はじめに
ECサイト大手WayfairのApplied Researchチームが、AIコーディングツール「Cursor」を活用して機械学習（ML）研究の効率を大幅に向上させた事例を、Cursorが2026年6月15日に公開しました。本稿では、その取り組みの詳細と、企業のAI研究に示唆する点について解説します。
参考記事
- タイトル: WayfairがCursorでMLモデルコストを90%削減（しかも2度）
- 著者: Cursor Team
- 発行元: Cursor
- 発行日: 2026年6月15日
- URL: https://cursor.com/ja/blog/wayfair
関連記事
要点
- WayfairのMLチームはCursorを活用し、4日間の実験スプリントで110種類のモデルバリアントをテストして推論コストを94%削減した
- 2026年3月には同じ手法を再適用し、さらに90%のコスト削減を重ねて達成した
- 20以上のCursorエージェントを並列実行することで、本来数か月かかる実験作業を数日に圧縮した
- 研究者は仮説立案・結果解釈に集中し、実験の実装・実行・測定はCursorが担う役割分担を確立した
- フレームワークの成熟により、ML経験のないジュニアエンジニアでも初日から実験をリリースできる体制となった
詳細解説
Wayfairのタグ検証モデルと課題
Wayfairは世界最大級のホームグッズECサイトであり、数千万点の商品に47,000種類を超える構造化属性タグ（素材・寸法・色など）を付与しています。これらのタグは検索・絞り込み・レコメンデーション・広告配信を支える基盤インフラです。
Applied AIチームは、商品画像・説明文・レビューと照合して各タグの正確性を監査する「タグ検証モデル」を構築していました。このモデルは高精度ではあったものの、膨大な商品数全体に適用するにはコストが高すぎるという問題を抱えていました。LLM、入力の前処理戦略、プロンプト設計、出力構造、評価手法など検討すべき変数が多岐にわたり、手作業で実装すれば数か月規模のプロジェクトになると見込まれていました。
実験ループの自動化・並列化
課題解決のアプローチとして、WayfairはCursorを使って実験ループそのものを自動化・並列化しました。まず、すべてのモデルバリアントを同じテストデータセットと評価ベンチマークで実行・採点する標準フレームワークをCursor内に構築しました。このフレームワークがデータのサンプリング・評価・メトリクスのレポートを一貫して処理することで、研究者は実験設計の検討だけに集中できる環境が整いました。
2025年12月の4日間スプリントでは、5人の研究者が20以上のCursorエージェントを並列実行し、110種類のモデルバリアントを構築してテストしました。シニア機械学習サイエンティストのGuillermo Mosse氏は「アイデアを説明すると、その間にCursorがバリアントを立ち上げ、evalを実行し、結果を公開してくれた」と述べています。研究者がアイデアを実際に動く実験に変えるまでの時間は30分未満になったといいます。
最終的に選ばれたアーキテクチャは、モデル精度を維持しながら推論コストを 94%削減 し、タグ検証の新たなベースラインとして本番導入されました。
2度目のコスト削減とフレームワークの成熟
2026年3月、Wayfairは12月に本番導入したモデルを新たなベースラインとして、再び実験スプリントを実施しました。今回は140件を超える実験を行い、有力候補に対して遺伝的アルゴリズム探索を重ねた結果、さらに90%のコスト削減を達成しました。
注目すべき変化の一つは、フレームワークの成熟によってタグ検証の経験がないジュニアエンジニアでも初日から新しいモデルバリアントをリリースできるようになった点です。ML研究のノウハウが特定の専門家に属人化せず、組織のプロセスとして定着しつつあることがうかがえます。
Cursorの4つの重要機能
WayfairがこのワークフローでCursorを選んだ理由として、発表では4点が挙げられています。
大規模な並列実行では、20以上のエージェントを同時稼働させることで4日間スプリントを現実的なものにしました。クロスプラットフォームの利用環境として、デスクトップアプリとCLIを研究者の好みに応じて使い分けられました。クラウドエージェント機能により、ノートPCを閉じた状態でも実験を継続できるため、24時間365日の実験実行が可能になりました。そして複数モデルへのアクセスとして、1つのツールからタスクに最適なモデルを選択できる点が反復速度を高めたといいます。
シニア機械学習サイエンスマネージャーのNick Coleman氏は「Cursorは使い始めるのが最も簡単で、かつ最適なモデルをすべて使える」と述べており、gitブランチの管理やファイル操作もツールを行き来せずにCursorから完結できる点を評価しています。
組織全体への展開
現在、Cursorの活用はML研究チームにとどまらず、Applied Research組織全体に広がっています。研究者たちはML実験向けのノウハウをまとめた社内リポジトリを作成・共有し、開発スピードのさらなる加速を図っています。コーディング経験のないパートナーを含む社内の幅広い関係者にも活用が推奨されており、AIエージェントの恩恵を組織横断的に広げようとする姿勢が見られます。
まとめ
WayfairのCursor活用事例は、「研究者が考え、エージェントが実装する」という役割分担によって、ML実験のサイクルを劇的に短縮できることを示しています。同様のアプローチがどこまで一般化できるかはケースによると思いますが、反復実験を多用するAI研究・開発の現場では参考になる事例だと思います。Cursor企業活用のさらなる動向については、FaireがCursorクラウドエージェントで週間PRスループットを2倍にした事例もあわせてご覧いただければと思います。
