先月、AIの営業マンが私の倉庫にやって来て、「知的頭脳」を導入しませんかと言いました。私はこの頭脳が何を食べるのか聞きました。「データです」と彼は言いました。どれくらい？「多ければ多いほどいい」と彼は言いました。私は言いました。3,000平方メートルの倉庫しかなくて、渡せるのはExcelの表が1枚だけだ。受け取るなら受け取れ、と。
彼の表情は、まるでお見合いで「家を何軒持っていますか」と聞かれて「電動スクーターがあります」と答えたような顔でした。
その会話がずっと心に残っています。だから正直に答えましょう。倉庫AIに実際どれくらいのデータが必要なのか。理論ではなく、私たち小さな倉庫オーナーに実際に起きたことで答えます。私たちはデータのハードルに怖気づき、独自の工夫で生き延びてきました。
私たちの苦境：AIベンダーが求めるデータは、私には一生手に入らないデータ
まず、私の隣人王(ワン)の話から始めましょう。皆さんへの警告として。
ワンは自動車部品の倉庫を経営していて、私のところより小さく、従業員は20人ほどです。去年、あるベンダーが自動計数・検査の画像認識を売り込みに来ました。「カメラを数台つければ3ヶ月で動きます」。ワンは「まさに自分のためのものだ」と思いました。その場で契約しました。
その後、要件が来ました。カメラ6台を設置し、1日8時間録画し、3ヶ月分の映像を集めてから、学習を始める前にすべての画像にラベル付けする人を雇う。ワンは歯を食いしばってやりました。カメラと設置に100,000元近く、ラベル付けにさらに数万元を追加で。3ヶ月後、ベンダーが戻って来てデータを見て言いました。照明が悪い、アングルが足りない、やり直してください。
ワンは爆発しました。100,000元以上使って、AIの影も形もない。カメラは今、壁に掛かる超高価な防犯カメラになっています。
ワンの惲劇からの最大の教訓：AIベンダーが「大したデータじゃない」と言う量は、小さな倉庫にとっては天文学的な量になることがあります。 彼らが求めるのは、クリーンで、ラベル付けされ、あらゆるシナリオをカバーするデータ。私たち小さな倉庫は「データ」の綴りもやっと書ける程度。入出庫は手書きの伝票で追跡し、在庫はベテラン経理の頭の中にあり、ピッキング経路はベテラン作業員の脚の中にあります。
だから最初に言いにくい真実を言います。倉庫AIにどれくらいデータが必要かは、どのAIの話をしているかでまったく違います。 下の表は、営業マンに何ラウンドも「教育」された後で私がまとめたものです。ベンダー由来の数字はすべてその旨を明記しています。鵜呑みにしないでください。
3種類の倉庫AI、3つのまったく異なるデータのハードル
| AIの種類 | 必要なデータ量(ベンダー談、参考まで) | 私の小さな倉庫にあるもの | 私の結論 |
|---|---|---|---|
| コンピュータビジョン(計数/検査/異常検知) | SKUあたり数百枚のラベル付き画像から開始。あるベンダーの営業は「ウォームアップにラベル付き画像5,000枚を用意してください」と言いました | SKU総数は800未満、その中にラベル付き画像は1枚もなし | 断然ハードルが最高。ラベル付けコストは恐ろしい。小さな倉庫は申請不要。 |
| 需要予測(補充提案) | ある予測ベンダーのホワイトペーパーによれば、注斎明細の履歴12〜18ヶ月 | 注斎データは存在する——Excelに——が、返品・プロモーション・欠品フラグはめちゃくちゃ | データはあるが汚い。きれいにする労力は集める労力より大きい。 |
| 労働力スケジューリング/ウェーブ最適化 | タイムスタンプ・人数・数量付きのピッキング作業記録を3〜6ヶ月分 | 私にあるのは出勤表。作業単位の記録はない。 | 次元が足りない。AIも材料なしには料理できない。 |
パターンは見えましたか？倉庫AIにどれくらいデータが必要かには、単一の答えはありません。 コンピュータビジョンは底なしの金食い虫、予測はじわじわ燃えるやつ、最適化は細部のこだわり屋。営業マンが「多ければ多いほどいい」と言うとき、その翻訳は「今あなたが持っているものでは足りない」です。
でもそれは、小さな倉庫がAIから締め出されるという意味ではありません。実際、私は逆説的な結論にたどり着きました。
逆説の部分：小さな倉庫に足りないのはデータの量ではなく、データのきれいさ
去年、私はとても地味なことをしました。AIは一切買わず、すべてのピッカーにバーコードスキャナーを渡して、入出庫のスキャン率100%を義務付けました。不満はすぐに出ました。「これは無意味な官僚主義だ」と彼らは言いました。手書きは10秒、スキャンは15秒。
3ヶ月後、私たちのスキャン率は60%から98%に上がりました。そして魔法のようなことが起きました。3ヶ月分のスキャンデータを使ってExcelでABC分析を行い、AランクSKU(出庫数量の70%を担う20%のSKU)を梱包ステーションに一番近いスロットに移動させました。ピッカーは1日平均1.5キロメートル歩く距離が減りました。ピッキング効率は目に見えて上がりました。
それが私に真の教訓を教えてくれました。AIが食べるのは「ビッグデータ」ではなく、きれいなスモールデータです。 私たち小さな倉庫は18ヶ月分のデータを蓄積することは決してできませんが、きれい3ヶ月分のスキャンデータなら十分手の届く範囲です。そして3ヶ月分のきれいなデータは、3年分のめちゃくちゃな手書き伝票より価値があります。
あるベンダーのエンジニアがかつて内緒で本音を漏らしてくれました。「あなたの規模の倉庫では、データ量は決して問題じゃない。問題はあなたのデータが全部間違っていること。間違ったデータをAIに与えれば、AIはより速く、より自信満々に間違います。粗っぽいけど、真実です。
私たちの手作りプレイブック：3ステップ、まずデジタル化、AIは後
苦労して得た経験を、同業者である小さな倉庫オーナーたちと共有します。3ステップ——どれも飛ばさないでください。
ステップ1：スキャン率を95%以上に引き上げる。 AIを買うな。バーコードスキャナーを買え。1台数百元、倉庫全体を揃えても10,000元以下。これがすべての土台です。スキャン率95%未満では、在庫データはシュレーディンガーの在庫です。存在もするし、存在しないもします。
ステップ2：AIの代わりにルールを使う。 ABC分類、発注点、ウェーババッチ——Excelの数式と固定ルールですべて処理できます。機械学習は不要。私たちの補充は今、粗いルールで動いています。安全在庫＝平均出庫量の3日分。欠品は月7〜8回から1〜2回に減りました。粗いけど、効くし、無料です。
ステップ3：きれいなデータを12ヶ月分持てたら、予測AIの話をする。 「きれいな」という言葉に注目。私たちの計画は、来年の今頃、スキャン率98%の注斎データを1年分抱えて、今度は私たちがベンダーを選ぶ側になることです。逆ではありません。
3ステップの総投資額：20,000元未満。ワンのドブに捨てた100,000元超の画像認識プロジェクトと比べてください。どちらが得な取引か、言うまでもないでしょう。
倉庫AIに実際どれくらいデータが必要かについての、3つの正直な言葉
第一に、「データ量」に怖気づくな、「AI」に目をくらませられるな。 倉庫AIにどれくらいデータが必要かには普遍的な答えはない。ビジョンと予測では桁が違います。まず具体的な問題を特定してから、データのハードルを聞きましょう。
第二に、「データは足りているか」の前に「データはあるか」を解決せよ。 スキャナー、PDA、まともなExcelテンプレートでさえ、どんなAIソフトより上です。デジタル化はAIの必須の予習です。その予習を怠れば、AIは空っぽのところに来ることになります。
第三に、汚いデータはデータなしより悪い。 汚い12ヶ月分のデータは、きれいな3ヶ月分のデータに負けます。AIはあなたのデータをきれいにしてくれません。あなたのミスを完璧に学習して、自信満々に間違います。
そして自虐的な締めくくり。小さな倉庫はお金を燃やせないので1元たりとも効果のあるところに落とさなければなりません。大企業はまずお金を燃やしてデータを集め、結果は後で考えればいい。私たちは違います。私たちはまず結果、次にデータ、それからAIが必要です。
小さな倉庫には小さな倉庫の生き方があります。このデータの食事は一口ずつ食べます。いつか私たちもAIのテーブルにつきます。自分の招待状で、誰かの慈善ではなく。
Xiao Ma（小型倉庫オーナー）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。
