スタンダードAIのCTO、デビッド・ウールラード – インタビュー・シリーズ

デビッド・ウールラードは、スタンダードAIの最高技術責任者（CTO）です。彼は、20年以上のテクノロジー業界の経験を持つベテランで、サムスンやNASAなどの企業で働いたほか、スタートアップでも起業家として活動しています。南カリフォルニア大学でコンピューター・サイエンスの博士号を取得し、高性能コンピューティングのためのソフトウェア・アーキテクチャを専攻しました。

スタンダードAIは、買い物客の行動、製品のパフォーマンス、店舗の運営に関する前例のない精度の高い洞察を提供しています。

NASAのジェット推進研究所での経験からスタンダードAIのCTOになるまでのキャリアについてお話しください。

ジェット推進研究所で働いていたとき、私の仕事は主にNASAのミッションのための大規模なデータ管理に焦点を当てていました。そこで私は優秀な科学者やエンジニアと一緒に働き、宇宙からの研究方法について学びました。データ・サイエンスについてだけでなく、大規模なエンジニアリング・プロジェクトの管理、リスクとエラー・バジェットのバランス、そして大規模なソフトウェア・システムの設計についても学びました。南カリフォルニア大学での私の博士論文は、高性能コンピューティングのためのソフトウェア・アーキテクチャに関する研究でしたが、そこで私はその研究の応用を見て取ることができました。

そこで私は多くのことを学びましたが、同時に日常の人々にとってより具体的なものに取り組みたいと思いました。JPLを辞めた後、私は友人と一緒にスタートアップを設立し、最初の社員の一人として参加しました。私は最初から始めて、消費者向けの体験を構築し、スタートアップに取り組むことを楽しんでいました。スタンダードAIに参加する機会ができたとき、私はAIやコンピューター・ビジョンの難しい科学的問題と、消費者向けの体験を組み合わせたことに惹かれました。

スタンダードAIが自律的なチェックアウト・ソリューションからより広範な小売AIアプリケーションに焦点を当てるようになった理由についてお話しください。

スタンダードAIは7年前に自律的なチェックアウトを市場に導入するという使命で設立されました。私たちはコンピューター・ビジョンだけの自律的なチェックアウト・ソリューションを提供し、自律的な店舗を立ち上げましたが、結局、ユーザーの採用は予想よりも遅く、リテーラーにとっての投資収益率は十分ではありませんでした。

同時に、私たちはリテーラーが直面している問題の多くを同じ基礎技術で解決できることを認識しました。運用上の洞察と改善に焦点を当てることで、スタンダードAIはリテーラーにとってより直接的な投資収益率を提供することができました。リテーラーはインフレーションと労働コストの増加の影響を相殺するために効率性を改善する機会を探しています。

スタンダードAIのコンピューター・ビジョン・テクノロジーは、顔認識を使用せずに顧客のやり取りを高い精度で追跡する方法についてお話しください。

スタンダードのVISIONプラットフォームは、店内からのビデオを分析して、人間とその他の要素を区別し、各人間の姿勢、または骨格を推定します。複数のカメラを同時に分析することで、3D空間を再構築し、買い物客の位置、方向、手の位置を高い精度で把握できます。高度なマッピング・アルゴリズムと組み合わせることで、買い物客の動きと製品とのやり取りを99%の精度で把握できます。

スタンダードAIは、データを収集して分析する際に買い物客のプライバシーをどのように確保していますか。

他の追跡システムが顔認識を使用して買い物客を識別するのとは異なり、スタンダードAIは買い物客の姿勢を決定する際に、構造情報と空間幾何学のみを使用しています。スタンダードAIの追跡システムは、買い物客のバイオメトリクスを使用して識別することはありません。つまり、買い物客が誰であるかはわかりませんが、買い物客が店内をどのように移動しているかはわかります。

リテーラーがスタンダードAIのVISIONプラットフォームを使用して得ることができる最も重要な洞察についてお話しください。

リテーラーは、スタンダードのVISIONプラットフォームを使用して、買い物客が店内をどのように移動し、製品とどのようにやり取りするかについてより深い理解を得ることができます。他のソリューションは、店内の一部のトラフィック量について基本的な理解を提供しますが、スタンダードは各買い物客の個別のパスを記録し、買い物客と店員を区別して、トラフィック量と滞在時間だけでなく、製品を購入する買い物客の具体的な行動についてもより正確な把握を提供します。

さらに、スタンダードは、製品が棚から欠けているか、ブランドの表示が不足していることなど、買い物客の購入意欲やブランドに対する印象に影響を与える棚の状態についても理解できます。この種のコンバージョンとインプレッションのデータは、リテーラーと消費者向け製品のメーカーにとって非常に貴重です。このデータは以前は利用できなかったもので、商品の陳列、販売、サプライ・チェーン、在庫管理など、運用の改善に大きな影響を与える可能性があります。

VISIONからの予測的な洞察が、リテーラーにとってマーケティングと商品陳列の戦略をどのように変革する可能性があるかについてお話しください。

スタンダードは店内を完全にデジタル化し、物理的な空間（棚の配置など）と買い物客の動きを含む豊富なデータセットを構築します。このデータセットから、店内の変更（商品陳列の更新やリセットなど）に基づいて店内の動きをシミュレートする予測モデルを構築できます。また、買い物客の動きに基づいて製品とのやり取りを予測することもできます。これらの予測モデルにより、リテーラーは、コストのかかる物理的な変更や長期間の店内実験を行うことなく、商品陳列の変更をテストして検証することができます。さらに、製品のパフォーマンスややり取りに関するインプレッションは、棚やエンドキャップへの配置を情報に基づいて行うことができます。これらすべてが、費用対効果の高いマーケティング戦略を立てるのに役立ちます。

予測された顧客のパスに基づくリアルタイム・オファーが、パイロット・テストで売上にどのような影響を与えたかについて具体的な例を示してください。

スタンダードは実際のプロモーション・システムを構築していませんが、買い物客の動きと製品とのやり取りの予測を使用して、リテーラーが買い物客の意図を理解し、タイムリーで意味のあるプロモーションを提供できるように支援できます。過去の購入に基づく一般的なオファーやレコメンデーションではなく、店内での行動に基づくレコメンデーションは、季節性、在庫、意図などを考慮に入れることができます。これらは、より効果的なプロモーション・リフトにつながります。

たばこ追跡のパイロット・テストの結果と、関係するブランドへの影響についてお話しください。

あるリテーラーのパイロット・テストを1日で運用した結果、たばこ製品の盗難を検知し、修正措置をリテーラーに報告することができました。長期的には、リテーラーと協力して、物理的な盗難だけでなく、プロモーションの乱用やコンプライアンスの問題も検知することができました。これらは、リテーラーだけでなく、たばこブランドにも大きな影響を与えます。たばこブランドはこれらのプロモーションを資金提供し、コンプライアンスを確保するために多くのリソースを費やしています。たとえば、最初の選択肢が在庫切れの場合、買い物客の半分は同じブランドの別の製品を選択しましたが、約4分の1は何も購入しませんでした。これは、早期に検知できれば多くの収益を失うことになる可能性があります。スタンダードのVISIONプラットフォームは常に稼働しているため、たばこブランドのセールスチームの延長となり、いつでも店内の状態を把握し、警告することができます。

物理的な小売環境でAIソリューションを実装する際に直面した最大の課題と、それらをどのように克服したかについてお話しください。

小売環境で働くことは多くの課題をもたらしました。カメラのドリフト、店内の変更、ハードウェアの故障などの物理的な問題に対してロバストなシステムを開発する必要がありました。また、小売の運用と互換性のあるプロセスも開発しました。たとえば、最近の夏季オリンピックでは、多くのCPGがパッケージを変更してパリ2024を宣伝しました。スタンダードはパッケージに基づいてSKUを視覚的に識別するため、これらのパッケージの変更をフラグして処理するシステムを開発する必要がありました。

スタンダードは最初から、リテーラーの既存のプロセスと互換性のある技術的実装を選択してきました。店内の物理的な陳列や高価な物理的な改修（シェルフ・センサーを導入するなど）を変更することなく、スタンダードのVISIONプラットフォームを使用する店舗は、以前と同じように運営されます。

次の10年間で小売業界におけるAIの役割の進化についてお話しください。

私たちは、リテーラーにおけるデジタル・トランスフォーメーションを推進するAIの表面に触れているだけだと思います。現在、AIは大規模な言語モデルと同義であり、リテーラーはAI戦略について考えていますが、私たちは近い将来、AIは独自の戦略ではなく、基盤となる有効なテクノロジーになるでしょう。スタンダードのVISIONプラットフォームのようなシステムは、リテーラーにとって前例のない洞察を解放し、既存のビデオから豊富な情報を解放することができます。私たちが提供できる運用上の改善は、リテーラーが効率性を改善し、マージンを改善するための戦略の基盤となり、消費者にコストを転嫁する必要はありません。

素晴らしいインタビュー、詳しく知りたい読者はスタンダードAIを訪れてください。