まず文句から始めさせてください。今、誰もが「倉庫にAIは必須だ」と叫んでいます。展示会のデモ動画は年々滑らかになり、ベンダーの見積もりは年々良くなり、AIのない倉庫は明日にも倒産するかのようです。私はオンライン販売を五年続け、倉庫を三回変え、AIパイロットを二回経験しましたが、正直なところ、ほとんどのAI倉庫プロジェクトは技術の失敗で死ぬのではありません。AI倉庫プロジェクトのROIの数字を、誰も真剣に先に計算しなかったから死ぬのです。

AI倉庫パイロットは人を騙すのがとても上手い

昨年、パートナー倉庫でAIの画像検査を試しました。梱包台に設置したのです。カメラが各荷物をスキャンし、システムが注文と照合し、不足梱包や過剰梱包があればフラグを立てる仕組みです。デモ当日は信じられないほど完璧に見えました。ベンダーのエンジニアはその場で精度99パーセント以上を約束しました。三か月のパイロットにサインし、二台を設置しました。

実際にどうなったか、仮定のシナリオで説明します。最初の月は数字が素晴らしく見え、エラー率は昔の手動スポットチェックの水準を大きく下回りました。ところが翌月が来ました。ピークシーズンで注文量が倍になり、コンベアが速くなり、カメラが見逃し始めました。新しい包装に切り替えたら、システムがそれを認識せず、誰かがモデルを再調整しなければなりませんでした。最悪なのは、倉庫の誰も一日中アラートを眺めていたくなかったことです。アラートが溜まると、人々はそれを一括承認し始め、結局振り出しに戻りました。三か月間の計算はこうなりました。すべての数字は仮定のものです。ハードウェア、ソフトウェア、統合を合わせた初期費用は約$40,000、三年で割ると月あたり約$1,100。節約できた手動再チェックの時間は月あたり約$900相当。ピッキングミスによる補償の減少で月あたり約$400の節約。計算上は月$200のプラスで、悪くなさそうに見えます。ただし、パイロットは梱包台二台だけを対象としていたことに注意してください。倉庫全体に展開すれば投資は倍になりますが、リターンが倍になるとは限りません。

直感に反するポイントはここです。パイロットが成功しても、本格展開についてはほとんど何も証明されません。パイロットが小さくクリーンなほど、数字は良く見えるのです。実際の倉庫は、汚いデータ、新しい包装、ピークシーズン、スタッフの離職が同時に起きています。ベンダーのデモは常にクリーンなデータで動いています。あなたの倉庫の本当のデータがどう見えるか、それを知っているのはあなただけです。

AI倉庫プロジェクトのROI:サインする前にこの表を埋めてください

今の私のルールはシンプルです。AIプロジェクトに何かサインする前に、下の表を埋めます。埋められなければサインしません。表の数字はすべて仮定の例です。あなたの倉庫の実際の数字に置き換えて、もう一度計算してください。

| 項目 | 金額(仮定の例) | | 初期費用:ソフトウェア、ハードウェア、統合、研修 | 約$40,000 | | 月額費用:サブスクリプション、保守、再調整 | 約$800 | | 月額の節約:手動再チェックの時間 | 約$900 | | 月額の節約:ピッキングミスと返品の減少 | 約$400 | | 回収期間 | 約30か月 |

回収期間が二年を超えるなら、私は通常手を引いています。理由はシンプルです。AI製品は進化が速く、二年後には同じ機能が半額で二倍良くなっている可能性が高いからです。今三年契約に縛られることは、ベンダーの研究開発費を払うことです。ほとんどの人が見落とすもう一つのコストがあります。パイロットそのものの隠れたコストです。エンジニアの出張、テストの手伝いのためにシフトから引き抜かれたスタッフ、再校正のために止まった梱包台、すべてお金です。仮定の例では、倉庫側の三か月のパイロット支援は人件費だけで簡単に$3,000に達します。その数字はどの見積もりにも載りませんが、あなたの利益から直接出ていきます。だからこそ、AI倉庫プロジェクトのROIは、サブスクリプションの行だけでなく、全体像で計算しなければならないのです。

量がすべてを変える理由を示す仮定の例です。一日800件の注文を処理し、ピッキングミス率が0.3パーセントの小さな倉庫では、月に二〜三件の注文にしか補償を払わず、節約額はサブスクリプションすらまかないません。同じエラー率で一日8,000件の注文を処理する倉庫では、一日に二十件以上の問題注文が発生し、補償とカスタマーサービスで月に$10,000をはるかに超えるコストがかかります。すると突然、同じAIシステムが理にかなうのです。同じ製品、十倍の量、正反対の答え。ROIは製品の属性ではありません。あなたの量の属性です。表の前に来る質問は三つです。第一に、この問題は毎日発生しますか。週に一度しか出ない問題にAIプロジェクトの価値はありません。第二に、データは準備できていますか、それともまず三か月のクリーンアップが必要ですか。クリーンアップが先なら、予算を倍にしてください。第三に、失敗したら手作業に戻れますか。戻る方法がなければ、いくら安く見えても私は触りません。

AIプロジェクトの三つの罠、私はそのうち二つにはまりました

最初の罠は汚いデータです。ベンダーのデモは、完璧な光と完璧な角度で撮った写真を使っていました。あなたの倉庫では、照明の半分は壊れ、荷物のテープが光を反射し、カメラには白い塊しか見えません。データのクリーンアップは誰も見積もりに入れません。結局、自分で払うことになります。

二つ目の罠は、ソフトウェアの価格だけを数えて、統合の価格を忘れることです。月数百ドルのサブスクリプションは安く見えますが、WMSへの接続、梱包台のレイアウト変更、スタッフの研修は、ソフトウェア自体より高くつくことがよくあります。見積もりにないものが、たいてい最大の項目です。

三つ目の罠は、パイロットをゴールだと思うことです。多くの売り手は美しいパイロットの数字を見て、急いで本格展開し、ピークシーズンにすべてが崩れるのを見ます。ロールバックのコストはパイロット自体より高くつきます。ピークシーズンは最高の嘘発見器です。量を倍にし、コンベアを速くすれば、デモが隠していた問題が一度に全部出てきます。パイロットがピークシーズンを生き延びる前にスケールアップするのは、水を確認せずに飛び込むようなものです。私のルールは、パイロットが数字を保ったまま丸々一回のピークシーズンを生き延びて初めて、スケールアップの話をするということです。

これは実際に私に効きました。次に誰かがAI提案を持ってきたら、デモ動画は飛ばして、上の表を埋めてもらってください。数字が合わなければ、計算をやり直すよう送り返してください。自分の計算過程を示せるベンダーだけが、話を続ける価値のある相手です。

Ah K(EC販売者、5年の経験)著 英語版からの翻訳。内容に相違がある場合は英語版を優先します。