DoorDash、AIレコメンドをエージェント型に刷新

フードデリバリー大手DoorDashは、従来の「一度きりの予測モデル」に依存した推薦システムを見直し、エージェント型のレコメンデーションプラットフォームへと移行する取り組みを進めている。同社のエンジニアリング部門に所属するSudeep Das氏がこの設計思想と技術的アプローチを公開した。

これまでのDoorDashの推薦システムは、ユーザーのリクエストを受けた瞬間にのみ予測を行う「ワンショット型」の構造だった。この方式は一般的なECやデリバリーサービスで広く使われてきたが、利用者の好みが時間とともに変わることや、文脈によって求めるものが異なることへの対応が難しいという限界がある。DoorDashはこの課題を解消するため、より継続的・文脈的な推薦の仕組みへの転換を図った。

新しい仕組みの中核となるのは、「言語ネイティブな消費者メモリ」と呼ばれる概念だ。ユーザーの行動履歴や好みを、自然言語（人間の言葉）に近い形で蓄積・活用するアプローチで、従来の数値ベースの特徴量管理とは異なる方向性をとっている。また、商品カタログの表現には「RQ-VAE（残差量子化変分オートエンコーダ）」を用いたセマンティックID（意味的な識別子）が採用された。これは、膨大な商品リストを意味のある構造で圧縮・整理する技術で、似た商品同士を数値空間上で近くに配置することで検索や照合の精度を高める効果が期待できる。さらに、「グラウンデッドサーチ（根拠に基づく検索）」という手法を組み合わせることで、推薦結果の妥当性と精度を向上させたとDas氏は説明している。

これらの技術を統合した結果として、Das氏はコンバージョン率（実際の注文につながる割合）やレリバンス（推薦の適切さ）といった指標が大幅に改善したと述べている。ただし、具体的な数値については公開された情報の範囲にとどまるため、詳細は今後の正式な発表を待つ必要がある。

今回の取り組みが業界の観点から注目される背景には、AIの活用が「単発の予測」から「継続的な文脈理解」へとシフトしているという大きな流れがある。エージェント型AIとは、ユーザーの状態や文脈を継続的に把握しながら、次の行動を能動的に判断・提示する仕組みを指す。単にパーソナライズの精度を上げるだけでなく、ユーザーとサービスとの関係をより長期的・双方向的なものにするという設計思想の転換でもある。

デリバリーサービスのようなプラットフォームでは、ユーザーが毎日異なる状況（時間帯・気分・人数など）でサービスを利用するため、静的な好みのモデルでは対応しきれない場面が多い。言語的な記憶の活用やセマンティックIDによる商品理解の深化は、こうした動的なニーズへの応答性を高める有効な手段と位置づけられる。フードテック以外の領域でも、同様のアーキテクチャへの移行が広がる可能性があるという見方ができる。

大規模なユーザーベースを持つコンシューマー向けサービスにおいてエージェント型AIをどう実装するかは、多くの企業が直面する共通の課題だ。DoorDashの事例は、その具体的な実装の方向性を示す一つの参照点となりうる。今後は、同社がこのプラットフォームをどのようにスケールさせ、パーソナライゼーションのさらなる深化にどう取り組むかが注目される。