PwC×LIXILで取り組む需要予測と業務プロセス刷新

需要予測の検証を実施。9社の比較で断トツの結果が

―需要予測ソリューションの導入プロジェクトがどのように進んだのかをお聞かせください。PwCコンサルティングから提案があったとのことですが、他社との比較はされましたか。

金子：PwCコンサルティングも含め9社で比較しました。AIありきではなく、「当社でやりたいことをどの方法なら実現できるのか」という視点で、機能や拡張性、ハンドリングなど20項目にわたり、Proof of Concept（PoC）による効果検証を行いました。
その結果、断トツだったのがMDFでした。中でも需要予測の精度については、我々が何度トライしても精度が出せなかったデータについても、驚くほど大きく改善していただきました。

河野：私たちが心掛けたのは、シンプルなデータから精度の高い予測を出すことでした。データが詳細になればなるほど精度は上がりますが、MDFはこれまで多様な案件を通して磨かれてきたプリセット予測モデルを搭載しているので、シンプルなデータでもスピーディーに高い精度を出すことができます。ここは他社と差別化できたポイントだと自負しています。

金子：実際、バックテストで出していただいたPwCコンサルティングの予測値と、当社で保有していた実績値を比べたところ、当社の予測値以上の精度でした。初回のPoCでLIXIL Housing Technologyの全量データで換算し、精度を担保しつつ目標時間（90時間以内）をクリアしてくれたバランスの良さが導入の決め手になりました。また、初回リリース時点でMDFの標準機能で対応可能な通常品（モデルチェンジ品を除く）をカバーする予定でしたが、この時点で9割以上の製品で十分な精度が出ていたので安心してお任せできたのを覚えています。

―実際にソリューションを使う現場の反応はいかがでしょう。AIに対する抵抗感などはありませんでしたか。

長嶋：高い精度を担保した100万単位の予測はこれまでなかなか実現できなかったので、工場の反応はかなり良かったですね。データ検証、改善への活用検討も活発ですし、若い世代からはもっとAIを勉強したいという声も出ています。

AIを理解し良いところを活用することが成功の早道

―最後に、今回のプロジェクトを振り返って感じたこと、今後AI導入を検討予定の企業に向けたアドバイスなどありましたらお願いします。

金子：MDFの完成度は非常に高いと思っていますが、だからといってAIを万能だと思っているわけではありません。結局は、自社が何を必要としているか、そのためにどんな仮説を立て、実行するのかが重要で、そこでAIの良いところを活用することが、課題解決の早道だと思います。事業計画とSKUはマクロとミクロの関係ですが、当社では両者が整合性を持ってつながるようにしていきます。これは多くの業種・業態に共通のメリットになるのではないでしょうか。

河野：LIXILはAIに対する理解度が高いので、当方としても「ここまではできる」「ここからはできない」と正直に言えますし、その制約の中で実現できることを議論できたからこそ、効率的なプロジェクト進行につながったと思います。

長嶋：予測がシステマチックになれば、生産性向上や業務プロセスのさらなる最適化といった相乗効果が生まれることを実感しています。AIを学び、その特性を理解し、実際に使うことで新たなアイデアが出てきますし、当社でも工場の改善活動がプロジェクトを推進する上で大きな原動力になりました。

新井：LIXILは、需要予測の精度を高めるツールとしてAIを活用するにとどまらず、業務プロセス全体の抜本改革を目指されたことが成功の大きな要因になったと感じています。実はこれは、DXを成功させるポイントにも当てはまります。そういう意味で、AIだけでなくDXに取り組まれている企業にとっても、大きなヒントになる事例ではないでしょうか。