サイト内の現在位置

経営にイノベーションを起こす予測分析自動化

Scale-out data driven business processes by predictive analysis automation

C&Cユーザーフォーラム&iEXPO 2017 特別セミナー

2017年11月9日

AI最前線:ビジネスを革新する予測分析自動化への挑戦

  • 要旨
  • パネルディスカッション講演録

Next

目的のはき違えがAI活用プロジェクト失敗の原因

講演の様子

 「AIを社会に実装する」「全社的にAI導入を進める」。AIの活用に多くの注目が集まっていますが、実際の取り組みをどのように見ていますか。

藤巻 かつて、データアナリティクスといえば、金融や製造業、マーケティングなど、一部の業種や業務で活用されるものでした。技術もいわゆるBI(ビジネス・インテリジェンス)といわれるものが中心で、過去を可視化し、その理由を理解するためのものがほとんどでした。
しかし技術は進展し、現在は機械学習、AIによって、将来を予測する予測分析、あるいは予測される未来をより良い方向に導くにはどうすればよいかを知るための処方的分析が行えるようになっています。
ビジネスにおけるデータの量、重要性も変わってきており、現在は、業種や業務を問わず、効率化、自動化、最適化のためにデータアナリティクスは必要不可欠。私がいる北米では、機械学習に基づく高度分析による業務の自動化や最適化が本格化しています。日本でも先進的な企業は、すでに取り組みを開始しています。

 一方、取り組みを開始したもののPoC(Proof of Concept:概念実証)からなかなか前に進まなかったり、あるいは、そこでプロジェクトが終わってしまったりというケースも耳にします。AIを活用していく上では、何がポイントになるのでしょうか。

渋谷 AIは使うことが目的ではありません。また、AIというと、ともすればロボットや画像認識など、新しい先進的な技術に目を向けがちですが、技術ありきの考えかたでもうまくいきません。何をしたいのかを明確にして、そのためにAIをどう使うという視点がもっとも重要です。

藤巻 渋谷さんのご指摘のとおり、AIは単にツールでしかありません。重要なのはAIを使うことではなく、業務やビジネスをどう変えたいかです。うまくいかなかったPoCの典型的なパターンが、データの話から始めてしまうケースです。どんなデータがあって、それで何ができそうかを考えるのではなく、何をするために、どのデータが使えそうかを考えるべき。予測精度にしても、単に高いか、低いかではなく、どれくらいでビジネス的なメリットを生みだせるかを考えます。たとえば、とても高額な商品の見込み顧客のあぶり出しなら10%の精度でも非常に価値が高い。一方で目的によっては80%でも足りない場合もあるでしょう。

 まずはゴールを明確にする。企業は、そのことを肝に銘じる必要があるということですね。

Next