来る「AI導入2.0」時代 失敗させないAI導入に必要なピースとは

このエントリーをはてなブックマークに追加

【PR】本記事は株式会社Laboro.AIのスポンサードコンテンツです。

第3次AIブームを経て、AI導入はもはや特別なことではなくなっている。プログラミングなしでAI開発ができるノーコードツールも登場しているし、ベンダーに開発を相談したり、実際にAI導入プロジェクトに関わった人も少なくないだろう。

だが、「想定の半分以上しか機能しなかった」、「思ったより精度が出なかった」……という声も聞く。

果たしてそのAI導入は、本当に失敗だったのだろうか?AI導入で成果を出せた企業とは何が違うのか?

味の素、大林組、NTT東日本といった大手企業からの支持を集め、数多くのAI導入を手掛けてきた株式会社Laboro.AIの代表取締役、椎橋徹夫CEOは、そうした企業担当者の悲鳴を聞くことが少なくないという。

「はじめてのAI導入」がうまくいかなかった2つの理由

あなたの会社にAIを導入し、成果が出なかった理由として、次の2つは思い当たらないだろうか。

AIベンダーは自社や業界の課題に深く寄り添ってくれたか?

AI導入に失敗してしまう1つ目の理由が、AIベンダーの業界や事業への深い理解、いわゆるドメイン知識の不足だ。

――椎橋
「自社製品や、サービスのコアな部分に機械学習を入れるには、その産業やビジネスに関わるドメイン知識へのキャッチアップが欠かせません。自社や業界事情などに深く踏み込み、これまで溜めてきたノウハウをいかに機械学習と融合させていくかを一緒に考えていく必要があります。

ですが、お客様からは『(AIベンダーが)産業やビジネスの知識習得にあまり興味を持ってくれない』という話をときどき耳にします。

ベンダーによっては、自社のノウハウを汎用化させたプロダクトやソリューションを、先の見極めができていない状態でとりあえず導入させるというケースも少なからずあるようです」

AI需要の増加を背景に、顧客の声を聞くよりも自社(ベンダー)が考えた効率良いAI導入。聞こえはいいものの、裏側にはプロジェクトの手離れを良くしたいという本音が隠れているかもしれない。

パッケージが自社の課題やビジネスとうまくフィットするなら問題ないが、慎重に見極める必要があるだろう。

ビジネスとエンジニアリングの両方に深く踏み込んで、機械学習のソリューションに落とし込めているか?

多くのAIベンダーには、顧客の要望を聞くビジネスサイド(主にセールス)、実際にプログラムを組むエンジニアと、固有の役割を持つプロが存在する。

分業で効率良く進む部分もある反面、ビジネスサイドは表面的に「売る」こと、エンジニアリングはプログラムを組むことと、それぞれの職域に特化しすぎて分断してしまう。

この分断こそが、AI導入が失敗する原因の2つ目だと椎橋さんは主張する。

株式会社Laboro.AI 代表取締役CEO 椎橋 徹夫氏
米国州立テキサス大学 理学部 物理学/数学二重専攻卒業。2008年、ボストンコンサルティンググループに入社。東京オフィス、ワシントンDCオフィスにてデジタル・アナリティクス領域を専門に国内外の多数のプロジェクトに携わる。2014年、東京大学 工学系研究科 松尾豊研究室にて産学連携の取組み・データサイエンス領域の教育・企業連携の仕組みづくりに従事。同時に東大発AIスタートアップの創業に参画。
2016年、株式会社Laboro.AIを創業。代表取締役CEOに就任。

特にプロジェクトの全体管理を担うPMO(プロジェクト・マネージメント・オフィス)は、AI導入プロジェクトの要と言ってもいいだろう。そんなPMOのスタッフがエンジニアリングを知らない場合が少なくない、という。

――椎橋
「プロジェクトの全体を管轄するPMOが技術とビジネスの両方を知っていないと、うまくステアリングができません。

通常PM(プロジェクト・マネージャー)はプロジェクトの進行管理に注力するので、顧客企業のドメイン知識を理解し、機械学習のソリューションに深く落とし込む、という肝心な部分がスパッと抜け落ちてしまいがちです。

一方で、AIの企画からコンサルティングに強みを持ち、クライアント企業の事情に耳を傾けてくれるコンサルタントはいても、エンジニアリングを知らないと、ソリューション設計にうまく反映されづらい。

逆に、機械学習の実装に長ける機械学習エンジニアやデータサイエンティストが、ドメインを深く勉強するというのは、業務領域としてはスコープ外になりがちです」

それぞれ専門家の立場からプロジェクトに関わるので、2者の視点は交わりにくい。だからこそ、プロジェクトに”ビジネスとエンジニアリングの全体を見たわせる人”が必要だというのだ。

「失敗させないAI導入」に欠かせないピースとは

AIの導入はゴールではなく、新しい事業開発や業務改善の始まりだ。

Laboro.AIのAI導入は、機械学習を実装するだけではなく、顧客企業のドメインにも深く寄り添って、ビジネスモデルも設計していく。まさに「顧客に失敗させないAI導入」を目指しているという。

――椎橋
「機械学習をフルに活用してイノベーションを起こそうとすると、ビジネス側のデザインも一緒に行っていく必要があります。

僕らはまず、必要な場合にはその業界の専門書などを読み込んでベースの知識を蓄え、その上で熟練の方にお話をうかがったり議論をしたり、という時間をとることを大切にしています。

加えて、足りていないデータをどういう風に集めてくると良さそうか、データを集めるためにどうビジネスモデルを変えていくか、といった部分も一緒に考えていくのです」

そんなLaboro.AIの「顧客に失敗させないAI導入」を体現しているのが、同社独自の職種「ソリューションデザイナ」だ。

ビジネス力が高い「ソリューションデザイナ」の存在

ソリューションデザイナは、同社のAI導入プロジェクトを担う屋台骨ともいえる存在だ。顧客企業の業界・ビジネス事業を深く知り、実装では機械学習エンジニアとも深く議論する。

ソリューションデザイナの担う範囲は広い

ビジネスにもエンジニアリングにも強く、ドメイン知識を生かして併走してくれる、まさにAI導入プロジェクトでの「理想のPMO」ともいえそうだが、同社のソリューションデザイナになるまでは決して簡単ではない。

――椎橋
「戦略コンサルティングファームの出身者など、ビジネスで高いレベルの成果を出してきた人たちが技術にキャッチアップしていくという教育体制をとっています。生データからのデータ分析をはじめ、機械学習のプログラムを直接触ったり、実際に学習データのアノテーションをしてみたりと自分の手を動かして技術を理解してもらうのです。

ちょっと泥臭いかもしれませんが、たとえばアノテーションの経験があると、アノテーションの方法から学習結果が変わる、という肌感覚をリアルに得ることができます」

BCG(ボストン・コンサルティング・グループ)出身の椎橋さんが「コンサルティングファームのデジタル部門でもそうそう体験しない」とまで言うような技術の実践を通して、先輩の下で実際のプロジェクトに関わりながら、1年以上かけて着実に力をつける。それがLaboro.AIのソリューションデザイナなのだ。

AIの精度を高めることがゴールではない

ではソリューションデザイナが関わることで、実際のAI導入プロジェクトはどう変わるのだろうか。

Laboro.AIに寄せられる顧客の声からは、「Laboro.AIのソリューションデザイナだけが、業界の今後について熱心に議論に付き合ってくれた」「親身になって一から一緒に考えてくれた」など、ソリューションデザイナのビジネス理解を踏まえた伴走を徹底する様子が見えてくる。

――椎橋
「AI技術でできることとしては『認識』と『予測』がありますが、これらはあくまで計算の結果でしかありません。重要なことは、これらAIが導き出した結果を使って、どうビジネス上の業務やアクションを最適化していくかということです。

例えば、小売店での陳列棚に置かれた商品を画像認識し、欠品を防ぐという例であれば、単に認識精度が上がるだけではビジネス上に価値は生まれません。一般的にも導入ケースとして多い需要予測AIについても、予測精度を向上させるだけではインパクトはありません。

重要なことは、それら認識・予測結果を元にした場合に、発注業務をどう改善するのか、あるいはAIが認識・予測できない部分を人のオペレーションでどう補うのか、そしてどう売上につなげていくのかということです。

ビジネス成果につながる具体的なアクションを最適化させることが、AIを活用する上では欠かせない検討ポイントです。それを考えるためには業界や業務に対する深い知識を持った上で、技術とビジネスをつなぐ視点に長けたソリューションデザイナのような存在が必要なのです」

ビジネスモデルも開発する「AI導入2.0」

椎橋さんは色々な企業の声を聞く中で、技術を理解したうえで、ビジネスの展望も見据えていく大切さを実感しているという。

――椎橋
「特に製造業では『作って売って終わり』ではなく、機械製品を進化させるために機械学習を導入し、継続的に進化させていく、ということが求められます。ユーザーがより製品を使いやすくするために、利用データをきちんと吸い上げて収集するシステムの整備や、データを反映させてビジネスモデルをどう変えていくのか、といった設計も欠かせません。

AI導入に失敗したという話は聞きますが、本当にそれは失敗だったのか?と思うことはあります。一度挑戦してみて、『今後一切AIを使いません、関わりません』ともなれば投資が失敗したともいえますが、そもそもやろうとしていたことが間違っていただけのこともある。それはAI導入失敗、ではないと思います。

ターンアラウンド、という言葉があります。業績が上がらないときに企業の本質にメスを入れて組織や収益の構造を変え、業績をV字回復させるという取り組みです。

AI導入にも、”次のラウンド”があっていいと僕は思っています。単に技術を導入するだけでなく、企業やビジネスの本質をとらえて技術を活かす『AI導入2.0』とも呼べる、次のビジネスに価値をもたらすようなプロジェクトを、これからも支援していきたいと思っています。

記者としてさまざまな業界のAI関連の動向にふれる中、単なるAI導入から業務改善、ひいてはビジネスモデルの改革に舵を切る企業が増えてきたと日々感じる。

椎橋さんが言うように、AI導入の目的は認識・予測精度の向上ではない。集めたデータをもとに「学ぶ」AIと、そのAIを活かす人や組織、ビジネスの仕組みづくりが、他社と差をつけるためのポイントになるのだろう。

インタビュー中何より印象的だったのは、Labolo.AIと顧客企業との関係性だ。
ビジネスも知り技術にも通じているソリューションデザイナが、業界のドメイン知識や自社内情までキャッチアップし、がっちり併走してくれるのは、企業担当者にとってとても心強いのかもしれない。