中核の論理
空間にAIを載せる前に、
空間がまずデータになる必要があります。
文書と取引はすでにデータなので、言語モデルをそのまま載せられます。店舗と現場は違います。空間をまずデータにして(DX)、その上でAIが働きます(AX)。
そのDXをつくるのが、コンピュータービジョンによる空間AIです。二つを別々に導入すれば、つなぐ作業がそのまま残ります。
匿名化
身元を消した状態で行動のシグナルを残します。記録してよいデータは、ここから生まれます。
Anonymizer の詳細空間の座標
動線・滞在・棚での接触を同じ座標に載せます。ここで空間が、問い合わせできるデータになります。
Spatial AI の詳細運営基準
店舗が違っても同じ定義で数えます。ある店舗の答えが、別の店舗でも成り立ちます。
モデル構成
一つのモデルにすべてを任せません。
空間を読むビジョンモデルと言葉にまとめる言語モデルは、得意なことが違います。課題ごとに合うモデルを選んでつなぎます。
自社のビジョンモデル
個人を特定せずに動線と状態を読む部分は、自社でつくります。映像は現場で匿名化してから扱います。
ファウンデーションモデルの組み合わせ
要約と対話には、公開された言語モデルを使います。つくり直さず、得意なものを使います。
空間の文脈を渡す
言語モデルには、匿名化した空間データと運営基準を一緒に渡します。一般論ではなく、この空間の答えが出ます。
どの組み合わせが良いかは、承認と却下の記録で確認します。モデルを変える根拠も、ここから出ます。
提案ができるまで
一件の提案には、四つの段階がついています。
シグナルを検知して根拠を分析します。やることを提案すると、人が確定します。事例を選び、四つの段階をそのままたどってみてください。
- 01
検知
saai care
- レジ前の待ち人数 7名
- 平均待ち時間 4分12秒
- 開いているレジ 1台
- 02
分析
saai insight
- 同じ曜日、同じ時間帯の平均待ち時間は2分10秒です。
- 入口の来店数はいつもと同じくらいです。増えたのはレジ前の滞在です。
- 過去4週間で待ち時間が4分を超えた日は3日あり、すべて雨の日でした。
- 03
実行連携
saai agent
レジをもう1台開けることを提案します。
優先順位 · 高
なぜこの提案か
待ち時間が4分を超えた後、会計せずに出た人が増えた記録が4週分あります。
見込み · 待ち時間 2分台 · サンプル推定
- 04
確定
人
ここからは人の役目です。
原則
越えない線を、先に決めました。
エージェントがどれだけ賢くなっても、越えない三つの線です。
提案までがAIの役目
承認なしには実行しません。承認の後も、止めて戻せます。
根拠なしには語りません
提案の隣に、何を見てそう言うのかが一緒にあります。
却下も記録として残ります
人が違うと言った判断は消えず、次の提案の条件になります。
この三つの線が現場でどう守られたかは、事例に記録しています。
仮説から始め、陳列を変え、もう一度測った機能の基準
機能を出す前に、五つを確認します。
原則を実際の機能基準にします。
基準03 · 人が見るものを減らすか?
従来の通知ストリームと優先順位の画面を並べた例です。指標を増やす代わりに、今日見ることを減らします。
導入の検討
どこから始めるかを一緒に決めます。
現在の運営状況をお知らせください。検討する段階をご提案します。