DoorDash共同創業者アンディ・ファンとスタンリー・タンが語る、自律配送体験の構築

DoorDashの共同創業者であるAndy FangとStanley Tangが、ホストのSarah Guoとの対談で明らかにしたのは、同社が単なるフードデリバリー企業ではなく、創業当初からロボティクスと自律性を中核に据えた企業であるという事実である。彼らは、自然言語インターフェース「Ask DoorDash」の導入によって、ユーザーの行動がどのように変化し、レストラン発見や食料品の購買行動に革命が起きているかを詳細に語った。さらに、自社開発の自律配送ロボット「Dot」がアリゾナ州フェニックスで2年以上にわたり完全自律運転（L4）を実現している現状と、その過程で直面した数々の運用上の課題、そしてそれらを克服するためにDoorDashが持つ独自のデータと運用ノウハウの優位性について深く掘り下げた。このエピソードは、AIとロボティクスが物理世界の複雑な問題を解決する際に、単なる技術開発ではなく、現実のユースケースに根ざしたアプローチが不可欠であることを示す、稀有なケーススタディとなっている。

0:34エージェンティックコマースと行動変容

DoorDashが展開する「Ask DoorDash」は、ユーザーが自然言語で欲しいものを伝えるだけで、レストラン検索から食料品の注文までをシームレスに行えるエージェント型コマースの先駆けである。この機能の背景には、当初は音声インターフェースに賭けていたが、それが期待したほど普及しなかったという試行錯誤がある。しかし、テキストベースの自然な会話体験は、ユーザーが頭の中にある欲求をそのままインターフェースに変換できる点で、従来のキーワード検索やメニュー探索の手間を劇的に減らした。

この新しいインターフェースは、ユーザーの行動に明確な変化をもたらしている。最も顕著なのはレストラン発見において、Ask DoorDashを利用した注文の50%が、ユーザーがこれまで一度も注文したことのない新しい店舗からのものであるという点だ。これは、DoorDashが長年改善に苦労してきた指標であり、この結果は、ユーザーが「新しいものを試したい」という潜在的な欲求を持ちながらも、従来のUIではそれが十分に発揮されていなかったことを示唆している。食料品の購買においても効果は顕著で、Ask DoorDashを利用した場合の平均バスケットサイズは従来比で40%増加している。ユーザーは冷蔵庫の中身を写真に撮って「補充して」と指示したり、家族の食事制限を考慮した献立を依頼するなど、より複雑で高付加価値な注文を気軽に行うようになった。

さらに、Ask DoorDashは単なる検索機能の延長線上にあるものではない。同社は、モデルの知識カットオフではカバーできない、インターネット上で話題のレストランやトレンド情報といった「世界知識」を統合する投資も行っている。これにより、ユーザーは「今、何がクールなのか」を直感的に知ることができ、AIへの信頼感を高めることにもつながっている。この機能は、単なる利便性の向上を超えて、ユーザーが食体験を発見し、共有するという、新たな社会的な価値を生み出し始めている。

3:52Ask DoorDashの次なる展開とエージェントファーストの世界

Ask DoorDashの今後の進化について、Andy Fangは「もし今日、大学生がガレージでDoorDashをゼロから作るとしたら、おそらくもっとエージェントファーストな形になるだろう」と語る。彼は、現在ウェブ上のトラフィックの多くが人間ではなくエージェントによって生成されているという事実に注目し、DoorDashもこの流れに対応した体験を設計する必要があると指摘する。短期的な課題は、ユーザーがこの新しいインターフェースに慣れ、その可能性を最大限に活用できるようにすることだ。多くのユーザーは、何を質問すればいいのかわからないため、最初の一歩を踏み出すためのガイダンスや、具体的なユースケースを発見できるようなUIの改善が求められる。

より長期的な展望として、両氏は「エージェントファースト」な世界を構想している。その具体例として、オフィスのパントリーに設置したカメラが棚の在庫を監視し、品切れを検知すると自動的にDoorDashに補充を発注する、というユースケースが紹介された。これは、同社が最近リリースしたCLI（コマンドラインインターフェース）を使った実験の一環であり、人間が介在せずにエージェントが自律的に購買行動を起こす未来を示唆している。Sarah Guoは、自身が毎週末に大家族のためにDoorDashで食事を注文する際、参加者の人数やアレルギー情報を毎回収集する手間を省き、すべてを自動化してほしいという具体的なニーズを提示した。これは、エージェントが個人のコンテキストを理解し、複雑な調整を代行する未来の可能性を象徴している。

このようなエージェントファーストの体験は、単に注文を代行するだけでなく、ユーザーがこれまで気づかなかった新しい購買機会を創出する可能性を秘めている。例えば、オフィスランチの注文を担当するマネージャーが、CLIを使って手軽に注文を自動化した結果、DoorDashがランチだけでなくコンビニや食料品も扱っていることに気づき、パントリーの自動補充という新たなユースケースを発見した事例が紹介された。これは、インターフェースが自然でエージェントフレンドリーになるほど、人間の想像力を刺激し、これまで不可能だった行動が現実のものとなることを示している。

6:54ロボティクスと自律性への長期投資

DoorDashのロボティクスへの取り組みは、多くの人が認識しているよりもはるかに長い歴史を持つ。Stanley Tangは、同社が2018年から自律性とロボティクスに注目していたと明かす。当時はまだこれらの技術が主流になるとは明らかではなかったが、創業者主導の企業だからこそ、将来的に自社を破壊する可能性のある技術に対して、長期的な視点で投資を行うことができた。この投資の哲学は、DoorDashの創業そのものに根ざしている。スタンフォード大学の寮の部屋で、たった8枚のPDFメニューとGoogle Voiceの電話番号から始まった実験が、やがて巨大企業へと成長したように、すべての取り組みはまず小さな実験として始まる。

当初、DoorDashは自社でロボットを開発するつもりは全くなかった。彼らは、ロボットスタートアップと提携し、自社は配送プラットフォームとしてAPIを提供し、流通網を活用する戦略をとった。実際に、歩道型ロボットからロボタクシーまで、あらゆるタイプの自律走行車両プレイヤーと協業した。しかし、このパートナーシップ戦略を通じて、彼らは3つの重要な教訓を得た。第一に、自律配送は「いつ実現するか」の問題であり、「もし実現するか」の問題ではないという確信を得た。第二に、自律性を実現するためには、ロボット本体だけでなく、それを支えるインフラ、エコシステム、運用体制など、周辺に多くのものを構築する必要があることを学んだ。これが後に「自律配送プラットフォーム」という概念へと発展する。

最も重要な第三の教訓は、「ユースケースから逆算して構築する」ことの重要性だった。多くの自律技術スタートアップは、まず技術を開発し、後からその技術に合う問題を探すというアプローチをとっていた。これは、ソフトウェア業界で「顧客が欲しいものを作れ」と教えられてきたDoorDashの創業者たちにとっては、奇妙に映った。例えば、時速2〜3マイルの歩道型ロボットは、DoorDashの平均配送距離（3〜5マイル）と目標配送時間（15分）には全く適さなかった。一方、ロボタクシーは人間を運ぶために設計された4,000ポンドの車両であり、数個のブリトーを運ぶには過剰で、 pickup/drop-offの問題も異なる。このギャップを埋める、時速20〜25マイルで走行し、重量300ポンド程度の「自律型バイクまたはスクーター」のようなフォームファクターこそが、DoorDashのユースケースに最適だと結論づけ、自社開発に踏み切ったのである。

16:31物理世界における自律技術の構築

DoorDashの共同創業者たちは、AIやロボティクスの分野で「技術ファースト」のアプローチが横行している理由について、ChatGPTの成功が一因ではないかと分析する。ChatGPTは汎用的な技術であり、それを様々なアプリケーションに転用することは比較的容易だという誤ったメンタルモデルが、特に自律技術の分野で広がっている。しかし、DoorDashのような物理世界のビジネスでは、状況は全く異なる。同社は年間30億件以上の配送を処理しているが、そのうち全く同じ配送は2つとして存在しない。サンフランシスコのダウンタウンとダラスの配送は全く異なり、ピザとアイスクリーム、夕食と食料品、さらには小売や薬局の配送では、求められる条件が根本的に異なる。

この複雑性を理解し、管理することが、DoorDashの最大の強みである。同社は100億件以上の配送データ、4,000万人以上の月間アクティブ消費者、そして多種多様な加盟店との統合ノウハウを持っている。マクドナルドのような大手チェーンと個人経営のサンドイッチ店では、ピックアップの方法や統合の仕組みが全く異なる。このような現実世界の複雑性をデータとして蓄積し、運用に活かせることは、他社が容易に模倣できないアドバンテージである。Sarah Guoは、この点を「現実的なデータを取得する唯一の方法は、実際の世界で運用することだ」と評し、DoorDashのアプローチを高く評価した。

さらに、DoorDashは人間の配達員（Dasher）を活用したデータ収集にも乗り出している。同社が最近立ち上げた「Tasks」という製品は、Dasher fleetに協力を仰ぎ、世界モデルのトレーニングに必要なデータポイントを収集するものだ。これは、シミュレーションや実験室では決して得られない、現実世界の多様なエッジケースをカバーするための戦略である。Stanley Tangは、「ChatGPTとは異なり、ロボティクスにはV1に多額の投資が必要だ。そして、その価値は既存の代替手段（人間の配達員）よりも質とコストの両面で優れていなければならない」と強調する。単なるデモや研究プロジェクトではなく、実際にビジネスとして価値を提供できるかどうかが、DoorDashのロボティクス戦略の根幹にある。

21:20Dot：DoorDashの自律配送ロボット

DoorDash Dotは、同社が完全に内製開発した自律配送ロボットである。重量は300ポンド（約136kg）、最高速度は時速20マイル（約32km）で、自動車の10分の1のサイズだ。このロボットの最大の特徴は、歩道だけでなく、自転車レーンや一般道も走行できるように設計されている点である。これは、DoorDashの配送の大部分を占める、密集した郊外地域での3〜5マイルの配送に最適化された結果である。現在、アリゾナ州フェニックスで2年以上にわたり完全自律運転（L4）での配送を実施しており、現地ではWaymoがサンフランシスコで果たしているのと同様の存在感を示している。

Dotの開発において、DoorDashは「すべてのユースケースを解決する」のではなく、「マルチモーダル戦略」を採用している。つまり、配送の種類や環境に応じて最適な手段を使い分けるという考え方だ。Dotは、密集した郊外のストリップモールからの3〜5マイルの配送に最適化されている。一方、道路インフラが貧弱な農村部や軽量な注文にはドローンが、複雑な多段階の食料品注文には人間のDasherが適している。このように、DoorDashは単一の技術に依存するのではなく、それぞれのユースケースに最適なモダリティを組み合わせることで、効率的な配送ネットワークを構築している。消費者と加盟店にとっては、どのモダリティで配送されても、アプリの体験は全く同じであり、一貫したサービスを享受できる。

Dotの開発と運用を通じて、DoorDashは自律配送のスケーリングには、自律技術そのもの以上に、運用面での課題が山積していることを痛感した。例えば、ロボットの起動時間の問題だ。当初はエンジニアが数時間で作った簡易的なJenkinsスクリプトで起動していたが、ロボットの台数が増えるにつれて、スクリプトのクラッシュや起動時間の長期化が深刻な生産性の問題となった。また、ロボットが走行中に路面の落ち葉に片方の車輪が乗ると、左右の車輪に必要なトルクが異なるため、制御システムが適切に対応しなければならない。さらに、急ブレーキ時に回生ブレーキシステムがバッテリーに過大な電圧をかけてしまうという、極めて稀だが重大なエッジケースにも直面した。これらの問題は、実験室やシミュレーションでは決して発見できず、実際に現場で運用して初めて明らかになるものばかりである。

28:04自律性のスケーリングにおける課題

自律配送をスケールさせるための課題は、大きく3つの要素に分類される。第一は「自律性そのもののスケーリング」である。5年前は自律走行が可能かどうか自体が疑問だったが、現在ではWaymoやTeslaの進歩により、技術的なハードルは大幅に下がった。DoorDashも昨年、Dotの完全自律運転を達成した。しかし、重要なのは、Waymoの技術をそのままコピー＆ペーストすれば良いわけではないという点だ。Dotは道路と歩道を行き来するバイクのようなプロファイルの車両であり、このような特性を持つロボットは世界に他に存在しない。DoorDashは独自のユースケースに特化した自律スタックを内製することで、この課題を克服した。

第二の課題は「運用のスケーリング」である。フェニックスとサンフランシスコでは、レストランの行動パターンや店舗構造が異なり、ロンドンやヘルシンキではさらに異なる。それぞれの地域の特性に合わせた統合方法や、フリート全体の管理システムを構築する必要がある。特に重要なのは「最初と最後の100フィート問題」である。ロボタクシーでは、目的地から半ブロック離れた場所に停車しても、人間が歩いて移動できる。しかし、荷物は自分で歩くことができない。ロボットが正確に店舗の入り口を見つけ、顧客のポーチまで荷物を届けるためには、人間のDasherが過去にどこで荷物を降ろしたかというデータが不可欠だ。このデータはGoogle Mapsには存在せず、DoorDashだけが持つ独自の資産である。

第三の課題は「ハードウェアのスケーリング」である。5年前は誰もがハードウェアはコモディティだと考えていたが、今ではそれがボトルネックになりつつある。最初の100台のロボットは手作業で組み立てることができたが、次の1,000台、1万台となると、サプライチェーン管理、部品の信頼性、長期耐久性など、全く新しい問題に直面する。DoorDashはこの課題に対処するため、Rivianからスピンアウトしたマイクロモビリティ企業「Also」と提携した。Alsoの会長兼創業者にはRivianの創業者RJが名を連ねており、車両の量産ノウハウを持つパートナーとして理想的だった。Stanley Tangは、「5年前の課題は自律性だったが、今では運用、商業化、ハードウェア製造へとシフトしている。そして、まさにこの分野でDoorDashのスケールと運用の優位性が活きる」と語る。

39:30生産性ベンチマークとAI投資のROI

DoorDashは、AIへの投資が企業全体の生産性にどのような影響を与えているかを厳密に測定している。同社は昨年、AIネイティブな思考を社内に注入するために「Metis」という企業を買収した。大企業では、これまでのやり方に慣れた社員がAIの可能性を十分に理解できていないことが多く、新しい視点を持つ人材の獲得が重要だと認識している。コード生成は最も明白な変革領域であり、すでに大きな成果を上げているが、現在は非技術部門（アナリスト、オペレーター、アカウントマネージャー）でのAI活用が最も急速に成長している。

DoorDashは、AI投資のROIを可視化するために「Dash Bench」という独自のベンチマークを公開した。これは、様々なモデルやツールがコーディングタスクでどの程度の性能を発揮するかを評価するものである。このベンチマークの背景には、AI関連支出が1月から6月の間に20倍に急増したという事実がある。同社は、この支出が無駄になっていないかを検証し、より安価なオープンウェイトモデルで同等の性能が得られるタスクはそちらに振り分けるなど、コスト最適化を進めている。その結果、支出の増加は頭打ちになりつつある。

しかし、コーディング以外の領域（会計、分析、財務など）では、AIの導入はまだ課題が多い。社内のチームに「モデルの性能はどうか」と尋ねると、「まあまあ使える」という回答が返ってくる。しかし、実際にデータをクレンジングしてラボに送り、RL（強化学習）環境でテストすると、モデルは驚くべき性能を発揮する。このギャップは、エンタープライズの実際のデータと環境では、モデルが本来の能力を発揮できていないことを示している。DoorDashは、この問題の原因がハーネス（ツールチェーン）の設定にあるのか、それともモデルのデータ分布や能力そのものに限界があるのかを、フロンティアラボと協力して分析している。

44:56エージェンティックコマースの未来と人間の役割

将来、すべての配送がDotのようなロボットに置き換わるのかというSarah Guoの質問に対し、Stanley Tangは意外な予測を述べた。「10年後には、より多くのDasherが配送を行っているだろう」と。その理由は、DoorDashのビジネス自体が年間25%の成長を続けており、10年後には現在の5倍から10倍の規模になる可能性があるからだ。この需要を満たすためには、人間の配達員だけでは絶対的に供給が不足する。そのため、ロボット、ドローン、Waymo、歩道型ロボットなど、あらゆるモダリティを総動員する必要がある。つまり、自律技術は人間の仕事を奪うのではなく、むしろ需要の拡大を支えることで、結果的に人間の雇用も増加させるというのが彼らの見解である。

Andy Fangは、エージェンティックコマースの未来について、Google検索クエリの長さが年々長くなっているというトレンドに注目する。これは、人々がアプリやエージェントに対して、まるで人間に話しかけるように、より自然で複雑な要求を伝えることに抵抗がなくなっている証拠だ。DoorDashの使命は、この流れをさらに加速させ、ユーザーが頭の中にある欲求をそのままアプリに伝えられるようにすることだ。Ask DoorDashやCLIはその第一歩であり、将来的には、個人の好みや状況を深く理解したエージェントが、ユーザーに代わって能動的に購買行動を起こす世界が訪れると予想する。

このエピソード全体を通じて、DoorDashの共同創業者たちが一貫して強調したのは、「ユースケースから逆算する」という創業以来の哲学である。AIやロボティクスといった最先端技術であっても、それが解決すべき現実世界の問題を無視しては、真の価値を生み出すことはできない。彼らは、100億件の配送データと4000万人の消費者という圧倒的なスケールを活用し、技術の可能性と現実の運用を結びつけることで、競合他社には真似できない独自のエコシステムを構築している。このエピソードは、AI時代におけるイノベーションの本質は、単なる技術開発ではなく、それをいかに現実の複雑な問題に適用し、持続可能なビジネスモデルに組み込むかにあることを、力強く示している。

結びに

このエピソードがリスナーに強く印象づけるのは、DoorDashが単なるデリバリー企業ではなく、創業時からロボティクスとAIを中核に据えた、未来志向のテクノロジー企業であるという認識の転換である。Ask DoorDashによる行動変容の具体的なデータ（新規店舗注文率50%増、バスケットサイズ40%増）や、Dotの開発過程で明らかになった数々のエッジケース（落ち葉によるトルク問題、回生ブレーキの過電圧、ロボットの起動時間問題など）は、理論と現実のギャップを埋めることの難しさと、それを乗り越えるためのDoorDashの圧倒的なデータと運用力の優位性を如実に物語っている。特に印象的なのは、自律技術の普及によって人間の配達員が減少するどころか、ビジネスの急成長に伴いむしろ増加するという逆説的な予測であり、テクノロジーと人間の共存の未来像を示唆している。このエピソードは、AIとロボティクスが物理世界に与える影響を真剣に考えるすべてのビジネスリーダーにとって、戦略的な示唆に富む貴重な内容である。