課題
生成 AI で分析はできる。でも、毎日の仕事には使いにくい
需要予測やシフトの最適化は、生成 AI に頼めばその場で答えが返ってくるようになりました。それでも本番の業務に使えないのは、次の3つが残っているからです。
答えが毎回ぶれる
同じデータ・同じ頼み方でも、計算のしかたや結果が頼むたびに変わります。毎日の発注の根拠にはできません。
確かめられる人がいない
データサイエンティストがいないと、出てきた数字が正しいのか、どこを直せばよいのかが分かりません。
手作業のままでは続かない
毎日ファイルを渡して頼み直すのは手間がかかり、担当者が変わると同じ手順で回せなくなります。
しくみ
試行錯誤はAIと。決まった処理は、コードで固定
ハカセロボは「作る → 登録 → 検証 → 確定 → 本番実行」の順に進めます。確定した部分は Python のコードとして保存されるので、本番では毎回同じ結果が出ます。
- 対話で作る目的を伝え、データを渡すと、AI が必要なことを質問しながら分析を組み立てます
- 登録する「固定する部分」と「その都度判断する部分」を一覧で示し、どちらにするかを利用者が選びます
- 検証する何度か動かして、同じ結果が出るかを確かめます
- 確定する安定を確かめた処理をロックします
- 本番で実行固定した部分は毎回同じ結果に。決まった時刻に自動で動かすこともできます
固定する・しないの切り分けを、ハカセロボが勝手に決めることはありません。必ず利用者に確認してから登録します。
できること
現場の「数字で決めたい」に、ひとつの画面で
需要予測
過去の実績から、商品ごとの需要を予測します。季節・曜日・天気なども手がかりにします。
予測（表のデータ）
顧客や案件の表から、「買いそう」「やめそう」などを予測します。ターゲティングにも使えます。
数理最適化
シフトや配送ルートなど、条件を守りながら一番よい組み合わせを探します。
BI
結果をためて、グラフや表で見られます。見るたびに集計し直す必要はありません。
発注管理
実績と在庫のファイルを置くだけで、推奨発注量と欠品の予定日を出し、急ぐ商品から知らせます。
需要に効く情報
キャンペーンの案内（PDF）・チラシ（画像）・営業メモを AI が読み取り、予測に効かせます。
データの準備も手伝う
欠けている値や外れ値を指摘し、予測が良くなりそうな手がかり（特徴量）を提案します。
使う AI を選べる
Claude・ChatGPT（OpenAI）・Gemini から、会社の方針に合わせて選べます。
画面で見る
情報を入れると、予測が当たり、発注が変わる
架空の土産物店のサンプルデータ（2年分の日別出荷・30品目）で動かした例です。品目・数量はすべて架空です。
文書を AI が読み取って、表にする
PDF・テキスト・画像のどれからでも、商品・期間・数量を取り出して表にします。
使わない行はチェックを外すだけ。確かめてほしい行は、AI が黄色で知らせます。
予測の誤差が小さくなったかを、数字で確かめる
今までの方法（季節を見る昔ながらの計算）と、予測 AI を同じ期間で比べます。
- 今までの方法
- 59.8%
- AI・情報なし
- 56.0%
- AI・情報あり
- 52.3%7.5ポイント改善
誤差率＝予測と実績のずれの合計 ÷ 実績の合計。小さいほど良い。サンプルデータでの結果で、実際のデータでは変わります。
急ぐ商品から、推奨発注量を出す
予測と在庫・発注残から、発注点・安全在庫・推奨発注量・欠品予定日を計算します。
品目によって当たる計算方法は違うため、複数の手法を同じ条件で比べて選びます。
安全の考え方
AI が書いたコードは、確かめてから、閉じた場所で動かす
実行前のチェック
AI が書いたコードに、ファイルや通信などの危険な操作が含まれていないかを確かめ、見つけたら止めます。
分けた場所で実行
AI が書いたコードは、クラウドの中で本体とは分けた場所で実行し、通信や決められた場所の外への書き込みを禁止します。時間がかかりすぎた処理は止めます。
使う人を限る
許可したアカウントだけが入れます。プロジェクトは作った本人だけ、設定の変更は管理者だけです。