EcolabがDatabricksとAnthropic Claudeで小売インテリジェンスを再構築した方法

Ecolabは、水、衛生、感染予防のグローバルリーダーであり、北米の数千の小売店やファストフード店の食品安全、害虫駆除、水質を監視しています。しかし、これらのサービスを支えるデータは、監査、健康検査、害虫IoTテレメトリ、チェックリスト、化学薬品使用ログ、天候情報、Yelpレビュー、CDC近隣データ、FDA食品コードという9つの独立したシステムに分散していました。この断片化により、単一の拠点の全体像を把握することは非常に困難でした。

この状況を変えるために、Ecolabは小売インテリジェンスアプリケーションを構築しました。これはDatabricksネイティブアプリで、Lakebase Postgresをトランザクション基盤としています。9つのデータソースはすべて、LakeflowとSpark宣言型パイプラインを通じてUnity Catalog管理下のガバナンスされたレイクハウスに流れ込みます。アプリはDatabricksのセキュリティ境界内で実行されるため、Ecolabは別途インフラを用意することなく、組み込みの認証、自動サービスプリンシパル、Unity Catalogアクセス制御を利用できます。

しかし、データを統合するだけでは十分ではありません。本当の課題は、9つの情報源のインテリジェンスを1つの対話型エキスパートのように感じさせることでした。Databricksの基盤モデルAPIを通じて、Ecolabは複雑な推論にClaude Sonnet、高速でコスト効率の良い要約にClaude Haiku、画像分析にGeminiを使用しています。すべてのモデル呼び出しはDatabricksのセキュリティ境界内に留まります。

システムの核心では、マルチエージェントオーケストレーションがスーパーバイザーパターンに従います。店舗マネージャーが質問を入力すると、コーディネーターエージェントがそれをサブタスクに分解し、専門のサブエージェントに委任します。あるサブエージェントはベクトル検索で関連FDA項目を取得し、別のサブエージェントはSQLとUnity Catalog関数で構造化コンプライアンスデータをクエリし、3つ目のエージェントは外部MCPサーバーから害虫テレメトリを取得します。レスポンスエージェントはすべてを引用付きの単一の回答にまとめます。

パーソナライゼーションは二層メモリアーキテクチャによって実現されます。短期メモリは最新の10ターンの会話を保持し、Claude Haikuが3ターンごとに要約します。長期メモリはユーザープロファイル（役割、好み、注目分野、場所、行動パターン）を維持し、インタラクションを通じて継続的に更新されます。その結果、数週間離れていても、アシスタントはそのユーザーの管轄区域や未処理チケット、ワークフローを理解した回答を返します。

品質は5つのJudge LLMによって継続的に評価されます。ユーザーフィードバックと暗黙のシグナルが自動プロンプト最適化ループを駆動します。MLflowはすべての実行パスを追跡し、ダッシュボードはレイテンシとエラー率をリアルタイムで監視します。高スループットのオフライン処理には、ai_query()を使用して単一のSQL呼び出しで数千レコードにClaudeを適用します。

効果は即座に現れました。以前はコンプライアンスレポートの作成に2週間かかっていたのが、現在は2分未満です。FDA食品コードの質問も、数秒で引用付きの回答が得られます。会話エージェントは約12言語を約98%の精度でサポートしており、現場スタッフは最も使い慣れた言語で対話できます。

今後、EcolabはMCPベースの自動アクションを追加し、システムをインテリジェンスレイヤーから完全な運用エージェントへと進化させる予定です。