業界の発展を阻むデータ問題
この商機に注目しているのはアンカーだけではない。食品サプライチェーン全体では、AIツールが本来の力を発揮するためのデータ基盤の整備に取り組む企業が増えている。食品企業間のデータ共有を支援するサプライチェーン追跡ネットワーク「スターフィッシュ（Starfish）」の創業者兼CEO（最高経営責任者）、ウィッグス・シヴィティロは、現在のボトルネックはAIの性能ではなく、必要なデータにアクセスできるかどうかにあると指摘する。
「食品サプライチェーンにおけるAI導入の最大の障壁は、AIモデルの性能ではなく、取引先間で一貫したデータにアクセスできるかどうかにある。サプライチェーン上の情報の大部分は、依然として数千ものシステムに分散している。これこそが、AIが状況を把握する上での制約となっているのだ」とシヴィティロは語る。
シヴィティロは、先進的な企業ではAIが単なる報告機能にとどまらず、サプライヤーリスクの自動検知や調達計画の調整、リアルタイムの状況に応じた在庫の経路変更など、業務上の意思決定を支援する段階に移行していると指摘する。彼によれば、AIを最も効果的に導入しているのは、データの相互運用性に投資している企業だという。こうした企業では、情報が標準化された形でパートナー間を移動できるよう整備されており、AIが意味のある結論を導き出せる基盤が整っている。
予測精度のわずかな向上が、廃棄の削減やコスト低減に直結する食品流通業界において、この取り組みがもたらす経済的メリットは大きい。しかし、その可能性はバックオフィス業務にとどまらない。店頭レベルにおいては、フィジカルAIが、卸売業者の出荷量と小売業者の実在庫とのギャップを埋め始めている。
次なる突破口は「店舗のリアルタイム可視化」
インスタカートのチーフ・コネクテッド・ストアーズ・オフィサー、デイビッド・マッキントッシュは、リアルタイムでの棚状況の可視化が小売業界の次なる大きなブレークスルーになると見ている。買い物客のスキャンデータやカメラ映像をリアルタイムの棚データへと変換する「ストアビュー（Store View）」などのツールを通じて、同社は店舗が継続的に観測可能になったとき、どのような運用が可能になるかを示している。マッキントッシュは「店舗が観測可能になれば、最適化も可能になる」と語る。
しかし、現状の業務フローを把握しないまま新しいツールを導入することにはリスクがあると、米国や世界のアクセラレーターで年間100社以上のスタートアップを指導する、ビジネスオペレーションとAIの専門家イリーナ・ククエワ博士は指摘する。「基準値のない最適化は、高額な当てずっぽうに過ぎない。推測ではなく、実態を調査するべきだ。現状をマッピングし、業務プロセスを定義し、各工程の所要時間を計測し、コストを算出する。これは単なる現状把握ではなく、成果を左右するA/Bテストのための対照群になるのだ」と彼女は言う。
AIインフラへの投資が加速する中で問われているのは、どの企業がいち早く現状業務の精査に着手するのか、そしてどの企業が今後10年間、午前3時から手作業で数字を入力し続ける道を選ぶのか、という点だ。
