10Section
AI 管制塔
社内オペレーションを束ねる AI エージェント群と、それを監督する人間オペレーターのワークフロー。
MAISON Direct の競争優位の源泉。LLM オーケストレーションと専門エンジンの組合せで、 商社が属人で行ってきた調整を 1/10 のコストで実行する。
7.1 エンジン構成
| Engine | 目的 | 主要入力 | 主要出力 |
|---|---|---|---|
| Sourcing Engine | 注文ごとに最良の調達先を決定 | Product, SupplyOffer[], 為替, 卸信用度 | 確定 offer + スコア + 代替候補 |
| Logistics Engine | 物流ルートとコンソリ便の最適化 | 集約倉庫キャパ, コンソリ便枠, 緊急度 | 物流プラン (倉庫 → 便 → 通関 → 国内) |
| Artisan Engine | 職人 / 工房への作業配分 | 案件種別, 職人スコア, 稼働 | 担当割り当て + 納期予測 |
| Document Engine | 契約 / 通関 / 修理仕様の文書生成 | Order, Karte, Vendor 規格 | PDF / JSON 文書一式 |
| Anomaly Engine | 遅延 / 破損 / 通関停止の検知 | MilestoneEvent ストリーム, 過去事例 | アラート (優先度) + 代替提案 |
| Valuation Engine | リセール価格・買取価格の予測 | 商品履歴, 市況, 状態評価 | 想定価格 (3y/5y/10y) |
7.2 オーケストレーション
上位の「Orchestrator」が LLM (Claude / GPT) を使い、各エンジンを呼び出して計画を立て、 人間オペレーターに承認待ち / 自動実行 / アラート の 3 区分で提示する。
Event: 「Cassina LC4 を 1 名顧客から注文」
│
▼
┌──── Orchestrator (LLM) ────┐
▼ ▼
Sourcing Engine Logistics Engine
· 卸 A (€2,800, 14d, ★4.8) · 集約倉庫 (Milan), 4/10 入荷
· 卸 B (€3,100, 7d, ★4.2) · コンソリ便 5/1 出航 (空きあり)
· 廃業在庫 (€2,500, 21d,★3.9) · 通関 5/12 完了予定
│ │
└─────────┬──────────────────┘
▼
Document Engine: 売買契約 / 通関 HS コード 案
│
▼
Plan v1: 卸 A 採用 / 5/1 便 / 顧客到着 5/22
│
▼
人間オペレーターに「自動実行 (承認)」提示
│
┌───────────────┴───────────────┐
▼ ▼
承認 → 自動発注 却下 → 代替案提示
(卸 B 採用, 短納期, +¥40,000)7.3 人間 (オペレーター) の責任範囲
完全自動化しない領域
- 金額 100 万円超の発注 — 人間承認必須
- 新規卸との初取引 — 人間承認必須
- 異常検知後の代替提案 — 影響額 50 万円超は人間承認
- 顧客との修理 / リセール価格合意 — チャットは人間運用 (LLM 下書き提示)
7.4 学習 / 改善ループ
- 承認 / 却下のログをすべて Anomaly Engine / Sourcing Engine の学習データに
- 納期実績 vs 予測の誤差を毎週バッチで再学習
- 職人スコアは納品後の顧客満足度 (5 段階) を即時反映
ガバナンス
AI の意思決定は必ず根拠データ (スコア計算の内訳、代替案、過去類似事例) を併記する。 ブラックボックスにせず、オペレーターと顧客の双方が「なぜこの選択をしたか」を遡れることが、 ブランドへの信頼を担保する。
7.5 データ・ネットワーク効果
取引が増えるほど Sourcing / Valuation / Anomaly の精度が向上する。 後発が真似できないモートを早期に構築するため、Phase 1 から全イベントを構造化保存する。