K-Beauty企業がAIを使うのに、なぜ最初の問題がコンテンツではなく売上・在庫・物流なのか
Goodai Globalは2026年9月末にAXセンターを新設した。News1によると、同組織がまず取り組むのは、ブランド・国・販売チャネルごとに分散した売上、在庫、物流データを統合し、AIの分析を人の判断と実行につなげることだ。
同社はBeauty of Joseon、TIRTIR、SKIN1004、ROUND LAB、SKINFOODなど複数のブランドを展開する。公式沿革では2025年の連結売上高は1.4兆ウォン。ブランド、市場、チャネルが増えるほど、データ量だけでなく同時に判断しなければならない組み合わせも増える。
注目すべきなのは『K-Beauty企業もAIを始めた』という事実ではない。急成長した企業が、AIの最初の主要課題をコンテンツ生成より社内データと意思決定の構造に置いている点だ。
4つの求人を並べると、AXセンターの設計が見えやすくなる
AXセンターではAIプロダクトオーナー、AIエンジニア、データエンジニア、バックエンドエンジニアを採用している。個別に見ると一般的なデジタル職種だが、4つを並べると役割が連続している。
データエンジニアは商品、注文、売上、広告、在庫、物流などを共通モデルとパイプラインで整える。AIプロダクトオーナーは現場の業務と意思決定を分析し、どの問題をAX課題にするかを決め、AIエージェントと人の境界を設計する。
AIエンジニアは分析 → 提案 → 承認 → 実行 → 結果記録のフローを実装する。バックエンドエンジニアは認証、権限、承認フロー、監査ログ、社内外システム連携を担う。データから判断、実行、統制までを一つの運営レイヤーとしてつなぐ構成だ。
最も示唆的なのはAIエンジニアだけでなく、AIプロダクトオーナーという役割だ
AIプロダクトオーナーの求人には、現場へのヒアリングとデータを使って課題を定義・優先順位付けし、人とAIエージェントが協働するワークフローを設計する仕事が記載されている。
特に、エージェントがどこまで実行できるか、どこで人の承認や介入が必要か、例外をどう扱うかまで定義する。PoCやMVPの成功指標を決め、検証した機能を複数ブランドへ展開する役割も含まれる。
問いは『どのモデルを使うか』から『どの判断をAIに任せ、どこから人が責任を持つか』へ変わる。企業のAXが業務に深く入るほど、この境界設計は技術選定と同じくらい重要になり得る。
AIエンジニアの仕事も、チャットボット開発より実際の業務フローに近い
AIエンジニアの求人にはLLM、RAG、Agent orchestrationなどの技術が並ぶ。しかし重要なのは、それらをどのように実業務へ組み込むかだ。
分析と提案で終わらず、承認、実行、結果記録までつなげ、評価・可観測性・モニタリングによって性能、コスト、エラー、失敗を管理する。Human-in-the-loopも明示されている。
検証済みの機能は複数ブランドで再利用できるShared AX Coreへ発展させる。単発のデモではなく、繰り返し使える組織能力を作る方向に近い。
データとバックエンドの統制があって初めて、エージェントは実際の会社に入れる
データエンジニアは商品、SKU、BOM、取引先、注文、売上、広告、在庫、物流、VOCなどを共通モデルでつなぎ、ERP、WMS、EC、広告プラットフォーム間のパイプラインを構築する。
バックエンドエンジニアはAPIやシステム連携に加え、認証、ロール・権限、承認フロー、監査ログ、デプロイ、運用時の可観測性を担当する。
企業向けAIエージェントには生成能力だけでは足りない。何を信頼できるデータとするか、誰が何を実行できるか、どこで人が承認するか、実行結果をどう記録し追跡するかまで設計する必要がある。
この構造は、成長そのものが新しいボトルネックを作ることを示している
ブランド × 国 × 販売チャネルの組み合わせが増えると、成長そのものが運営の複雑さを生む。各組織が別々のデータと基準で判断すれば、会社全体の速度と一貫性を保つのは難しくなる。
ただし現時点のAXセンターを、完成済みの全社AI運営システムと表現するのは早い。News1によると、Goodai Globalはまだ優先課題の抽出、データ統合、開発を進める初期段階で、検証を終えた課題から実業務へ適用する計画だ。
今見えるのは完成した成果ではなく、同社がどこを次のボトルネックと見なし、そのためにどの能力を社内へ作ろうとしているかである。
AI時代に価値が高まるのは、モデルを作る人だけではないかもしれない
4職種に共通するのは、曖昧な現場課題を構造化し、必要なデータを定義し、エージェントのワークフローと統制ルールへ変換する力だ。
AIプロダクトオーナーには、売上、コスト、顧客、在庫、リードタイムなどの事業指標から課題を定義し、現場と技術組織の間を翻訳する能力が求められている。
企業AIが実験から運用へ移るほど、価値ある人材の範囲は広がる。モデル開発者だけでなく、ドメインの曖昧さをデータ、ルール、実行可能なワークフローに変えられる人が必要になる。
BANSEOG VIEW | 成長の次のボトルネックは、製品ではなく意思決定の複雑さかもしれない
Goodai GlobalのAXセンターはまだ初期段階だが、採用構造から作ろうとしている運営レイヤーの輪郭は見える。データを共通化し、判断ルールを定め、エージェントが実行し、権限と記録で統制する構造だ。
Banseogが注目するのは職種名そのものより接続順序である。Data Engineer → AI Product Owner → AI Engineer → Backend Engineerを一緒に見ると、現場と技術実行の間をつなごうとする設計が見える。
急成長企業の競争力は、新しいブランドや商品を増やすことだけでは終わらない。複雑になった会社が、それでも速く一貫した判断を続けられるかが次の成長能力になり得る。
BANSEOG VIEW
Banseog View — Growth → Decision Complexity → AX Operating Layer
ブランド、国、チャネルが増えるほど、成長そのものがデータと意思決定の複雑さを生む。
Goodai GlobalのAX採用は、Data → Decision Rules → Agent Execution → Control Platformを同時に積み上げる構成になっている。
AXの重要人材はモデル開発者だけでなく、現場課題をデータ・ルール・ワークフローへ翻訳できる人まで広がり得る。
SOURCES
参照した主な資料
- Goodai Global — Company Milestones
2025年の連結売上高1.4兆ウォンと近年のブランドポートフォリオ拡大を確認。
- News1 — Goodai Global、AXセンターを新設
2026-10-02。9月末のAXセンター新設、ブランド・国・チャネル別の売上・在庫・物流データ統合、人の最終確認・承認、4つの中核職種の採用、現在が初期検証段階であることを確認。
- Goodai Global AX Center — AI Product Owner求人
業務・意思決定分析、AX課題の優先順位、Agentの実行範囲、人の承認・例外基準、PoC/MVP、多ブランド展開を確認。
- Goodai Global AX Center — AI Engineer求人
LLM/RAG/Agent orchestration、分析→提案→承認→実行→結果記録、Human-in-the-loop、評価・可観測性、Shared AX Coreを確認。
- Goodai Global AX Center — Data Engineer求人
商品・注文・売上・広告・在庫・物流・VOCの共通モデル、ERP/WMS/EC/広告プラットフォーム間のデータパイプラインを確認。
- Goodai Global AX Center — Backend Engineer求人
API・SaaS連携、認証・権限・承認フロー・監査ログ、Shared AX Backend/Platformを確認。
2026年10月3日時点で、Goodai GlobalのAXセンターは優先課題の抽出、データ統合、開発を進める初期段階にある。本稿は全社自律運営システムがすでに完成・導入済みだとは主張しない。Growth → Decision Complexity → AX Operating LayerおよびData → Decision Rules → Agent Execution → Control Platformは、公開された組織・採用情報を接続したBanseogの解釈である。求人の募集状況は確認日以降に変更される可能性がある。