずれ」の確認や検証作業には多大な工数がかかり、現場からの要望に対して迅速に応えることが困難な状況が続いていた。こうしたデータ処理の属人化と遅延が、サプライチェーン全体の機動力を削ぐ大きな課題となっていた。

この課題を打破するため、同社は「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」を中心とした新基盤を構築した。ユーザーが自然言語で条件を指示するだけで、AIエージェントがBigQuery内のデータを直接操作し、必要な情報を抽出することが可能になった。これにより、長年エンジニアを悩ませてきた表計算ソフトの煩雑なメンテナンス作業は一切不要となった。

さらにカインズは、酒類などの配送におけるトラック積載量を最大化する独自の最適化アルゴリズムも開発し、自社での計算実行を実現している。今後は数理最適化計算のリクエスト処理もAIエージェントで対応させる予定で、シーズン商品や棚割りの最適化など、より高度な領域への適用拡大を目指している。データとAIを駆使した同社の挑戦は、流通業界におけるDXの先駆的な事例として注目を集めそうだ。