森永乳業とNEC、新商品の需要予測をAIで検証、参考商品の選定が9割一致

予測という一つの塊を、「参考にする既存商品を選ぶ」「その商品との違いから需要を見積もる」という二つの工程に分解した設計が、この取り組みの土台になっていると考えられます。新製品予測が難しいのは実績がないからですが、実務では熟練者が過去の類似商品を思い浮かべて数字を組み立てています。その暗黙の手順をそのまま二段構えの処理として明示したことで、AIに解かせる問題が「ゼロから需要を当てる」ではなく「似た商品を探し、差分を補正する」という扱いやすい形に変わっています。

前段の商品選定では、販売価格や発売季節、販売チャネル、マーケティング施策といった観点を学習させ、販売チャネル・商品ブランド・取引先など40種類以上の要素とそれぞれの重要度を特定してモデル化しています。人の頭の中で重み付けされていた判断材料を要素と重要度に開いた点は、属人性の解消という目的に直結する工夫です。どの要素がどれだけ効いたかを示せれば、選定結果に対して現場が異議も同意も述べられる。

後段では、参考商品の売上実績と販促施策の因果関係をモデル化し、新製品の情報や計画値を当てはめて発売から3か月間の需要を求め、その結果を起点に1年間および月次の予測へ広げています。短期を足場に中長期へ展開する組み立てにしたことで、調達計画や生産の過不足調整、予算達成に向けた現状評価といった、時間軸の異なる用途に同じ予測を接続できる形になっています。加えて、AI技術に、データ分析の知見とSCM・S&OP領域の業務知見を組み合わせる進め方が取られており、モデル単体ではなく需給業務の流れに乗せることが前提に置かれていた点も見逃せません。