WORK
導入事例・開発実績
開発形式
ラボ型開発
プロジェクトタイトル
高級ブランド品真贋判定AIシステム
クライアント
小売
規模
2000名
開発期間
継続構築中
主な使用技術
AI/ML: PyTorch, TensorFlow, OpenCV、Model: Deep Convolutional Neural Networks (CNN), Transfer Learning、Infrastructure: AWS SageMaker, Docker、Backend: Python (FastAPI)
背景・課題
導入前の状況
日本国内で中古ブランド品のリユース事業を展開するクライアント企業様は、長年「信頼」を武器に成長を続けてきました。しかし、ビジネスの拡大に伴い、現場では深刻な課題が浮き彫りになっていました。
鑑定士の過度な負担: 急増する買取件数に対し、熟練鑑定士の数が不足。一人あたりの検品数が限界に達していました。
品質のバラつき: 鑑定は個人の「経験と勘」に依存しており、鑑定士によって判断基準に微妙な差が生じることがありました。
「スーパーコピー」の脅威: 肉眼では判別不可能なレベルで精巧に作られた偽造品が市場に流入し、ベテラン鑑定士でも判断に迷うケースが増加していました。
解決したかったこと
クライアント様は、単なる「効率化」ではなく、ブランドの根幹である「信頼」をテクノロジーで守り抜くことを目指しました。
鑑定精度の平準化: AIを活用し、誰が担当しても一定以上の高い精度で真贋判定ができる仕組みの構築。
検品スピードの劇的な向上: 在庫回転率を高めるため、一次鑑定にかかる時間を最小化すること。
技術の継承: 熟練鑑定士が持つ「暗黙知（どこをどう見て本物だと判断するか）」をAIに学習させ、資産として残すこと。
導入の決め手
複数の候補企業の中からRIKAIが選ばれた理由は、単なる技術力だけではありませんでした。
ビジネスへの深い「理解」: 代表のバンをはじめ、チーム全体が「日本の中古市場における信頼の重み」を自分事として捉えていた点。
「おもてなし」の精神: 仕様書通りに作るのではなく、現場の鑑定士に寄り添い、彼らの使い勝手を最優先にする姿勢。
提案型のアプローチ: 「技術的に可能か」だけでなく、「ビジネスとしてどう運用すべきか」まで踏み込んだ提案。
RIKAIの取り組み
開発体制の工夫
アジャイル開発: 2週間単位のスプリントを回し、常に動くプロトタイプをお客様に見せることで、期待値のズレを最小限に抑えました。
技術的なアプローチ
マルチモーダルAI: 表面の質感、ステッチの角度、ロゴの刻印の深さなど、複数の特徴を同時に解析する独自のCNNアーキテクチャを採用。
説明可能なAI (XAI): AIが「なぜ偽物だと判断したのか」をヒートマップで可視化。鑑定士がAIの判断根拠を納得できる仕組みを実装しました。
品質・進捗管理
透明性の確保: JiraやSlackを活用し、ベトナム側での開発状況をリアルタイムで可視化。
厳格なテストコード: 判定精度の低下を防ぐため、膨大なテストデータを用いた自動回帰テストを徹底しました。
成果・効果
定量的効果
判定時間: 1件あたり平均15分かかっていた鑑定が、30秒以内に短縮（30倍の高速化）。
判定精度: 導入直後から90%以上の精度を安定して維持。
コスト削減: 一次検品の自動化により、鑑定部門のオペレーションコストを約40%削減。
定性的効果
心理的負担の軽減: AIが一次フィルターとなることで、鑑定士が「見落とし」に対する過度なプレッシャーから解放されました。
ブランド力の強化: 「AIによる厳格な多重チェック」を公表することで、エンドユーザーからの信頼性がさらに向上。
組織の成長: 鑑定士がより難易度の高い希少品の鑑定や、サービス改善に時間を割けるようになりました。
お客様の声
「RIKAIさんは、私たちのビジネスを技術としてではなく、『文化』として理解しようとしてくれました。彼らは単なるベンダーではなく、同じ船に乗るパートナーです。AIが鑑定結果の根拠を提示してくれたとき、まさに私たちの『熟練の眼』がデジタル化されたのだと感動しました。これからもRIKAIと共に、世界一信頼されるリユースプラットフォームを目指していきます。」
