記事のサマリー（TL;DR）
- Choco が OpenAI API を核に OrderAgent・VoiceAgent を構築し、年間880万件超の受注を自動処理
- メール・SMS・画像・電話など多様な入力を ERP 対応の構造化データに変換、手動入力を最大50%削減
- Autopilot モードにより信頼度が閾値を超えた注文は自動処理、エラー率を1〜5%未満に維持
国内の食品卸・飲食業向け SaaS 事業者が注目すべき受注自動化の実装パターン
食品流通における受注業務は、日本でも FAX・電話・手書きメモが混在するアナログ運用が根強く残っています。Choco が直面した「暗黙的な文脈の問題」——顧客ごとの SKU マッピング、単位の呼称ゆれ、配送パターンの違い——は、国内の業務用食材卸やルートセールス型ビジネスにも共通する課題です。
Choco の実装で特筆すべきは、LLM を単なる翻訳レイヤーとして使うのではなく、各顧客の受注履歴とカタログを参照する「動的インコンテキスト学習」基盤を構築した点です。これは kintone や Salesforce 上の顧客マスタ・取引履歴と LLM を組み合わせる構成と原理的に近く、国内の SaaS 利用企業が同様のアーキテクチャを参考にできます。
また、Autopilot モードの設計——信頼度スコアが閾値を超えた注文のみ自動処理し、例外ケースは人間がレビュー——は、現場の担当者が AI に対して段階的に信頼を構築していく上で現実的なアプローチです。初期から評価データセットを用意し、A/B テストと継続的モニタリングを組み込んだ点は、国内の AI 導入プロジェクトでも即座に応用できる知見です。
詳細
AI 時代の食品流通を再構築する Choco
Choco は食品・飲料の流通をモダナイズする AI プラットフォームです。米国・英国・欧州・GCC（湾岸協力会議）地域で21,000社超のディストリビューターと100,000社超のバイヤーにサービスを提供しており、レストラン・サプライヤー・ディストリビューターを一元的なシステムで接続することで、食品サプライチェーン全体の発注・営業・顧客管理を効率化しています。
受注量が拡大するにつれ、Choco は大きなボトルネックに直面しました。注文はメール、テキスト、ボイスメール、画像、さらには手書きメモなど多様な形式で届き続けており、受注担当チームがそれらを手作業で ERP 対応の構造化データに変換していました。このプロセスは低速でエラーが発生しやすく、スケールを妨げ、常態的な業務摩擦を生み出していました。
「入力の処理が最初の障壁でしたが、最も難しい問題ではありませんでした。本当の問題は暗黙的な文脈、つまり顧客固有の SKU マッピング・単位の好み・配送パターンでした。そのナレッジは受注担当者の頭の中にあり、それを受注キャプチャ時点で曖昧さを解消する推論レイヤーにエンコードする必要がありました。」——Narbeh Mirzaei、VP Engineering
本番対応の LLM の登場により、Choco はワークフローソフトウェアの枠を超え、業務を直接実行できる AI システムを構築する機会を見出しました。そこで OpenAI API がこの変革の中核に据えられました。
導入の内側：OrderAgent と VoiceAgent
Choco は OpenAI API をプラットフォームの核心に組み込み、AI ネイティブな新製品群を展開しました。
OrderAgent は、メール・SMS・画像・ドキュメントなどマルチモーダルな入力を処理し、ERP 対応の構造化された注文データに変換します。
「音声認識・抽出機能が強固な基盤を提供しました。真のエンジニアリング課題は、各顧客の受注履歴とカタログに照らして曖昧さを解消する、動的インコンテキスト学習インフラの構築でした。それが自動化とインテリジェンスを分ける点です。」——Narbeh Mirzaei、VP Engineering
VoiceAgent は OpenAI の Realtime API を活用し、顧客が電話で自然な形で注文を行えるようにします。サブ秒の低レイテンシを実現し、営業時間外でも対応可能です。
OpenAI が選ばれた理由は、モデル性能・マルチモーダル機能・構造化出力・スケールでの本番信頼性です。テキスト・ビジョン・音声を単一エコシステム内で扱える点が、これまで断絶していたワークフローを一つのシステムに統合することを可能にしました。
実装の速さとスケーラビリティ
OpenAI の SDK と API を活用することで、Choco は音声認識（speech-to-text）・埋め込み（embeddings）・関数呼び出し（function calling）などの機能を迅速にインフラへ統合しました。また、グランドトゥルースデータセットを用いた厳格な評価フレームワーク、継続的なモニタリング、A/B テストを構築し、本番環境での精度とパフォーマンスを担保しています。
採用を後押ししたのは、受注ワークフロー全体へのスムーズな統合です。顧客は電話・テキスト・メールのいずれの方法で注文しても、システムがその方法に適応するため、自分たちのやり方を変える必要がありませんでした。
「顧客が自分の注文で機能するのを確認した瞬間、信頼が急速に生まれました。そこから採用が一気に加速しました。」——Daniel Khachab、Co-Founder & CEO
オプションの「Autopilot」モードでは、信頼度スコアが設定した閾値を超えた注文についてディストリビューターが注文処理を自動化でき、例外ケースは引き続き人間がレビューします。システムは修正から継続的に学習し、精度と信頼性を向上させていきます。
成果の概要
- 年間880万件超の注文を処理し、数百万件の手動ワークフローを排除
- 手動入力を最大50%削減し、チームをより高付加価値の業務に解放
- 2倍の生産性向上を実現し、ヘッドカウントを増やさずにスケール
- 設定可能な自動化閾値によりエラー率を1〜5%未満に維持
- 24時間365日の受注受付を可能にし、夜間・週末の遅延を解消
リーダーシップの教訓
初日から評価を始める：わずか10〜20件のグランドトゥルースデータセットでも、進捗の測定・改善の検証・確信を持ったイテレーションが可能になります。
AI ネイティブな可観測性に投資する：AI システムのデバッグには従来のログ以上のものが必要です。モデルの入力・出力・推論トレースのキャプチャが、パフォーマンス理解と改善に不可欠です。
早期に適切な期待値を設定する：決定論的なソフトウェアとは異なり、LLM は確率論的です。チームとユーザーにこの違いを説明することが、信頼の構築と採用時の摩擦回避の鍵です。
今後の展開
Choco は食品流通エコシステム全体で AI 機能の拡張を続け、複雑な業務ワークフローを実行する中でのエージェントの役割を深めていきます。AI システムがより多くの責任を担う中、同社はエンジニア以外のユーザーが「エージェントオーケストレーター」として智能システムを設計・管理できる新しいユーザー像を実現しようとしています。
「私たちは、業務を支援するソフトウェアから、業務を実際に遂行するシステムへと移行しています。この転換により、顧客はより速く、よりスリムに、そしてはるかに高い回復力を持って運営できます。」——Daniel Khachab、Co-Founder & CEO
今後、Choco は OpenAI API の活用をさらに拡大し、営業・コマース・サプライチェーン業務全体でより自律的でコンテキスト対応の高いシステムを構築していく予定です。ワークフローソフトウェアから AI 駆動の実行インフラへの転換を継続します。