Event

2019年は「定性データ解析元年」(後編)

2019年1月25日、ベルサール御成門タワーで、東大発のAIスタートアップ ストックマークによる「AIビジネス変革フォーラム2019」が開催された。本記事は、同イベントの事例から学ぶシリーズから、AI活用やデジタルトランスフォーメーションを推進する企業にとって重要なポイントを紹介する。

事例に学ぶ、AI導入における5つのポイント

2019年1月25日、ベルサール御成門タワーで、東大発のAIスタートアップ ストックマークによる「AIビジネス変革フォーラム2019」が開催された。AI活用を、事業変革をリアルな現場で検討・推進するビジネスパーソンを対象に、経営、現場、アカデミックと、全方位的に「AI」を理解することで、より本質的なAI活用の輪を広げることが同社の狙いだ。本記事は、同イベントの事例から学ぶシリーズから、AI活用やデジタルトランスフォーメーションを推進する企業にとって重要なポイントを紹介する。

ストックマーク チーフ・アルケミスト 森住氏がモデレーターとなり、AI導入における5つのポイントについて、シンクタンク向けのニュースキュレーションツールをストックマークと共同開発した三井物産戦略研究所 技術・イノベーション情報部 難波田氏と、みずほフィナンシャルグループおよびBlue Labで銀行や金融業界共通の課題解決に向けた新規事業を推進している白河氏が登壇した。

AI人材の探し方・活かし方

森住氏:AIにおける人材の課題は多くの企業で聞かれるのですが、どのように「AI人材」を探していますか?

三井物産戦略研究所 技術・イノベーション情報部 難波田 康治氏

難波田氏:私自身、中途で研究所に入ったのですが当初はAIの開発プロジェクトをやる前提ではありませんでした。前職時代の経験から必要な技術のバックグラウンドを持つ人材の転用というかたちで私がやることになりました。またこの開発プロジェクトを開始するにあたって、有期雇用を雇ったのですが、それは口コミで、AIに詳しい他の研究者からの紹介でした。AI人材は少ないと言われているのですが、普通に募集をかけるだけでなく、AIを知っている有識者からの紹介は信頼できるものなので有効でした。

白河氏:弊社も、中途採用で外部から採用していく方針でした。なかでも「理系バックグラウンドを持ち、ビジネス経験がある」という人材が比較的多く集まっています。初めから機械学習などをやっていた人材は少なく、やりながら学んでいることが多いです。そこから、やりたい人が挙手性でプロジェクトに入れるような柔軟性を用意しています。そのためITやテクノロジーのバックグラウンドを持った人がマネジメントするようになるなど、結果的に適材適所な人材配置になっていると思っています。

難波田氏:当社でも理系のバックグラウンドの人材はいるのですが、入ってからエンジニア系の仕事は少ないと思います。それでも自分なりに勉強してAIなどのテクノロジーのプロジェクトをリードしていくということはあります。

森住氏:素養がありそうな人を社内外から広く採用して、やりながら学ぶのがポイントかもしれませんね。

AIテクノロジーの見極め方

森住氏:AIベンダーからのツールやAPIが溢れているように思えるのですが、おふた方はどのように「使える」AIテクノロジーを見極めていますか?また、最新のAIテクノロジーを活用してうまくプロジェクトを進めるコツはありますか?

難波田氏:私達の場合も、いきなりベンダーに頼む前にまず自分たちで手を動かしてみて、検証するようにしています。例えば、あるプロジェクトは実質2人ではじめて、自分たちでまずは手を動かして、勘所を掴んで、6ヶ月のワークショップをして、POCを回しました。始めの2ヶ月は勉強のフェーズ、その次の2ヶ月は勉強したアルゴリズムの中で選定、そして最後の2ヶ月は様々なアルゴリズムを組み合わせてうまくいくかどうかをチェックするというやり方で実施しました。当初は自然言語処理自体も経験がなかったのですが、コードを書いたりしながら6ヶ月ほどで目処が立つところまでいけることがわかってきました。

白河氏:AIはデータと表裏一体なので、そもそも自分たちがどのようなデータを持っているか、業務課題を理解・整理するのが第一歩だと思います。そのデータが構造データ、非構造データなのかどうかによって期待できるアウトプットが変わってきます。さらに、個人的にはスタートアップと組むことを大事にしています。なぜなら、大手企業とは異なり、自社サービスの強みにのみフォーカスしているので、コラボレーションのイメージがつきやすいからです。自分たちの課題、持っているデータと特定の強みを持ったスタートアップと組み合せれば、割と素早くPoCまで持っていくことが可能と考えています。そのために広く情報を仕入れて、技術を試してみるということが大事かと思います。

ストックマーク チーフ・アルケミスト森住 祐介氏

森住氏:最近だとブログやWeb上にチュートリアルも充実しているので、意外に簡単にAPIを呼び出したりすることが可能となっていますよね。まずは自らがAPIやツールに触ってみると、スタートアップと協業する場合にも、自分たちの想像してやれるところとスタートアップでやれることの範囲のギャップが狭まり、比較的素早く見極めることができるということですね。

KPIやROIを説得するポイント

森住氏:KPIやROIを説得するポイントを教えていただけますか?AIを推進されている方に悩みの多いポイントかと思います。

難波田氏:これを開発導入によって、何人月削減といったKPIを立てがちなのですが、そうなるとユーザーに相談をすると、「仕事が奪われてしまう」という話になり決して良い方向に進まない。「このシステムを導入することによって、質の高い研究ができます」というようなKPIの立て方をしました。そうすることで、ユーザー側からの協力も得られ、AIを活用して研究をいかに高度化できるかという建設的な議論にも発展しました。またユーザー側と経営側、双方と定性的なKPIの立て方を進めることで認識を合わせていきました。

みずほフィナンシャルグループ Blue Lab 白河 龍弥氏

白河氏:いままで、金融機関は研究開発で予算をとってくることはありませんでした。今私達がいる部署は、PoCは研究開発の一種です。AIは業務側を巻き込まないといけないですが、費用を業務側に負担するのはつらいと思います。ですので、現場のコストに転換させない、というのがポイントになります。

もう一つは、AIを使って今までできなかったことができるようになるということが、何と言ってもプライスレスだと思います。一つの例としては、年間150万件ほどある営業日報の解析を行った際、特定の店舗で特定のプロダクトが売れていないといった特徴や、その理由などが見えてくるようになりました。これは今までは見えていなかった事実が見えて対策を本部で考えられるようになるので、ちょっとした投資よりもよっぽど価値があることだと思います。

さらにもう一つは何万時間という削減ができるということは、より人間にしかできな仕事に集中できる、より人間的な働き方ができるようになる、というような定性的な効果を示すようにしています。

難波田氏:私達も研究員の作業時間の削減や効率化を目指したものではなく、出てくるアウトプットもいままで気づかなかったニュースを読むことによって、アウトプットの質を上げていくということを定性的な効果が大きい思います。

森住氏:AIによっていままでなかった情報やアウトプットが生み出されるので、これを定量的効果として打ち出していくことよりも、定性的効果を前に打ち出していって推進していくことがポイントになりそうですね。

AIプロジェクトの進め方

難波田氏:まずはAIテクノロジーを触ってみて、AIでできないことを把握することが重要で、業務のなかでの利用イメージができて説明できるようになります。AIにできること、できないことを把握しないままタスクに進んでしまうと、期待値の齟齬が生まれ失敗しやすいと思います。逆に言えば、そこをしっかり把握することがコツですかね。あとは間隔を2ヶ月などで短く切って、評価しながら進めていくことですね。

白河氏:データもビジネス課題も現場にあると思っています。プロジェクトを円滑するには、現場の想いが重要になると想います。難波田さんのおっしゃった通り、業務のなかでの利用イメージを現場に伝えることが重要で、それに加えて現場のやりたい想いというのも重要です。これがうまく噛み合えばうまくいくと思います。

業務側の巻き込み方

森住氏:プロジェクトを円滑に進めるためにもユーザー側、つまり現場の方々を巻き込んでいくことが重要ということですが、難波田さんはどのように巻き込んでいきましたか?

難波田氏:とにかく現場の声を聞いていきました。いつもどんな研究をしていて、どんなペインポイントがあって、どんなシステムがあったら嬉しいのかを、とにかくヒアリングしました。そうすることで、初めはAIに興味なかったりしたのですが、徐々に現場の理解が深まり、要望などの声が上がくらい協力的になっていきました。初めは時間がかかるのですが、現場へのAIや取り組みへの理解の浸透が必要と思います。

森住氏:白河さんのような出島の部署だと、とはいえ現場からは煙たがられたりすることがあると思うのですが、どのように乗り越えましたか?

白河氏:まずは実績をつくることが大事だと考えています。そのなかでも現場のキーマンを探して、その人がやりたいと声を上げてくれているところと実績をつくると、他の部署でも考えてみようという動きにもなるので好循環に繋がります。それとトップダウンのダイレクションでとにかくやってみることも大切です。

森住氏:最後にお伺いしたいのですが、AIやデジタルトランスフォーメーションを先導する組織は、企業のなかでどうあるべきとお考えでしょうか?

難波田氏:課題把握・解決、技術の理解、説得力を兼ね揃えた総合力を身につけていかなければならないと思っています。

白河氏:ユーザー側がAIなどの新しい技術を研究開発できるようになれば、私達のような組織は不要になるのが理想と思います。そうは言っても難しいと思いますので、しっかりと予算を組みながら、専門性の知識やノウハウを積み重ねていくことが大事かと思います。

AI導入後に起こった3つの変化

セールスフォース・ドットコム マーケティング本部 早川 和輝氏

基調講演最後のセッションでは、セールスフォース・ドットコムのAIであるアインシュタインのエバンジェリスト 早川氏が登壇し、セールスフォースの「AIアシスタント」が顧客企業にもたらした変化について紹介した。

早川氏:セールスフォースのアインシュタインはCRMに特化したAIで、私たちは、AIを使ってお客様のビジネスをどう変えたのかということを価値としています。いつでも、どんなときもお客様がその中心にいるとようにサービスでデザインしているため、私たちは、セールスフォースのAIを「アシスタント」と呼んでいます。

利益貢献・コスト効率

森住氏:アインシュタインが、導入したお客様の利益向上、コスト削減にどのように貢献したかの事例について教えていただけますでしょうか?

早川氏:コールセンター業務にSales Cloud Einsteinという機能をご活用いただいた米国大手のUS Bank様では、アインシュタインがWebや窓口に訪問した見込み顧客に対してスコアリングをし、どの顧客が購買する確率が高いかをAIが分析してくれるので、営業はそのスコアの高い順にコンタクトするだけでよくなります。その結果、商談化のコンバージョンがなんと2.35倍になりました。

森住氏:CRMのデータを使うとそんなに変わるのですね。ちなみにどんなデータを学習させているんですか?

早川氏:過去の売上、メールのトランザクション、役職、コンバージョン等のデータを学習させました。そうすることによって、コンバージョンにつながる情報などを整理して、表示させることでオペレーターのコミュニケーションが格段に効率的になります。ユーザーは、リードと呼ばれる見込み顧客や商談を管理するだけで、自動で特徴量を見つけてモデルを更新してスコアを出してくれます。ユーザーは使ってさえいれば、結果が出るという仕組みになっています。

生産性・働き方

森住氏:生産性・働き方への貢献についてもお聞かせ下さい。

早川氏:マネージャーや経営企画が営業のパフォーマンスデータをどう生かすかという部分でも大変有効にご活用いただいている事例があります。例えば、トレンドEXPRESS様は、CRMのデータの中から売り上げとの相関関係とパターンを導き出すための分析作業をEinstein Discoveryで効率化いただきました。そうすることで、今まではエクセルで一週間かけていた分析作業が、わずか10分という驚異的な短さになりました。そこで、今まで分析作業にかけていた時間を、営業からのインプット方法やプロセスの再設計や分析結果をどのように効率的に伝えるかという、分析作業の前後の作業に時間をかけられるようになったそうです

森住氏:Keynote Sessionでもお話があったのですが、すべての業務をAI化したときにプロセスがどのように変化するかを再設計したというお話があったのですが、この場合はツールを入れることによってそれができるようになったということですね。

人とデータのサイクル

早川氏:保険大手のAXA様はEinstein 予測ビルダーを使って顧客のライフスタイルの変化に合わせて素早く学習モデルを構築して保険の解約予測を行っています。Einstein 予測ビルダーは、セールスフォースにあるデータであれば、クリックするだけで簡単に機械学習のモデルができるというものになります。

森住氏:重要なのは、AIに必用なデータを再構築して、AIからのアウトプットを活用して、プロセス変革や業務効率化の検証が素早くできるようになったということですね。

早川氏:そうですね。人の行動を変えるためのデータに変換して、すぐにトライ&エラーを繰り返すことができます。そういったことが当たり前にすることが重要だと考えています。

まとめ

過去数年のAIを取り巻く技術革新と先駆者たちの試行錯誤。そうした数えきれないほどの失敗や成功から得た、多くの示唆が共有されたイベントであった。帰納的アップローチでもっとAIがビジネスのクリティカルな業務を担うようになってく2019年、我々ビジネスパーソンは、何を学び、どう動くべきか。

人材が足りない、予算がないと言っていては、あっという間に破壊される側に取り残されていくような焦燥感を会場にいた誰もが感じたのではないだろうか。講演の中に幾度となく出てきた、「とにかく試してみる」。

そこから、何かが見えてくるのではないだろうか。

また本稿では触れられなかったが、定性データ解析元年にふさわしく会場にはテキスト解析を扱うサービスの紹介ブースやセッションが設けられていた。今後のAIビジネスのなかでもとりわけ、自然言語処理におけるマーケット展開も期待したい。

%d人のブロガーが「いいね」をつけました。