＜機械学習で何ができるのか？【3】＞ AIの機械学習導入・運用を「失敗しないため」の注意点
第三次AIブームの影響で、いま、あらゆる企業がAIをビジネスへ活かそうと、導入を試みています。しかし、その多くは、AIや機械学習を上手活かせず頓挫、もしくは運用を失敗しているケースが多いようです。AIの活用は難しいものでしょうか？AIの機械学習を導入したビジネスが頓挫しやすい原因や、失敗しないための注意点などを見てまいりましょう。
AIの機械学習導入・運用は頓挫・失敗しやすい？
AIを導入した企業へ、「AI導入後の成果」についてアンケートをとると、多くの企業が
「適用業務が決まらない」
「費用対効果の説明ができない」
「AIで何ができているか実感できない」
などの回答が目立ちます。
実際に、AIを導入した企業のうち、AIの機械学習やディープラーニングなどをうまく活用できている企業は全体の1/3とも言われており、「AIを使いこなすことの難しさ」がビジネスの現場で課題となっているようです。
AIの機械学習導入・運用がうまくいかない3つの理由とは
AIの機械学習導入・運用がうまくいかない理由として、以下の3つの点が挙げられます。
(1)AIを「魔法の技術」と過信している
「AIを導入すればすぐに問題が解決できる」「AIを導入すれば成果がでる」など、AIに対する過信や過剰な期待が、AI導入が失敗する理由の一つとされています。確かにAIの可能性は未知数であり、あらゆる可能性を秘めている「夢の概念」と言っても過言ではありません。しかし、AIも人間同様「学習」が必要です。AIを機械学習やディープラーニングをすることで、初めて「活用する可能性」が見えてきます。社内で十分な検討がなされないまま、「何でもできる」という期待感だけでAIだけを導入してしまうと、「活用の可能性」が見えないまま、その計画は頓挫することになります。
(2)AIで「何ができるか」を把握していない
(1)の原因とも関連することなのですが、AI導入を頓挫する理由として、AI導入の決定権のある上層部の人間が、「AIで何できるか」を把握できていない、という点も挙げられます。AIには得意なこと、不得意なこと、できること、できないことがあり、「AIの得意なこと・できること」と「事業の内容」が一致していることが、活用への大前提となります。
AIが得意なことは業務分析や予測などですが、例えば、大量の書類入力や、ルール化された単純作業などを機械で代用するならば、AIではなくRPAを導入することで解決してしまいます。「何ができるか」を把握してないがゆえに、AIを導入したあと、「どんな効果が出たかわからない」と成果を実感できない、または「適用事業がわからない」という事態に陥ることとなります。
(3)AIに関するノウハウがない
(1)や(2)にあるような、いわゆる「AIに対する勘違い」の発端は、そもそも社内に「AIに関するノウハウがない」ことに起因します。AIに学習させるデータが適切でない、データ量が足りない、などの原因で思うように成果がでず、そのままプロジェクトを終了してしまうケースや、確実に成果は出ているのに、短期KPIだけで成果を判断し、「失敗」とみなしてしまう事例などは、AIのノウハウがないからこそ起こる事象です。
また、開発側にノウハウがあっても運営側にノウハウがなく、開発側が良いAIを生み出しても運営側で使いこなせない、というケースや、想定以上に予算がかかったために打ち切り、となることもあります。AIの機械学習は「トライアルアンドエラー」も経験値の一つなので、ノウハウがないと「失敗」は「失敗」のままと捉えられ、その後「経験値」として生かされることはなく、AI導入失敗ルートへの轍を踏んでしまうのです。
AI・機械学習導入・運用を成功させるための3つポイント
AI・機械学習導入・運用を成功させるためのポイントを、ご紹介します。
(1)AIに機械学習させるための「必要データ」を知る
AIに機械学習させるためには、データ収集が欠かせません。データの質や量が適切であるかどうかが、データ導入成否のカギを握るともいわれています。AIに学習させるためのデータには、以下のような種類があります。
・既存のデータ
・新たな蓄積を必要とするデータ
・データーベース保存のような構造化されたデータ
自社の持つデータと事業内容をすり合わせ、「AIに何を学習させて何を推測するのか」をきちんと議論し、設計する必要があります。この議論をすることで予算なども含め、「AI導入が本当に必要かどうか」を見極めることができます。
(2)AI導入はスモールステップで進行する
AI導入のプロジェクトを立ち上げる時には、大まかな範囲を小さく分割し、一つ一つ成果を確認しながら進行させる「スモールステップ」が有効とされています。そして、AIに期待する精度がどれくらいかの「目標値」の設定も重要です。選別したデータをAIに学習させ、トライとエラーを繰り返し、それをチーム内で共有しながら進めることで、頓挫しにくく、全体の精度も上がる傾向にあるとされています。エラー経験値が浅い場合は、エラー経験をしている人の意見を参考とするのも、一つの手段です。
(3)完成したAIを「誰が」「どうやって使うのか」を議論し実行する
上記の(1)(2)の工程以外でも、例えばAIの専門家に協力を仰いでAIを完成させてもらう、もしくは外注で依頼するなどで、「完成したAI」が導入された後、既存の業務フローに組み込んでも、その後誰も使わずに活用されなかった、ということもよくある事例です。自社でプロジェクトを進行させる場合は、AIに機械学習をさせていくスモールステップの過程で、「完成したAIを誰がいつどのシーンで使用するか」という議論も必要となります。
また、開発サイドとユーザーサイドでは、AIに対する目線と立ち位置が違いますので、「双方の目」をもって開発することがポイントです。専門家主導や外注の場合でも、「AIの使い方」について広い視野で細かく丁寧に議論し、ビジネスでのAI活用を実現させましょう。
セミナー/WebセミナーでAIと機械学習を知ろう
AIの機械学習はデータの量と質、つまり「情報が」重要ですが、それに関わる人間にも、AIと機械学習についての「情報」が必要です。AIの機械学習の方法、ディープラーニングの仕組み、ビジネスでのAI活用方法を知るためには、セミナーやWebセミナーがお薦めです。業務の効率化、新商品の開発、製品管理、あらゆる分野を飛躍させる可能性を秘めるAIと機械学習を知り、AIの情報強者を目指しませんか？
＞＞＞最新のビジネスセミナーを探すなら『ビジネスクラス・セミナー』
※サイトにアクセスしたら、フリーワード検索で「AI」や「機械学習」と検索してください。
＞＞＞WEBセミナーで受講したい方なら『Deliveru(デリバル)』
※サイトにアクセスしたら、フリーワード検索で「AI」や「機械学習」と検索してください。
【参照情報】
Ledge.ai
＞＞＞機械学習とは AI・人工知能・ディープラーニングとの違い・活用事例・学習方法
＞＞＞【電通】AIプロジェクトの1/3は失敗する。失敗例から導くAIの勘所
LOCALAB
＞＞＞ビジネスにAIを活用する前に知っておくべきこと
