ファンケルの肌解析AI、約2週間かかった結果をその場で返す全店サービス

起点になったのは、20年以上にわたる角層研究と、その過程で積み上げられた角層細胞のデータをAIの学習対象に据えた判断です。研究員が専用機器の測定値と目視で読み取っていた判断を、画像からの推定に置き換えるという狙いがはっきりしており、人の目では見過ごしてしまう部分まで拾わせることも織り込まれていました。開発では、AIモデルの試作・評価から本番環境の構築・運用・保守、さらに学習に必要な教師データの作成までを東芝デジタルソリューションズが担い、ファンケル側は研究知見の提供とサービス設計に集中する分担がとられています。検討開始から提供開始まで数年をかけ、フェーズを区切って進めた進め方も、精度が要求される解析を実用に載せるうえで効いたと考えられます。

次に効いたのが、解析結果を店頭で通じる言葉に翻訳する工程を、独立した設計課題として扱ったことです。研究所で使われる指標や用語をそのまま画面に出しても、カウンセリングの場では意味を持ちません。ここでは肌トラブルに対抗する力を7つの「肌力」と定義し直し、悩み別に分類するなどの整理が、研究側と店舗販売企画側の話し合いを重ねて詰められました。良い悪いの二択ではなく、なぜそう判断できるのかを論理的に伝える形に落とし込んだ点が、日々の接客で使えるサービスにした分岐点だったと見ています。

三つ目は、共通基盤に再学習とAIモデル更新の機能をあらかじめ組み込んだ構成です。作って終わりではなく、運用しながら精度を上げ続ける前提で仕組み側を用意しておく設計は、判定の精度が価値に直結するサービスと相性が良いはずです。