ビジネスマンなら知っておきたい、AIの基礎とよくある間違い

はじめまして。「切削工具の情報サイト タクミセンパイ」を運営し、切削工具および製造業におけるDX(デジタルトランスフォーメーション)・AIの情報を発信している服部です。

私の経歴について、簡単に紹介させていただきます。

バリ取りを自動化する工具を開発・製造・販売するメーカーにおいて、営業を5年、マーケティングを4年経験しました。製造業での経験を活かし、現在はAIスタートアップで営業として製造業のDXに取り組んでいます。

現場で見聞きした、製造業におけるDX・AIの最新情報をお伝えできればと思っております。

はじめに

2021年現在、AIに関するニュースを毎日目にするほど、AIが当たり前の世の中になりました。コロナの影響もあり、国がDXを推進したり、ソーシャルディスタンス対策としてのAI活用が注目されています。

製造業においても画像解析技術を使った検品など、AIに関するニュースを見ることが増えてきました。AIスタートアップに勤務する私も、製造業のお客様からの問い合わせが増えていることを肌で感じております。

AIに関するプレスリリースを打てば多くの媒体に掲載され、反響が非常に大きいことから、マーケティングの視点においても見逃せないテーマとなっています。そこで、製造業×AIをテーマに記事を書いていきたいと思います。

今回は、「AIの基礎」と「AIのよくある間違い」についてご紹介します。

AIの基礎

AIの基礎といっても、ビジネスマンとして知っておくべきことを中心に説明します。

AIは「Artificial Intelligence」の略称で、1960年ごろから研究が進み、2021年現在は第三次AIブームに位置します。2000年代初頭のディープラーニング(深層学習)の登場により、第三次AIブームに突入しました。

ただ、ディープラーニングはブームのキッカケに過ぎず、AIが実用的なものになったのは、データが容易に集められるようになったことと(IoTでビッグデータ収集など)、データの処理能力が向上したからです。

JCER(日本経済研究センター)が2019年3月に実施した「日本企業のAI・IoTの導入状況」調査より、製造業のAI導入率は11.2%となっております。2020年以降はコロナの影響もあり、AIの導入が進んで15~20%くらいになっているのではないかと予想しますが、まだ全体の1/5程度です。

AIと関連性の高いキーワードとしてIoT・データサイエンス・DXがあり、こちらについても簡単に説明します。

IoT

IoT(Internet of Things)は、モノのインターネットとも呼ばれています。インターネットに接続されていなかったモノが、サーバーやクラウドサービスに接続し、相互に情報を交換できるような仕組みのことです。この仕組みによってビックデータの取得が可能になり、集まったデータを活用するという流れで、第三次AIブームが起こりました

DX

DX(デジタルトランスフォーメーション)は、コロナ以降よく目にするようになりましたが、媒体によって定義が少し異なっています。2018年に経済産業省がまとめた「DX推進ガイドライン」を定義としている媒体が多いので、そちらを紹介します。

「企業がビジネス環境の激しい変化に対応し、データとデジタル技術を活用して、顧客や社会のニーズを基に、製品やサービス、ビジネスモデルを変革するとともに、業務そのものや、組織、プロセス、企業文化・風土を変革し、競争上の優位性を確立すること。」
引用:経済産業省 DX推進ガイドライン

データサイエンス

データサイエンス(DSと略すこともあります)とは、データを軸として統計などの手法を用いて、ビジネスにおける新たな価値を発見する学問および学術分野のことです。1970年ごろから使われていた言葉ですが、ビックデータやAIの登場によって注目されました。データサイエンスに携わる人をデータサイエンティストといい、AIのテーマではこちらの方がキーワードとしてよく登場します。

IoT・DX・DS・AIの関係

IoT、DX、データサイエンス、AIの関係がわかるように、図で表してみました。

DXの手段としてIoT・データサイエンス・AIがあり、IoTによって集めたビックデータの活用としてデータサイエンスやAIがあります。

AIをビジネスで利用する際によくある5つの間違い

私自身も遭遇した、AIをビジネスで利用する際のよくある5つの間違いを紹介します。

  • 現在のAIは全てディープラーニングである
  • AIは人より精度の高いことができる
  • AIは人が出せない答えを出せる
  • AIは人の仕事を奪う
  • AIは自動で学習して精度が上がる

現在のAIは全てディープラーニングである

第三次AIブームのキッカケとなったのは、ディープラーニングです。しかし、ディープラーニングは画像や音声、テキストを認識することができる技術であり、これらのデータを対象としたケースにおいては、今までのAIシステム以上の精度を出すことができます。しかし、すべてのデータにおいて万能というわけではありません。

ディープラーニング以外のマシンラーニング(機械学習)には、決定木、ランダムフォレスト、回帰分析など様々な手法があるのですが、現在もこれらの手法は現役で採用されています。AI、マシンラーニング(機械学習)、ディープラーニング(深層学習)の関係を下図にまとめてみました。

ちなみに、AIでどうにかしたいと相談受けた内容が、AIがなくても実現できるケースもあります。2021年現在、AIで課題を解決する手法は、ディープラーニングが全てではないことを知っていただければと思います。

AIは人より精度の高いことができる

AIを魔法のようなものと勘違いされている方が結構います。

機械学習は、大量のデータから高次元・複雑な法則を読み取ることが可能であり、人が今までやっていたことを自動化できます。魔法のようだとも言えますが、人より精度が高い結果を出せることはほとんどありません。

AIには学習というフェーズがあるのですが、例えば100点の学習データを使っても、90点くらいの結果が出るといった感じです。結果を出すまでの時間(スピード)に関しては、AIの方が優れているケースはあります。

AIは人を超えた万能なシステムにはなれないことを、知っていただければと思います。

AIは人が出せない答えを出せる

AIの出せる結果は、学習に用いたデータのあくまで延長となります。つまりは、学習データにない結果を出すことはほとんどの場合できません。あくまでAIは人とセットで成立する仕組みであり、AIがわからないことは人がサポートしなければなりません。

AIは人の仕事を奪う

こちらはAIが注目された初期によくメディアなどで取り上げられた間違いです。AIのシステムを構築する上で、どのような結果を出すべきかを指示し、その結果を評価できるのは人です。つまり、AIシステムを構築し、そのシステムを維持・向上させるのに、必ず人が必要になるのです。

また、AIは完璧なものを作り出すことはできないので、AIと人が共同する仕組みをつくることが理想的といえます。AIによって人が全く不要になることはなく、AIができる範囲の仕事を自動化し、人がAIの結果をチェックするような体制になることを知っていただければと思います。

AIは自動で学習して精度が上がる

AIは勝手に学習して賢くなるものだと思われている方が多いのですが、技術的に自動学習は可能ではありますが、実用性は低いです。その理由は、インプットされたデータが全て学習すべき質の高いデータであるとは限らないため、人がデータを選別した上で学習させないと、精度が落ちる可能性があるからです。そのため、AIシステムの運用が始まったあとも、しっかりAIのアウトプットを人が確認し、何を学習させるべきか都度判断してアップデートする必要があります

まとめ

  • 反響の大きさから、AIはマーケティングにおいても重要なテーマである
  • ディープラーニングはブームのキッカケに過ぎず、AIが実用可能なものになった理由は、データが容易に集められるようになり、データの処理能力が向上したから
  • 2019年3月時点で、製造業のAI導入率は11.2%
  • DXの手段としてIoT・データサイエンス・AIがある
  • ディープラーニング以外の手法も現役で利用されている
  • 多くの場合、AIは人より高い精度を出すことができず、万能ではない
  • AIはあくまで学習したデータの延長上の答えしか出せない
  • AIが人の仕事を奪うことはなく、AIと人が共同する仕組みをつくることが理想形である
  • AIは自動で学習することが可能であるが、実用的なレベルには達成していない

デジタルマーケティング導入をお考えの方へ

オンラインとオフラインのマーケティング活動により獲得したリードとの関係性を深めることで顧客化していくデジタルマーケティング。「モノカク」を運営するテクノポート株式会社では、技術系企業専門の「デジタルマーケティング」を導入・定着化していくための支援を行っています。

関連記事一覧