Inside this one million square foot warehouse in Northern California, Amazon packages are handled by hundreds of people and hundreds of robots, all increasingly driven by tech's biggest craze.

北カリフォルニアにある100万平方フィートの倉庫では、アマゾンの荷物が何百人もの人と何百台ものロボットによって扱われている。

Generative AI underpins everything we're doing here with perceiving, grasping and moving products with the Robin arms to managing fleet congestion with our Pegasus robotic drives.

ロビンのアームで製品を知覚し、把持し、移動させることから、ペガサスのロボット・ドライブで車両の混雑を管理することまで、ジェネレーティブAIがここで行っていることすべてを支えている。

For years, Amazon has sped up package delivery, two day, one day, and now more and more, same day, made possible by more workers, but also by rapidly improving algorithms and AI enabled robots.

アマゾンは長年、荷物の配達を迅速化し、2日後、1日後、そして今ではより多くの荷物を当日中に配達している。

What you see here is, I like to call it our dance floor.

ここに見えるのは、私たちのダンスフロアと呼びたいものだ。

And thanks to being an online retailer from the start, Amazon has a big advantage when it comes to the massive data needed for generative AI.

そして、最初からオンライン小売業者であったおかげで、生成AIに必要な膨大なデータに関して、アマゾンは大きなアドバンテージを持っている。

Absolutely, Amazon has been better at it than probably every other retailer out there.

もちろん、アマゾンは他のどの小売業者よりも優れている。

Think better predictions of exactly what you're going to order from where and when, hundreds of thousands of robots and more efficient delivery routes.

いつ、どこで、何を注文するかを正確に予測し、何十万台ものロボットを使い、より効率的な配送ルートを考える。

But not all the change that could come from generative AI is positive.

しかし、ジェネレーティブAIによってもたらされる可能性のある変化がすべてポジティブなものとは限らない。

In the event that they were able to leverage generative AI and fully automate the fulfillment center, I think that would be problematic.

ジェネレーティブAIを活用してフルフィルメントセンターを完全に自動化できたとしても、それは問題だと思う。

The other downside that we don't talk about enough is the negative impact on the environment, the cost of running data centers, the use of electricity, the use of water for cooling.

データセンターの運営コスト、電力使用、冷却のための水使用などだ。

Still, Amazon says AI helps cut costs and its carbon footprint, thanks to more efficient planning.

それでもアマゾンは、AIがより効率的なプランニングによってコストと二酸化炭素排出量の削減に役立っていると言う。

It seems subtle, but at this scale, getting like just one more product in the right spot means that it's shipping less distance when you order it, better speed, lower distance travel, better sustainability.

微妙なことのように思えるが、この規模になると、適切な場所にもう1つ製品を置くだけで、注文時に出荷される距離が短くなり、スピードが向上し、移動距離が短くなり、持続可能性が向上する。

CNBC visited Amazon's largest California sort center and a same-day warehouse nearby to see firsthand how it's putting AI to work at every step of operations, and sat down with Amazon's head of transportation technology to find out just how far the e-commerce giant plans to take it.

CNBCは、アマゾンのカリフォルニア州最大の仕分けセンターと、その近くにある当日出荷の倉庫を訪れ、業務のあらゆる段階でAIをどのように活用しているかを直接見学し、アマゾンの輸送技術責任者と対談して、電子商取引の巨人がAIをどこまで活用するつもりなのかを探った。

When Amazon Prime launched in 2005, two-day shipping was virtually unheard of.

2005年にアマゾン・プライムがスタートしたとき、2日配送はほとんど前代未聞だった。

And although it's now standard and free for millions of items if you're a Prime member, it's a grueling logistical lift.

プライム会員であれば、数百万点の商品を無料で購入できる。

Along here you see Robin Arms, which are robotic arms.

ここに沿って、ロボットアームであるロビンアームズが見える。

They're loading packages with employees onto Pegasus drive units.

従業員を乗せた荷物をペガサスのドライブユニットに積み込んでいる。

Those Pegasus drive units are then sorting packages by neighborhood.

そのペガサス・ドライブ・ユニットが、近隣地域ごとに荷物を仕分けしている。

Steve Armato started at Amazon as a software engineer before Prime in 2001.

スティーブ・アルマトは、2001年のプライム入社以前、アマゾンにソフトウェア・エンジニアとして入社した。

A lot of things you see today, they always weren't there in 2001.

今日、あなたが目にする多くのものは、2001年にはなかったものだ。

We had five fulfillment centers back then, now we have hundreds.

当時は5つのフルフィルメント・センターがあったが、今では何百もある。

The delivery vans that you see in the neighborhood, none of that was there.

近所で見かけるデリバリー・バンも、そんなものはなかった。

Traditional retailers like Walmart and Target were selling online, but they hadn't started making promises of speed.

ウォルマートやターゲットのような伝統的な小売業者はオンライン販売を行っていたが、スピードの約束はしていなかった。

Back then, mail order, when Amazon started, you'd be lucky if you could get something in two to three weeks.

アマゾンが始まったころの通信販売では、2～3週間で手に入ればラッキーだった。

And Amazon would still promise a week and they would get it to you in a few days.

アマゾンはそれでも1週間を約束し、数日で届けるという。

So that was amazing.

だから素晴らしかった。

So how did Amazon pull it off?

では、アマゾンはどうやってそれを成し遂げたのだろうか？

The short answer is data.

短い答えはデータだ。

Long before generative AI became all the rage with the release of ChatGBT in 2022, general AI was a huge differentiator for Amazon.

2022年にChatGBTがリリースされ、ジェネレーティブAIが大流行するずっと以前から、一般的なAIはアマゾンにとって大きな差別化要因だった。

As an early online-only retailer, Amazon had a unique ability to collect mass aggregate data on shopping behavior and use it to create algorithms to maximize sales and speedy logistics.

初期のオンライン専業小売業者であったアマゾンは、買い物行動に関する大量の集計データを収集し、それを使って売上を最大化し、迅速な物流を実現するアルゴリズムを作成するユニークな能力を持っていた。

We've been working on AI over 25 years.

我々は25年以上にわたってAIに取り組んできた。

For employees, a lot of it is around ergonomics and safety.

従業員にとっては、その多くが人間工学と安全性に関わるものだ。

For customers, it's around vast selection, great speeds.

顧客にとっては、豊富な品揃えと素晴らしいスピードが魅力だ。

Exploiting technology to drive e-commerce sales, that's essentially what Amazon's done since 1997, since the beginning.

eコマースの売上を促進するためにテクノロジーを活用することは、基本的にアマゾンが1997年以来、当初から行ってきたことだ。

They are, I would say, hands down the most data-heavy and data-savvy company.

彼らは最もデータ量が多く、データに精通している企業である。

It's not that Walmart and Target and Costco and others don't have their own reams of data, but they're looking at things a little bit differently, and they have much older systems.

ウォルマートやターゲット、コストコなどが独自の膨大なデータを持っていないわけではない。

Amazon is decades younger than its major retail competitors, but its stock value and footprint have grown incredibly fast.

アマゾンは競合他社に比べ数十年歴史が浅いが、その株価と事業規模は驚くほど急成長している。

Hundreds of warehouses, more than 1.5 million U.S. employees, and more speed.

何百もの倉庫、150万人以上の全米従業員、そしてさらなるスピード。

In 2014, Amazon launched PrimeNow, with some deliveries arriving in an hour or less.

2014年、アマゾンはプライムナウを開始した。

Then in 2018, Amazon vastly increased its driver network with the launch of its Delivery Service Partner program, where it contracts driving out to some 4,400 small delivery businesses that employ 390,000 drivers.

そして2018年、アマゾンはデリバリー・サービス・パートナー・プログラムを開始し、ドライバー・ネットワークを大幅に拡大した。

By 2019, one-day shipping was the norm.

2019年までには、1日発送が当たり前になった。

Then in 2020, Amazon began using transformer architecture, the backbones of what we know of today as generative AI, to develop models for demand forecasting and supply chain optimization.

そして2020年、アマゾンは需要予測やサプライチェーン最適化のモデルを開発するために、今日のジェネレーティブAIの基盤であるトランスフォーマー・アーキテクチャーの利用を開始した。

By 2022, it was rolling AI transformer models into its robotics.

2022年までには、ロボットにAIトランスフォーマーモデルを導入する予定だ。

All that made shipping times even faster.

その結果、輸送時間はさらに短縮された。

Today, drivers are delivering 20 million packages per day across 20 countries, and in the first quarter of 2024, more than 2 billion items arrived the same or next day. 60% of our deliveries for Prime customers in March were same day or next day, so there are a lot of those fast orders for our top 60 metropolitan areas.

現在、ドライバーは20カ国で1日あたり2,000万個の荷物を配達しており、2024年第1四半期には20億個以上の商品が当日または翌日に到着しました。3月のプライム会員の配達の60％は当日または翌日配達でした。

Could you have gotten to that 60% number without generative AI?

ジェネレーティブAIがなければ、この60％という数字は達成できなかったのだろうか？

Well, I think we've been working on this for decades to get to this speed, and it's a combination of engineering, people, processes, and technology.

まあ、このスピードに到達するために何十年も取り組んできたと思うし、エンジニアリング、人、プロセス、テクノロジーの組み合わせだ。

Generative AI is a big unlock for us, particularly for new products, where we have sparse or no history for that sales history for that product.

ジェネレーティブAIは、特に新製品の場合、その製品の販売履歴がまばらであったり、まったくなかったりする場合に、大きな鍵を開けてくれる。

It's going to come faster because of generative AI.

ジェネレーティブAIのおかげで、それはより早く実現するだろう。

But all this speed comes at a huge cost, in actual capex, but also human labor, a burden that can be reduced, Amazon says, with the use of robots.

しかし、このスピードは、実際の設備投資だけでなく、人間の労働力にも大きなコストをもたらす。

Before robotics, pickers would need to walk distances between aisles to pick products, kind of like a library, and now it's being brought to you more like self-service.

ロボットが導入される前は、ピッカーは通路を歩いて商品を選んでいた。

And so that's great for ergonomics, it's great for less walking.

だから人間工学的にも優れているし、歩行を減らすことができる。

Amazon has faced scrutiny in recent years over its workplace injury record, with federal citations for safety violations and a year-long Senate probe that found Prime Day was a major cause of worker injuries.

アマゾンはここ数年、労働災害の記録について厳しい追及を受けてきた。連邦政府から安全違反で警告を受けたり、プライムデーが労働災害の主な原因であることを上院が1年にわたり調査したりした。

Amazon has appealed the citations and said the report ignores progress it's made, and it says AI can help.

アマゾンはこの処分を不服とし、報告書は同社の進歩を無視しており、AIが助けになると述べている。

One algorithmic improvement is to take our faster-selling products and place those on the shelves at waist height.

アルゴリズムによる改良のひとつは、売れ行きの早い商品を腰の高さの棚に並べることだ。

That's your ergonomic power zone, so less reaching, less bending.

そこが人間工学に基づいたパワーゾーンだから、手を伸ばしたり曲げたりすることが少なくなる。

Amazon's big shift to automation started in 2012 with the purchase of Kiva systems for $775 million.

アマゾンの自動化への大きなシフトは、2012年のキバ・システムズの7億7500万ドルでの買収から始まった。

Now Amazon has deployed at least 750,000 robots, more than double the number it had in 2021.

現在、アマゾンは少なくとも75万台のロボットを配備しており、その数は2021年の2倍以上となっている。

So generative AI helps with prioritization.

だから、ジェネレーティブAIは優先順位付けに役立つ。

So some of the two-day deliveries might stand aside and let the robot with a next-day delivery go on its mission first and take a straight line to its destination.

そのため、翌日配達のロボットを先に行かせ、目的地まで一直線に進ませるために、2日配達のロボットの一部を待機させるかもしれない。

Amazon's next generation of drive units, called Proteus, are fully autonomous.

アマゾンの次世代ドライブユニット「プロテウス」は完全自律走行型だ。

They're actually outside of this fenced area, moving things around.

彼らはフェンスに囲まれた区域の外で、実際に物を動かしている。

They're using generative AI and computer vision to avoid obstacles and find the right place to stop, the right place to park.

障害物を避け、停車する正しい場所、駐車する正しい場所を見つけるために、ジェネレーティブAIとコンピュータービジョンを使っているのだ。

And then there's Robin Arms, which Amazon says have handled some 2 billion packages so far.

そしてロビン・アームズだ。アマゾンによれば、これまでに約20億個の荷物を扱ってきたという。

Would these 20 Robin Arms be able to do what they're doing without generative AI?

この20人のロビン・アームズは、ジェネレイティブAIなしでやっていけるだろうか？

I think that we would see that they would require a lot more training.

もっと多くのトレーニングが必要だと思う。

And so generative AI has been really a step-function improvement in being able to infer from our vast product catalog about how to handle a given product, even if I haven't seen that product before.

生成AIは、膨大な商品カタログから、たとえその商品を見たことがなくても、ある商品をどう扱うべきかを推論できるようになり、まさに一歩進んだ機能改善となった。

And although it's only in a couple warehouses for now, there's a humanoid robot called Digit that can grasp and handle items in a similar way to how people can.

また、今のところ2、3の倉庫にしか設置されていないが、Digitと呼ばれるヒューマノイド・ロボットもある。

And Amazon has a new deal with AI startup Covariant, hiring its founders and licensing its models that help robots handle a wider range of physical objects.

また、アマゾンはAIスタートアップのコバリアントと新たな契約を結び、同社の創業者を雇用し、ロボットがより幅広い物理的対象物を扱うのを助けるモデルのライセンスを供与する。

Of course, this brings up the big question.

もちろん、これは大きな問題を提起する。

Could Amazon one day replace all warehouse workers if AI helps robots get too capable?

AIがロボットの能力を向上させすぎれば、アマゾンが倉庫作業員すべてを置き換える日が来るかもしれない？

There's kind of a balancing act for Amazon.

アマゾンはバランスを取る必要がある。

How can they implement automation to improve efficiency and manage labor expenses, but how can they do it in a way that complements their use of humans and doesn't replace them?

効率改善と人件費管理のためにオートメーションを導入するにはどうすればいいのか。しかし、人間に取って代わるのではなく、人間の利用を補完するような形でオートメーションを導入するにはどうすればいいのか。

Amazon says the robots work with people and they're creating new roles.

アマゾンによれば、ロボットは人間とともに働き、新たな役割を生み出すという。

We're investing over $1.2 billion to upskill more than 300,000 employees by the end of next year.

来年末までに30万人以上の従業員をスキルアップさせるために12億ドル以上を投資する。

One study found that each robot adopted in manufacturing replaced about three workers.

ある調査によると、製造業で採用されたロボット1台につき約3人の労働者が入れ替わったという。

Other research shows that companies that deploy more robots add more jobs overall.

他の調査によれば、より多くのロボットを導入している企業は、全体としてより多くの雇用を増やしている。

So someone needs to maintain this if it breaks down, or if something does get dropped on the dance floor, we have a process and special training to go clean that up.

だから、もし故障したり、ダンスフロアに何かを落としたりしたら、誰かがこれをメンテナンスする必要がある。

And so each of those creates new categories of jobs, some of which have higher earnings potential as well.

そして、そのような仕事のひとつひとつが新しいカテゴリーを生み出し、そのなかにはより高い収入が見込めるものもある。

The truth is, at the end of the day, Amazon's responsibility is not to employ, you know, kind of a million Americans, even though it does.

結局のところ、アマゾンの責任は100万人のアメリカ人を雇用することではないのだ。

Their responsibility is to their shareholders.

彼らの責任は株主に対してである。

Another big way to please shareholders is to cut down on the huge amount of time and money it takes to get inventory from sellers to customers.

株主を喜ばせるもう一つの大きな方法は、在庫を売り手から顧客に届けるのにかかる膨大な時間と費用を削減することだ。

To do this, Amazon has always used algorithms to predict how much of what inventory is needed, when and where.

そのために、アマゾンは常にアルゴリズムを使って、いつ、どこで、どの在庫がどれだけ必要かを予測している。

Every product has like a regional nuance.

どの製品にも地域的なニュアンスがある。

We recently regionalized our entire national network.

私たちは最近、国内ネットワーク全体を地域化した。

And by doing a regional network, that means that products are more likely to ship from fulfillment centers close to you.

また、地域的なネットワークを構築することで、商品があなたの近くにあるフルフィルメントセンターから出荷される可能性が高くなる。

What's new with generative AI is the ability to predict where to place brand new items.

ジェネレーティブAIの新機能は、真新しいアイテムをどこに置くかを予測する能力だ。

So we're able to use generative AI to create a link between products we have seen before, where we do have a sales history, and a new product we haven't seen before yet and get it in the right place the first time.

だから、私たちはジェネレーティブAIを使って、販売履歴のある以前見たことのある商品と、まだ見たことのない新商品との間にリンクを作成し、初回から適切な場所に並べることができる。

So when we place a product in the right place ahead of time, before you click buy, it's which is a win for speed and sustainability.

だから、あなたが購入をクリックする前に、前もって適切な場所に商品を置くことは、スピードと持続可能性にとって勝利なのです。

Amazon also says AI is helping sustainability with a specific model that makes better choices about which packaging to use.

アマゾンはまた、どの梱包材を使うべきかをより適切に選択する特定のモデルで、AIが持続可能性に役立っていると述べている。

And by reducing the number of damaged items that get sent to and returned by customers.

そして、顧客に送られ、顧客から返送される破損品の数を減らすことである。

Amazon says its AI is three times better than humans at identifying damaged products.

アマゾンによれば、同社のAIは破損した商品を識別する能力が人間の3倍優れているという。

We ship billions of packages.

私たちは何十億という荷物を発送しています。

We have the data about those packages.

我々はそれらのパッケージに関するデータを持っている。

So we're able to use computer vision together with generative AI and that vast amount of product and package data to then detect damages and being able to sideline a package if we think it might be damaged before we ship it to customers.

そのため、コンピュータ・ビジョンとジェネレーティブAI、そして膨大な量の商品とパッケージのデータを併用することで、破損を検出し、顧客に発送する前に破損している可能性があると判断した場合は、そのパッケージを横流しすることができるのです。

But training and running gen AI is itself a carbon intensive process, a fact that could make it hard for Amazon to achieve its 2019 climate pledge to reach net zero carbon by 2040.

しかし、遺伝子AIの訓練と運用は、それ自体が炭素を大量に消費するプロセスであり、アマゾンが2019年に掲げた「2040年までに正味炭素ゼロを達成する」という気候変動に関する公約の達成を困難にする可能性がある。

By 2027, AI servers are projected to use up as much power every year as a small And Amazon Web Services has data centers filled with servers running AI workloads.

2027年までには、AIサーバーは毎年、小規模なサーバーと同程度の電力を消費すると予測されている。 また、アマゾン・ウェブ・サービスのデータセンターは、AIワークロードを実行するサーバーで埋め尽くされている。

Although this also gives it an edge over other e-commerce players because it can train its AI in-house.

また、自社でAIを訓練できるため、他のEコマース企業よりも優位に立てる。

Amazon's also invested $4 billion in AI startup Anthropic, which makes chatbot Claude a competitor to OpenAI's chat GPT.

アマゾンはまた、AIスタートアップのAnthropicに40億ドルを投資している。Anthropicは、OpenAIのチャットGPTと競合するチャットボットClaudeを作っている。

And Amazon makes its own AI focused microchips and its own generative AI tools for developers, which are used in operations.

また、アマゾンはAIに特化したマイクロチップと、開発者向けのジェネレーティブAIツールを独自に製造しており、これらは業務で使用されている。

We use tools like Amazon Q, Amazon Bedrock.

Amazon QやAmazon Bedrockのようなツールを使っている。

That allows us to evaluate different models against the, you know, what does good look like?

そうすることで、さまざまなモデルを評価することができる。

So what are the metrics for success of this business application?

では、このビジネス・アプリケーションの成功の指標は何だろうか？

One big metric for success that shareholders are watching, if Amazon's huge investment in gen AI will translate to profits.

株主が注目する成功の大きな指標のひとつは、アマゾンのAIへの巨額投資が利益につながるかどうかだ。

I have yet to see huge lift in anybody's retail business due to generative AI, including Amazon.

アマゾンを含め、ジェネレーティブAIによって小売業が大きく成長した例はまだない。

I think that a lot of their biggest impact has happened because of the earlier investments, not necessarily some of these more recent investments.

私が思うに、彼らの最大のインパクトの多くは、必ずしも最近の投資ではなく、それ以前の投資によって起こっている。

I've seen a lot of hype, but no actual numbers.

多くの誇大広告を目にするが、実際の数字はない。

One area Amazon is hoping gen AI will translate to true savings is the most expensive part of the delivery process, getting that package the last mile to your door.

アマゾンは、AIが本当の節約につながることを期待している。

Amazon's now using more than 20 machine learning models to figure out the most efficient routes for its delivery drivers.

アマゾンは現在、配送ドライバーの最も効率的なルートを割り出すために20以上の機械学習モデルを使用している。

If there is more congestion on a road or if a road is closed, AI is able to help us determine whether that diversion is still there or take that different route.

道路の混雑が増えたり、道路が閉鎖されたりした場合、AIはその迂回路がまだあるか、あるいは別のルートを取るかを判断するのに役立つ。

In 2021, CNBC talked to Amazon drivers about the pressures and pitfalls of the job, from dog bites to urinating in bottles to save time.

2021年、CNBCはアマゾンのドライバーに、犬に噛まれたり、時間を節約するためにボトルに排尿したりといった仕事のプレッシャーや落とし穴について話を聞いた。

People are running through stop signs, running through yellow lights.

人々はストップサインを無視し、黄色信号を無視して走っている。

Everybody I knew was buckling their seatbelt behind their backs because the time it took just to buckle your seatbelt, unbuckle your seatbelt every time was enough time to get you behind schedule.

シートベルトを締めたり外したりするのに時間がかかり、予定より遅れてしまうからだ。

The hope is with better routes and vehicle coordination, drivers will feel less pressure to cut corners or skip brakes.

ルートと車両の連携が改善されれば、ドライバーは手抜きやブレーキ飛ばしのプレッシャーを感じなくなるはずだ。

It should enhance the driver experience, but it will still be challenging.

ドライバーの経験を向上させるはずだが、それでも挑戦的であることに変わりはない。

In 2022, Amazon also rolled out new fully electric Rivian vans and now has 15,000 of them across the U.S.

2022年、アマゾンは新たに完全電気自動車のリビアン・バンを導入し、現在全米で15,000台を保有している。

They're equipped with large screens where the new mapping and routing is displayed, as well as AI-enabled cameras that watch the road, sides of the vehicle and the driver.

新しい地図と経路が表示される大型スクリーン、道路や車両の側面、ドライバーを監視するAI対応カメラが装備されている。

There's no camera recording if the driver's not driving and there's a privacy mode.

ドライバーが運転中でなければカメラの録画はなく、プライバシーモードもある。

Another area where privacy often comes up is around the huge amount of data it collects on shopping behavior.

プライバシーがよく問題になるもう一つの分野は、ショッピング行動に関する膨大なデータを収集することだ。

Now with generative AI, that data can be used to generate better hyper-personalized product recommendations to a shopper, thanks to new developer tools like Amazon Personalize.

今、生成的AIを使えば、Amazon Personalizeのような新しい開発者ツールのおかげで、そのデータを使って、買い物客に超パーソナライズされた推奨商品を生成することができる。

What do you say to people when they're concerned about their privacy or that it feels creepy that Amazon predicts their shopping behavior so closely?

プライバシーを心配したり、アマゾンが自分の買い物行動を詳細に予測することを不気味に感じたりする人たちに、あなたは何と言いますか？

Well, we're looking at aggregate sales history.

販売履歴を集計しているんだ。

We're looking at geographic regions and their behavior.

我々は地理的な地域とその行動を見ている。

If a particular customer were in San Francisco, it's not about that one customer.

特定の顧客がサンフランシスコにいたとしても、その顧客一人の問題ではない。

It's about what the aggregate behavior in that area is.

その地域の総体的な行動がどうなのかということだ。

Sellers can also use gen AI to write more targeted product listings or to generate images of their products in different seasonal and lifestyle settings.

売り手はまた、gen AIを使って、よりターゲットを絞った商品リストを書いたり、季節やライフスタイルに合わせた商品の画像を生成したりすることもできる。

For shoppers, last year, Amazon.com started populating with AI generated review highlights.

昨年、アマゾン・ドット・コムは、AIが作成したレビューのハイライトを表示するようになった。

Any product that you look at is going to have reviews, hundreds or even thousands.

どんな製品にも、何百、何千というレビューがある。

What I love about AI review summarization is it gives you just a couple of quick bullet points.

私がAIレビューの要約で気に入っているのは、2、3の簡単な箇条書きを与えてくれることだ。

So that's helping me make a more informed buying decision.

だから、より多くの情報を得た上で購入の決断をするのに役立っている。

And in February, Amazon launched a new gen AI powered conversational shopping assistant called Rufus to further streamline those product recommendations.

そして2月、アマゾンはAIを搭載した新世代の会話型ショッピング・アシスタント「ルーファス」を発表し、商品推薦をさらに効率化した。

Some consumers may be put off by product recommendations that are based on their purchase history.

消費者の中には、購入履歴に基づいた商品の勧めを敬遠する人もいるだろう。

Now, Amazon may have to, if they don't already implement and opt out, some sort of feature where a consumer could say, you know, please don't look at my purchase history when giving me recommendations.

アマゾンは、もしまだオプトアウトを導入していないのであれば、ある種の機能を導入しなければならないかもしれない。

Despite concerns, Amazon is committed to injecting generative AI into every possible step of operations to boost speed, efficiency and eventually, it hopes, its bottom line.

こうした懸念にもかかわらず、アマゾンは業務のあらゆる段階にジェネレーティブAIを導入し、スピードと効率を高め、最終的には収益につなげたいと考えている。

If you can reduce packaging, is that a good thing?

包装を減らすことができれば、それは良いことですか？

Yes.

そうだ。

If you can reduce the amount of time and the amount of miles you have to travel to get from point A to point B, is that a good thing?

A地点からB地点への移動にかかる時間やマイルを減らすことができれば、それは良いことなのだろうか？

Yes.

そうだ。

These are all good ideas.

これらはすべて良いアイデアだ。

You know, kind of definitely feel free to show us the receipts at any time.

いつでもレシートを見せてください。