Google Cloud リユース業界における 生成 AI の革新と実践活用 株式会社BuySell Technologies 取締役 CTO 今村 雅幸 1

Google Cloud Contents 01 会社紹介 02 AI 活用の全体像 03 具体的なAI活用事例 04 生成 AI 活用の成功ポイント 05 今後の展望 2

今村 雅幸 取締役 CTO 株式会社BuySell Technologies 3 Google Cloud ・ヤフー 新卒エンジニアとして入社、新規事業や特許取得など ・VASILY 独立起業、取締役 CTO として 200 万人以上が利用するファ ッションアプリの開発、M&A で ZOZO へ売却 ・ZOZO（旧ZOZO テクノロジーズ） 執行役員 CTO として ZOZOTOWN リプレイスやエンジニア の採用・教育、情報システムなど幅広く DX を推進 ・BuySell Technologies （現職） 取締役 CTO として全社のテクノロジー戦略の指揮や研究開 発、エンジニアリング組織マネジメントなどを推進 ・日本 CTO 協会理事（現職） @kyuns

Google Cloud 01 会社紹介 4

Google Cloud 急成長を続ける総合リユーステックカンパニー 5 会社名 株式会社BuySell Technologies 設立 2001 年 1 月 16 日 本店所在地 東京都新宿区四谷 4-28-8 PALT ビル 上場証券取引所 東京証券取引所グロース市場（証券コード：7685） 事業内容 出張訪問買取を中心をした着物 / ブランド品等のリユ ース事業 資本金 3,388 百万円（資本剰余金を含む） 従業員 1,752 名 (2024 年 6 月末時点、グループ子会社含む）

Google Cloud バイセルグループのリユースビジネス 6 着物 ・切手 ・貴金 属・ ブラ ンド品 ・時計 等 買取 店舗・催事 店舗 販売 一般 顧客 外部 業者 EC 販売 催事販売 卸販売 オークション ・自社EC（バイセルオンライン 等） ・ECモール（ヤフオク！・楽天 等） 着物・ブランド品・時計・お酒等 ・越境EC（ライブコマース等） ジュエリー、ブランド品等 ・百貨店 着物 ・他社市場、相対取引 等 貴金属・ジュエリー・切手 等 ・自社市場（タイムレスオークション） 時計・ジュエリー・ブランド品 等 一般 顧客 出張訪問・ 宅配・店舗 販売顧客 買取顧客 買取商品

Google Cloud 出張訪問買取事業 7 当社の中心となる事業で、査定しかお客様のご自宅へお伺いし、その場で商品の査定・買い取りを 行います。訪問件数は年々増加し、2023 年は約 26 万件の訪問査定を実施。

Google Cloud 店舗買取事業 オーガニックの新規出店に加え、戦略的な M＆A により後発ながらグループ店舗数を急速に拡大。 直営 140 店舗と業界有数のポジションへと成長し、FC 店舗を合わせると 350 店舗を超える規模に 。 バイセルグループ全体で全国 ３５０店舗以上を運営 8

Google Cloud ミッション 9 人を超え、時を超え、 たいせつなものをつなぐ架け橋となる。 人を超える。時を超える。 心を捉えつづける。必要とされつづける。 わたしたちが扱うものは、モノを超えた力がある。 そこには、つづく使命のような命がある。 わたしたちは、世界中から掘り起こしていく。 生みだしていく。 テクノロジーでつなぎ、人・企業・国さえもつなぎ、 社会全体に次々と還流させていく。 地球が回るように循環させ、 永遠に未来へたいせつなものをつないでいく。 いいもの、つづくもの。 BuySell Technologies

Google Cloud ビジョン 10 優れた人と新たな技術で、循環型社会をリードする 人が得意なことは人が技術（スキル）を磨く。 コンピューターが得意なことは技術（テクノロジー）を用いる。 人×テクノロジーで最大限の成長を目指す。

Google Cloud 02 AI 活用の全体像 11

Google Cloud バイセルテクノロジーズのテック投資戦略 12 Digital Transformation Developer eXperience 2 つの DX を掲げて、テクノロジー領域へ積極的に投資 リユース プラットフォーム データ活用 研究開発 エンジニア組織開発

Google Cloud リユースプラットフォーム「Cosmos」 13 買取 データ 分析 出品管理 販売 在庫管理 査定 買取から販売まで一気通貫に行える自社開発のリユース特化の業務支援プロダクト郡

Google Cloud 各業務における成長・効率化を実現 14 マーケ フィールド セールス 店舗 ロジ 販売管理 販売 CRM Visit Promas Stock EXS EC Portal Store Appraisal 問い合わせ数 UP リピータ数 UP インサイドセ ールス 査定 Core 予算配分最適化 受電数 UP アポ率 UP 高ランクアポ率 UP 訪問数 UP 人員削減 対応時間短縮 教育コスト削減 訪問数 UP 訪問粗利単価 UP 買取商材点数 UP リピート数 UP 人員削減 対応時間短縮 査定時間短縮 教育コスト削減 来店数 UP 顧客単価 UP リピート数 UP 人員削減 対応時間短縮 査定時間短縮 教育コスト削減 査定件数 買取単価 UP 買取点数 UP 人員削減 査定時間短縮 教育コスト削減 回転期間短縮 グループ在庫移動 販売可能点数 UP 販売粗利 UP Auction グロース系 削減系 人員削減 ささげ時間短縮 在庫管理工数削減 販売待ち時間短縮 棚卸し工数削減 教育コスト削減 顧客数 UP 販売粗利 UP CTR UP CVR UP 人員削減 販売工数削減 運用工数削減 人員削減 販売工数削減 運用工数削減

Google Cloud 各業務における成長・効率化を実現 15 マーケ フィールド セールス 店舗 ロジ 販売管理 販売 CRM Visit Promas Stock EXS EC Portal Store Appraisal 問い合わせ数 UP リピータ数 UP インサイドセ ールス 査定 Core 予算配分最適化 受電数 UP アポ率 UP 高ランクアポ率 UP 訪問数 UP 人員削減 対応時間短縮 教育コスト削減 訪問数 UP 訪問粗利単価 UP 買取商材点数 UP リピート数 UP 人員削減 対応時間短縮 査定時間短縮 教育コスト削減 来店数 UP 顧客単価 UP リピート数 UP 人員削減 対応時間短縮 査定時間短縮 教育コスト削減 査定件数 買取単価 UP 買取点数 UP 人員削減 査定時間短縮 教育コスト削減 回転期間短縮 グループ在庫移動 販売可能点数 UP 販売粗利 UP Auction グロース系 削減系 人員削減 ささげ時間短縮 在庫管理工数削減 販売待ち時間短縮 棚卸し工数削減 教育コスト削減 顧客数 UP 販売粗利 UP CTR UP CVR UP 人員削減 販売工数削減 運用工数削減 人員削減 販売工数削減 運用工数削減 with AI 全業務フローにAIを活用していく

Google Cloud バイセルにおける AI 投資の全体像 16 課題種別 手法 利用技術 チーム ・解決したい課題が明確 ・モデルの精度向上が可能 例）レコメンド、画像検索 機械学習 深層学習 Vertex AI BuySell Research (AI研究経験者) ・幅広い課題を解決したい ・正解がある程度わかるもの 例）Q and A、OCR 生成AI Gemini 社内GPUサーバー Webエンジニア 解決したい課題によって、AIと生成AIを使い分け、それぞれに応じた手法を採用

Google Cloud BuySell Research 17 ● 最先端技術の研究開発による事業貢献を目的としたR&D組織を2023年9月に設立 ● 自社GPUサーバー(NVIDIA H100)を用いて、自前での AI 研究を支援 ● Google Cloud / Vertex AI / Gemini をフル活用し、プロダクトでの AI 活用を支援

Google Cloud 生成AI時代におけるWebアプリ開発の研修 18 ● 新卒エンジニア研修において生成 AI を活用し たプロダクト開発の研修を実施 ● 社内生成 AI プラットフォームや、テックブロ グ執筆支援システム、営業支援のプロダクトな ど様々な生成 AI を活用したプロダクトが誕生 ● これからの時代のエンジニアにおいて必須のス キルの為、新卒研修にも生成AI活用を組み込ん でいる

Google Cloud 03 具体的な AI 活用事例 19

Google Cloud 事例 1. AI 査定 20 商品画像からの査定（ブランドの特定、商品状態の判別、 真贋判定）をより素早く、スケールさせるためにAIによる 画像査定を導入。 ブランドバックやお酒などよく取り扱う商材情報をデータ ベース化。 数万枚を超える商品画像データを学習し、商品画像から、 商品の検索を素早くできるようにした。 画像から特定の商品を素早く検索

Google Cloud Vertex AI を用いたパイプライン 21 Cloud Storage BigQuery Pocket GYRO (査定システム） Cloud Storage 商品画像データ ラベルデータ Vertex AI Training Vertex AI Endpoint 学習データセット 学習済みモデル 学習済みモデル (サービング） Google CloudおよびVertex AIを活用し、 学習からモデルのサービング、API提供までをワンストップで実現

Google Cloud 査定時間を 7 割以上短縮 22 お酒の査定時間に関しては、それまで平均 93 秒かかっ ていたものが、22 秒へと短縮。 対象ブランドのバッグに関しても、9 割以上が AI で特定 可能に。今後も対象アイテムを拡大予定。 平均査定時間を 93 秒から 22 秒へ

Google Cloud 事例 2. 切手の仕分け 23 手作業で集計していた切手の集計表を、生成 AI を用い てOCR、集計を自動化しミスの無い運用を実現。 生成 AI を用いて OCR、スプレッドシート記入を自動化

Google Cloud 従来の業務フロー 24 手入力した Excel と紙面を突合確認する様子 テスト導入で作業する P/A スタッフと社員 エラーは放置 / 10 年前のフォーマット のままのマクロファイル ● 切手の集計業務において、紙の集計表→Excel への手動転記という作業があった ○ 紙の集計表を生成 AI の OCR 機能で読取 ● 集計先を Excel マクロファイル→スプレッドシートへ移管し汎用的なデータへ

Google Cloud 精度向上への取り組み 25 ● 担当者名は予めリスト化して選択させるように ● OCR する箇所をブロック分け ● PDF 解像度を 600dpi に固定→高解像度 JPEG へ ● 空欄 / 文字 / 記号を許容しないようにチューニング ● 自動計算可能な箇所は省いてスプレッドシートへ 出力 ● 紙面の計算表を A4→A3 へ ● ボールペンの太さを変更 ● 視線移動など確認時間の最短を考慮した UI ● 座標指定しやすいフォーマットへ都度改善 ● 情報量削減により視覚負担の削減 / OCR 精度向 上 アナログ面からの改善 デジタル面からの改善 デジタルとアナログの両面からの改善が精度向上に寄与

Google Cloud 99.52% 数字に関しては 100% の認識率 改善を重ねた結果、最終的に集計精度は 99.52%へ。 数字の認識に関しては 100% の認識結果が出た。 人件費削減などのコスト削減効果やミスの削減など大 きい効果が出ている。 改善結果 26

Google Cloud 事例 3.「BuySell Buddy」によるナレッジ共有 27 全社員が安全に生成 AI サービスを利用できる プラットフォームを社内で独自開発。 Slack から生成AIを簡単に呼び出して利用できたり 、テンプレート機能を使ってより便利に使えたりと 、非常に使いやすいUI/UXを実現。 現在 50% 以上の社員が利用、今年だけでも利用総回 数は 400% アップ。 生産性があがったという声も 7 割以上あり、社内で 広く利用されるようになってきている。

Google Cloud BuySell Buddy（社内生成 AI プラットフォーム） 28 BuySell Buddy 共有ドライブ (マニュアル、資料等） Pocket (BigQuery) 社内コミュニケーションツール 社内プロダクト（API） 社内ツール群 （Google Sheets 等) 社内ドキュメント Google Cloud上にワークフローを構築 認証、認可、ログ監査等や モデルのアップデート等を一元化 学習 (エンベッド) 利用 特に生成AIの世界はアップデート速度も早いため、プラットフォ ーム側で一括対応できるようにしている

Google Cloud Buddyの進化 - 各種マニュアルを回答可能に 29 通常の生成AIの機能に追加して、 社内のドキュメントや店舗の接客マニュアル、 査定マニュアルなどあらゆるドキュメントを Buddy からRAGを用いて回答できるような仕組 みを構築。 ● カメラの一式買い取りできる条件は？ ● 支払調書の書き方は？ ● タイムレス池袋店って何階にある？ ● ゴルフクラブの査定の仕方を教えて ● 段ボールの発送方法教えて ● アパレルの買取対象ブランド教えて ● 古銭ってどこからどこまでが古銭？ 質問例

Google Cloud 店舗マニュアルにおいては 100% が導入を支持 30 各店舗からの細かい問い合わせ対応などは 9 割以上 Buddy で回答を得れるように。 テスト利用した 100% のユーザーが導入を支持。 ● 情報の正確さ：3.23 3 でほぼ正確、たまに小さな誤りがある ● 受け答えの態度：4.02 3 以上で適切 ● 導入の期待値：3.77 3 以上で導入可能 ● メリット：3.85 3 以上で中程度のメリット、業務効率の向 上やユーザー満足度の改善が見られる ※テスト導入におけるアンケート結果

Google Cloud アーキテクチャ（実行部） 31 Slack Auth0 Web Frontend Cosmos API Gateway Cloud Run Slack-BFF PubSub agent-request Cloud Run agent FastAPI+LangChai n PubSub agent-response Cloud Run Slack notifier Redis Cloud Memory Web Backend Redis Cloud knowledge LLM API Slackや社内プロダクトからのリクエストをキューイングで処理、ナレッジDBから RAGを用いて回答を作成

Google Cloud 32 Cloud Scheduler workflows Cloud Tasks Cloud Run Jobs crawler Cloud Tasks Cloud Run Jobs archiver Cloud Tasks Cloud Run Jobs scraper Cloud Tasks Cloud Run Jobs generator Cloud Tasks Cloud Run Jobs embedder Cloud Tasks Cloud Run Jobs register Google Drive Internet Contents Cloud SQL Cloud Storage BigQuery Confluence Redis Cloud knowledge LLM API アーキテクチャ（学習部） 定期的に様々なドキュメントやリソースを取得、ナレッジDBをアップデー ト

Google Cloud 04 生成 AI 活用の 成功ポイント 33

Google Cloud 生成 AI 活用のポイント 34 ● 既存の業務フローを整理、生成 AI で 解決できそうなフローから取り組む ● 一括処理で難しそうなら処理を分けてみて、 精度をあげていく ● デジタルの改善だけじゃなくてアナログの 改善も視野に いきなり全てを生成 AI で解決しようとしない 作業 A 作業 B 作業 C 作業 D 生成 AI で一括処理 作業 A 作業 B 作業 C 作業 D 作業 A 作業 B 生成 AI 作業 D

Google Cloud 生成 AI 活用のポイント 35 ● プロジェクトの構成、フォルダ構成、資料の作り 方などはAIが読み込む前提で構成を考えるべき ● ドキュメントは意味ある単位で分割する ● 不要な情報は入れない、記載しない ● 情報の整理（フィルタリング、似たような情報の まとめ、要約）にも生成 AI を活用する ● 体系立てられた情報を入れるのが大事（時系列、 ツリー構造） A B C AA BB A B C AA BB D E 生成 AI の精度を高めるためにはデータ整備が重要 フラットなデータ構造 体系立てられたデータ構造

Google Cloud Gemini の良さ 36 ● Gemini Pro 1.5 では 200 万トークンが入力可能 ○ 体系立てられたデータを保ったまま、インプットするには大きなト ークン量が必要 ○ Gemini Pro だとセマンティック記憶を保ったままインプットできる ● Gemini Flash のような軽量かつ低コストなモデルが利用可能 ○ 1 ページ単位でのドキュメントのフィルタリングや整理には高速な モデルを利用 ○ 前処理には Flash 、本処理には Pro というような使い分けが簡単に できる ● マルチモーダル対応、特にPDFに強い ○ 100ページ超えのPDFなどもそのまま投げれる、画像・テキスト混じ りのコンテンツ解釈が強い ○ PDF中の画像の解釈もしてくれる ※Google AI Studio Gemini API gemini-1.5-pro-exp-0827 の場合(2024.10.24時点)

Google Cloud 05 今後の展望 37

Google Cloud イネーブルメント領域での活用 38 会話を解析、フィードバックやイネーブルメントへ活用 バイセルでは訪問時の音声データを全て保持しており、その会 話の音声を聞いて査定員にフィードバックを行っている。 このフローを生成AIを用いて会話を分析、フィードバックを自 動化することによってよりスケールできるように。 さらに、バイセルが得意としているセールスイネーブルメント を用いて、査定員のスキルを分析、スキルアップまでの教育を 実現。 https://tech.buysell-technologies.com/entry/2024/07/22/142625

Google Cloud プロダクトに生成AIを組み込むのが当たり前に 39 生成 AI を武器にする 生成 AI の登場により、今まで工数がかかって いたもの、技術的に難しかったことが簡単に できるようになった。 テキストだけでなく、マルチモーダルに対応 しているため、様々な機能の恩恵を受けやす くなった。 プロダクトに生成 AI を組み込むことで、ユー ザー体験をさらに向上させ、事業貢献を目指 す。 課題 発見 企画 設計 開発 テスト デリ バリー 分析 生成AI プロダクト開発における全工程が 生成AI活用の対象 開発においては 特に有用

Google Cloud AIエージェントが当たり前に 40 高度なAIエージェントを利用し、業務を効率 化 単一の課題解決のための生成AI利用だけでなく、高度な業務をこな せるAIエージェントが登場。 ・査定員一人一人にあった査定を支援するようなAIエージェント ・最適な販路、価格決定を支援するAIエージェント など、より高度な業務をこなせるAIエージェントの開発を目指す。

Google Cloud Thank you