AIが小売、旅行、消費財の変革を促進する3つの方法

金曜日の朝5時45分、店長がバックオフィスで建物と議論に負けている。14のダッシュボードが2つの画面に開いている。互いに一度も通信したことのない4つのシステムが一晩で組み立てたタスクキューが、3つの異なる優先順位で彼女の注意を求めている。7番通路では、店内で最も回転率の高いSKUが火曜日から欠品している。棚のカメラは火曜日にそれを捉えた。補充システムは水曜日に推測した。修正タスクは今朝浮上したが、11番目にランクされ、棚割監査とトレーニングリマインダーの下にある。彼女は歩きながらそれを見つけるだろう。マネージャーが100年間物事を見つけてきた方法で、その時にはその製品のために注文された週末のトラフィックは過ぎ去っている。シグナルは4日間存在したが、タイミングが過ぎる前に行動する方法は決して存在しなかった。

その朝は、異なるユニフォームを着て、すべての消費者産業で繰り返される。Forresterは、企業内のデータの60％から73％が分析に使用されないと推定している。消費財では、新製品の約85％が2年以内に失敗し、Nielsenはその失敗の大部分を製品品質ではなく、消費者のニーズとポジショニングの誤読に帰している。つまり、存在しながら読まれなかったシグナルだ。NVIDIA 2026年の小売・CPGにおけるAIに関する調査で、企業がAIのスケーリングを妨げるものとして最も多く挙げたのは技術ではなくデータだった。これらは3つの問題ではなく、3つの方法で課税される1つの問題である：シグナルを信じて行動できない（信頼）、タイミングが過ぎる前に行動できない（時間）、または必要な規模で読み取り行動する余裕がない（コスト）。本記事の主張は、AIをパイロットの集まりではなくシステムとして導入することが、3つの課税すべてを同時に攻撃する最初の技術であり、これを理解する企業がパイロットを購入した企業から分離しようとしていることである。

20年のダッシュボードがギャップを埋められなかった理由

業界の未読シグナルへの答えはビジネスインテリジェンス（BI）であり、それは合理的な答えだった。BIは報告を専門化し、取締役会が運営する指標を標準化し、商人とオペレーターの世代に共有の事実基盤を与えた。しかし、それには3つの構造的限界があった。まず、BIはスキーマに適合するデータしか見えなかった。棚画像、メンテナンス写真、通話記録、レビュー、ソーシャル投稿：消費者企業が実際に目撃するものの大部分はモデルに入らなかった。それを読むには人間の注意が必要であり、人間の注意が建物内で最も希少なリソースだったからだ。第二に、BIは誰かがすでに考えた質問に答えた。与えられた結合にわたって見事に計算したが、事前に定義されていないシグナルを横断するビューを形成できなかった。そこにこそ驚きが潜んでいる。第三に、BIはダッシュボードで終わった。経験豊富な人間はまだ気づき、解釈し、決定し、ルーティングしなければならなかった。そのため洞察はエスカレーションの速度で移動し、エスカレーションは組織図の速度で移動した。

変化したのは、これらの限界のそれぞれが個別に最近除去されたことだ。基盤モデルは非構造化データを読むコストを劇的に下げた。確率的推論は判断を計算可能にした。エージェントシフトは行動を人員から切り離した。3つの課税は初めて対抗者を得た。

シグナルが死んでいる場所

小売では、店舗フロアで死んでいる。当社のAI駆動型店舗運営に関する研究は繰り返し同じ発見に至る：店舗は企業内で最も豊かなシグナル環境でありながら、それを代謝する能力が最も低い。棚の状態は歩くことでのみ知られる。労働計画は前年の曲線に基づいて構築される。廃棄物はビンに入った後に計数される。そしてマネージャーは、朝の5時45分に1人の人間に収束するようには決して設計されなかった12のシステムの単一で過負荷の統合ポイントである。ループはついに必要な場所に到着している：Harmonsの自律棚スキャンは欠品を半分以上、価格エラーを約75％削減した。ウォルマートのAsk Samは、初週の従業員にベテランの記憶を与える。浮かび上がっているのは、棚、キュー、廃棄物を継続的に感知し、1時間以内に行動する、自身のループを実行する店舗であり、マネージャーの歩行は明白なものの発見ではなく例外への判断になる。

消費財では、イノベーションエンジンで死んでいる。伝統的なステージゲートモデルは、物理的プロトタイプに対する順次人間レビューを実行し、各ゲートはシグナルが期限切れになる場所である。私の最近のこの業界のイノベーションに関する研究は、古い研究に供給される順次人間ゲートから、物理的コミットメントが行われる前に実行される消費者への継続的計算読み取りへの逆転が進行中であることを指摘している。ある世界の健康・衛生企業は、マーケターがかつて組み合わせるのに数週間を費やしていた消費者調査、製品レビュー、ソーシャルリスニングのシグナルを統一し、現在は生シグナルから実行可能な洞察へ数日で移動している。その変革の制約はモデル能力ではなく、推論に対して十分に密度の高い、最新で、ガバナンスされた専有消費者データである。

旅行では、それぞれがストーリーの半分を知っているシステム間で死んでいる。予知保全は12,000機以上の接続航空機（Airbus Skywise経由）からのシグナルを読み取る。Deltaは生成ネットワークで価格設定を行う。AIコンシェルジュはExpediaとHiltonで市場に出ている。これらを接続すると、自身を修復する旅が得られる。IDCは、2030年までに旅行予約の最大30％がAIエージェントによって実行される可能性があると予測している。

AIが解放する3つのもの

AIの3つの課税への攻撃は3つの動きで進行し、それぞれがBIの構造的限界の逆転である。

1. ダークデータがシグナルになる：非構造化データを読む注意コストが崩壊し、企業が目撃するものの大部分がついに記録に入る。
2. 確率的推論が質問空間を拡大する：計算機が判断になる。モデルは明示的にコード化されたことのないシグナル（天気とプロモーションと競合の運賃変更）にわたって確率的ビューを形成し、驚きは結合の間に隠れるのをやめる。
3. 人間の能力が人員数と経験から切り離される：拡張は初週の従業員にベテランの記憶を与える；自動化は実行遅延を完全に除去する。知ることから実行することまでの距離が会議で測定されるのをやめる。

3つの動きは時間に対するループとして実行される；リアルタイムが時計であり；ガバナンスが信頼を得てコストを制御する基盤である。

ガバナンスが真の堀

各動きは増幅器であり、増幅器は増幅するものに無関心である。開口部だけではより多くのノイズを生む。ガバナンスのないデータでの推論は誤った自信を生む。加速だけではより速いミスを生む。3つすべてを同じガバナンスされたデータ上でリアルタイムに置くと、以前は存在しなかったものが得られる。これが、データ予算の中で最も華やかでない項目であるガバナンスがペイロードである理由である。データを一度ガバナンスすることは、配当を二度支払う：それを信頼できる（信頼税の廃止）、そしてそれを再導出するために決して支払わない（コスト税の廃止）。すべてのモデル、エージェント、アプリケーションが同じ処理され認定された基盤から引き出すためである。ガバナンスは慢性的に過小評価されてきた。コンプライアンスとして計上される一方で、コストレバーとしての役割が測定されていないからである。

基盤となるアーキテクチャ

上記の運用姿勢は、1つのアーキテクチャに3つのことを同時に行うよう要求する：感覚から行動へのループをリアルタイムで実行し、すべての答えの信頼性を証明し……（入力が切り詰められているためここまで）