キリンの嗜好AI開発、ビールのおいしさを成分の寄与度に分解する仕組み

性質の異なる二つのデータを同じ土俵に載せた点が、この仕組みの中核にあります。お客様調査で集まるのは「おいしい」という人の感覚の評価であり、成分分析で得られるのは客観的な測定値です。前者を予測する対象、後者を説明する側に置いたことで、本来つながりにくい二種類の情報が一つのモデルの中で結びつきました。

予測で止めず、各成分の寄与度を定量化するところまで出力を設計したことも見逃せません。試作品の評価が高いか低いかを当てるだけでは、つくり手は次に何を変えればよいのか分からないままです。どの成分がどれだけ効いているかを示す形にしたことで、AIの出力が試作設計や工程条件の検討という具体的な次の作業に直結します。

AIを醸造家の代わりに置かず、蓄積された知見と組み合わせる前提で位置づけている点も特徴的です。適用範囲もまずビール類に定め、RTDやワイン、清涼飲料へ段階的に広げる進め方をとっています。商品カテゴリが変われば評価の軸も関わる成分も変わるため、一つの領域で運用を固めてから横に展開する順序は、精度と現場の納得の双方を確保するうえで理にかなった判断でしょう。