Se ha denunciado esta presentación.
Utilizamos tu perfil de LinkedIn y tus datos de actividad para personalizar los anuncios y mostrarte publicidad más relevante. Puedes cambiar tus preferencias de publicidad en cualquier momento.

AIサービス開発に必要な人間中心設計とプロジェクトマネジメント

エージェントゲート様主催の機械学習エンジニア向け勉強会登壇資料です。

  • Inicia sesión para ver los comentarios

AIサービス開発に必要な人間中心設計とプロジェクトマネジメント

  1. 1. ~AIサービス開発に必要なユーザ中心設計とプロジェクトマネジメント~ TECH & BRIDGE MEETING ~エンジニア講演会 第3回 人工知能・機械学習・ディープラーニング
  2. 2. 自己紹介 亀田 重幸 ディップ株式会社 次世代事業準備室 dip AI.Lab マネジャー、AINOW編集長 遺伝子組換えStreptomyces属放線菌による有用物質生産の研究 社会人1年目はPHP、Perlのプログラマー 新規事業を学び、新サービスを出しては失敗しまくる(約30個/年以上…) バイトルのインフラエンジニアを3年くらい AIビジネスのプロダクトオーナー(ビジネス×AI)
  3. 3. AINOWのご紹介 AINOW(エイアイナウ)は、1日のAIニュースを10分で見れる AIに関する様々な情報が得られるメディア
  4. 4. AINOWのご紹介 会社紹介インタビュー AI周辺の情報整理 イベント取材/登壇
  5. 5. AINOWのご紹介 最新のAI動向を記事と共にサイトでご紹介します!
  6. 6. 誰でも1時間でAIサービスが設計できる 「AI Lean Canvas」
  7. 7. AINOWのご紹介
  8. 8. 計算知能認知アーキテクチャ 遺伝アルゴリズム 「AI Lab Map」 JAPAN 2017/2/1 (50⾳順 ※敬称略) @Copyright2017 AINOW ALL Right Reserved ロボティクス ヒューマンロボティクス ⼤阪⼤ ⽯⿊浩 研究室 会津⼤ 趙強福 研究室会津⼤ 丁数学 研究室 ⻘⼭学院⼤ ⽔⼭元 研究室 ⼤阪⼤ 三宅淳 研究室 認知ロボティクス ⼤阪⼤ 浅⽥稔 研究室 コンピュータビジョン ⼤阪⼤ 松下康之研究室 九州⼤ ⾕⼝倫⼀郎研究室 九州⼤ 諸岡健⼀ 研究室 九州⼤ 倉⽖亮研究室 九州⼤ 内⽥誠⼀ 研究室 京都⼤ ⻄⽥豊明研究室 京都⼤ 河原達也研究室 画像認識 ⾃然⾔語処理マルチエージェント 九州⼤ 峯 恒憲研究室 慶應義塾⼤ 今井倫太研究室 機械学習 京都⼤ ⼭本・Cuturi 研究室 群⾺⼤ 太⽥直哉 研究室 群⾺⼤ 加藤毅 研究室 慶應義塾⼤ 斎藤英雄 研究室 慶應義塾⼤ ⻫藤博昭研究室 ニューラルネット 慶應義塾⼤ 冨⽥勝 研究室 上智⼤ ⽮⼊郁⼦研究室 芝浦⼯業⼤ 菅⾕みどり研究室 芝浦⼯業⼤ 五⼗嵐治⼀研究室 千葉⼤ 荒井幸代研究室 医療・介護ロボティクス 中央⼤ 鈴木寿研究室 中央⼤ 坂根茂幸 研究室 中央⼤ 庄司裕⼦研究室 中央⼤ 飯尾淳研究室 筑波⼤ 鈴⽊健嗣 研究室 電気通信⼤ 栗原聡 研究室 東京⼤ 原⽥・⽜久 研究室 東京⼤ 中⼭英樹研究室 東京⼥⼦⼤ 浅川伸一研究室 東京⼯業⼤ 寺野隆雄 研究室 東京⼯業⼤ 新⽥克⼰研究室 東京⼯業⼤ ⼩⻑⾕明彦研究室 東京⼯業⼤ ⼩野功 研究室 東京⼯業⼤ 中村清彦研究室 東京⼯業⼤ ⾼村⼤也 研究室 東京⼯業⼤ ⻑橋宏 研究室 東京⼯業⼤ ⾚穂昭太郎研究室 東京⼯業⼤ 篠⽥浩⼀研究室 東京電機⼤ ⼋槇 博史研究室 東京電機⼤ 武川直樹 研究室 東京電機⼤ 中島克⼈研究室 東京電機⼤ ⽮島敬⼠研究室 東京電機⼤ 鶴⽥節夫研究室 名古屋⼯業⼤ 徳⽥・南⾓研究室 奈良先端 科学技術⼤学院⼤ ⼩笠原司研究室 奈良先端 科学技術⼤学院⼤ 杉本 謙⼆ 研究室 システム制御 ⽇本⼤ 岩井俊哉研究室 はこだて未来⼤ 松原仁研究室 法政⼤ 彌冨仁研究室 法政⼤ 三浦孝夫研究室 法政⼤ 佐藤裕⼆研究室 法政⼤ ⻩潤和研究室 法政⼤ 藤⽥悟 研究室 明治⼤ 林陽 ⼀研究室 明治⼤ 武野純⼀ 研究室 明治⼤ 向井秀夫研究室 明治⼤ 向井秀夫研究室 明治⼤ 宮本⿓介研究室 明治⼤ 森 啓之研究室 ⽴命館⼤ 北野勝則研究室 ⽴命館⼤ 坪泰宏研究室 ⽴命館⼤ 萩原啓研究室 ⽴命館⼤ 満田隆研究室 ⽴命館⼤ 谷口忠大研究室 ⽴命館⼤ Ruck Thawonmas研究室 ⽴命館⼤ ⻄川郁⼦研究室 ⽴命館⼤ 島⽥伸敬研究室 ⽴命館⼤ ⽥中弘美研究室 ⽴命館⼤ 和⽥隆広 研究室 早稲⽥⼤ 古⽉敬之研究室 早稲⽥⼤ 藤村茂 研究室 早稲⽥⼤ 松丸隆⽂研究室 早稲⽥⼤ 菅原俊治研究室 早稲⽥⼤ 尾形哲也研究室 早稲⽥⼤ 浜⽥道昭 研究室 京都⼤ ⿊橋・河原研究室 お茶の⽔⼥⼦⼤ ⼩林⼀郎研究室 慶應義塾⼤ 萩原将⽂研究室 明治⼤ ⾼⽊友博 研究室 慶應義塾⼤ ⼭⼝⾼平研究室 ソフトコンピューティング汎⽤AI ⾳声認識 デジタルマーケティング 神経科学 脳情報通信総合研究所 川⼈光男 研究室 沖縄科学技術 ⼤学院⼤ 銅⾕賢治 研究室 データマイニング ロボット法 ⽟川⼤ ⼤森隆司 研究室 東京⼤ 國吉康夫研究室 中央⼤ 鈴⽊ 寿 研究室 知能システム知能ロボティクス 計算神経科学 電気通信⼤ ⼭﨑匡 研究室 電気通信⼤ ⻑井隆⾏研究室 電気通信⼤ 坂本真樹 研究室 電気通信⼤ 髙⽟圭樹 研究室 北海道⼤ 荒⽊健治 研究室 電気通信⼤ 松吉 俊 研究室 東北⼤ 乾 健太郎研究室 東京⼤ 鶴岡慶雅 研究室 東京⼯業⼤ 奥村 学研究室 東京⼯業⼤ 徳永健伸 研究室 はこだて未来⼤ 佐藤直⾏研究室 法政⼤ 佐藤裕⼆研究室 知的計算 電気通信⼤ 内海 彰 研究室 東京電機⼤ 和⽥雄次研究室 九州⼤ 峯恒憲研究室 京都⼤ ⽯⽥・松原研究室 群⾺⼤ 関庸⼀研究室 慶應義塾⼤ ⼭⼝⾼平研究室 東京電機⼤ ⽉本洋研究室 東京電機⼤ 勝野裕⽂研究室 明治⼤ 櫻井義尚研究室 早稲⽥⼤ ⽯川博研究室 豊橋科学技術⼤ 秋葉友良研究室 豊橋科学技術⼤ 増⼭繁研究室 豊⽥⼯業⼤ 佐々⽊ 裕研究室 豊橋科学技術⼤ 井佐原 均研究室 ⿃取⼤ 村⽥真樹研究室 慶応/⼤阪⼤ ⾼橋恒⼀研究室 ⾸都⼤学東京 ⼩町守研究室 東京⼤学 相澤彰⼦研究室 中部⼤学 藤吉弘亘研究室 ⼤阪⼤学 原⽥研介研究室 北九州市⽴⼤ 永原正章研究室 東京⼤学 堀・⽮⼊研究室 室蘭⼯業⼤学 岸上順⼀研究室 名古屋⼤学 村瀬洋研究室 名古屋⼯業⼤学 伊藤孝⾏研究室 東北⼤学 岡⾕貴之研究室 東京農⼯⼤学 藤⽥桂英研究室 早稲⽥⼤学 清水佳奈研究室 ロボティクス ヒューマンインターフェイス 東京⼤ 松尾豊 研究室 中央⼤ 平野晋研究室 慶應義塾⼤ 新保史⽣研究室 ⽣命・健康・医療情報学 関連領域 東京⼯業⼤学 ⽯⽥貴⼠研究室 東京⼯業⼤学 秋⼭泰研究室 東京⼯業⼤学 関嶋政和研究室
  9. 9. AI研究を思う存分やって論文を発表 そしてビジネスでの応用研究にも挑戦してほしい
  10. 10. AINOWのご紹介 ビジネスとアカデミアが繋がり AIイノベーションを日本から起こしていきたい ビジネス現場とAI研究の最前線を繋げていきます
  11. 11. AINOWのご紹介 Dip AI.Lab
  12. 12. AINOWのご紹介 どんなプロジェクトが動いているか?
  13. 13. AINOWのご紹介
  14. 14. AINOWのご紹介 AI Labの研究員は90%がインターン生
  15. 15. AINOWのご紹介
  16. 16. AINOWのご紹介
  17. 17. AINOWのご紹介 インターン人事担当 「SNS魔神:ゆうた」
  18. 18. AINOWのご紹介
  19. 19. AINOWのご紹介 切り込みインタビュー担当 「来ちゃったJD(20)りこちゃん」 大学2年生にしてOB訪問250人超のポケットモンスター
  20. 20. コンテンツ制作・ライター担当 その名も「カカオ偽装」なっぴ
  21. 21. AINOWのご紹介 他にも計20人の個性溢れるラボメンが活躍中
  22. 22. AIプロダクトにおける 人間中心設計とデータ取得の重要性
  23. 23. AIサービスと既存開発ではAIの存在を意識する必要がある AIサービスを始める前に ユーザとシステムの間にAIを意識して トランザクションデータ以外に注目する 既存Webシステム AIシステム
  24. 24. 人間中心設計(HCD=Human Centerd Designの略)とは何か? AIサービスを始める前に サイト・アプリなどを開発する際に、プロダクトを使用するユーザーの使いやすさを中心 において設計する考え方。プロダクトの開発側が提示した使い方に人間が合わせるという 従来の考え方を離れ、使う人の観点でストレスなく使いやすいデザインを追及すること。
  25. 25. なぜ、人間中心設計(HCD)が必要なのか? AIサービスを始める前に
  26. 26. AIサービスを始める前に
  27. 27. AIサービスを始める前に
  28. 28. AIサービスを始める前に Amazonでビールを1ケース購入おい てくれないか かしこまりました。 ビールの銘柄・容量・価格帯を教えてく ださい。 プレモル350ml、5,000円くらいで 探して 該当の商品が5件ありました。 どれになさいますか?
  29. 29. AIサービスを始める前に Amazonでビールを1ケース購入おい てくれないか かしこまりました。 ビールの銘柄・容量・価格帯を教えてく ださい。 プレモル350ml、5,000円くらいで 探して 該当の商品が5件ありました。 どれになさいますか? たぶん、このAIだとホコリの被ったおもちゃに.. 1,2タスクならば人間の方が早い
  30. 30. AIサービスを始める前に Amazonでビールを1ケース購入おい てくれないか かしこまりました。 いつものプレモル350mlで良いですか? OK! 冷蔵庫の炭酸水も 切れそうなのでご一緒にいかがですか? 土曜はご予定があるので、日曜の午前中 指定で注文を承らせて頂きます。
  31. 31. AIサービスを始める前に Amazonでビールを1ケース購入おい てくれないか かしこまりました。 いつものプレモル350mlで良いですか? OK! 冷蔵庫の炭酸水も 切れそうなのでご一緒にいかがですか? 土曜はご予定があるので、日曜の午前中 指定で注文を承らせて頂きます。 主人の購入履歴を基に提案して ユーザの回答数を減らす努力 ユーザ側はなるべく少ない選択肢 で意思が伝わる仕様 Googleカレンダーやメールから スケジュールを把握して調整
  32. 32. AIサービスを始める前に 参照:https://d1srlirzdlmpew.cloudfront.net/wp-content/uploads/sites/98/2017/03/07010650/voice-threats-featured.jpg
  33. 33. AIサービスを始める前に 参照:https://d1srlirzdlmpew.cloudfront.net/wp-content/uploads/sites/98/2017/03/07010650/voice-threats-featured.jpg 人間を中心としたサービス設計で AIはより人間を理解することができる
  34. 34. HCDを活かしたAIサービス開発に リーンスタートアップが向いている理由 AIサービスを始める前に
  35. 35. リーンスタートアップは利用ユーザ1人を見つけ 人間の心理を深掘りしてアイデアをカタチにしていく考え方 AIサービスを始める前に
  36. 36. ①. ユーザとデータを結ぶのがAI ・AIはユーザと既存サービスを繋ぐ役割 ・誰のどんな課題を解決するか、既存サービスよりも明確に定義する必要あり ・人間らしい振る舞いをさせたい場合、より高度に AIサービスを始める前に
  37. 37. ②. アルゴリズムは一度で成功するとは限らない ・継続してチューニングを行うオンライン学習に対する考え方が必要 ・使用するデータは常に変化する ・モデルは何回も設計し直すことになるかもしれない AIサービスを始める前に
  38. 38. ・イニシャル、ランニングコストが大きいのでKPI管理が大事 ・経営に対して説明するロードマップとしても活用できる ・何をとこまで検証したか、細かく管理する必要がある ③. AIは成果が出るまで時間が必要 AIサービスを始める前に
  39. 39. 誰でも1時間でAIサービスが設計できる 「AI Lean Canvas」
  40. 40. カフェの口コミをAIが判断して お店選びをチャットでサポート カフェ口コミ判定AI
  41. 41. ①:誰が喜ぶのか?(ユーザ設定) サービスを使うユーザを特定します、具体的にどんな人物化想像できるくらいまで 例) ・26歳 ・渋谷区に勤務している女性 ・オシャレなカフェ巡りが趣味 ・Rettyをよく使う AIサービス企画
  42. 42. ここが1番大事なポイント、現状どこに不満を持っているか特定しましょう。 課題が明確でない場合、サービスを導入する必要がないのかもしれません。 例) ・Rettyは口コミをよく見るが、お店選びが大変 ・口コミの真意がわかれば、お店を選ぶ必要がな くてラクになる ・チャットなら探さなくても良いからカンタン ②:なぜ喜んでくれるのか?(課題特定)
  43. 43. ③:なぜ、AIを活用するのか?(コンセプト) AIでなくては実現できないことを考える。 AIを入れるとどんなメリットがあるのだろう。また、どのくらい便利になるのか? 例) ・Rettyやtwitterのテキスト情報を自動で 解析してオススメしてくれる ・口コミの真意を知ることができる AIサービス企画
  44. 44. ④:どんなAIを提供する?(分析手法) あなたのAIサービスはどんな分析手法で課題解決できるでしょうか、画像解析、自 然言語解析、統計的な予測、どれを使いますか? 例) ・テキストの情報を解析するために、自然 言語解析が必要 ・画像解析に画像処理AIが必要で、好みの 写真を特定するためにディープラーニング も活用できそう AIサービス企画
  45. 45. ⑤:どうやってデータを取得する(ユーザ接点) AIは、ユーザとシステムを繋ぐ仕組み、どこでAIが動くかによって取得できるデー タが変わってくるので、AIが稼働する場所を整理していきましょう。 例) ・チャット形式で、気軽に質問してデータ 収集できる。検索より精度上がりそう。 ・提案に対して評価をもらって学習 AIサービス企画
  46. 46. AIサービス企画 ⑥:分析に活用するデータ(データ特定) AIを作る上で必要な手元にあるデータとAIが学習する上のデータ これから取得するデータの2種類を考えてみましょう。※厳密にはカラムまで特定する 例) ベースとなる手元のデータ ・飲食店情報をクローリング ・口コミデータはtwitterから 学習に必要なデータ ・ユーザ趣向や評価はチャットから取得
  47. 47. AIサービス企画
  48. 48. AIサービス企画 本当にAIを投入することでメリットが得られるのか? 既存の手段と比較してニーズを確認する方法
  49. 49. AIサービス企画 1. 課題が本当に困っている事なのか確認する ・インタビューやアンケートで課題感を特定 ・課題が根深い程、価値は高まるが競合も多い 2. 既存の解決方法を調べる ・課題をどうやって解決しているのか? ・どのくらいの金額や対価を払って使用しているか?
  50. 50. AIサービス企画 1. AIでどんな解決ができるかまとめる ・AIで解決できることを具体的に考える ・課題を解決してくれる大きさを図る 2. 既存の方法より優れていることをまとめる ・AIを使うことで得られるメリットは? ・乗り換えるために支払うコストはあるのか?
  51. 51. AIサービス企画
  52. 52. AIサービス企画 参照:http://cdn-ak.f.st-hatena.com/images/fotolife/s/separate-ks/20151205/20151205155336.jpg
  53. 53. AIサービス企画 参照:http://cdn-ak.f.st-hatena.com/images/fotolife/s/separate-ks/20151205/20151205155336.jpg ユーザのサービスを活用する行動の中から AIで活用すべきデータと感情を特定する
  54. 54. AIサービス企画 今日は時間が少ないので飛ばします…
  55. 55. データ設計とモデル AIサービス開発に必要な モデルとデータ設計
  56. 56. モデルとデータ設計 AIが予測や分類、様々な自動化を行うには 仮説となるモデルとデータが必要
  57. 57. モデルとデータ設計 モデル構築とデータ設計までの手順 1. 業務や人間の勘を基に仮説を複数出す 2. 分析に必要なデータ項目を集める 3. 基礎分析してデータの構造を確かめる 4. モデルを作り、必要な特徴量を決める 5. 分析の手法、データセットを決める 6. データの前処理を行う 7. 分析を行い数値検証を行う 8. 精度が出るまで5~8を繰り返す 9. 精度が出なければから4からやり直す
  58. 58. モデルとデータ設計 仮説構築と仮説検証の役割分担 1. 業務や人間の勘を基に仮説を複数出す 2. 分析に必要なデータ項目を集める 3. 基礎分析してデータの構造を確かめる 4. モデルを作り、必要な特徴量を決める 5. 分析の手法、データセットを決める 6. データの前処理を行う 7. 分析を行い数値検証を行う 8. 精度が出るまで手法を変えて「5~8」を繰り返す 9. 精度が出なければから4からやり直す ディレクター/オーナー データアナリスト
  59. 59. モデルとデータ設計 機会学習や深層学習を活用したシステム化には ここまで丁寧に行わないと精度が出ず2度手間に
  60. 60. AIサービス構築で必須となる「h」型人材スキル ~人が少ない今なら、エバンジェリストになれるチャンス~
  61. 61. AIサービスを始めるために必要なチーム構成 チームビルディング
  62. 62. パーソナルAIを取り入れた企画がやりたい! クライアントにAIとは何かを説明して 実現可能な案を提示できるエンジニア チームビルディング
  63. 63. チームビルディング Pepperの会話精度をもっと上げたい Pepperのシナリオを自然言語処理の前提で かけるディレクター
  64. 64. チームビルディング 画像をディープラーニングしたいが サーバスペックの要求がインフラ担当に伝わらない ディープラーニングとはどのような処理なのか 理解できるインフラエンジニア
  65. 65. 職業範囲を超える業務が出てくるようになった チームビルディング
  66. 66. DBA データサイエンティスト データ サイエンティスト 統計に必要なデータマートを自ら構築してビジネスに必要な分析を行える データアナリスト (統計スキル) ディレクター (ビジネス理解) チームビルディング
  67. 67. こんなスーパーマン会えないですよね.. チームビルディング
  68. 68. 実際に業務をしてみるとキーワードを通して コミュニケーションできるだけでも全然違った チームビルディング
  69. 69. PM ディレクター インフラチーム (AWS・DBA) とあるAIプロジェクトでのチーム体制 ビジネス現場 分析 機械学習チーム チームビルディング
  70. 70. チームビルディング ビジネス現場 PM ディレクター インフラチーム (AWS・DBA) とあるAIプロジェクトでのチーム体制 分析 機械学習チーム ・インフラスキルを活かし 統計に最適なアーキテクチャ構成 ・ビジネス現場へ分析チームと共に インタビューを実施 ・モデル/アルゴリズムを一緒に考え て仮設を立てた ・新規事業の立ち上げスキルを活用 ・リーンスタートアップ手法で小さく 素早く検証を実施
  71. 71. AIディレクター どんな予測や学習を行えば、サービスを実現できるのか定義できる プログラマー データ アナリスト ディレクター AIディレクター チームビルディング
  72. 72. AIプログラマー ディープラーニングだけでなく、従来の統計学の機械学習と合わせて 最適なアルゴリズムを選択できる データ アナリストプログラマー AIプログラマー チームビルディング
  73. 73. 「H」は難しいけど ならちょっとの頑張りでいい チームビルディング
  74. 74. 始めは必要な職業に興味をもってみることが大事 チームビルディング
  75. 75. 今後、AI開発は必須になる。 自分のキャリアを活かした将来を考えてみよう! ワークショップ
  76. 76. 営業 データ アナリスト インフラ エンジニア フロント エンジニア バックエンド エンジニアディレクターデザイナー データ サイエンティスト AIデザイナー AIプログラマー AIディレクター etc.. あなたのキャリアはどの職業スキルを取り入れると良い? ワークショップ
  77. 77. AI Career Map AI時代の職種像 Keep 身に付けたい職種現在の職種 + = Ploblem Try 理想像はどんな姿か? なぜ成りたいのか? ワークショップ
  78. 78. AI Career Map AI時代の職種像 Keep 身に付けたい職種現在の職種 + = Ploblem Try 理想像はどんな姿か? なぜ成りたいのか? ワークショップ
  79. 79. AI Career Map AI時代の職種像 Keep 身に付けたい職種現在の職種 + = Ploblem Try 理想像はどんな姿か? なぜ成りたいのか? ワークショップ
  80. 80. AI Career Map AI時代の職種像 Keep 身に付けたい職種現在の職種 + = Ploblem Try 理想像はどんな姿か? なぜ成りたいのか? ワークショップ
  81. 81. 埋められなくても大丈夫 普段の仕事にAIの事を少し意識していくだけ
  82. 82. すべての職業はAIに少しづつ代替えされていく AIを作る側の人間を目指しましょう。
  83. 83. Thank You

×