はじめに

昨今、人工知能の発展とともに注目されているのが、IoT(Internet of Things, モノのインターネット）の普及と、それにともなうビックデータ活用への期待です。

IoTとは、端的に言えば、あらゆるモノにセンサーや通信機能がつき、インターネットを介して、モノとモノ、モノと人間、人間と人間が相互につながり、自動的にデータを交換し合う仕組みです（注１）。

モノのデータは、従来、製造プラントや送配電網といったインフラなどの、制御・運用テクノロジー（Opereational Technology, OT）のシステムで管理されてきました。

IoTの世界では、この物理空間のOTシステムが、デジタル空間の情報テクノロジー（Information Technology, IT）のシステムとゲートウェイでひとつになります。IoT全般のおもな目的は、モノから有益なデータを収集・精査、処理・解析し、企業や消費者にとってよりよい洞察や意思決定に活かすことです（注１） 。

IoTの世界は急速に本格化しつつあります。ガ―トナー社が2017年2月に発表した予測によると、同年に世界で使用されるIoTデバイスは、84億個 （注2）（参考までに、世界の人口は同年8月現在推定約75億2870万人 （注3） ）であり、2020年には204億個に増加するということです（ちなみにシスコ社は、500億個に達すると予測しています （注4） 。

このため、モノやモノにつながった人々から高速で生産されるビッグデータは、ゼタバイトクラスになるといわれています （注5） （１ゼタバイト＝2500億枚分のDVDデータに相当 （注6））。そして今や、人工知能を支える機械学習やディープラーニングの急速な発展により、このような膨大で多様なデータの洪水を、より洗練されたアルゴリズムで分析し、価値化することが可能になってきているのです。

とはいえ、IoTと人工知能がビジネスでどのように応用されるのかは、複雑で見えにくいものです。今回はその一端を可視化すべく、おもに海外の小売業界に着目し、新しい価格戦略のトレンドやその課題について、小売関係のメディアやレポートに基づいてまとめます。

IoT×人工知能時代の小売業界　

小売業界では、どのようにIoTが活用されるのでしょうか。ネットスイート社の顧客関係管理・プロダクト・マネージャーのペトロ・パッシンジャー氏の説明によれば、小売業界のIoTが目指すのは、究極的に、物理空間の実店舗に、オンラインショッピング特有のデジタルの長所を統合することです （注7） 。

IoT環境で想定されている売場のイメージでは、たとえばショッピング・カートなどの「モノ」のハンドルに、センサーつきタブレットが搭載されていて、顧客の位置情報が伝えられ、その位置に即応した情報が提供されるようになっていたりします。

商品を手に取ると、タブレットの画面にその詳細情報や、関連商品のラインアップが表示されるなどといった具合です。また、実際に顧客が買った商品や、結局買われなかった商品などのデータが管理され、次の買い物へのフィードバックに活かされたりします（注7）。

2016年末にシアトルで試験的に導入されたアマゾンの無人コンビニAmazon Goは、IoT時代の小売を体現するものです。

店内でAmazon Goアプリを入れたスマートフォンを手に、商品をショッピング・カートに入れれば、センサーなどで何を選んだか感知され、瞬時にネット上のアマゾンのカートに同期され、店を出るときに、自動的に決済されるので、レジに並んで時間を無駄にする必要がありません（注8）。

アマゾンを筆頭に、海外では小売業界全体がIoT環境を整えるべく、急ピッチで動いています。ボストン・リテール・パートナーズ社が北米を対象に同じく2016年に行った調査によると、小売業者の56％が、将来オンライン・オフラインのチャンネルを超えた、トータルなブランディング・エクスペリエンスを顧客に提供することが、デジタル・トッププライオリティであると認識しています。

また、75％が両チャンネル共通のショッピング・カートを3年以内に採用すると回答しており、50％がネットと実店舗間でのショッピング・ジャーニーをシームレスにつなぐ、 “start anywhere, finish anywhere”体験を5年以内に可能にしたいと考えています（注9）。

注目されるダイナミック・プライシングと関連サービス

IoTベースのサービス向上への機運の高まりとともに、顧客にとっても売り手にとっても有益な価格戦略が求められています。ここで大きなトレンドとなりつつあるのが、需要と供給に応じた動的な価格設定、ダイナミック・プライシングの導入です。

ダイナミック・プライシング（注10）は、航空サービスやホスピタリティ業界などで、すでに浸透している価格戦略ですが、機械学習技術の発展によって、めざましい進化をとげている分野です。　

最新のダイナミック・プライシングでは、さまざまな顧客や商品、市況などに関するビッグデータをクラウド上のプラットフォームで迅速に分析し、価格調整・予測・最適化を詳細に、自動的に、リアルタイムに行なうことで、常に顧客のニーズに寄り添いながら、収益の向上に役立てることができるとされています（注10）。

小売業界では、やはりアマゾンがその最先端を行っています。2013年の時点でアマゾンは価格調整を一日に250万回以上行なっていたといいます（注11） 。

そして、その年の売り上げは前年比27.2％の伸びを見せ、アメリカの大手小売業者ランキングのトップ10入りを果たしました（注12）。

ダイナミック・プライシングへの関心が高まるにしたがって、プライシングという分野そのものが先鋭化し、周辺サービスも充実してきています。

なかでもプライシング・アズ・ア・サービス(Pricing as a Service, PraaS)と電子棚札(Electronic Shelf Labels, ESL) は、今後、ダイナミック・プライシング普及の立役者になる可能性があります。

プライシング・アズ・ア・サービス(PraaS)

アマゾンやグーグル、IBMやオラクルなど、ビッグデータ分析全般を扱うサービスをグローバルに展開する企業が目立つなか、プライシング（あるいはダイナミック・プライシングのみ）に特化したサービス、PraaS （注13）を提供する企業も増えています。

すでに、ECの領域では、レディ・メイドのダイナミック・プライシング・ソフトウェアが活躍しています。

人間が何十万ものアイテムの需給動向をリアルタイムでモニタリングし、分析するのは至難の業ですが、たとえば、リテール・アナリティクス会社、クアドアナリティクス社の提供するウェブベースのプライシング・インテリジェンス・ソフトウェア、Wiser（注14）は、機械学習のアルゴリズムを使ってそうした複雑なプロセスを自動化してくれます（注15）。

また、PraaS専門の新興企業のひとつ、イギリスのブラックカーブ社（注16）は、現場の状況やニーズに合わせてさまざまなレベルのプライシング・サービスを提供しています。

同社は、自社のダイナミック・プライシング・ソフトフェアを提供するだけでなく、人間によるプライシング・コンサルテーションも行なっています。

日々のビジネスの分析、データの精査、適切なプライシング理論の適用、といった難しいプロセスを専門家が代行し、企業のサービスや商品の価格最適化支援をしてくれるのです。

さらに、企業向けのプライシング教育にも取り組んでいます。カスタム・メイドの教育プログラムを作成し、すべての従業員がプライシングの知識を身につけ、その最適化について学習・応用することを目指しています（注13）。

電子棚札(ESL)

ダイナミック・プライシングは、実店舗での電子棚札（ESL）の急速な一般化によっても加速するとみられています。

ESLには約20年の歴史があり、商品の価格や関連情報がLCDや電子ペーパーのラベルで表示され、ネットワーク上の管理システムから一括で瞬時に、かつ正確に価格表示を変更することができるものです（注17）。

経費節減につながるうえ、価格自動最適化へのニーズに合っているため、ESLの利用は世界的に増加しており、ESL市場の年平均成長率は2021年までに14.15％となるという報告もあります（注18）。

今後は、ESLの技術がIoTのシステムへの統合に向けてさらに飛躍的に発展していく見込みです。

最近発表されたビッグデータ分析企業のシンギュラー・インテリジェンス社とESLの老舗インテグレーテッド・リテール社の提携による人工知能ベースのシェルフ・エッジシステムの開発（注19）はその最先端の一例です。

両者の技術がひとつになったこのシステムでは、まずシンギュラー・インテリジェンス社のビッグデータ分析プラットフォームが、モノから収集されるさまざまなビッグデータを処理・統合し、適切な要因をリアルタイムに分析し、その場の顧客の状態に合わせてベストプライスを提示します。

続いてインテグレーテッド・リテール社のESLシステムがその情報をリアルタイムでその顧客にわかりやすく、かつ店のガイドラインやブランディングに合ったかたちで伝え、さらに関連するIoTシステムが売り場での顧客の行動データを収集し、データ分析に生かすという役割を果たします（注19）。

倫理的懸念

人工知能によるプライシングに向かって体制が整っていくなか、さまざまな懸念も浮上しています。多くの専門家が指摘しているおもな問題は、アルゴリズムによる共謀といきすぎた価格差別化です。

アルゴリズムによる共謀

オックスフォード大学教授のアリエル・エルザチ氏とテネシー大学教授のモーリス・スタック氏は人工知能ベースのプライシングの時代に考えうる四タイプの共謀行為を指摘しています（注20）。

・メッセンジャー：複数の企業が、独占を目的にコンピュータを用いて（コンピュータに直接にメッセージを送って）互いにカルテルを実行したり、実施状況を観察・監視したりするケース。

・ハブ・アンド・スポーク：複数の企業が単一の価格設定アルゴリズム（ハブとなるアルゴリズム）を使用してカルテルを行なうケース。

・予測可能エージェント：各々の企業が、個別に、しかしよく似た価格調整をアルゴリズムを(エージェントとして）使用することにより、結果的に、それらの行為が相互依存的となり、暗黙的なカルテルにつながるケース。

・自律的機械：各々の企業が、利益最大化などの目標を達成すべく採用した別個のアルゴリズムが、自律学習と実験によって、企業側の意図と無関係に相互に連動して高めの価格設定を行ない、結果的に、暗黙的なカルテルにつながるケース。

OECDは、両氏の指摘をふまえ、特に後者二つのようなケース、なかでも人工知能が自己学習によって価格談合してしまうケースは、現行法のもとでは、共謀の意思を立証するのが困難であり、深刻な課題であると警告しています（注21）。

いきすぎた価格差別化

また、ボンド大学教授のスヴェン・ブロッドマーケル氏は、人工知能によるダイナミック・プライシングは今後ますます豊富になる個人情報のビッグデータ、特に購入履歴データをもとに、顧客の最大の支払可能額を予測し、高めの価格を設定する危険性をはらんでいると説明しています（注22）。

ECの領域ではすでに価格差別の問題は多く出てきています。たとえば、2015年に、オンライン教育サービス大手プリンストン・レビュー社が、教育に投資を惜しまない親が多いことで知られるアジア系の学生に対して、ほかの顧客の約二倍の確率でより高額なサービスを提供していたことで批判を受けました（注23）。

アルゴリズムに依存したプライシングでは、こうした価格差別が意図的に、あるいは意図に反して自動化、強化される可能性があります。

ブロッドマーケル氏らが出演した番組のなかで、ジャーナリストのアントニー・ファネル氏は、今後増えるであろうAmazon Go型の店ではもしかしたら、同じようなラインアップの、あるいはまったく同じ商品を買った顧客たちが、まったく異なる金額を払わされる可能性があると指摘しています（注24）。

ダイナミック・プライシングで、真にカスタマーエクスペリエンスが向上するかは不透明のようです。2016年にアメリカで行なわれたリテールズ・システムズ・リサーチ社による調査では、対象となった消費者の71％がダイナミック・プライシングを好まないと回答したそうです。

年齢層別で見ると、若いミレ二アル世代は、比較的好意的であったものの、ダイナミック・プライシングが好ましいと回答したのはその14％にとどまっており、61％は好ましくないと答えています（そのうち半数は、はっきり嫌いであると言っています）。この結果をふまえ、同社のマネジング・パートナー、ニッキ・べアード氏は、小売業者は、ダイナミック・プライシングが自分の顧客にとってどの程度魅力あるものなのかを、その導入前にしっかり検討すべきであると主張しています（注25）。

おわりに

日本でも日常生活のなかで、IoTの片鱗が徐々に見られるようになってきています。たとえば、最近では、ローソンで、ロボットや新型のESLシステムを使った無人レジの実証実験が行なわれました。また、ダイナミック・プライシングも楽天や三井物産などが採用して話題になりました。

ただ、IoT×人工知能の本格的な具現化や、新たなプライシング戦略の浸透はまだこれからという状況のようです。海外の小売業界の最新事情を包括的に見ることで、自分の業界のビジネスの今後のあり方も見えてくるかもしれません。

また、IoTの世界では、各々の働き手が、分野間・業界間を越境し、共通の理解のもとに助け合うことが必要とされていきそうです。近い将来、最先端の科学を熟知したデータアナリストの青年と、ものづくり一筋の熟練エンジニアと、現場の在庫管理をしている主婦の方が、手を取り合って協働するような場が増えてくるのではないでしょうか。またそうした方々の間を橋渡しできる領域横断的な人材や、新しい企業文化が求められるようになるかもしれません。

さらに、時代に合った価格戦略の必要性は疑いをいれないものの、人工知能を過信せず、無理のないプライシング・プラクティスを取りいれていくことも大切となるでしょう。IoT×人工知能の可能性と問題点の両方をしっかり視野に入れていきたいものです。　

参考文献・参照サイト