カリ・インテリジェンス、YOLO Ultralytics YOLOで小売店のレジ待ち列を削減

繁忙時間帯には、混雑した小売店ではレジの列が急速に伸びることがあります。列が長くなるにつれて待ち時間が延び、スタッフは対応に追われ、買い物客は購入を完了する前にカートを放棄する可能性があります。

ほとんどの店舗では既に防犯カメラシステムが導入されています。しかし、これらのカメラは通常、監視目的のみで利用されており、リアルタイムの業務分析を提供しません。その結果、店舗スタッフはdetect 早期にdetect 、列が問題となる前に適切な対応を取ることができません。

カリ・インテリジェンス はAIを活用した小売監視技術でこれらの運用上の課題を解決します。既存のCCTVインフラをコンピュータービジョン技術でアップグレードすることで、ライブ映像をリアルタイムの運用データに変換します。

例えば、YOLO を使用することで、Ultralytics システムはdetect 、アクティブな列を特定し、顧客の滞留状況を測定できます。これにより店舗チームは迅速に対応し、待ち時間の長期化を防ぐことが可能となります。

小売業務にリアルタイムの知見をもたらす

カリ・インテリジェンスは2020年に設立され、実店舗向けに特化したAIソリューションを開発しています。同社はフランス小売業界における人工知能の普及を推進し、コンピュータービジョン技術を通じて小売業者の業績向上と顧客体験の改善を支援することを目的として創設されました。

実店舗小売における主要な課題は、店頭業務の可視性が限られている点である。予測不能な列の発生と不均等なスタッフ配置により、店舗チームは迅速な対応が困難となる。特にピーク時間帯にはレジ待ちの列が急増するため、この傾向が顕著である。

小売チームは、先を見据えた管理ではなく、事後対応的な意思決定を強いられることが少なくありません。カリ・インテリジェンスはこの課題を解決し、小売業者が店舗内で起きている状況をリアルタイムでより深く理解できるようにします。

過去4年間で、カリ・インテリジェンスは量販店、DIY、既製服など複数の小売分野にソリューションを拡大してきました。現在では、インターマルシェやルクレールといったフランスの主要小売企業と連携し、より効率的で迅速な店舗運営を支援しています。

実店舗小売業務の複雑さ

長いレジ待ちの列は、買い物放棄の主な原因の一つです。顧客のレジ体験は、販売が成立するか放棄されるかを決定づけることがよくあります。

顧客が買い物かごをいっぱいにしても、長い列は購入意欲を損なうことがある。その結果、即座に売上の損失につながる。 

実際、その影響は単一の取引にとどまらない。繰り返される遅延は顧客を苛立たせ、より迅速なサービスを提供する競合他社へと顧客を向かわせる可能性がある。時間の経過とともに、これは顧客の忠誠心を損ない、リピート利用を減らすことになる。

長い列は店舗スタッフにも大きな負担をかける。運営面では、管理職が迅速に対応するのに苦労することが多い。 

多くの場合、チームは列がすでに混雑してからようやく対応し、状況が緊急になって初めてレジを追加する。この事後対応型のアプローチは、円滑で一貫したサービスを実現するどころか、スタッフを絶え間ない火消し作業に追い込む。

人員配置はさらに複雑さを増す。リアルタイムの待ち行列データがなければ、追加のサポートが本当に必要となるタイミングや場所を把握するのは困難だ。多くの場合、店舗は閑散時間帯に過剰な人員配置となり、繁忙時間帯には人員不足に陥り、結果として両方で非効率が生じる。

Ultralytics YOLO Ultralytics YOLOによる小売レジの最適化

店舗管理と顧客体験の向上を図るため、Cali Intelligenceは既存のカメラインフラを活用し、コンピュータービジョンによるレジ監視を自動化します。同社のソリューションは標準的な映像管理システム（VMS）と直接連携し、列の閾値を超えた際に店舗管理者が即時アラートを受け取れるようにします。 

これにより、列が長くなりすぎる前に、チームはレジを追加で開けたり、スタッフの配置を変更したりできます。このソリューションの中核をなすのは、Ultralytics YOLO です。 

Ultralytics YOLO 、主要なコンピュータービジョンタスクをサポートします。例えば、動画フレーム内の顧客を識別する物体検出や、時間経過とともに複数のフレームにわたって顧客を追跡する物体追跡などです。これらの機能により、システムはレジエリアの監視、顧客数のカウント、発生しつつある列の特定が可能となります。 

‍

ライブ動画ストリーム内の個人を検知・追跡することで、本ソリューションは待ち時間の推定や発生しつつある混雑箇所の特定も可能とする。特に、本システムはエッジファーストアーキテクチャを採用したコンパクトなオンサイトサーバー上で稼働する。これにより、顧客データのプライバシーを保護しつつ、24時間体制での運用が保証される。 

リアルタイム監視に加え、本ソリューションは短期予測機能をサポートします。最大15分先の待ち行列の増加を予測可能であり、管理者が予想される来客数に応じて人員配置を調整するのに役立ちます。

なぜUltralytics YOLO モデルを選ぶのか？

Ultralytics YOLO 、Cali Intelligenceが高性能を実現しつつ高価なクラウドインフラを必要としないことを可能にします。これらのモデルは様々なカメラ角度や照明条件に広く適応するため、最小限の再トレーニングで複数店舗への迅速な展開をサポートします。 

YOLO 高度なオブジェクト追跡もサポートします。単なる人数カウントに依存せず、顧客が列に並ぶ時間を計測可能です。これにより列の可視性が向上し、実環境でのアラートトリガー精度が90%以上を達成しています。

さらに、YOLOシステムは3～6台のカメラストリームを処理できるよう最適化されており、各ストリームあたり約3FPSを実現します。これにより、検出精度を維持しつつ計算負荷を大幅に低減でき、効率的で拡張性の高い小売業務を支えます。

Ultralytics YOLO ali Intelligenceにより待ち行列の長さが43%削減されました

カリ・インテリジェンスが8つの小売店舗Ultralytics YOLO ソリューションを導入したところ、その効果は即座に測定可能な形で現れました。例えばある店舗では、平均待ち行列の長さが7人から4人に減少し、わずか2週間で43%の削減を達成しました。 

業務効率と顧客満足度が同時に向上した。閑散時間帯には、不要なレジ開台を最大10%削減し、店舗が人員配置を実際の需要により密接に合わせられるようにしたことで、無駄な人件費を回避できた。

一方、検知性能は多様な店舗レイアウトや照明条件下でも安定を保ち、検知漏れ率は6%未満を維持した。高い警報精度により、管理者は店頭で迅速な対応と情報に基づいた意思決定を行う自信を得た。

リアルタイム監視のメリットはそれだけに留まりませんでした。予測的な労働力最適化の初期テストでは平均絶対誤差（MAE）0.8を達成し、実際の待ち行列長を1人分以内の誤差で予測。これにより、より積極的な人員計画が可能となりました。

端的に言えば、CaliUltralytics YOLO を活用し、店舗内の映像をリアルタイムの業務インテリジェンスに変換YOLO 、待ち時間の短縮、人員配置の最適化、そして小売業全体のパフォーマンス向上に貢献しました。

大規模なスマート小売業務の推進

Cali Intelligenceの成長に伴い、同社Ultralytics Python を活用したエッジ性能の最適化を継続する計画です。このパッケージはモデルのトレーニング、エクスポート、デプロイを効率化するワークフローを提供し、性能改善の効果的な実装を容易にします。

この基盤を基に、Cali Intelligenceは推論時間の短縮と現場でのハードウェア利用率向上を目的にTensorRT ONNX TensorRT を検討しています。またCali Intelligenceチームは、高い検出精度を維持しつつ効率性を向上させるため、YOLO バリエーションをMediumからSmallへ移行する方向性を評価中です。

全体として、Cali Intelligenceは小売業務の変革を推進し、店舗の管理を事後対応型からデータ駆動型の先行的パフォーマンス管理へと移行させている。

AIを業務に導入したいですか？詳細はこちらのGitHubリポジトリをご覧ください。物流分野のAIや医療分野のコンピュータビジョンを探索しましょう。導入開始にはライセンスオプションをご確認ください。