雨の予報が出ると、システムが地域別のライダー需要を事前に計算し、必要な人員を先に確保する。Baeminの運営会社Woowa Brothers（優雅な兄弟たち）は28日、ソウル・江南区（カンナム）のグランドインターコンチネンタルソウルパルナスで「Woowa Tech Conference 2026（以下、WoowaCon）」を開催し、注文前後の待ち時間を減らすために使っている予測技術を公開した。
以前は雨の予報が出ると、運営チームが天気と地図を見ながら地域別の配達可能範囲を手作業で調整しており、都市全体に適用される頃にはすでに雨が降っていた。Woowa Brothersによれば、現在は雨が降る前にピーク時間帯のライダー需要を予測しており、雨天時の対応時間が約80%短縮された。
今年のテーマは「止まらない都市を作る技術」だ。2020年に始まったWoowaConはメンバーが自ら開発経験を共有するイベントで、今年はAI・機械学習、バックエンド・フロントエンド、モバイルアプリ、データ、ロボットなど40あまりのセッションが開かれた。事前登録の申込者は1万名あまりで、抽選で選ばれた2,000名あまりが参加した。
キム・ボムソクWoowa Brothers代表
注文ボタンを押す前から始まる配達
キム・ボムソク代表は基調講演で、Baeminが描く都市を「シームレスシティ（Seamless City）」と紹介した。顧客が必要とするものが必要な時にすぐ届く都市という意味だ。キム代表は、顧客の待ち時間は「注文する」ボタンを押した後ではなく、空腹を感じてメニューを悩む時から始まると指摘した。彼が示した構想では、顧客がアプリを開く前に好みに合った選択肢が用意され、店舗は時間帯別に予測された需要に合わせて調理を準備し、ライダーは注文が発生する可能性が高い地域へあらかじめ移動する。さらに、AIが顧客の意図を理解し、顧客が許容する範囲内で探索と選択、繰り返し注文までを代行する段階を見据えた。キム代表はこれを実現するため、まだ入っていない注文を予測すること、顧客・店舗・ライダー・ロボットの動きを一つの流れでつなぐこと、突然の雨や交通渋滞、注文殺到といった変数の中でリアルタイムに判断を下すことを解決すべき課題として挙げた。ソウルでBaeminアプリを開くと表示される店舗だけで7,000店に上る。
コ・ミョンソク最高技術責任者（CTO）
調理時間の誤差を半分に、配達時間の精度を2倍に
コ・ミョンソク最高技術責任者（CTO）は、サービスの役割そのものが変わりつつあると説明した。これまでアプリはメニューや注文、ライダーの位置といった情報を表示し、判断と実行は人が行ってきたが、今ではAIエージェントが人の意図を理解して判断・実行し、自ら改善していく方向にシステムが変わっているという。その例として挙げたのが調理時間の予測だ。これまで配達案内に使っていた調理時間は、店主が直接入力した値だったため、実際とは平均8分ほどの差があった。メニュー別の注文数と店舗の処理速度を反映して調理時間を推薦するモデルに変更したところ、平均誤差が半分に減った。配達時間についても、店主は食事の準備時間のみを入力し、その後は店舗別の配達状況や地域の混雑度、配達インフラの状況など58個のデータを使うAIが予測するように変更し、精度を2倍以上に高めた。3,000を超える顧客変数を基に、AIエージェントが人ごとに適した特典とレコメンドを選び、結果指標を見て自らモデルを修正するパーソナライゼーションエンジンも運用している。
コCTOはBaeminのシステム構造についても紹介した。リアルタイムデータを観測する層の上で、注文ごとに4つの段階が循環する。需要とライダーの需給、調理時間を予測し、その予測に合わせて調理と配車のタイミングを調整し、店舗が調理している間にライダーとロボットが動き、予測と実際がずれればこれを検知してモデルを修正する。コCTOはBaeminを顧客と店舗、ライダーが一つにつながった「リアルタイム物理ネットワーク」と定義し、「より良く予測・判断して自ら実行し、その結果でまた予測を改善することがBaeminが追求する技術だ」と述べた。
ハン・ダニエルデリバリー総括
雨の降る夕方、注文1件の旅
ハン・ダニエルデリバリー総括は、雨の降る平日夕方の注文1件をたどりながら、これらの技術が現場でどう機能しているかを示した。顧客がアプリを開くと、まず配達予想時間を確認する。以前は店主が入力した情報を基に時間を推定しており、実際と合致するのは10回中3回程度だったが、今はその店舗・地域・時間帯に実際に起きたことを基に予測し、配達中も到着時間を継続的に更新する。
厨房では調理時間がライダーの1日を左右する。食事の提供が1分遅れると、ライダーはカウンターで1分待つことになるが、1日に60件を配達すると、その1分が積み重なって1時間になり、その分だけライダーの収入が減る。そのためBaeminは、静的な統計ではなく、今厨房に滞留している注文数やメニュー別の調理時間、店舗の混雑度を反映し、店舗ごとに調理のリズムを学習するモデルで調理時間を推薦している。ライダーが到着した時に食事が完成している状態を目指している。
配達ルートも実験で決める。地図上で最も短い直線ルートが最も速そうに思えるが、実験してみるとライダーは直線ルートをあまり選ばず、選んだ場合でも常により速いわけではなかった。平面地図には表れない坂道や、ライダーが避ける交差点があったためだ。
システム障害が起きても注文が止まらないようにした。以前は、ある段階でサービスが応答しなかったり、システム間でメッセージが消失したりすると、注文が失われたり、人が直接介入しなければならなかった。今は問題が発生した段階から注文が再び続行され、顧客は障害があったことに気づかない。
一部地域ではロボットがBマートの注文をドア前まで配達している。同社によれば、このロボットは全移動距離の99%以上を自動運転で走行し、月間約5,000kmを走る。ハン総括は、これらすべての判断をデータサイエンティストとアナリスト、機械学習・バックエンドエンジニア、プロダクトマネージャーが一つのチームとなって実験で下していると説明した。彼は「この注文において直感で決められたものは一つもない」とし、「まだすべての場所で可能ではなく、完璧でもないが、小さな待ち時間を一つずつなくしている」と述べた。
