re:Invent 2024: NykaaのGenerative AIによる商品説明自動化
はじめに
海外の様々な講演を日本語記事に書き起こすことで、隠れた良質な情報をもっと身近なものに。そんなコンセプトで進める本企画で今回取り上げるプレゼンテーションはこちら！
📖 AWS re:Invent 2024 - How Nykaa automates product descriptions using generative AI (RCG206)
この動画では、AWSのRetailおよびConsumer産業部門のRavi Bagalが、Generative AIの活用について語っています。2023年は多くの企業がGenerative AIの可能性を理解し始めた年であり、モデルの選択やリスク管理、セキュリティの重要性について解説しています。後半では、インドの大手ユニコーン企業NykaaのシニアバイスプレジデントであるAbhishek Awasthiが登場し、同社での具体的な活用事例を紹介しています。特に、Amazon SageMakerとAmazon Bedrockを活用して商品属性の自動識別や商品説明文の生成を実現し、カタログ運用の効率化に成功した事例は興味深い内容となっています。Amazon Indiaとの協力により、ファッションのサブカテゴリー属性で90%以上の精度を達成した点も注目に値します。
※ 動画から自動生成した記事になります。誤字脱字や誤った内容が記載される可能性がありますので、正確な情報は動画本編をご覧ください。
※ 画像をクリックすると、動画中の該当シーンに遷移します。
re:Invent 2024関連の書き起こし記事については、こちらのSpreadsheet に情報をまとめています。合わせてご確認ください！
本編
Generative AIの小売業界における可能性と課題
私はRavi Bagalです。AWSのRetailおよびConsumer産業部門におけるWorldwide Business DevelopmentとStrategyの責任者を務めています。今は Consumer産業にとって非常にエキサイティングな時期です。Generative AIのような新しいテクノロジーにより、小売業者やブランドが顧客とより良いコミュニケーションを取り、従業員の能力を高め、より効率的な業務運営を行うための可能性が広がっています。本日は、インドの素晴らしいユニコーン企業の1つであるNykaaからAbhishek Awasthiをお迎えできることを大変嬉しく思います。同社は、魅力的な顧客体験を生み出すために、Generative AIの実験から本番環境への移行を積極的に進めている企業の一つです。
本日のトピックについて簡単にご紹介させていただきます。まず、RetailおよびConsumer Goods分野のお客様が、実験から実際の成果に至るまでの道のりについて、私たちが観察している点についてお話しします。 次に、AWSがこれらのテクノロジーをどのように捉え、この分野のお客様に新しい価値を提供するためにどのように取り組んでいるかについてご説明します。そして最後に、Abhishekにマイクをお渡しして、NykaaがGenerative AIを活用してどのように顧客に実質的な価値を提供しているかについてお話しいただきます。
2023年は多くの人にとって非常に興味深い年でした。多くの方が初めてGenerative AIの可能性を本当の意味で理解し、学んだ年でした。基本的な考え方について多くの質問があり、その一部は私の背後のワードクラウドに表示されています。「Generative AIとは何か？」といった基本的で率直な質問もあり、従来の開発モデルからFoundation ModelやLarge Modelへの移行について説明する必要がありました。この業界でよく耳にした質問の1つは「どうやって始めればいいのか？」というものでした。Generative AIを様々な方法で活用できることは理解していても、この業界で顧客向けにどのように実験を始めればよいのかを知りたがっていました。
最後に、よく耳にした質問の1つは「どのモデルを試すべきか」というものでした。2023年には、新しいモデルや企業が毎週のように登場し、混乱を招くほどでした。RetailおよびConsumer Goods分野の多くのお客様は、Amazonの言葉を借りれば「一方通行のドア」、つまりモデルを選択すると切り替えが難しいことを非常に懸念していました。そのため、正しいモデルを選ぶことに大きな関心を寄せていました。今年に入り、これらの課題をうまく乗り越え、Generative AIを実際の用途で活用し始めている企業が出てきています。
私たちは、テクノロジーよりもビジネス価値を重視したアプローチを推奨しています。最初に問いかけるのは、どのモデルを使うべきか、どのような実装方式を採用すべきかではなく、むしろ「何を実現したいのか？」「この新しいテクノロジーで何を変えたいと考えているのか？」といった点です。コスト削減や業務の効率化といった比較的わかりやすい目標もありますが、一方で「リスクをどのように管理するか？」といった、より本質的な課題もあります。
AWSが提案するGenerative AI導入のベストプラクティス
先ほど同僚と、ある大手ヨーロッパの薬局チェーンについて話をしていました。彼らは、社内の誰もが顧客に関する情報にアクセスし、質問できるシステムを導入したことを誇らしげに語っていました。彼らはPublic Modelを使用していたのです。私は「ちょっと待ってください。数十万人の顧客の医療記録という個人を特定できる情報を、Public Modelで扱っているということですか」と尋ねました。そこで彼らも気づき始めました。従来のテクノロジーと同様、危険性やリスクは変わらないのです。Amazonでは、私たちは顧客情報の良き管理者でありたいと考えています。 Generative AIの利用を考える際、セキュリティは後付けではいけません - セキュリティは設計段階から考慮する必要があります。小売・消費財業界でこれから取り組もうとする人々へのアドバイスとして、最も重要なことは何かという質問に答えたいと思います。
まず第一に、データに関しては今日のビジネスで行っている他のことと何ら変わりません - 質の悪いデータを入れれば、質の悪い結果しか得られません。基礎となるデータの品質、整合性、堅牢性について考えることから始めなければ、どんなモデルを使っても魔法のように問題が解決されることはありません。これは非常に重要な基礎となります。
二点目は、顧客の生活を本当に改善し、違いを生み出せる場所について、ビジネスの同僚に尋ねることです。AWSでは、私たちは小売業から生まれ、小売業者や消費財企業のために作られたと言っています。Amazonは明らかに小売業者として始まり、現在ではAmazon小売部門で1000以上のアプリケーションがGenerative AIを活用し、様々な目的に役立てています。しかし、それぞれのケースで、私たちは顧客や従業員にどのような価値を創造できるのか、どのようなビジネス成果を求めているのかという質問から始めています。
この技術は非常に民主化され、エンパワーメントを促進するものなので、組織内のIT以外の人々にも親しみやすいこの種のテクノロジーとの関わり方を、しっかりと教育・訓練する必要があります。ただし、これには但し書きがあります：アプリケーションの管理とセキュリティを維持する義務は、以前の世界と何ら変わりません。これは信頼しつつ検証するという瞬間の一つです。人々にエンパワーメントを与えたいと思いますが、ガードレールを確実に設置する必要があります。Nykaaがこの両方のバランスをどのように取っているかについては、おそらくAbhishekが後ほど説明してくれると思います。
このテクノロジーは、あなたとあなたの企業のためにデザインされています。従来の方法論を使用していた時代に、リソースの制約や適切なスキルセット、やりたいことを実現する時間がないために、どれだけ多くの妥協をしなければならなかったか考えてみてください。Generative AIは、あなたのブランドをあなたのやり方で表現したいと思うことを実現するための飛躍的な可能性を提供します。ここで妥協してはいけません。Generative AIを使って、自分のビジョンと自分のブランドを具現化する方法について、異なる考え方をする必要があります。
セキュリティとプライバシーは最重要事項であり、初日から考慮しなければなりません。皆さんもご存知だと思いますが、セキュリティは革新が死ぬ場所なのです。これを最初の段階で適切に行わないと、素晴らしいアイデアも地に落ちてしまいます。お客様やビジネスをそのようなリスクにさらしたくないからです。最後に、データの整合性は初期段階で重要ですが、データのアクセシビリティも非常に重要です。私たちは、自社の環境内および外部ソースからのデータへのアクセスを容易にする方法を継続的に追求することを推奨します。Generative AIプロジェクトの原材料となるよう、可能な限りすべてをサービス化してください。
この会場にいる皆さんにとって大きなチャンスは、2023年や今年初めに見られた実験や学習の段階から一歩踏み出し、スライドに示されているアドバイスを実際に実行することです。これはかなり単純明快で、何をする場合でも当てはまります。つまり、ビジネスやステークホルダーは、これがもはや科学実験ではなく、実際に成果を上げているということを知りたがるでしょう。私たちは、ビジネス上のメリットを計測・追跡し、目標を設定し、それを測定し、必要に応じて調整を行うことを推奨します。
リスクと信頼の問題は本当に重要です。ステークホルダーやお客様との信頼関係は、一度失うと取り戻すのが非常に困難です。最後に、小規模な実験であっても、最初からスケーラビリティを意識し、スケールに対応できるように設計されたサービスを使用することから始めましょう。残念ながらよく見られるパターンとして、実験段階では公開モデルや簡単に入手できるモデルを使用し、やりたいことが分かった時点で、目的に適した、スケーラブルで安全なプラットフォームで最初からやり直すようなケースがあります。そうではなく、最初から正しい方法で始めましょう。
これらの真の企業グレードの機能は、AWSから提供されており、実際にProof of Conceptから 本番環境まで拡張可能な形で利用できます。当社の機能について考えると、多くの方がAmazon Bedrockについてご存知でしょう。本日、私たちはAmazon Novaを発表しました。これは新しいFoundation Modelのセットで、Bedrockで利用可能な最速のモデルであり、小売業やCPG向けに設計された様々な構成と機能を備えています。Abhikが話す予定のユースケースの多くは、これによってうまく対応できます。つまり、ハイパーパーソナライゼーション、市場投入までの時間短縮、生産性、ITの効率性が得られます。しかし最も重要なのは、技術的な制約ではなく、ビジネス上のメリットに基づいて何をしたいかを決められることです。
この素晴らしい例が、これからご紹介する方です。Abhishekは、Nykaaのテクノロジーチームを率いています。彼は業界のビジョナリーの一人です。Nykaaはインドのユニコーン企業で、美容とパーソナルケア製品の体験を革新的に変えています。彼がその成功について少しお話ししてくれると思います。それでは、Abhishekをステージにお招きしたいと思います。
NykaaのGenerative AI活用事例：カタログ管理の革新
ありがとうございます。皆さん、こんにちは。年に一度の大規模セールの直後にこうしてお話しできることを大変嬉しく思います。この数日間は本当に大変でしたが、最終的にはシステムが完璧に機能し、素晴らしいセールシーズンとなったという喜ばしいニュースがWar Roomから届きました。会場にいらっしゃるE-commerceや小売サイトの皆様も、素晴らしいセールシーズンをお過ごしになられたことと思います。
私はAbhishekと申しまして、Nykaaでシニアバイスプレジデント オブ エンジニアリングを務めております。現在の役職では、ビューティービジネスのエンジニアリングの大部分を統括しています。それ以外にも、パーソナライゼーションやレコメンデーションなどの特定のプラットフォーム、データウェアハウジングのほとんど、そして特に重要なクラウドインフラストラクチャーチームを率いています。これから20-25分ほど、Nykaaについて、私たちのテックチームがどのようにビジネスプランを支援しているか、そしてDeep LearningとGenerative AIを活用した非常に興味深いユースケースをいくつかご紹介させていただきます。
すでにご存知の方もいらっしゃるかもしれませんが、Nykaaはインドで最も支持されているライフスタイルショッピングデスティネーションです。私たちはオムニチャネル小売業者であり、収益の90%がE-commerceビジネスから生み出されています。Nykaaは2012年に現会長のFalguni Nayorによって設立されました。50歳でスタートアップを立ち上げ、厳しい市場環境に立ち向かいながらこれらのビジネスを築き上げ、非常に成功した歴史的なIPOへと導いたFalguniの物語は、とても感動的です。彼女の言葉によると、このブランド名Nykaaはサンスクリット語のNayika（女優、あるいは主役）に由来しており、Nykaaは全ての女性の中にある主役を称えることがテーマとなっています。
私たちはビューティー＆パーソナルケア分野でマーケットリーダーであり、ビューティー以外にも、Nykaa Fashion、Nykaa Man、そしてNykaa Superstoreと呼ばれるB2Bビジネスという3つのビジネスを展開しており、これらは近年大きな成功を収めています。昨年の売上高は6億2,500万ドルでした。約1,600万人のフォロワーを持つ強力なソーシャルメディアプレゼンスを誇り、3,000万人のアクティブな顧客が約4,200万件の取引を行っています。175店舗以上の実店舗を持ち、オムニチャネルプラットフォームには約6,200のラグジュアリー、国内外のブランドが参加しています。また、ビューティービジネスで13、ファッション部門で14のプライベートレーベルブランドを所有しており、これらのプライベートレーベルブランドの中にはAmazonなどの他のマーケットプレイスでもベストセラーとなっている大きなブランドもあります。
Nykaa Techはまさにその中心に位置し、お客様とブランドパートナーの両方に優れた体験を提供しています。お客様に対しては、ハイパーパーソナライズされた商品発見の旅と世界クラスの利便性を提供することに注力しており、ブランドパートナーに対しては、最高クラスのツールでサポートを行っています。
私たちは非常に高度なAIベースの技術ソリューションを構築し、シンプルなユーザーインターフェースを通じてプラットフォーム上のROIを最大化できるようサポートしています。技術チームとして、私たちは適応性、革新性、そして運用の卓越性という3つの重要な原則に従っています。私たちは周囲のトレンドを常に注視し、関連する技術革新を製品ソリューションに取り入れ続けています。そして何をするにしても、可用性、品質、持続可能性への焦点を失わないよう心がけています。
製品開発の面では、垂直型のジャーニーを通じて最高の顧客体験を実現しています。これは、私たちの各ビジネスに対して、専用のカスタマーインターフェースと専用のアプリを用意しているということです。バックエンドプラットフォームを複雑化させているように聞こえるかもしれませんが、実際には、マルチテナントプラットフォームというアプローチを採用することで、これらのビジネスの複雑さを非常に効率的に管理しています。私たちの製品戦略は、コンテンツ、キュレーション、利便性というeコマースの3つの基本、そしてオムニチャネル小売業者であることに重点を置いています。
私たちのコンテンツとキュレーションのジャーニーの大部分は、カタログシステムに大きく依存しています。昨年、年次運営計画を立てている際、ビジネスチームとの意見交換の中で、新しいSKUを顧客に届けるスピードが遅すぎるという重要な懸念が提起されました。カタログ運用チームのプロセスを分析し始めたとき、私たちのカタログシステムが人手に大きく依存していることに気づきました。そのプロセスは、チームが様々なベンダーから商品画像、説明文、属性情報を受け取り、カタログ情報が商品発見ジャーニーの要件に適合しているかどうかを厳密に品質チェックするというものでした。
このプロセス全体が人手に大きく依存していたため、ミスが発生しやすく、一定以上のスケールアップが難しい状況でした。ファッションビジネスが急成長していたため、シーズン変更時に大量のカタログアイテムが流入し、それらを適切なタイミングで顧客に届けられないと、販売サイクルの無駄につながることに気づきました。技術チームとして、私たちはこれを課題として捉え、技術を活用してこのプロセスを簡素化し、さらにカタログを強化して顧客の商品発見ジャーニーをより充実させる機会を見出しました。
私たちは3つの重要な機会を特定しました。1つ目は、商品属性を非常に正確に識別し、カタログチームの時間を節約することでした。この取り組みを進める中で、re:Invent 2023での発表と私たちのチームによるre:Inventのレビューを通じて、Amazon Bedrockのサービスを使用することで、商品説明文の生成の大部分も簡単に自動化できることがわかりました。3つ目の機会は、これら2つの問題を解決する過程で、顧客の商品発見ジャーニーをさらに関連性の高いものにできる多くの動的な属性を、これらの商品から導き出せることでした。
1つ目の課題については、そのチャンスは非常に明確でした。ほとんどのベンダーが高解像度の商品画像を非常に正確にアップロードしており、課題はこれらの商品画像から関連する属性を抽出することでした。AWSチームと相談したところ（私たちは常にほとんどのソリューションについて彼らに相談しているのですが）、Deep Learningベースのソリューションを通じて、商品発見のための必須属性のほとんどを非常に正確に特定できることがわかりました。例えば、パターン属性を特定できるDeep Learningモデルを開発することができました。
これらのモデルは、商品画像から袖丈やネックライン、色なども非常に正確に特定することができました。2つ目のチャンスは、 商品説明文の生成を自動化することでした。1つ目の課題に取り組む中で、このような豊富な情報があれば、お客様の意思決定を容易にするだけでなく、商品発見の過程でも役立つような、説得力のある包括的な商品説明を作成できることに気づきました。
さて、最も興味深い部分、つまり私たちがどのように実現したかについてお話しします。ソリューションについて説明する前に、このソリューションパイプラインでは Amazon SageMaker と Amazon Bedrock を大々的に活用していることをお伝えしたいと思います。AIの分野に詳しくない方のために説明すると、Amazon SageMakerはAWSクラウドで利用できるマネージドサービスで、ほとんどのML操作をシームレスかつ簡単に行うことができます。例えば、データセットのトレーニング、MLモデルの作成、MLモデルのトレーニング、MLモデルのデプロイ、パフォーマンスの監視などを、Amazon SageMakerを使ってシームレスに行うことができます。SageMakerと同様に、Amazon Bedrockはクラウドで利用できるフルマネージドサービスで、Foundation Modelを活用してほとんどのGenerative AIソリューションを実現することができます。私たちのユースケースでは、Anthropic Claudeを使用して商品説明を生成しました。
これらの商品画像やその他の情報のほとんどは、様々なインターフェースを通じてAmazon S3バケットに届きます。 そこでイベントがトリガーされ、SageMakerのProcessing Jobが開始されます。私たちはFashion CLIPを使用して、これらの商品画像と商品説明のほとんどからベクトル埋め込みを生成しました。これらのベクトル埋め込みは複数のDeep Learningモデルを通過し、それらのモデルが商品属性を正確に特定します。これらの商品属性は S3バケットに保存されます。これらの属性がS3バケットに保存されると、別のS3イベントが トリガーされ、別のAmazon SageMaker Processing Jobが呼び出されます。このSageMaker Jobは、 LLMのためのGroundingと呼ばれるものを取得します。私たちは、幻覚を防ぎ、適切なコンテキストに基づいた商品説明を生成するために、Amazon Bedrockプロセッサに投入されるこのコンテキストデータを作成するパイプラインを構築しました。これらのテンプレートと商品属性はAmazon Bedrockに送られ、Amazon Bedrockが適切な商品説明を生成します。これらは Amazon RDSに保存され、その後、商品発見のためのジョブがRDSから取得して、ほとんどの商品発見の過程で使用されます。
この素晴らしい製品ソリューションは、Nykaa、AWS、そしてAmazonリテールチームの緊密な協力によって実現しました。昨年このソリューションについて議論していた際、SageMakerとBedrockの使用に関する貴重なアドバイスをくれたAWSチームに相談しました。より深く掘り下げていくうちに、商品属性のほとんどで50-60%程度の精度しか得られないことがわかりました。カタログ運用の時間を節約するために、これらのDeep Learningベースのモデルを本番環境に投入できるレベルには達していませんでした。そこでAWSチームが親切にもAmazonリテールチームの協力を申し出てくれました。同じ市場での競合であるにもかかわらず、Amazon Indiaチームは快く協力してくれ、私たちのDeep Learningモデルを非常に正確なものにするための重要なアドバイスを提供してくれました。
最終的に、私たちは目指していた成果を達成することができました。ファッションのサブカテゴリー属性のほとんどで90%以上の精度を実現しました。開発したソリューションアーキテクチャは高い拡張性を持ち、かつコスト効率も優れています。現在、ファッション以外のカテゴリーにも商品属性ソリューションを展開できるよう、いくつかの指標を設定しているところです。以上が私からの発表となります。Raviさん、質疑応答の時間に移ってもよろしいでしょうか？ ありがとうございます。実は、あらかじめいくつか質問も用意させていただきました。まず初めに、様々な課題について大変興味深いお話をいただき、ありがとうございました。
※ こちらの記事は Amazon Bedrock を利用することで全て自動で作成しています。
※ 生成AI記事によるインターネット汚染の懸念を踏まえ、本記事ではセッション動画を情報量をほぼ変化させずに文字と画像に変換することで、できるだけオリジナルコンテンツそのものの価値を維持しつつ、多言語でのAccessibilityやGooglabilityを高められればと考えています。
Discussion