Snowflakeが実現する物流DX
CLOを支えるAIデータクラウドの実力

　Snowflake シニアソリューションエンジニアの𠮷田 龍氏は、物流事業者を中心に同社のAIデータクラウドのSnowflakeを活用した課題解決を支援している。そうした実際のビジネスの中から、𠮷田氏は現在の物流効率化法にまつわる企業の対応を次のように語る。「物流効率化法により、荷主企業は荷待ち時間や荷役時間の削減、トラック積載率の向上が求められており、これらに対する定量的な情報管理が必要とされています。しかし、こうした数値目標の義務化の対象になっているのは荷主企業であるのに対し、荷待ち時間や荷役時間、積載率といったデータは多くの場合、委託先の物流事業者側に存在するという『データの非対称性』が発生しています」と指摘する。

　現状、荷主企業と物流事業者はどのようにデータを連携しているのかというと、多くの場合、電話やファクス、EDI（電子データ交換）を通じて行われているという。これらの情報連携の場合、荷主企業はリアルタイムに自社の物流状況を把握できない。物流効率化を実現していくためには、既存データの連携に加えて、新しいデータを取り込むことや、より高頻度・リアルタイムでのデータ連携が必要になるだろう。

　こうした物流におけるデータ連携の課題を解決するため、Snowflakeが注目されている。𠮷田氏は「物流DXを実現する上での課題は三つあります。一つ目は『データ範囲の狭さ』、二つ目は『データ鮮度（リアルタイム性）の低さ』、三つ目は『データ人材不足』です。Snowflakeはこれら全てをカバー可能です。非構造化、半構造化、構造化の全てのデータを取り扱えますし、リアルタイムでのデータ共有も可能です。例えば従来は、物流事業者が取り扱うデータは配送や在庫といった情報を1レコード単位で記録していました。昨今ではこれらの業務データベースをSnowflake上に構築し、分析用のデータベースに連携するようなケースも出てきています。これにより、分単位のレイテンシーでデータ共有が可能になります。また、これらの環境はSaaSで提供されており、内部にAI機能も搭載されているため、データ人材が不足している企業であっても運用しやすいというのもメリットです」と語る。

　特に物流業界は非常に多くのステークホルダーが存在し、それらのデータをシンプルに活用できることが求められている。その観点から見ても、AI機能により誰でも簡単にデータの利活用を行えるSnowflakeの優位性は大きいといえる。

　Snowflakeには二つのAI機能が搭載されている。一つ目は「Snowflake CoWork」（以下、CoWork）、二つ目は「Snowflake CoCo」（以下、CoCo）だ。

　CoWorkはあらゆるコンテキストに対応できるAIパーソナルエージェントだ。RAGを活用することで社内マニュアルやPDF文書の内容を自然言語で検索・参照し、顧客企業とのリアルタイムなコミュニケーションに生かすような活用が可能だ。例えば契約条件や積載条件を自然言語で問い合わせて、リアルタイムに参照できる。また構造化データにもアクセスし、データから示唆を得ることも可能だ。

　CoCoはAIコーディングエージェントだ。自然言語で指示するだけでアプリケーション開発が行える。Snowflake上には「Snowflake App Runtime」というアプリ開発運用基盤が用意されており、CoCoはそのApp Runtimeに読み込ませるコード作成などを支援しアプリ開発を高速化する。「例えば営業担当者向けのアプリとして、運賃表や社内の各種要件などを一元化して活用できるものを開発した場合でも、1〜2日程度で開発し、現場に展開できた事例があります」と𠮷田氏は具体例を語る。

　このApp Runtimeを使った具体的なアプリ事例も紹介された。集配用アプリでは約500個の荷物に対して機械学習で最適ルートマッピングを行い、メッシュ単位での渋滞予測や遅延率分析をSnowflake上で実施している。CoCoを活用すれば、WMSの倉庫単位で異なる品目マスター・顧客マスターをSnowflake上で名寄せし、全体分析を行うようなアプリ開発も可能だという。

　𠮷田氏は「現時点では物流事業者側でようやくデータが蓄積され、リアルタイムな情報分析ができる状態になりつつあります。今後はそれを荷主企業に公開するかどうかが鍵になります。荷主企業と物流事業者のデータ連携が可能になれば、荷待ち時間や荷役時間がどれくらいなのかが分りますし、それに対して対策を講じることも可能になります。その対策に対しても、どのような対応をとれば改善されるのかをAIを使いながら仮説を立てるといったことが可能になるでしょう。今回設置が義務化されたCLOが適切に意思決定を行うためには、情報の範囲や鮮度も重要ですが、それを継続的に運用できる仕組みも必要です。Snowflakeはそれらの要件に応えられるデータ基盤です。また、物流事業者が構築したAIエージェントを荷主企業に共有するような活用も可能です。AIエージェントにWMSの情報を参照してもらい、在庫状況を確認してもらうような活用の広がりも期待されています」と語る。

　データ共有の実現によって将来的には、出荷ロット・リードタイムの影響把握、物流パートナーの比較・最適化、販売予測と物流計画の連動、長距離輸送（鉄道・航空）を含むサプライチェーン全体の可視化にまで広がっていく可能性が示された。「法改正という外部環境の変化をポジティブに捉え、データ利活用とAI活用による全体最適化・物流DX推進を支援していきたいですね」と𠮷田氏は締めくくった。