Databricksが小売AIワークフローを紹介。需要予測を広告と店舗作業までつなぐ

予測で終わらない小売AI

Databricksの今回の発表は、新しいAIモデル名の披露ではありません。小売の仕事を、予測から実行までつなぐ見取り図です。

主役は、需要計画と広告と店舗運営を同じ流れに置く考え方です。AIの価値を、分析画面ではなく業務の流れで見せています。

小売の現場では、売上が落ちた理由だけでなく、在庫をどう動かすかが問われます。広告を打つなら、どの客層に届けるかも決まります。店では値札や補充の作業も発生します。

同じ数字が部門をまたぐ

公式ブログでは、単一の小売アプリが複数の仕事をつなぐと説明されています。売上インサイト、需要計画、オーディエンス作成、キャンペーン、店舗運営、効果測定が同じ流れに入ります。

扱う信号は広いです。

・POSの販売データ

・ロイヤルティの顧客データ

・サプライチェーンの情報

・広告費の情報 ・在庫データ ・店舗運営の情報径路が分かれたままだと、部門ごとに違う答えが出ます。Databricksは土台をデータ統合、ガバナンス（利用権限と管理）、インテリジェンス（判断支援）の3つに置いています。

売場まで届く一連の動き

流れは、KPI（重要指標）を見る場面から始まります。想定されている役割は、CMO（最高マーケティング責任者）、マーケティング責任者、カテゴリープランナーです。

見る対象も、店の現実に近いものです。

・売上 ・在庫 ・取引数 ・来店 ・配送

そこから月次売上の傾向、カテゴリ別の動き、店舗ごとの在庫や販売数へ進みます。大きな数字から、商品と店舗へ降りていく作りです。

需要計画では、forecast-versus-actual（予測と実績の比較）を4カ月のローリング期間で見ます。さらにSKU（商品管理単位）まで下げ、割引のようなwhat-ifシナリオ（条件を変えた試算）も扱います。

広告と店頭が同じ線上に来る

Databricksのデモは、需要の変化を広告にもつなげます。アプリ内のaudience wizardが、データからキャンペーン案をすすめる形です。

キャンペーン作成で扱う項目も具体的です。

・意図 ・KPI ・推奨セグメント ・広告費 ・クリエイティブ ・実行

実行後は店舗側に進みます。店長向けのモバイル画面では、補充数量、値札更新、タスク割り当て、プロモーションが示されます。

これが大きいのは、広告が管理画面で終わらないからです。AIが販売施策を店頭作業へ翻訳する形に近づいています。

Genieが間をつなぐ

公式ブログはGenie（自然言語でデータに聞けるAI機能）にも触れています。ユーザーは、食品保存カテゴリの回復策を端から端まで計画するよう頼める想定です。

裏側では、複数のエージェント（手順を分担するAI）が動きます。全体を監督する仕組みが、売上分析、需要計画、オーディエンス作成、店内運営、測定をつなぎます。

Databricksの開発者向けページも、企業データの近くでアプリとエージェントを作る姿勢を打ち出しています。Databricks Appsは、組み込み認証とガバナンスを持つ管理型サーバーレス実行環境だと説明されています。

使える時期はまだ余白がある

この発表で、一般利用の開始日や料金まで読めるのでしょうか。答えは、まだ読めません。

つまり、今日から全小売企業が同じアプリを買えるという発表ではありません。公式ブログは、デモを通じて業務設計の方向を見せています。

それでも意味は小さくありません。小売AIの主戦場が、売上予測そのものから、広告と店舗を含む実行の設計へ移っています。レポートを読むAIから、仕事の順番をそろえるAIへ進む合図です。