店舗の知見と売上データをAIで結びつける独自のエージェント開発の取り組み

解説

アパレル業界では、接客時の気付きや売り場での顧客反応など、「売れた理由」は現場スタッフや店長が日々発見しています。しかし、これらの貴重な定性的な知見をまとめる作業（週報作成など）は負担が大きく、内容も曖昧になりがちで、本部全体に情報として届きにくいという課題がありました。

この問題を解決するため、ユナイテッドアローズ社は、Amazon Web Services Japanと協働し、「SMART」という独自のAIエージェントを共同開発しました。これは、現場スタッフの主観的なコメントや「気付き」といった情報をAIが掘り下げて対話形式で整理し、さらに夜間に収集した売上データなどの客観情報と結びつける仕組みです。

これにより、単なる報告書作成にとどまらず、店舗での学びを翌日の具体的なアクション（意思決定や改善施策）に繋げられるように設計されています。また、この開発プロセス自体も、AWSの支援プログラムを活用し、内製開発体制を構築するという新たな取り組みの側面も含んでいます。

現場で得られた「なぜ」という知見をAIを介してデータとして構造化し、組織全体の知識や改善サイクルに組み込むことが可能な画期的な試みと言えます。

ポイント

• 店舗スタッフが持つ定性的な現場の気付き（売上の要因など）を効率的に収集・整理するための独自AIエージェント「SMART」が開発されました。
• このエージェントは、音声やテキストによる入力に加え、AIとの対話を通じて曖昧な報告を具体化し、売上データなどの客観情報と統合します。
• これにより、単なる週報作成の負担軽減に留まらず、現場の知見を具体的な意思決定や他店舗への展開可能な「インサイト」として組織的に蓄積することが可能になります。

情シスへの影響

本記事は特定のシステム障害や脆弱性に関する情報提供ではなく、アパレル業界における業務プロセスのDX（デジタルトランスフォーメーション）事例紹介です。

直接的な影響はありませんが、貴社の組織内の非構造化データ（定性的な現場の知見、担当者の気づきなど）をどのように収集・分析し、ビジネス上の価値に変換できるかという視点を持つことが重要になります。本取り組みモデルは、AIエージェントやクラウド技術を用いた独自の業務プロセス設計のヒントとなります。

影響範囲

特定の製品・システムへの影響はありませんが、以下の管理領域に関わる知見として参照可能です。

• データ収集/分析：定性的な現場の声（テキスト、音声）の構造化とデータ化

• ワークフロー改善：情報入力の負荷軽減と報告からアクションへの連携強化

• クラウド利用：Amazon TranscribeやAmazon Bedrock AgentCoreなどのAIサービスを活用した独自エージェント構築モデル

重要度

★★☆☆☆

対象者

• セキュリティ担当者
• ネットワーク管理者
• M365管理者
• Entra管理者
• ヘルプデスク担当

優先度

様子見

優先度の理由

本記事は、特定の技術的な脆弱性や障害に関するアラートではなく、アパレル企業が業務課題を解決するために行った先進的なAI導入の成功事例（PoC）レポートです。したがって、緊急度や即時対応が必要なリスクはありません。しかしながら、「現場の非構造化データ」をいかに価値ある情報に変換するかという視点は、当社の既存業務プロセスを見直す際の参考情報として有用です。

確認手順

• 貴社内で「売上データと紐づけるべき定性的な知見」がどこまで散逸しているかを洗い出す（課題定義）
• 非構造化テキストや音声データを自動で構造化し、タグ付けするプロトタイプの実現可能性を検証する。
• PoCの対象となる部署・現場スタッフから具体的な「報告にかかる負担感」「情報共有の曖昧さ」についてヒアリングを実施する。
• クラウドベースのAIサービス（例：Amazon Bedrockなど）を利用したエージェント対話シミュレーションの費用対効果を検証する。
• 社内業務プロセスに沿って、情報収集→分析→意思決定というサイクル図を作成し、ボトルネックとなる「手作業での情報整理」部分を特定する。