• 予測モデル
  • インタビュー
  • 導入事例
  • AI

AIをビジネスに活用するために踏むべきステップとは?
データサイエンティストを代替するAIツールで成果を得た企業の事例も紹介


                                                                        aimodel_article.jpg

いよいよ実用化フェーズに入ったAI。大きな期待を抱いて、導入を検討する企業が増えている一方、PoC(Proof of Concept:概念実証)を実施しただけで、AI活用を断念する企業も少なくありません。AIの技術自体は、ビジネスで十分活用できるレベルと言われていますが、活用している企業・活用できなかった企業の差はどこにあるのでしょうか?

当然ですが、AIは「何でもできてしまう魔法の技術」ではありません。具体的に何ができ、どういったことが期待できるか、事前にきちんと把握し、自社ビジネスに当てはめて検討することが重要になります。今回は、ビジネスでの“AI実用化”を目指すにあたって、押さえておきたい基本と、踏むべき手順について、SCSKのAIソリューション担当者に話を聞きました。

インタビュー対応者:
課長 福重 達也
SCSK株式会社
プラットフォームソリューション事業部門
ITエンジニアリング事業本部
ミドルウェア第一部 第一課 課長
遠藤宏
奥谷篤史
SCSK株式会社
プラットフォームソリューション事業部門
ITエンジニアリング事業本部
ミドルウェア第二部 第二課長
事業推進部グループ AI製品技術部 第一課
奥谷篤史
瀧島慶子
SCSK株式会社
プラットフォームソリューション事業部門
ITエンジニアリング事業本部
ミドルウェア第一部 第一課 課長代理
瀧島慶子
聞き手:
SCSK IT Platform Navigator事務局

今、AIがビジネスに付加価値を与える即効薬は、データに基づく高精度の「予測」と「分類」

「あらゆるデータを収集・連携し、新たなビジネスにつなげる」といった記事を目にすることが増え、データ活用がビジネスの鍵を握るのは周知の事実です。
その一方、「データはあるけれど活用できていない」「デジタルトランスフォーメーションを推進したいけれど、どこから手を付ければよいかわからない」といった課題を抱える企業が多いのも現状です。そのような中、「AIを導入すればデータ活用が進むのでは」といった期待から、AI導入を検討する企業も増えています。ですが、「AIを導入すれば、すべてうまくいく」といった漠然としたイメージだけで導入しても、うまくいきません。

「そもそも、『AIで具体的に何ができるのか実はよくわからない』、という方も多いのではないでしょうか。AIとひと言でまとめても幅が広く、一番身近で実用化レベルに達しているのは『機械学習』という技術です。その機械学習の中でも、事前に正解データをインプットすることで学習させる「教師あり学習」の活用が進んでいます。『教師あり学習』ができることは大きく2種類あり、過去のデータ推移などをもとに今後の変化を導く『予測(回帰)』と、データをいくつかのカテゴリに分ける『分類』です。この2種類を念頭において検討することで、自社では具体的に何に活用できるのかを、イメージしやすくなるのではないでしょうか」(奥谷)。

AIで成果を出すためには、ビジネスの構想力と推進力が必要不可欠

AIの用途を具体化すると、統計や機械学習といったデータサイエンティストの知識やノウハウが必要と思いがちですが、実はビジネス的な視点こそ重要なのです。
もちろん、データサイエンティストのスキルが必要なことは間違いありません。ただ、この領域にはモデル生成などを自動化するツールも登場しており、ツールで代替可能な部分が多くなっています。
実ビジネスでのAI活用を目指すならば、ビジネス構想力、ビジネス推進力が不可欠です。

AI活用におけるビジネス構想力は、社会課題やビジネス課題を理解し、どのような予測をしたらビジネスに役立つのかを考え、ビジネスモデルを設計するスキルです。さらに、AIで導かれたデータにあわせ、対応できる体制を整えなければ、どんなにAIでデータを分析しても意味がありません。そのため、社内外の関係者との調整も含めたビジネス推進力も重要です。いま、企業には、このような「AIをいかに実務に落とし込むか」という観点やスキルこそが求められるのです。

図:AIで成果を出すために求められるスキル

ビジネス構想力
(ビジネスモデル/UXデザイン)
ビジネス推進力
(プロジェクトマネジメント/
プロブレムソルビング)
データサイエンス※
(統計解析・機械学習/
データハンドリング等)
※ツールで代替えが可能

「たとえば、『商品の売上予測にキャンペーンの情報を追加したら精度が上がるのではないか』といった発想や、AIが導いた売上予測にあわせて『資材の発注や在庫の調整を関連部署に依頼する』といったことは、その企業の人にしかできません。データサイエンス部分がツールで代替できるようになってきた今、多くの企業で必要なのはビジネス構想力・ビジネス推進力がある人材と言えるでしょう」(遠藤)。

導入すればすぐに“すごい結果”が出るわけではない。AI活用までに踏むべきステップ

このような点を踏まえると、AIの導入ステップも見えてきます。カギとなるのは、自社のビジネスや業務、データを理解してから、AIツールの検討に進むこと。いきなりAIツールを導入するのではなく、こうした事前のステップを踏むことが重要になります。

「事前に検討する中で、具体的にAIで『何を知りたいのか』『どこまでの精度が出たら成功なのか』といったKPIを明確に設定することが大切です」(奥谷)。

図:AI活用の6つのステップ

  • STEP 1
    ビジネスの理解
    ビジネスゴールと
    分析ゴールの明確化
  • STEP 2
    データの理解
  • STEP 3
    データの準備
    データクレンジング
  • STEP 4
    予測モデルの
    作成
  • STEP 5
    モデルの評価
    PoC
  • STEP 6
    モデルの展開
    AIシステム構築
    システム連携

上図の各ステップのうち、STEP 1~STEP 3がAIツール導入前に行う工程で、まさに企業が主体となってKPI設定などを行います。STEP 2~STEP 5は従来データサイエンティストが実施していた工程ですが、一部のステップはツール等で自動化が可能になっています。
SCSKでは、このSTEP 4のプロセスを自動化するAIツールとして、株式会社aiforce solutionsの「AMATERAS RAY」と、H2O.ai Inc.の「H2O Driverless AI」を提供しています。どちらも、データを投入すれば、自動でAIの学習済み予測モデルを作成。データサイエンスの知識がなくても、数クリックでAIによる予測が行えます。

「それぞれのツールの特性を踏まえ、企業ごとのニーズにマッチするツールやサービスをご提案しています。もちろん、ただツールを提供するだけではなく、お客様の業務的な課題のヒアリングから、どういったデータが必要か、どう収集するか、どのように運用していくかなど、AIを導入するにあたり必要となるプロセスをトータルにサポートします」(遠藤)。

実際の業務に“使える”、「AMATERAS RAY」と「H2O Driverless AI」の活用事例

では、実際の現場で、AIツールはどのように活用されているのでしょうか?

現場が主導してAIツールを導入し、大きな効果をあげた例として、B-R サーティワン アイスクリーム株式会社(以下、サーティワン アイスクリーム)の取り組みがあります。

「AMATERAS RAY」活用事例:サーティワン アイスクリーム

サーティワン アイスクリームでは、商品の生産管理・在庫管理のため、商品ごと・季節ごとの出荷量予測を外部のデータ分析サービスに委託していました。しかし、この分析はコストがかかり、分析の知見がたまらず、分析結果のレポート時期が限られている(四半期に1回)という点が問題でした。

そこで同社は、「AMATERAS RAY」を導入。高精度な出荷予測を実現するとともに、分析頻度を大幅に改善し、いつでも・見たい時に予測データを確認できる体制を実現。なによりも、データサイエンスの専門部隊ではない営業推進本部のメンバー自身がツールを使い、最適な出荷量構成比を検証する、といったことが可能になりました。また、ノウハウの蓄積にもつながっています。

aimodel_1.jpg

「H2O Driverless AI」活用事例:PayPal

「H2O Driverless AI」は世界的な決済サービス会社であるPayPalで利用されており、不正取引防止に大きな成果をあげています。

世界200カ国で利用ユーザー約2億人、100通貨に対応する決済サービスを提供するPayPalは、購入者と販売者を保護する制度を用意しています。「買い手保護制度」は、代金を支払ったのに商品が届かなかった際、PayPalが代金を保証する制度で、「売り手保証制度」は、商品を確実に発送したことが確認できるのに購入者が代金を支払わない場合、PayPalが代金を保証する制度です。いずれも、購入者と販売者の双方が安心してサービスを利用するための制度です。

しかし、この制度を悪用し、購入者と販売者が共謀詐欺を働き、PayPalから不正に代金を窃取するケースが発生していました。こうした不正取引防止のため、PayPalは2,000人の不正対策専門チームが365日24時間体制で取引を監視しています。そこで不正取引の検知に利用されているのが、「H2O Driverless AI」です。

PayPalでは、10年以上に渡り、データサイエンティストなどが不正取引防止対策を講じてきましたが、不正利用者は常にパターンを変えるため、不正検出の精度を改善し、不正検出の時間を短縮する方法を、継続的に見つける必要があります。PayPalでは、「H2O Driverless AI」を利用した結果、従来のモデル精度の0.89から0.947と大幅に向上し、より速く、より高精度に不正を検知できるようになりました。

aimodel_3.jpg

そのほかにも、「H2O Driverless AI」は、クレジットカードの審査や金融サービスの不正利用検知、顧客の解約予測など、精度の高いモデル作成から実稼働までを短期間で実現することが求められるビジネス領域で用いられる事例が多く、さまざまな業界・業務で活用されています。

  • 金融業界:クレジットカードの不正利用の検知、与信リスクのスコアリング、保険料金のパーソナライズ
  • ヘルスケア・製薬業界:ガンの早期検知、検査結果の予測、インフルエンザの発生時期の予測、新薬の開発
  • 通信業界:顧客離れの予測、視聴品質の改善、広告配信の最適化
  • 小売業:パーソナルな広告配信、顧客の購買行動の予測、レコメンデーション

「企業にとって、AI導入自体が目的ではありません。売上向上、在庫管理の適正化、PayPalのような検知精度の向上など、企業それぞれの目標があるはずです。この目標を達成させるためにも、AIをどうビジネスに組み合わせるかを考える必要があります」(瀧島)。

AIが、膨大かつ多様なデータの分析・活用を加速させるツールとして有効であることは間違いありません。ビジネス面の理解から始まる“AI活用の6つのステップ”を着実に進めることで、デジタルトランスフォーメーション推進にも大きく貢献するのではないでしょうか。

お客様のビジネスを理解し、目的に応じた最適なAI活用をトータルサポート

これまでご紹介したように、データサイエンスの専門知識がなくてもAIを活用できます。しかし、「実際に、自分たちのビジネスをAIでどう分析すると効果的なのか?」「思い描く理想形は本当に実現可能なレベルなのか?」を具体的に考えるのは難しいのも実情です。ビジネスについて理解していても、そもそも自社が持つデータが十分なのか判断できないケースも多いでしょう。

「SCSKでは、AI活用プロセスの前段階となるビジネス的な観点での目標設定などのコンサルティングから、ニーズや予算にあわせたツールやサービスの提案、データの準備(データクレンジング)まで含めてトータルにサポートしています。AIツールだけでなく、データ活用に必要なETLやRPA、BIツールなども幅広く取り扱っており、企業の要望にあわせてご提案します」(奥谷)。

さまざまな角度から、企業のデジタルトランスフォーメーションをサポートしてきたSCSK。これまで培ってきた幅広い業界・業務のノウハウを活かし、企業が、着実に効果のあるAI活用を進められるよう、サポートしています。

最新情報などをメールでお届けします。
メールマガジン登録

×