AIエージェントが製品の導入をどのように加速できるか

製品のオンボーディングは、シンプルであるべきです。サプライヤーが情報を提供し、各チームが要件に照らして確認を行い、新製品は市場に投入するためのシステムやワークフローに組み込まれていきます。

しかし実際には、そのプロセスがこれほど単純であることはめったにありません。

サプライヤーごとに独自の業務スタイルがあります。あるサプライヤーは独自の列見出しが設定されたスプレッドシートを送信し、別のサプライヤーは技術仕様書をPDFで共有します。情報の構成が異なっていたり、異なる用語が使われていたり、受け取る企業の製品データモデルにすっきりと対応しない属性が含まれていたりすることもあります。

製品情報管理システム（PIM）が、情報到着後にそれを管理するために必要な構造を提供できるのは事実ですが、それでもまずサプライヤーのデータを適切な構造に整えるのはチームの責任です。そのためには、カテゴリーの手動での特定、属性のマッピング、値の検証、エラーの修正、さらにはサプライヤーへの確認依頼といった作業が頻繁に必要となります。

そのため、データ管理プロセスが成熟している組織であっても、データ取り込みは製品オンボーディングにおける最も根深いボトルネックの一つとなっています。

なぜ製品オンボーディングは依然としてこれほど困難なのでしょうか？

小売業者、製造業者、流通業者、卸売業者は、増え続けるサプライヤーからより多くの製品情報を必要としています。同時に、顧客は製品に出会うあらゆる場面で、詳細な仕様、正確な説明、画像、動画、その他のコンテンツを期待しています。

情報への需要は増え続けていますが、サプライヤーのオンボーディングプロセスは、多くの場合、受入組織のデータモデルに合わせて作成されていないファイルから始まります。

サプライヤーには、次のようなことが求められる場合があります：

• 既存の商品情報の再フォーマット
• 新しいポータルやテンプレートの操作方法を習得する
• 馴染みのない属性名の対応
• 正しい製品カテゴリを特定すること
• 受取側の要件に基づいて不足情報を補完すること
• メールのやり取りを繰り返して誤りを修正する

受信側チームも、同じ問題の別の側面に直面しています。データスチュワードやオンボーディング担当者は、各提出内容を解釈し、製品がどのカテゴリーに属するかを判断し、サプライヤーの用語を社内の属性にマッピングし、欠落している情報や無効な情報を特定しなければなりません。

こうした手作業のため、サプライヤー、カテゴリー、およびオンボーディング対象となる製品の数を増やすことは困難であり、それらをサポートするために必要な労力も同時に増大してしまいます。

テンプレートは作業を排除するのではなく、作業の負担を移すだけである

従来のオンボーディングプロセスでは、データ変換の負担がサプライヤーに課されることがよくあります。

サプライヤーはテンプレートを受け取り、既存の情報をそれに合わせて変換し、その結果を提出します。フォーマット、カテゴリー、または値が正しくない場合、ファイルは修正のために差し戻されます。これにより、サプライヤーには摩擦が生じ、データを収集する組織にとってはサポート業務が増加します。

テンプレートは、サプライヤーが正しく従えば一貫性を生み出すことができます。しかし、既存の情報を慣れない構造に変換するために必要な作業を排除するわけではありません。単に、誰がそれを行うべきかを決定するに過ぎないのです。

データ取り込みがオンボーディングの真のボトルネックである理由

入ってくるサプライヤー情報は、ガバナンスをかける前に解釈する必要があります。チームは、ファイル構造を理解し、関連する製品やカテゴリーを特定し、サプライヤーの用語を社内の属性と関連付け、その情報が定められた要件を満たしているかどうかを判断しなければなりません。

これらのステップが手作業に大きく依存している場合、新しいサプライヤーやデータソースが追加されるたびに、新たなマッピングと検証作業が発生します。このプロセスはファイルが1つであれば対応可能かもしれませんが、品揃え、カテゴリー、サプライヤーネットワークの拡大に伴い、スケールアップすることは困難になります。

製品オンボーディングにおけるAIの役割

エージェント型AIは、オンボーディングプロセスから確立された管理体制を排除することなく、反復的な解釈作業を引き受けることができます。

AIエージェントは、受信したサプライヤーファイルの形式、構造、内容を検証し、その情報を受入組織のスキーマと比較することで、データの分類やマッピング方法を決定する支援を行います。その後、検証プロセスを通じて、製品が下流のプロセスに進む前に、欠落や誤った情報を特定することができます。

ここでの目的は、監督のない自律的なオンボーディングではなく、より効率的な業務分担にあります。このシナリオでは、AIが反復的な解釈やマッピングを処理し、一方、人間は注意を要する決定事項、問題、例外について可視性を維持します。

AIを活用したオンボーディングはどのような価値をもたらすのか？  

AIを活用したオンボーディングを効果的に導入すれば、サプライヤー情報を既存の形式から管理されたワークフローへ、手動による解釈やサプライヤーとオンボーディングチーム間のやり取りを最小限に抑えながら、より迅速に移行させることができます。

その潜在的なメリットは、オンボーディングプロセス全体に及びます：

サプライヤーとのやり取りの削減

サプライヤーは、新しいテンプレートに合わせて情報を繰り返し再フォーマットする代わりに、慣れ親しんだファイルから作業を開始できます。

手動によるマッピングの削減

エージェントがサプライヤーの属性を解釈し、受入組織のデータモデルに紐付けるのを支援します。

問題の早期発見

検証機能により、製品が下流工程に進む前に、欠落や誤った情報を早期に発見できます。

サポート依頼の削減

より体系化されたプロセスにより、サプライヤーのオンボーディングやサポートチームが負担する手作業の労力を削減できます。

品揃えの拡張性を高める

企業は、手作業の負担を同程度に増やすことなく、より多くのサプライヤー、製品、カテゴリー、コンテンツを取り扱うことが可能になります。

これらの成果は、データ品質や管理を犠牲にすることなく、企業が品揃えを拡大し、製品をより迅速に市場に投入できるよう支援するという、より大きな目標を支えるものです。

チームはエージェント支援型オンボーディングにどのように備えればよいでしょうか？

組織は、このアプローチが価値を生み出すかどうかを検討するために、導入プロジェクトが始まるのを待つ必要はありません。

まずは、現在のオンボーディングプロセスを可視化し、どこで問題が発生しているかを特定することから始めましょう。

• 新製品や新商品が公開されるまで、どのくらいの時間がかかりますか？
• プロセスのどの段階で遅延が発生していますか？
• サプライヤーからのファイルの変換や修正にどれだけの時間が費やされていますか？
• 情報が不足しているために、チームがサプライヤーに再確認を求める頻度はどれくらいか？
• どのフォーマット、カテゴリ、または属性が、最も多くのサポート作業を引き起こしていますか？
• 組織がより多くのサプライヤーや製品を取り込むことを妨げている要因は何ですか？

また、チームはサプライヤーとの関係を管理する担当者とも話し合うべきです。彼らは、ワークフロー図からは見えない摩擦を目の当たりにすることがよくあります。例えば、サプライヤーが慣れないテンプレートに苦労していたり、ファイルが破損していたり、要件が不明確だったり、めったに使わないツールに悩まされていたりといった状況です。

こうした課題を洗い出すことで、実用的な基準が確立されます。これにより、担当者が反復作業を削減できる箇所と、依然として人間の専門知識、レビュー、あるいはサプライヤーとの連携が重要となる箇所を、組織が特定できるようになります。

この評価により、問題の所在を特定しやすくなります。その原因としては、サプライヤーが使用するファイル形式、不明確な要件、繰り返されるマッピング作業、情報の欠落、あるいはサプライヤーに操作が求められるツールなどが考えられます。こうした摩擦を特定することで、AIが反復作業を削減できる箇所と、依然として人間の専門知識が不可欠な箇所を判断するための実用的な基準が得られます。

「Upload Anything Agent」のご紹介

当社の 「Upload Anything Agent」 は、組織が新しい製品データソースをより迅速に導入できるよう支援するために設計された、製品化されたAIエージェントです。

サプライヤーが製品情報を送信する前に再構成することを要求する代わりに、このエージェントは受信するファイルを受入組織のスキーマや要件に自動的にマッピングします。「Upload Anything」は以下の点で役立ちます：

• サプライヤーの属性を、受信側のデータモデルにマッピングする
• 製品情報が定義された要件を満たしているかを確認
• 送信前に注意が必要な問題を特定する
• 準備された製品データを、確立されたオンボーディングワークフローへ移行する

このエージェントは、サプライヤーの現状に合わせて対応しつつ、受入組織が情報をビジネスに必要な構造へと移行できるよう支援します。

「Upload Anything」はどのように機能するのでしょうか？

当社の製品データオンボーディングソリューションでは、サプライヤーは一般的なスプレッドシートやPDF文書を使用して製品情報を提出します。 担当者はファイルを解析し、カテゴリや属性のマッピングを提案するとともに、データ上の問題点の特定を支援します。その後、ユーザーは結果を確認し、例外事項に対処した上で、確立された検証および提出プロセスを進めることができます。

この支援付き取り込みプロセスは、標準的なガバナンスに基づくオンボーディングワークフローが始まる時点で終了します。これにより、受信データを既存の品質管理から切り離すことなく、反復的な準備作業を削減できます。

判断が必要な部分では、人の関与を維持する

オンボーディングの迅速化は、管理の緩和を意味するものではありません。

担当者はカテゴリや属性のマッピングを提案できますが、データが次の段階に進む前に、人間のユーザーがいつでも結果を確認し、問題に対処することができます。

これは特に製品情報において重要です。カテゴリや属性のマッピングが誤っていると、検索、ナビゲーション、コンプライアンス、シンジケーション、そして顧客体験に影響を及ぼす可能性があります。初期の解釈作業を自動化することで手作業の負担を軽減できる一方で、レビューと検証を行うことで、結果として得られるデータがビジネス要件に沿った状態を維持できるようになります。

最終的な目標は、監督のない単純な自律的なオンボーディングにとどまりません。真のビジョンとは、AIが反復的な解釈やマッピングを処理し、一方で人間が注意を要する決定や例外を把握し続ける、より効率的な業務分担を実現することです。

サプライヤーのファイルから市場投入可能な製品情報へ

エージェント型AIは、作業チームがすでに「時間がかかり、反復的で、スケールしにくい」と認識している業務に対処する際に、最もその真価を発揮します。

製品のオンボーディングはその好例です。サプライヤー情報はすでに有用で適切に管理されている場合でも、商品掲載、コンテンツ、シンジケーション、その他の下流プロセスを支えるためには、解釈、分類、マッピングを行い、受入組織の要件に整合させる必要があります。

「Upload Anything」は、既存のレビュー、検証、および確立されたオンボーディングワークフローを維持しつつ、こうした初期段階の解釈やマッピング作業を支援します。

サプライヤーは、既に使用している情報やフォーマットから始めることができます。エージェントがその情報を受入企業のデータモデルや要件に整合させるのを支援する一方で、担当者は引き続き問題の解決やプロセスの推進に関与し続けます。

その結果、単なるファイルアップロードの高速化にとどまりません。これは、新しいカタログソースをオンライン化し、市場投入可能な製品情報を作成し、商品棚への投入までの時間を短縮するための、よりスケーラブルな方法なのです。