【電通】AIプロジェクトの1/3は失敗する。失敗例から導くAI活用の勘所

このエントリーをはてなブックマークに追加


2019年2月13日、株式会社レッジは日本最大級のビジネスAIカンファレンス『THE AI 3rd』を開催。「AI時代の適者生存 ── 生まれ変わるために“今”すべきこと」をテーマに、業種や産業を跨いだAI、ディープラーニングの活用事例が業界のトップランナーにより語られました。

本記事では、株式会社電通の児玉拓也氏による『AIの「乗りこなし方」:これからのAI活用に必要な視点』の内容をお伝えします。

児玉 拓也

株式会社 電通 / AI MIRAI 統括・AIビジネスプランナー*電通の横断プロジェクト「AI MIRAI」の推進役として、AI関連技術を社会の課題にどう活用するかを模索中。広告領域の進化から「働き方改革」 まで、40を超えるさまざまなプロジェクトに関与する。

企業の活用サイドから見たAI

企業のAI活用事例には、気鋭のベンチャー企業が最先端テクノロジーでニッチな分野に光を当てたストーリーが多くあります。しかし、本講演はその正反対の内容でした。登壇した児玉氏は、AIに特化した電通の部署横断型プロジェクト「AI MIRAI」のリーダー。

  • ベンチャーではなく、電通という大企業で
  • 開発ではなく、AIを活用する側で
  • 領域を特定せず、技術領域全般を俯瞰する

というポジションを務めています。

――児玉
「2年ほど前から、

  • 統計分析
  • 言語認識
  • 画像認識
  • 生成

さまざまな技術領域で、50以上のプロジェクトに携わりました。メンバーは100人ほどで、40社以上のパートナーと一緒に活動しています」

広告をコア事業とする企業だけあって、「マーケティング発想でAIを乗りこなす」ことを目指しています。

例えば、

  • AIコピーライター「AICO」
  • バナー広告自動作成&反応率予測AI「ADVANCED CREATIVE MAKER」
  • テレビ番組視聴率予測AI「SHAREST」

など、社会の課題を起点として、新しいアイデアに挑戦していくスタイルです。

アイデアレベルの挑戦も多いため、日の目を見ないプロジェクトも多いといいます。

――児玉
「これまで開発系のプロジェクトは46つありました。そのうち15つは何らかの形で日の目を見ています。しかし、11つは完全に失敗、もしくはお蔵入りしたプロジェクトです。感覚としては、大体3分の1は形になり、3分の1はお墓に持って行き、残り3分の1は継続審議中。そんな割合で進んでいます」

スタートアップが日の目を見る確率は、Googleベンチャーズが選んだ企業でさえ15%程度と言われています。比較すると、AI MIRAIの3分の1という成功確率は比較的高水準だとも考えられます。このような成果を残した児玉氏が重視しているポイントとは何でしょうか?

【プロジェクト設計】時の失敗例

次に児玉氏が取り上げたのは、表にでづらい失敗事例です。AIプロジェクトの4つの工程ごとに紹介されました。なお、これらの事例は電通のものではなく、児玉氏が見聞きした失敗とのことです。

失敗例

画像認識系で、今まで人間が行ってきた業務をAIに置き換えるプロジェクト。実現可能性が高いと開発開始。しかし始まってみると、現在でも専用の機材を製作するなどで、人間が非常に効率的に対応していることが判明。求められる高い精度に応えるAIは開発が難しく、プロジェクト終了となったケース。

結局、数百万円の損失をこうむったそうです。失敗の理由は「画像認識の精度が上がっているし、なんとなくいけそう」と、曖昧なまま走り始めたことだとか。「解決すべき課題と求められる精度をしっかり見定めて、AI開発する価値があるかをしっかり検証することが重要」だと言います。

こうした失敗を防ぐため、児玉氏はAIを導入する業務を見極めるためのガイドラインを持っているそうです。

――児玉
「求められる精度が当たるも八卦の業務は、AIを導入しても何も変わらない可能性があります。逆に高精度の場合は、AI任せは不安で人間がチェックすることが多くなります。AI開発に向いているのはその真ん中、ベテランの勘と経験で成立している領域。精度向上と業務の自動化を同時に狙えるからです」

ベテラン社員の大量引退が社会問題となっている昨今。属人的な業務にAIを活用することで、業務の可視化ややコスト削減が期待できます。

【データ収集】時の失敗例

続いて、AI開発に欠かせないデータ収集での失敗です。

失敗例

人間が提供しているサービスに、AIで付加価値を加えるプロジェクト。AIに機械学習させる教師データが少なかったが、他社の学習済データを使えることがわかって開発開始。精度の高いAIができてサービスイン目前、自動化はできるが価格が以前の3倍になることが判明し、発売中止になったケース。

プレスリリースのドラフトまで書いた段階でお蔵入りになったそうです。データ収集時の落とし穴は、データ量の不足や、データが方々に散逸していて統合が大変、外部データが使ってみると意外と高くなる、など数多くあります。

データ獲得のために新規事業を立ち上げるケースもありますが、児玉氏は「新規事業がうまくいくのか、という不確定要素を増やすことになるので、得策ではない」と言います。AI開発の成否の8割以上を握ると言われるデータ収集時の勘所は、データに関する「肌感覚」だとか。

――児玉
「データの量や質について、感覚値で物になりそうか、どの会社に頼めばいけるか、そういった肌感覚をいかに内部で持つかが重要です。ここは最初に着手すべき課題ではないかと考えています」

【アルゴリズム開発】時の失敗例

3つめはアルゴリズム開発について。データを価値に変えるための方程式を割り出す工程です。

失敗例

AIで将来予測モデルを立てるプロジェクト。ベンダーから複数のアルゴリズムを組み合わせるという提案を受けた。必要性に疑問を感じながら進めたものの、精度が上がらず、データ収集に追加期間が必要になったケース。

アルゴリズム開発においての落とし穴は、

  • 開発サイドの提案を咀嚼できない
  • どのベンダーも得意ですと言うので見極めが難しい

という2点。その問題解決に必要なのは「失敗」だと言います。

――児玉
「私のような文系の人間にはこの部分の経験値がないので、とにかく早く失敗をしていく、あるいは失敗した経験のある人を隣に置いて、提案を丁寧に検証していくしかないと考えています」

【評価】時の失敗例

4つ目は、AIが完成した後、きちんと活用されているのかという評価の工程です。

失敗例

今まで使われていなかったテキストデータを活用し、AIで新しい知見を得るプロジェクト。テキストマイニングや自然言語処理技術で、それなりに使えそうなプロトタイプが完成し、デモでは歓声が上がる。しかし、既存の業務フローに加えたところ、誰も使わない状態に。

「プロダクトや料理でも同じですが、良いAIを作っても使われないことがある」とし、これは大きな課題として残り続けているそうです。ただ、失敗しないための「鉄の掟」があると児玉氏はいいます。

――児玉
「完成したら、誰がいつどうやって使うのか、会社にどういうメリットがあるのか、議論する手間を惜しまないようにしています。そして、利用者に近いメンバーを巻き込むことも欠かしません」

作品ではなく商品を作る意識が求められるのは、マーケティングもAIも同様です。

ROIの「R」は立場で変わる

最後に児玉氏は、AI活用のために必要な視点として、立場によるROI(Return Of Investment)の違いについて語りました。

IT技術の成熟度を示すガートナーのハイプサイクルでAIが幻滅期に入り、「ROIを重視して本当にビジネスにインパクトのあるAIを」という声が強くなってきています。しかし、立場によって見えるR(Return、価値)は大きく違うと言います。

――児玉
「例えばAIコピーライターの『AICO』は、現場目線でコピー制作の工数削減というRを目的に開発されました。完成すると営業やプランナーがAICOを使って提案するという動きが出てきて、経営目線では必要な人材やスキル、組織が変わるというRが出てきました。広告業界以外からは、『AICOを売ってほしい』という声が多く寄せられ、社外目線ではクリエイターのスキルを別分野に展開するビジネスチャンスというRが出てきています」

現場目線での「R」が低くても、経営レベルや社外目線の「R」は高い場合があるので、さまざまな視点でプロジェクトを見ることが重要になります。

本講演で児玉氏が述べた、AI活用における重視すべき点は次の3点にまとめられるでしょう。

  • ユーザーの課題に起点を置く
  • 使う人間と一緒に開発する
  • さまざまな立場の広い視野で考える

印象に残ったのは、「AIができることではなく、AIが起こす変化が重要」という点です。課題を解決した先にある「ユーザーの生活の変化、会社や家族の変化、社会の変化」まで視野を広げることで、AIイノベーションに繋がるヒントを得られそうです。

『THE AI 3rd』その他企業の講演資料は下記からダウンロード可能