私は2年間の大半をAIを構築することではなく、データを整理することに費やしました。

当時、当社はTrack & Traceプラットフォームをスケーリングしており、最も困難な仕事はAIレイヤーやモデル、アルゴリズム、最適化にあると想定していました。しかし、実際はそうではなく、労力のおよそ80%を、データ基盤の修復という、はるかに地味な作業に費やしました。エラーの洗い出し、矛盾の解消、全く記録されていなかった運用シグナルを捕捉する作業です。

退屈な作業でしたが、必要不可欠でした。なぜなら、インテリジェンスを構築する前に、データをそれにふさわしいものにする必要があったからです。 

その教訓は今、あらゆるところに表れています。業界全体では、ほとんどのAI構想が失敗するのはモデルが不十分だからではなく、その基盤となるデータが信頼できないからだという認識が広まっています。最近の調査では、この問題を数値化しています。サプライチェーンにおける生成AIイニシアチブの最大95%が、持続的なROIを達成できていません。これはモデルのせいではなく、断片化されたデータ、サイロ化されたシステム、手作業によるワークフローが原因です。 

AIが失敗したのではなく、データガバナンスが失敗したのです。

モデルでは解決できないこと

より優れたモデルがあれば、不完全なデータを補えると考える傾向がありますが、実際には逆のことが起こります。AIシステムは、不完全または不正確な入力に基づいている場合でも、自信に満ちた答えを生成するのが得意です。

サプライチェーンの文脈では、これは単なる技術的な問題ではなく、運用上のリスクとなります。

ほとんどの環境では、データはスムーズに流れていません。倉庫管理システム、ラベリング業務のプラットフォーム、実際のイベントに遅れをとるERPの更新など、孤立したシステムに分散しています。その上にAIを重ねても、明確さは生まれず、むしろ曖昧さが拡大します。

そして、規模が大きくなればなるほど、間違った答えは、答えがないことよりも大きな損害をもたらすことがよくあります。実際に成果を上げている組織は、順序を入れ替えました。このような組織ではAIから始めるのではなく、データの作成、取得、連携方法を修正することから始めました。

真のデータが存在する場所

サプライチェーンにおいて最も見過ごされている高品質データの源のひとつは、実は最も広く普及しているもの、ラベルです。ラベルが印刷されたりスキャンされたりするたびに、何らかの意味のある情報が記録されます。識別情報、位置情報、移動状況、ステータス。これらは抽象的なデータポイントではなく、製品が製造、流通、フルフィルメントを通過する際にリアルタイムで記録される運用上の事実です。

時間の経過とともに、これらのイベントはアイテムレベルの連続した履歴を形成します。それこそが真のデジタルツインの姿であり、静的な記録やサプライヤーが提供する申告書ではなく、各段階で何が起こったかを示す生きたタイムラインなのです。これは、何千回にもわたる小さなデータ収集の積み重ねによって、段階的に構築されます。

一朝一夕には組み立てられません。競合他社が簡単には真似できないデータ資産となり、長期にわたって持続する優位性となります。

同時に、外部からの圧力も強まっています。GS1 Sunrise 2027、FDAのトレーサビリティルール、EUのデジタル製品パスポート構想などの規制要件により、企業はデータの完全性をより真剣に考慮する必要に迫られています。タイムラインはもう理論的なものではありません。

しかし、コンプライアンスはあくまでも強制的な機能に過ぎません。データが信頼できる状態になって初めて、本当の価値が生まれます。

クリーンなデータから真の成果へ

データ基盤がしっかりしていれば、ユースケースは具体的なものになります。ネットワーク全体に影響が及ぶ前に、早期に異常を検出することができます。静的なレポートでは見えないサプライヤーの業績パターンを特定することができます。事後的な在庫管理から、予測に基づいた在庫配置へと移行することも可能です。

小さな改善でも重要です。多くの組織では、在庫切れだけで年間売上高の4～7%の損失があると推定されています。これはモデリングの問題ではなく、データ品質に根ざした可視性の問題です。そして、この話題が今後の方向性です。

エージェント型AIは、エッジやクラウド環境で動作する複数のエージェントが協調して構成されるシステムで、急速に次のフロンティアになりつつあります。しかし、こうしたシステムは、クリーンで一貫性のある入力データに依存しています。単にデータを分析するだけでなく、データに基づいて行動するからです。そのため、リスクが高まります。

考えるべき1つの質問

企業がAIに投資する前に、簡単な質問をするために立ち止まる価値があります。もし今、既存の業務データをモデルに入力したら、その出力を信用できるでしょうか？もし答えが「いいえ」であれば、それは失敗ではありません。それが出発点になります。

なぜなら、AIから真の価値を得ている企業は、より優れたモデルを待っていたわけではなく、先に大変な作業に取り組み、次の段階を支えるデータ基盤を構築していました。そこからすべてのことが構築されていくのです。

—

Seagull Softwareの最高技術責任者 (CTO) であるGus Riveraは、企業、チーム、革新的なクラウドネイティブソフトウェア製品の構築に20年以上携わってきました。彼は、当社のTrack&Traceアイテムおよび在庫追跡プラットフォームのチーフアーキテクトも務めています。また、Seagullのソフトウェアエンジニアリング、クラウドオペレーション、サポートの各チームを率いています。