【AIって儲かるの?】AIビジネスの難しさと解決策:後編

このエントリーをはてなブックマークに追加


こんにちは、データデザイン部でディレクターをしております加藤です。

普段はお客様の事業課題に合わせ、AI・データ活用を軸に課題解決プロジェクトを推進したり、自社の新規サービスを企画、推進したりしています。

今回は、とある記事を見て実務の立場から思うところを、自分なりの解釈でまとめた内容についてお伝えしています。とある記事の内容やAIビジネスの難しさについては前編でご紹介していますので、まだ読まれていない方はまず前編をご覧ください。(前編はこちら

この記事はこんな方におすすめです。

  • 自社データを使って新規ビジネスをしたいと思っている方
  • AI活用を検討し始めたけど、イマイチうまく行かない方
  • そもそもAIの価値に疑いを持ち始めた方

上記の悩みを抱える方のモヤモヤが少しでも晴れれば幸いです。

目次:後編

【再掲】AIビジネスの難しさ

以下は前編で説明しているAIビジネスの難しさです。

  • ①AI技術のコモディティ化
  • ②クラウド・インフラの多用と継続的な人的サポートによる粗利の低さ
  • ③データはロングテール、完全なAIは絶望的

解決策

上記の難しさに対応する解決策は経験上、以下3点です。

  • ①技術ではなくUXにフォーカス
  • ②モデルは単一に単純に
  • ③ロングテールは切り捨て

①技術ではなくUXにフォーカス

AI技術はコモディティ化しています。従い、AIビジネスを進める上で重要になるのは、いかにUXにフォーカスし、ビジネスインパクトをだすかが重要になります。

UXにフォーカスするとはどういうことか。例えば、スマートフォンやタブレットのカメラを使って、物体の異常検知をしたいという課題があったとします。
この場合、普通なら”正常”と”異常”の2値を分類するタスクとし、それぞれの画像データを学習、アプリケーション実装し、判定できるようにします。一件これで解決できたように思えますが、これでは全然 “UX” を意識できていません。なぜでしょうか?

判定結果を見るのは、当然 “ヒト” です。この “ヒト” が判定結果をどう見るか。前編でお話した通り、完全なAIは絶望的です。判定に疑問に思うこともあるでしょう。「なぜこの判定結果になるのか?」を示してあげるべきです。

こう考えると、例えば以下のように設計することが可能です。
「判定結果とともに、過去の似ている画像と判定タグをレコメンデーションする」

こうすることで、不完全なAIに対しての判断材料が増え、判定結果の解釈がしやすくなります。このように “UX”(この場合、使うヒトが結果を解釈する時の振る舞い)にフォーカスする、この考え方自体がコモディティ化に対する解決策(価値)だと考えます。

②モデルは単一に単純に

続いては、モデル(学習済みモデル ≒ AIモデル)についてです。前編でも述べているとおり、AIモデルの運用には非常に費用がかかります。もしAIモデルでビジネスをしたいのであれば、単一かつ単純で価値を発揮できるものにすべきです。

例えば、ある飲食店の来客数を予測するAIモデルを考えてみましょう。これはその店舗のデータの特性に合わせて開発をするため、当然その店舗でしか使えません。なのでこのモデルそのものを横展開して他のお店に適用することはできません。つまり、このモデルでビジネスをするなら、このタスクは適さないということになります。

一方、手書き文字を認識するAIモデルはどうでしょうか。これは日本の場合、日本語の手書き文字を学習させれば、様々な場面の手書き文字を認識することができます。つまり、1つのモデルで様々な場面に価値を発揮できるのです。このようなタスクの場合はビジネス化しやすいということになります。

③ロングテールは切り捨て

最後にロングテール問題への解決策です。結論、「AIモデルの精度は8割で十分。残り2割は追い求めない。」ということになります。(つまり、2割の精度を求めるためのデータの学習をやる必要はありません。)

まず、2割の精度を追い求めないということは、「AIは間違った判断をする可能性がある」ということを認識する必要があります。ここが非常に重要です。なぜかというと、間違ったときにどうカバーできるかを考えられるからです。

例えば、物体の傷の領域を抽出するタスクがあるとします。この領域抽出の精度が80%だった場合、どのようにカバーすればよいでしょうか。答えは簡単です。人間が領域を修正できる設計をすればよいのです。UXにフォーカスすることとリンクしますが、そのように間違える前提の設計をすることでどこまでをAIにやらせて、どこまでを人間がやるのか考えられ、完璧なAIを開発し続けることなく、素早く実装しビジネス的な価値を発揮することができるのです。

最後に:弊社の強み

弊社では、上記のような問題とその解決策を常に意識しながらご支援を実施してきたノウハウがございます。それこそが我々の強みであると認識しています。AI活用について、ぜひお気軽にご相談いただけますと幸いです!

【無料ebookのご案内】
AI・データ活用がうまく進まない方におすすめの一冊です

年間多くのお客様からAI・データ活用に関するご相談いただきますが、中にはプロジェクトを立ち上げる前に終息したり、スタートできるまでに半年以上時間を要するケースもあります。
その最大の要因は、データの準備不足です。

AIプロジェクトを開始するためにはAI活用に適した形でデータが揃っていることが大前提ですが、この大前提ができていないケースが多くあります。
では、どうすればAI・データ活用プロジェクトを効率よく推進できるのでしょうか。

本ebookでは、企業が陥りやすいデータの3大課題と、その解決に役立つ「AI活用診断レポート」について、わかりやすくご紹介いたします。
無料でダウンロードできるのでぜひご活用ください。

ebookダウンロードはこちら

WRITER
Daiki Kato

ディレクター兼プランナー

加藤   大己 Daiki Kato

主にメーカーやサービス業のAI・データ活用プロジェクトを複数推進。また、新規AI・データ活用サービスの企画・推進も担当。 JDLA Deep Learning for GENERAL 2017

SNSで最新情報を発信しています

最新記事

ページTOPへ