「AWS Summit Japan 2025」レポート

AWS Summit Japan 2025セッションレポート

メガネ選びの“わからない”に応える「JINS AI」 わずか3カ月でのローンチで乗り越えた壁

　生成AIを活用して店舗における“メガネ選び”をサポートする、対話型接客サービス「JINS AI」。同社のAI推進室を中心に、わずか3か月で自社開発されたこのサービスは、現在10店舗で試験導入中だ。

　「AWS Summit Japan 2025」のDay1（6月25日）のセッション「アイウエア接客の未来を拓く～生成 AI で進化するあたらしい店舗体験への挑戦～」では、JINS AIの開発経緯やさまざまな工夫、そして、生成AIプロジェクトがPoCを超えるためのポイントについて語られた。登壇したのは、ジンズホールディングスのAI推進室 常務執行役員 松田真一郎氏と、ジンズ AI推進室 プロダクトマネジャー 黒尾玲奈氏だ。

ジンズホールディングス AI推進室 常務執行役員 松田真一郎氏

メガネ購買の“3つの分からない”を解消する「JINS AI」

　ジンズ（JINS）は、「日本で最もイノベーティブなアイウエアブランド」を目指し、最新技術を駆使して、次世代の購買体験を追求している。これまでも、2016年には、自身に合うメガネをAIで判定する「JINS BRAIN」を、2019年には、メガネをかけたままバーチャル試着ができる「MEGANE on MEGANE」を展開してきた。

JINS BRAINやMEGANE on MEGANEなど、過去の取り組み

　こうした流れの中で、2024年11月に「AI推進室」が立ち上がる。社内公募によるスモールスタートの組織だ。しかし、その直後の2025年1月、CEOが朝礼で「AI元年宣言」をしたことで、本格的なAI活用が決定。わずか3名のAI推進室は、“期待値MAX”の中でロケットスタートを切らざるをえなかった。

　さっそくメンバーは、事業会社であるJINSとして、AIで解決すべき課題を考える。AIの活用方針として定めたのが、「いつ買えばいいの？」「どう選べばいいの？」「自分に合うのはどれ？」というメガネ購買の“3つのわからない”を解消することだ。この方針のもとで生まれたのがJINS AIである。

　JINS AIは、店舗でメガネを購入する際に、生成AIにその場で質問ができ、フレームやレンズ選びの相談ができるチャット型接客サービスだ。店舗体験に絞っている理由について、本プロジェクトを担当する黒尾玲奈氏は、「生成AIはチャットコマースと親和性が高いと言われているが、メガネはECよりも実物を見て買いたい人が多いため」と説明する。

ジンズ AI推進室 プロダクトマネジャー 黒尾玲奈氏

　例えば、「長時間のパソコン作業でも快適なメガネが欲しい」と入力すると、生成AIが適切なフレームを3商品ずつ提案してくれる。あらかじめ質問候補を表示して、会話を続けやすくするサジェスト機能も搭載。手持ちのメガネや自身や芸能人の顔写真から、それに似たメガネを探してもらうことも可能だ。インバウンド客向けに、多言語での回答にも対応する。

JINS AIの特徴（左は画像検索の様子）

　システム的には、AWSの各マネージドサービスで構成。生成AIサービスである「Amazon Bedrock」でLLMによる対話型接客AIを構築。RAGの仕組みは、「Amazon OpenSearch Service」を利用して、Amazon S3に保管した商品データや接客ノウハウなどを参照している。

システム構成図

　JINS AIは2025年4月から東京、神奈川、大阪、兵庫の10店舗で試験導入を開始。突然の「AI元年宣言」から、わずか3か月でここまで漕ぎつけるには、さまざまなハードルを乗り越える必要があったという。

3か月で乗り越えた「5つのハードル」とその工夫

　「エンドユーザー向けの生成AIサービスの事例が少ない」（黒尾氏）中で、試行錯誤が重ねられたJINS AI。黒尾氏は、苦労したポイントを5つ挙げる。

　ひとつ目は、「AIの人格設定」だ。要はメガネを買う際に、顧客が店員にどんなことを求めるか、である。「フレンドリーさが合う業態もあるが、メガネでは信頼感・安心感が重視される」と黒尾氏。そこで、JINSのブランドイメージを棄損しない“トンマナ”“言葉遣い”のガイドラインを作成して、AIの人格を定義。このガイドラインに沿って回答するような、プロンプトチューニングを施した。

ブランド方針に合わせたAIの人格設定

　2つ目は、「応答精度の向上」だ。「お客様からのいろいろな入力に対して、意図を判断して、適切な回答を出すというシンプルなことが一番大変」と黒尾氏。そのために数々の工夫を凝らしている。

　まずは、Agentic Workflowの設計だ。LLMが質問の意図を判断するために参照するタスクを、「フレーム情報」や「レンズ情報」、「FAQ」といった形で細分化してワークフロー化。これにより、顧客の意図から外れた回答を防止する。ここでのポイントは、一番重要な処理である意図判断に最新のAIモデルを用いたことだ。逆に、他の箇所は軽量なモデルを利用することで、応答速度に配慮した。

Agentic Workflowの設計

　その他にも、RAGの精度向上のために、プロンプトの受信後にクエリを書き換え、検索範囲を最適化している。RAGの投入データについても、検索用と回答用を役割ごとに分けて管理したり、検索に利用するカテゴリの命名定義をLLMが読みやすいように変更したりと手間を加えている。

RAG精度向上のためのクエリの書き換え

　3つ目は、「意図しない回答を生成させない」だ。いわゆるハルシネーション対策・ガードレールの構築であり、入出力のバリデーションを定義して、不適切な入出力を制限。そもそも不適切な情報を参照しないように、LLMによるマスキングと人の目視を挟んでRAG用データとして登録する処理フローも構築している。

RAG登録データの処理フロー

　4つ目は、「ガバナンス対策」だ。ハルシネーション・ガードレールの対策を練った上でも、リスクは完全には排除できないため、利用規約を作成し、あらかじめ同意を得る方針をとった。利用規約には、β版であることの同意、不正利用はしないこと、個人情報を入力しないことなどを盛り込んでいる。

利用規約の作成

　最後は、ある意味一番重要な「そもそも使ってもらえるか？」問題だ。JINSでは、これまでもデジタルサービスを展開してきた。その経験から、ただ店頭にJINS AIのQRコードを置くだけでは気づいてもらえず、どう使うか伝わらないのは明白であった。

　そこで、使って欲しいシーンやユーザーを定義して対応施策を展開。例えば、スタッフがいないシーンやインバウンド客、セルフでメガネを選びたい人向けに、サイネージや店内ツール、声掛けの対応を用意している。

使ってもらうための施策