Bizコンパス

機械学習導入に失敗しない、3つの重要な観点とは
2019.09.13

デジタルトランスフォーメーションの実現へ向けて第20回

機械学習導入に失敗しない、3つの重要な観点とは

著者 Bizコンパス編集部

 2019年7月19日、「機械学習」をテーマとしたセミナー「Conexion Park1 ~Com Next Innovation Park~」が、東京・大手町のNTTコミュニケーション株式会社(以下、NTT Com)本社で開催されました。

 このイベントは、データセンターでオープンイノベーションを創出するNTT Comのプログラム「Nexcenter Lab」主催によるもので、今回が初のセミナーとなります。

 セミナーでは、2012年の創業から7年で、150社以上の企業に、機械学習などAIの導入・運用実績を持つ株式会社ABEJAのビジネスデベロップメント/プロジェクトマネージャーである吉田拓郎氏が登壇。吉田氏によると、企業が機械学習を導入する場合、「Team(チーム)」「Plan(プラン/計画)」「Platform(プラットフォーム)」という、3つの視点が押さえられていないと、プロジェクトが失敗してしまう可能性が高いといいます。

 なぜこの3つのポイントが、機械学習導入の成否を分けるポイントになるのでしょうか?「チーム」「プラン」「プラットフォーム」という3つの要素の重要性を、講演の内容から読み解きます。

気になる見出しをクリック

失敗するポイント1:企業側と開発側が「コミット」しない

 吉田氏が、機械学習導入に失敗しないキーポイントの1つ目として挙げた「チーム」とは、“開発プロジェクト全体の協力体制”のことを指します。

 具体的には、機械学習を利用する側(企業側、事業者側)と、機械学習に関するノウハウを企業に提供する側(ABEJAなどAI開発側、サプライヤー側)が、それぞれの得意分野にコミットして、互いの情報を共有しあう体制をつくることです。

「まずは利用側から、自らの業務を深掘りして、どこに課題があるのか、その課題が解決できれば、どれくらいの費用対効果があるのかなど、事前情報を洗い出します。

 一方で提供側は、事前情報を基に業務内容を理解した上でセミナー、ワークショップなどを通して、学習手法としての機械学習の特性と、機械学習導入に関する理解を、利用側に深めるように促すことが求められます」

 それぞれが得意分野にコミットすれば、利用側は機械学習の効果的な適用領域などがイメージできるようになり、提供側は適切なデータ抽出方法、アルゴリズムなどが明確化できるようになります。このタイミングで、機械学習の適用先の検討、評価方法の定義などを行い、機械学習のパイロットモデルを現場に導入して、検証、評価を行っていきます。

「小売・飲食業界の企業との取り組みでは、ABEJAのスタッフが厨房に入り、店舗で提供される料理を実際に作るところまでコミットしています。お互いに任せるだけの関係ではなく、互いに当事者意識を持つことが重要です。機械学習の導入は、一方の努力だけでは成功しません」

続きを読むには会員登録が必要です

見出しに戻る

失敗するポイント2:“見切り発車”でスタートしてしまう

失敗するポイント3:エンジニアが開発に集中できる環境が用意されない

流行りに乗ってAIを開発しても、失敗したら意味がない

この記事で紹介しているサービスについて

SHARE

関連記事

ディープラーニングとGPUが、社会を変えるAIを作り出す

2018.11.16

GPUで切り拓くAI時代のビジネス最前線第3回

ディープラーニングとGPUが、社会を変えるAIを作り出す

マイクロソフトが提唱する、「2025年の崖」への新たな一手

2019.06.12

DXを加速させるITシステムの運用改革第5回

マイクロソフトが提唱する、「2025年の崖」への新たな一手

文脈を理解しコンテンツを生成する、最新AIを解説

2019.04.17

デジタルトランスフォーメーションの実現へ向けて第12回

文脈を理解しコンテンツを生成する、最新AIを解説

なぜ優良企業は新世代の技術競争に敗れ去るのか

2019.04.16

人気のビジネス書から学ぶ第1回

なぜ優良企業は新世代の技術競争に敗れ去るのか

もう英語だけの会議で戸惑わない!自動翻訳してくれるサービスが登場

2019.09.11

働き方改革&生産性向上のカギはどこにある?第14回

もう英語だけの会議で戸惑わない!自動翻訳してくれるサービスが登場

IoTのエバンジェリストが語る、「第4次産業革命」に乗り遅れない方法

2019.05.24

デジタル化の“第一歩”の踏み出し方前編

IoTのエバンジェリストが語る、「第4次産業革命」に乗り遅れない方法

ゲームチェンジ“する側”に回るためのデータ活用術

2019.04.19

デジタルトランスフォーメーションの実現へ向けて第13回

ゲームチェンジ“する側”に回るためのデータ活用術

来客の受付から工場の異常検知まで、AIの適用範囲は広がっている

2019.04.17

第3回「AI・人工知能EXPO」レポート

来客の受付から工場の異常検知まで、AIの適用範囲は広がっている

セールスフォースが提示する次世代の顧客マネジメントとは

2019.01.18

「Salesforce World Tour Tokyo 2018」レポート

セールスフォースが提示する次世代の顧客マネジメントとは

AI時代のビジネスを支えるGPUインフラ導入の勘所

2018.12.05

GPUで切り拓くAI時代のビジネス最前線第4回

AI時代のビジネスを支えるGPUインフラ導入の勘所

AI・IoT・CRMシステム連携で変わる顧客体験の最前線

2018.10.26

いま求められる“顧客接点の強化”第8回

AI・IoT・CRMシステム連携で変わる顧客体験の最前線

成果が出るRPA、成果が出ないRPAの違いとは?

2018.10.24

「最先端AI」で業務効率化する方法後編

成果が出るRPA、成果が出ないRPAの違いとは?