Generative AI（生成AI）時代の小売業

10 ways large language models (LLMs) may impact the retail industry

Published: April 12, 2023

Sam Steiny、Rob Saker、ブライアン・スミス（Bryan Smith）による投稿

Original Blog : Retail in the Age of Generative AI

Generative AI（生成AI）とは？

ChatGPTのような大規模言語モデル（LLM）は、Generative AI（生成AI）という大きなトピックとともに、最近大きな注目を集めている。ユーザーが提供したプロンプトに対して、一見思慮深く、十分な情報を持った、さらには人間のような応答を生成するその能力は、本当に驚くべきものです。多くの企業がこれらをゲームチェンジするテクノロジーとして認識しており、ChatGPTを開発したOpenAIのような組織は、この話題を利用して収益をあげています。

このAIの新しい波を理解するために、まずその定義から始めましょう。Generative AIとは、文章や画像、音楽など、一見独創的で新しい創造物を生み出すことができる技術です。これらのAIは、すでに行われたことを繰り返すだけではありません。大量の事例をもとに学習させたモデルは、人間がどのようにコンテンツを作り上げるかという基本的なパターンを学習し、これまで人間の創造性の表現として理解されてきたような、見たこともない、観察したこともないような構成に到達します。しかし、どの単語が次に続くかを判断したり、画像に様式化されたフィルタを適用したりするような過去の単純なAIとは異なり、これらのAIは、生成されている作品群の幅広い文脈を理解する能力を備えているため、形成されたコンテンツは人間の解釈者にとってはるかに一貫性があり説得力のあるものとなっています。

ChatGPTは、最初のローンチから2ヶ月で1億人のユーザーを記録し、世界で最も急成長したアプリとなり、検索の新時代を切り開いています。しかし、ChatGPTは多くのLLMの1つに過ぎず、マイクロソフトやグーグル（バード）のような企業がすぐに生成AIの流行に乗るのを目の当たりにしているのです。私たちは、最近オープンソースコミュニティに公開した、ChatGPTが示す命令追従能力の驚くべき程度を示す、安価に構築できるLLM、Dollyの実験を公表しました。

Generative AIはプライムタイムの準備ができたか？

生成AIは非常に有望であり、企業はこれを試験的に導入する必要があります。一般的な知識の検索、視点の開発、ある種の情報の分析など、さまざまな能力を備えています。しかし、生成モデルには、商用利用が可能になる前に解決しなければならないいくつかの弱点があります。

正確でなくても、権威あるように聞こえます。同じトピックについて対照的な意見を述べるようLLMに求めると、LLMはそれを実行し、どちらにも自信を持っているように聞こえるでしょう。LLMは首尾一貫した文章を作成することができますが、より広い文脈を理解し、それを考慮した文章を作成することにはまだ苦労しています。LLMは訓練された情報に基づいてしか回答を生成できないため、訓練データ以外のトピックに関する知識や理解が限定的となる可能性があります。
知的財産権。多くの場合、LLMは、そのデータに対して法的権利を持つ個人または組織が所有するテキストデータでトレーニングされます。これらのデータ所有者は、データに対して所有権や著作権を有している場合があり、大規模な言語モデルの学習にデータを使用する際には、その権利を尊重することを要求される場合があります。また、生成型AIモデルによって生成されるコンテンツの所有権は不透明です。米国の最高裁は最近、AIが生成した画像には知的財産権保護がないとの判断を示しました。
コストとエネルギー消費： LLMの最大の限界の1つは、モデルをトレーニングするためのコスト（主にコンピューティング）であった。1回のトレーニングに数百万ドル。これは多くの企業にとって経済的に実現不可能であるだけでなく、規模が大きくなれば、経済に大きな悪影響を与えることになります。(これが、私たちがDollyを開発した主な理由の1つです。）
偏見を助長する可能性がある。LLMは、学習データに存在するバイアスを再現することが知られています。これは、偏った言語生成や偏った入力に基づく意思決定につながる可能性があります。

小売業におけるGenerative AIの今後の活用について

このような課題にもかかわらず、私たちはGenerative AIの強い未来を予測し、今日、さまざまなパイロットでお客様と一緒に取り組んでいます。

Generative AIの人気のある使い方は何でしょうか？ChatGPTの知識ベースと同様にリストは無限大ですが、ここでは、小売業者がGenerative AIに投資すると聞いている、または期待している主要なカテゴリをいくつか紹介します：

パーソナライズされたマーケティング：すべての顧客はユニークです。生成AIを活用することで、顧客体験を向上させ、買い物客に関連する商品をメールやオンラインで消費者に個別メッセージとして提供することができます。
バーチャル試着室。Generative AIは、買い物客の興味と利用可能な商品にマッチしたカスタム画像を生成するために使用することができます。買い物客は、自分の写真に、カタログから利用可能な商品を生成モデルでレンダリングすることができます。
チャットボット/カスタマーサービスの自動化。コールセンターでのやり取りから得られたトランスクリプト、商品情報、リアルタイムの注文情報を使ってLLMをチューニングしコールセンターのエージェントの負担を軽減することができる。
お客様の配送・設置のスケジュール管理。 新しいホームシアターを注文し、配送と設置が必要ですか？LLMは、モバイルアプリケーション、ウェブサイト、あるいは店内のキオスク端末と統合することで、小売業者が顧客と配送や設置のオプションを簡単に調整することができます。LLMは、構成要件、必要部品、リソース要件などにアクセスし、1回の訪問で配送と設置が完了するようにすることができます。
セキュリティ脅威やアカウント乗っ取りの試みをキャッチする。 生成AIを使用して、顧客のメッセージやその他の通信を分析し、フィッシングの試みやソーシャルエンジニアリングなど、不正行為の兆候を見つけることができます。
店舗内アシスタント。ホームセンターを訪れたことのある人ならわかるように、「X製品はどの通路にありますか」と尋ねても、間違った答えが返ってくることが多い。LLMはウェブやモバイルのアプリケーションと統合し、店舗のレイアウトや現在の在庫情報などのデータを活用することで、このようなリクエストに正確に応えることができるようになります。
在庫と需要の計画。 小売業にとって最大のペインポイントの一つである需要予測と在庫計画を、生成的AIによって最適化できる可能性は非常に高く、小売業者が過剰在庫や過小在庫を回避するのに役立ちます。Generative AIは、販売データを分析し、どのストーリーにどのレベルの在庫を置くべきかを提案したり、過去のデータ、消費者感情、競合データを分析することで小売業者のトレンド予測を支援することができます。
商品開発：飽和状態の市場で際立つユニークで革新的な商品を作るために、小売業者はGenerative AIを活用して、顧客の好み、市場動向、その他のデータに基づいて新しい商品デザインを作ることができます。ここでは、プロダクトレビュー、ドキュメントディスカバリー、契約書レビューなどを活用して、プロダクツロードマップや開発を推進するために、ドキュメントレビューが大きな役割を果たすと予想されます。
実用的なインサイトを生み出す。小売業者は、もはや従業員のレポート解釈能力に依存する必要はありません。LLMは、構造化された情報を解釈し、分析し、関連する洞察を平易な言葉で返す訓練を受けることができます。また、LLMを予測モデルと連携させることで、在庫状況、労働力配置、顧客対応など、さまざまな状況の分析を自動化することができます。
コード開発。Generative AIは、コードの開発に使用することができます！開発者は、ジェネレーティブモデルと連携してベースコードを開発し、それを強化することで、生産性を大幅に向上させることができます。

これらはほんの手始めに過ぎません。LLMはlangchain などの技術を取り入れることで、はるかに複雑なAIモデルを呼び出すためのユーザーフレンドリーな方法として使用することができます。LLMは、分析を生成して返す顧客解約モデルを起動し、そのモデルからデータの解釈を書面で提供することができます。全体として、生成的なAIは、小売業者が顧客エンゲージメントを向上させ、売上を伸ばし、オペレーションを最適化するのに役立つ可能性を秘めており、業界にとって貴重なツールとなっています。

Databricksは、Generative AIに対しどのような位置づけなのでしょうか？

Dollyの目的は、オープンソースの大規模言語モデル（LLM）を使って、高品質の学習データを使ってChatGPTのような命令追跡機能を持たせることができるという、生成AIの親しみやすさを示すことにあります。

Dollyでは、数年前からあるオープンソースのLLMを、比較的小さなDatabricksクラスタで、比較的小さな（そして確実にアクセスできる）量のデータでトレーニングできることを証明することができたのです。このデモのポイントは、組織がこの技術にどのようにアプローチするかという選択肢があること、そしてこの機能を得るために外部に依存する必要がないことを示すことでした。

しかし、Dollyの基盤となっているテクノロジーは、独自の命令追従モデルを安価に構築し、ビジネスに生成的AIを活用したいと考える小売業者にとって、エキサイティングな新しい機会を提供するものだと信じています。

この新しいテクノロジーを活用するために、どのような準備をすればいいのでしょうか。

LLMやGenerative AIテクノロジーは、ビジネスの運営や価値創造のあり方を大きく変える可能性を秘めています。しかし、まだ道半ばです。小売業にとって重要なのは、この新しいテクノロジーの波に対して、今すぐビジネスを準備することです。小売業は、次のようにしてそれを行うことができます：

AI戦略の策定 - ビジネス全体と整合性のある明確なAI戦略を持つことが重要になります。小売企業は、顧客体験の向上、サプライチェーンと在庫管理の改善、製品イノベーションの推進にAIをどのように活用できるかを概説し、自動化と意思決定のための新しいユースケースを模索する必要があります。
データインフラへの投資 - 今後、生成型AIを利用する場合、効果的に運用するためのモデルを訓練するための膨大な量のデータが必要になります。小売業者は、あらゆる種類のデータ（構造化、半構造化、非構造化）を収集、保存、管理でき、この技術が活用するBIとAIのユースケースをサポートするデータレイクハウスの構築に投資する必要があります。
レイクハウスにデータを取り込む - 生成AIモデルは一般化されています。それらを強力で適切なものにするのは、企業に特有のデータです。企業は、こうした生成モデルを想定してデータのキャプチャとアノテーションに投資する必要があります。
パイロット - 生成AIはまだ商業的に使用する準備ができていないかもしれませんが、実験をサポートするのに十分な性能を持っています。今、これらのツールを試験的に導入することで、成熟したときに採用するための準備が整うことになります。

もっと詳しく知りたい方は？私たちのサイトでLakehouse for Retailについて学んだり、ウェビナーであなた自身がLLMを活用する方法を学んでください：また、ウェビナー「Build Your Own Larch Language Model Like Dolly」で、LLMを活用する方法をご紹介します。