深掘り · 小互が解説
DoorDash が AI 買い物アシスタントをどう作ったか：モデルだけに頼らず、ツールと記憶で落地させる
記憶システム導入後、食料品のチェックアウト転換率が約24%向上。自動評価で1日あたりの評価量が人による1件のフィードバックから2000件超へ。
要点
- DoorDash が Ask DoorDash を発表。自然言語の会話でレストラン検索・献立計画・カート作成ができる AI アシスタントで、現在は米国内の一部地域で iOS に段階公開中。
- アーキテクチャはオーケストレーター、専門ドメインエージェント、共有ツール層、マネージドサービスを4層に分け、業務ロジックは共有ツール層に置き、プロンプトには詰め込まない。
- 3層の記憶システム（長期記憶はオフラインバッチ、セッション内記憶はリアルタイム更新、対話記憶は明示抽出）がパーソナライズを支える。7日間の本番データでは、記憶ありの食料品チェックアウト転換率が相対で約24%向上、バスケットサイズ17%増、対話ターン7%減、レストラン推薦転換率15%向上。
- 自前の評価基盤は AI がユーザーを演じ、録画済みツールデータを再生。1日2000件超の自動評価でエージェント品質点が8点上がり、回帰テストは6時間から20分へ。遅延35%削減かつ品質維持のモデル基盤移行も支えた。
⚑ 立場メモ：本解説の情報源は DoorDash 公式エンジニアリングブログ三部作と共同創業者 Andy Fang の公開発言。転換率・バスケットサイズ・評価規模などの数字はいずれも DoorDash 自身による7日間の本番窓口の自己報告で、第三者監査はない。
1公開アップデート
DoorDash は何を出したか
DoorDash は2026年6月から連続で3本のエンジニアリングブログを出し、新たに公開した AI 買い物アシスタント Ask DoorDash のランタイム、記憶システム、公開を支えた評価基盤を詳述した。
食べたいもの・買いたいものを自然言語で一言伝えると、AI がレストラン検索・献立計画・カート作成まで行う。いまは米国内の一部地域の iOS で段階公開中。
◆
硬い数字：評価チームは1日あたりの品質評価量をおよそ1件の社員による人手フィードバックから、2000件超の自動評価へ拡大。フルの回帰テストは人手6時間から20分。
いま開放されているのはレストラン検索と食料品買い物の2シーンだけで、Android と Web はまだ。初期データではメッセージの約7割が「探す」系（「近くのラーメン」「今夜何食べよう」「今週のベジ夕食の買い方」など）。大半のユーザーは同じ会話内で何ターンも直し、一言で終わらない。DoorDash も本番でいちばん起きやすい失敗は「事実のずれ」だと書く：閉店中の店を勧める、価格がカタログと違う、カートに入ったと言ったのに入っていない。直し方は同じで、事実に触れる一文はすべてツールでシステム・オブ・レコードを引き、文脈だけで推測させない。
2実行トレース
1回の注文の裏で何が起きているか
「60ドルの2人分ベジ買い物リストを作って」は一言に見えるが、裏側はかなり動く。DoorDash の3ターン例で、どの段が本当に AI を通るか、どこは通らないかが分かる。
Turn 1「60ドルの2人分ベジ買い物リストを作って」
ユーザー記憶を引く（食事/ブランド/注文履歴）
近くの営業中の食料品店を検索
店ごとの在庫を確認
価格/クーポンを照合
表示用ウィジェットを計画
返信文を生成
Turn 2ユーザーがカートウィジェット上でパスタブランドを差し替え、家にあるヨーグルトを外し、数量を変更
カート・オブジェクトを直接更新
小計を最新在庫価格で再計算
Turn 3「サラダの材料も足して」
ユーザー編集済みカートを読む
同じ店で在庫を照合
残予算内で材料を追加
更新後のリストを描画
AI モデル経由AI を通さずデータを直接変更
Turn 2 が肝心：カートウィジェット上のポチポチ編集はすべてカート・オブジェクトを直接更新し、AI の往復は発生しない。いちばん重い「AI 呼び出し」を大半の操作から外している。
6〜8回
Turn 1 で起きる AI 呼び出し回数（＋複数のツール呼び出し）
20〜30秒
Turn 1 のエンドツーエンド所要時間
DoorDash 公式ブログの呼び出しトレース図：1回の食料品リクエストに連なる AI 呼び出しとツール呼び出し。 · 出典：DoorDash エンジニアリングブログ
3システム階層