ディープ · Databricks
この注文、本当にいくら儲けた？小売財務が AI で帳を見る
オンラインで買い、店舗で受け取り、別店で返品——客の一回の買い物が、帳簿では何本にも裂ける。Databricks の Genie は財務の AI 相棒として描かれる。まず本当の利益を見、寝ている現金を動かし、無理な値引きを減らす。
Databricks 公式ブログと Unilever 公開事例に基づく。金額・ユーザー規模・業界予測は原文の表現を踏襲。利益の滝グラフの数字は説明用の例示で、特定店舗の実帳ではない。
01 痛みオムニチャネル＋エージェントで財務が追いつかない
02 打開Genie：業務のわかる財務の相棒
03 三つの問い真の利益 → 現金 → 定価
04 結果ユニリーバ：日単位→分単位
痛み：客が便利になるほど、財務の帳は難しくなる
製品名はいったん忘れる。本題は単純だ。買い方の道筋が複雑になり、一取引の金が途中で静かに減る。レポートがまとまる頃には、現場はもう二周回っている。
よくある例：
アプリでジャケットを注文し、「近くの店舗から今夜発送」を選ぶ。三日後にサイズが合わず、別店舗に返品する。客には「買って返した」だけ。会社の帳簿では、少なくとも三つの面倒になる。
① どこから発送したか？店舗発送は倉庫より高くなりがち（スタッフのピッキング、在庫の拘束）。同じジャケットでも、発送経路で手元に残る金が違う。
② 返品は誰の帳に載るか？入金はアプリ、返品は別店舗。売上は EC、返品コストは店舗——左右のレポートが合わず、財務は頭を抱える。
③ 価格は誰が変えたか？販促は人がボタンを押すとは限らず、システム／AI が自動で値下げする。計画は「強く割引するな」でも、エンジンはもう一段階進んでいる。週次レポートが出る頃には、割引は既に終わっている。業界予測では、2028 年までに日常業務判断の約 15% にこうした自動判断が関与する（Gartner、予測）。月次の突合はますます遅れる。
灰色の線：注文・発送・返品が時間単位で揺れる。赤い線：財務が守るべき「この一回で最終的にいくら残ったか」。客が楽しむのは灰色、会社が恐れるのは赤の断線。
触って見る：計画利益がどう削られるか
四ステップ。数字は例示。「計画では厚い → 実際は薄い」の流れを見せる。
インタラクティブ · 利益の滝（例示）
表の上では、このジャケットは $40 貢献する。まだ出ておらず、返品もない——理想の帳。
実際は店舗から発送。ピッキングと在庫コストが上がり、手元は $29。差は「見えない発送コスト」。
客が返品。返金と処理で利益は $19 へ。返品が別チャネルの帳に載ると、EC の数字はまだ「好調」に見えることもある。
ポケットに残るのは $19。「計画 $40」や「アプリは売れている」だけ見ると誤る。Genie が最初に答えるべきは、発送と返品を引いたあと、各チャネル・各商品が本当にいくら稼いだか。