ミルボンが美容室向け生成AIを研究開発、AIエージェント分業で接客を支援

出発点にあるのは、顧客ニーズの多様化と、デジタルでの接客を求める声の高まりという美容業界の変化です。これに対しミルボンは、生成AIを駆使して満足度の高い美容室体験を創造し、業界のDXを牽引するという方針を掲げています。

編集部の見立てでは、ここでの困りごとは「人手が足りない」という量の問題ではなく、蓄積された自社ノウハウが、目の前の一人の顧客に向けた提案の形になるまでに距離があることではないでしょうか。カウンセリングから施術提案へ至る流れには、状態の聞き取り、見極め、製品や施術の組み合わせといった性質の異なる判断が連なります。この連なりを個々の熟練だけに委ねている限り、ノウハウは社内に積み上がっても、現場ごとの再現性は上がりにくい。研究・開発の照準が単発の機能ではなく応対の流れ全体に置かれているのは、その構造を見据えた選択だと考えられます。

統括役のエージェントの下に専門領域ごとのサブエージェントを並べ、タスクを細分化して並列に処理する構成が、この取り組みの中心にある判断です。ひとつのAIに応対の全工程を背負わせるのではなく、業務フローに沿って役割を割り振る形にすれば、各エージェントが引き受ける範囲も、参照すべきノウハウの範囲も絞り込めます。守備範囲を狭くとる設計は、応答の速さと確からしさを同時に狙ううえで理にかなった切り分けと言えるでしょう。

拡張の単位をあらかじめ機能ごとに区切っておく考え方も、実運用を見据えた工夫です。新製品が追加されたり各種業務マニュアルが刷新されたりした際に、関係するエージェントだけを差し替えたり足したりできる構造にしておけば、更新のたびに全体を作り直す必要がなくなります。変化の多い領域でスケーラビリティとガバナンスを両立させる狙いが、この単位設定には表れています。

基盤の選び方が、データの扱いから逆算されている点も見逃せません。顧客データがモデルの学習に使われないこと、堅牢なセキュリティフレームワークの下で企業データを保護できること、複数の最新モデルを単一のAPIで使い分けられることが選定理由として挙がっており、独自ノウハウをセキュアな閉域環境に置いたまま生成AIと連携させる前提が先に固められています。プランニングとオーケストレーションをAmazon Bedrock上で一元管理する集中管理の構えも同じ発想の延長にあり、そこへ外部パートナーであるナレッジコミュニケーションが検証・実装環境を持ち込む分担が重なることで、環境づくりの負荷と研究・開発そのものが切り分けられています。

公表時点では技術支援を開始した段階であり、削減率や短縮時間といった数値の成果はまだ示されていません。掲げられているのは、応答時間の短縮と精度向上、機能単位でのエージェント拡張、Amazon Bedrock上での一元管理といった目指す価値です。両社は「AIアクセラレーターパック for Amazon Bedrock」を用いた研究・開発を通じて生成AI活用の知見を共に蓄積し、新たな美容室体験につながる新規デジタルサービスの開発を進める方針を示しています。成果の検証はこれからの段階にあります。