今年の初め、AIベンダーが3社、次々と営業に来た。大きなモデル、画像認識、スマートなスケジューリング——どの資料も前のものより派手だった。私は全社に同じ質問をした。月にいくら節約できるのか、と。答えられた会社は1社もなかった。最も正直な会社は「貴社のデータ品質次第です」と言った。つまり、私が先に支払い、成果は後から出るというわけだ。なるほど。倉庫のAIプロジェクトのROIビジネスケースは、ベンダーと話す前に書いておかなければならない。
これがAIプロジェクトが失敗する最も一般的なパターンだ。技術を先に買い、後から使い道を探す。ベンダーの仕事はシステムを売ることであり、数字を成立させることではない。数字は自分の仕事であり、契約にサインする前に済ませておかなければならない。
ビジネスケースのための3つの数字、サインする前に計算する
倉庫のAIプロジェクトのROIは、1つの計算式ではない。3行の表であり、どれか1行でも空白なら、提案会議の数字はフィクションだ。
1行目:この作業は今、人件費としていくらかかっているか。私の倉庫のピッキング検証工程を例に取ろう。1日約800件の注文、検証担当は2名。給与に福利厚生を加えると、月額ではっきりした数字になる。さらに悪いことに、この職種は離職率が高い。ピークシーズンには増員が必要になり、新人は遅く、誤ピックはかえって増える。これを計算するのにベンダーは不要だ。3か月分の給与記録を見れば分かる。
2行目:AIが検証可能な形でいくら節約できるか。「検証可能な」という言葉に注目してほしい。ベンダーが「精度99.9%」と言うのは実験室の数字だ。自分の倉庫での問いは違う。1日800件の注文のうち、誤ピックを実際に何件検出するのか。そしてフラグが立ったもののうち、本当のエラーは何件で、誤検知は何件か。誤検知1件ごとに検証担当者は数分を失い、誤検知が積み重なれば、節約した人件費はそのまま外へ出ていく。私はベンダーに、まず私の倉庫で2週間のライブテストを実施させた。数字はスライド資料からではなく、実際に動かして得るものだ。
3行目:導入費に加え、保守費と人の変化にかかるコスト。ソフトウェア料金は始まりにすぎない。カメラの追加、より良い照明、より安定したネットワーク、数回にわたるスタッフ研修、深夜にシステムが壊れたときの修理担当者は必要か。すべてにお金がかかる。見落としやすいコストはスタッフの離職だ。経験のある従業員が辞めれば、後任はまったく新しいワークフローを学ばなければならず、最初の1か月は生産性が落ちる。誰も見積もりには書かないが、支払うのは自分だ。
3行を合わせると、判断は明確になる。
| どの数字か | 入手方法 | 入手できない場合 |
|---|---|---|
| 現在の人件費 | 3か月分の給与記録と誤出荷の補償記録 | データがない場合は、まず1か月分の手動トラッキングを実施する |
| AIが節約できる額 | 2週間のライブテスト:検出したエラーと誤検知率 | ベンダーがライブテストを拒否するなら、別のベンダーを探す |
| 導入・保守・人員の変化 | ハードウェアの変更、研修、障害対応を列挙する | 見積もりに欠けているものは、すべて自分が支払うものと考える |
この表は私のオフィスの壁に貼ってある。承認を求めるAIプロジェクトは、まず3行すべてを埋めなければならない。私がAIを信じていないわけではない。信じるのは自分の倉庫が生んだ数字だけだ。
承認ゲート:1つの指標、1人の責任者、1回の90日チェックポイント
数字が明確になっても、プロジェクトはまだ第2のゲートを通過しなければならない。私のルールは3つからなる。測定可能なビジネス指標が1つ、名前のある責任者が1人、90日のチェックポイントが1回。どれか1つでも欠ければ、プロジェクトは始まらない。
指標は「知能レベルを向上させる」といった飾りではなく、ビジネスに結びついたものでなければならない。私たちの画像検証プロジェクトでは、指標は1文だった。90日以内に、誤出荷を半分に減らし、誤検知を許容範囲内に抑え、検証スタッフを2名から1名に減らす。紙に書き、期限日に確認し、交渉はなし。
責任者はオペレーション部門の人間でなければならない。ITでもベンダーでもない。ベンダーのチームはプロジェクトが終われば去っていく。その後、誰に電話するのか。私たちのプロジェクト責任者は検証チームのリーダーだった。システムが本当に機能しているかどうかを最もよく知っているのは彼であり、機能しなければ最初に承認を拒否するのも彼だ。
90日のチェックポイントが最も重要だ。AIプロジェクトを殺すのは「もう少し様子を見よう」という言葉だ。1年後にはお金がなくなり、結論はまだ出ていない。90日目に、指標を達成すれば拡大し、達成しなければ止めて見直す。止めることは恥ずかしいことではない。引き延ばすことこそお金を燃やす。
私にとってうまくいったのは、小さなシナリオから始めることだった。画像検証はまず1本の出荷ラインだけで稼働させた。90日後、誤出荷は本当に減り、誤検知もコントロール下にあった。それから初めて第2ラインに展開した。第2ラインに展開したとき、最初の2週間は大変だった。カメラが新しい照明に適応する間、誤検知が急増し、1週間ほど検証担当者は以前より遅くなった。もうやめようかと思った。その後、数字は落ち着き、6週目には第2ラインが第1ラインに並んだ。教訓:どの展開でも最初の2週間は落ち込みを予算に入れること。そしてチェックポイントは最初の2週間ではなく、最後の1か月で判断すること。逆の例も見た。ある別のセラーは初日にフルプラットフォームを購入し、6か月かけても稼働させられず、システムは今、ほこりをかぶって放置されている。お金はすでに支払い済みだった。
ここであえて逆説的なことを言おう。実際に機能する小さなシナリオは、大きなプラットフォームよりも価値がある。AIの展開が大きいほど早く死に、最初の切り口が小さいほど長く生きる。まず1つのステップで本当に節約し、そのうえで次のステップが資金に値するかを決めるのだ。
そして正直な真実を1つ。AIプロジェクトで最も高くつくのはソフトウェアではなく、自分たちの雑然としたプロセスだ。ピッキングのロジックがめちゃくちゃで、ロケーションコードが10年間更新されていなければ、AIはその混乱をより速く認識するだけだ。まずプロセスを整えてから、AIの話をしよう。順番を逆にしてはいけない。
だから、サインする前に自分に3つの質問をしよう。数字は計算したか。チェックポイントを契約に入れる覚悟はあるか。自分のプロセスはAIによって増幅されても耐えられるか。3つすべてに答えられるなら、サインしよう。答えられないなら、ベンダーの資料がどんなにきれいでも、今は脇に置いておこう。まず倉庫のAIプロジェクトのROIビジネスケースを書くこと。その後で技術の話をしよう。
このアプローチは私にとってうまくいった。節約したお金は本物であり、教訓にも本物のお金がかかった。
Ah K(ECセラー歴5年)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。







