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.

20161126 第6回 Machine Learning 15 minutes! AI技術のサービス活用障壁と事業現場での乗越え方

2.031 visualizaciones

Publicado el

※第17回全脳アーキテクチャ若手の会カジュアルトークの内容を編集のため、ほぼ同じ内容です。

Publicado en: Tecnología
  • Sé el primero en comentar

20161126 第6回 Machine Learning 15 minutes! AI技術のサービス活用障壁と事業現場での乗越え方

  1. 1. 1 2016.11.26 アディッシュ株式会社 池谷昌大 AI技術のサービス活用障壁と 事業現場での乗越え方 第6回 Machine Learning 15minutes! 【※第17回 全脳アーキテクチャ若手の会勉強会 カジュアルトークの内容を編集】
  2. 2. 2 自己紹介 <略歴> 1977年鎌倉生まれ。 横浜国立大学経営学部卒。 5年間 半導体業界 営業 国内製半導体商社、海外製半導体商社、外資系 半導体メーカー 2年間 音楽活動 CD3枚リリース (・・・今でも自分のアイデンティティは音楽制作) 2009年2月~ 株式会社ガイアックス ・24時間365日SNSモニタリング、カスタマーサポート サービスを担当 2014年10月の分社後、 アディッシュ株式会社にて取締役。 アディッシュ株式会社 取締役 池谷 昌大 (いけや まさお) 趣味: スティールパン、 コンガ、 ボサノバギター
  3. 3. 33 モニタリング カスタマーサポート スクールガーディアン フロントサポート 24時間365日 SNS目視チェック メール、TEL チャット顧客対応 ネットいじめ対策 リテラシー教育 よりよいユーザー体験 を能動的に創出 アディッシュの事業
  4. 4. 4 アディッシュとは 企業ミッション:つながりを常によろこびに 新たなコミュニケーション手段によって 発生する課題(主にオンライン上)を 「人の手+技術力+専門ノウハウ」 ・・・により解決する会社です。 設立:1999年3月 分社化 2014年10月 24時間365日有人+システム 一体型サービス ガイアックス内で2006年より SNSモニタリング事業開始
  5. 5. 5 拠点 従業員数:400名程 全拠点24時間365日運用 <国内拠点> ・仙台 ・東京 ・福岡 ・沖縄 <海外拠点> ・フィリピン マニラ
  6. 6. 6 AIに関わるようになった経緯
  7. 7. 7 AIに関わるようになった経緯 ・2015年10月頃 AI関連のニュースを頻繁に目にし、 「もはや、うちの会社の事業ってなく なるんじゃないの?」 と孤独に焦る (>_<) ⇒まだ少なかった機械学習の本やらセミナーやらを調べまくる
  8. 8. 8 AIに関わるようになった経緯 ・理解してくると、現時点では自社が 「むしろ強みを作れる!」と確信 \\٩(๑❛ᴗ❛๑)۶//
  9. 9. 9 AIに関わるようになった経緯 ・2016年1月 全脳アーキテクチャ若手の会新年会に参加 「なんか楽しい」 「賢くて良い人たちだ」と感動。 ⇒勉強会等で、技術のポイントが理解でき、 自社で事業活用する粒感まで課題を落とし込めた。 ・2016年4月 全脳アーキテクチャ若手の会スポンサーにアディッシュ参加 ・2016年5月 画像認識のディープラーニング活用開始 ・2016年10月 チャットボット+有人チャットサポートのhitoboリリース
  10. 10. 10 アディッシュのAI技術活用
  11. 11. 11 アディッシュのAIの取り組み方 課題解決の水準 将来現在 AIでやる範囲(B) 人でやる範囲(A) 今できる 水準 1. 人でやる範囲(A)とAIでやる範囲(B)について、 課題に対し、その時点のベストな組み合わせを提供。 2. AIでやる範囲(B)を増やし、さらに人では解決できないことも 技術的に解決。全体で解決可能な水準(C)を上げていく。 この配分のうまさで事業化する器用なことをやる
  12. 12. 12 アディッシュのAI技術の取り組み 以下テーマで機械学習の取り組み中。 「実務直結かつ、データのラベリングできることが重要な分野。そのラ ベリングにはサービスノウハウや人間の感覚が大きく影響する分野」 を選択。 ・画像認識: 画像モニタリング 分類サービス ・テキスト分類、意図理解: チャットボット+ 有人チャットサポート
  13. 13. 13 AI技術の活用障壁と 事業現場での乗越え方
  14. 14. 14 今ビジネス界は 空前のAI ブーム!
  15. 15. 15 今ビジネス界は 空前のAI ブーム! という言葉の 「AI」の客寄せパンダ的扱いがすごい・・・ 過剰期待と過剰不安を煽りつつ、言葉が独り歩き中。 ・・・色々な誤認のおかげ?? ちょっと諸刃の剣状態。
  16. 16. 16 なんだかんだ AIブームもキッカケ としては大事。 「事業で使われて」成果を出さないと その後、社会全体の技術投資もされない
  17. 17. 17 でも実際は・・・ ①成果を出し継続するところ ②費用対効果悪過ぎと縮小するところ ・・・の二極化の予感。と、そもそも ③取り組めないところ の3パターンにそれぞれなりそう。
  18. 18. 18 事業で使うのは難しい。 (>_<) 「理論的に解決可能」と 「現場で活用できる」は異なる!
  19. 19. 19 難しさを認識したうえで 乗り越えるのが正しい姿勢 ƪ(˘⌣˘)ʃ
  20. 20. 20 ・・・ということで。 一から始めるとき、 どこの企業でも発生しそうな 障壁から考える \\٩(๑❛ᴗ❛๑)۶//
  21. 21. 21 ※技術の話でなく 事業の現場で進めるときの 障壁の話です。 hitoboの店番Bot ヒト坊
  22. 22. 22 取組み後取組み前 企業内でのAI技術活用の障壁 ④ 活動が単 発で終わ り、強みが 作れない ① 事業活用 レベルの よいテー マが選べ ない ② 推進力の あるチー ムを構成 できない ③ 始めても いきなりは 上手くい かない ⓪ どう学 べばい いか分 からな い! ①何に使う? ②推進チームは? ③社内合意は? ④強み作りは? 障 壁 ⓪どう学ぶ?
  23. 23. 23 取組み前 取組み前 ①何に使う? ②推進チームは?⓪どう学ぶ? 開 始 前 に 割 と 運 命 決 ま る よ !
  24. 24. 24 ④ 活動が単発で 終わり、強みが 作れない ① 事業活用レベル のよいテーマが 選べない ② 推進力のある チームを構成で きない ③ 始めても いきなりは上手 くいかない ⓪ どう学べば いいか分 からない! 障 壁 ⓪どう学べばいいか分 からない! → AIのコミュニティに参加していく。 Machine Learning 15minutes! 全脳アーキテクチャ若手の会 など ①何に使う? ②推進チームは? ③社内合意は? ④強み作りは?⓪どう学ぶ?
  25. 25. 25 文系・理系関係なく、今の技術で何ができるか知る 【特化型AI】~【汎用AI】 将来への道筋を 知ることで、現在~今後の技術において、 「このあたりはしばらくは難しくて」 難度 高 「このあたりは工夫のしどころで」 難度 中 「このあたりは余裕」 難度 低 ・・・が、ざっくりと理解できる。 ⇒サービス設計に関わる人は基礎知識と見通し理解重要。 事業の注力箇所を見誤らないように!
  26. 26. 26 ④ 活動が単発で 終わり、強みが 作れない ① 事業活用レベル のよいテーマが 選べない ② 推進力のある チームを構成で きない ③ 始めても いきなりは上手 くいかない ⓪ どう学べば いいか分 からない! 障 壁 障壁① 事業活用レベルの よいテーマが選べない ①何に使う? ②推進チームは? ③社内合意は? ④強み作りは?⓪どう学ぶ?
  27. 27. 27 AIはテーマに何を選ぶかが 命。自社開発体制があるか?とか技術力の高低 以前に『取り組むテーマ選択』がすべて。
  28. 28. 28 AIは導入すれば良くなる課題が現在はまだ極端 事務作業 リアル ビジネス 人が判断 してる仕事 PC化 インター ネット化 AI化 必ず劇的に 効率化。 利便性の拡張。 戦略次第で 劇的に成功。 画像認識、 数値の相関関係 から予測等。 言葉の意味理解の影響 大きい分野は苦手等、 成果出しにくいタスクも。
  29. 29. 29 技術的解決 可能性 影響 規模 継続的な データ・ノ ウハウ蓄積 自社のこのセグメントを見つける!作る! 何を自社で進め、何を外部と組むか重心を判断 ビジネスモデ ルやノウハウ に由来する データが 溜まる構造 影響力が高い 領域 ・社内横展開 ・顧客共通ニーズ ・ニーズの継続性 技術水準における 解決可能性とかけ るコストのバランス
  30. 30. 30 例:adishでチャットサポートへの活用をテーマに選んだケース カスタマーサポート のノウハウ 予測可能な簡単な 質問はBotで自動 返答可能 ユーザーの個別事 情は人でしか理解 できない 同じような問合せに、 同じ回答をするタス ク多い 直近で市場トレンド が来ている Botが返答不可で も、人が対応でき、 対話ログがたまる 対話ログを学習デー タに活用できる 企業毎、業界毎 ニーズに最適化 技術的解決 可能性 継続的な データ・ノウ ハウ蓄積 影響規模 <社会ニーズ> 【問い合わせる側】 すぐ回答欲しい 【答える側】 たくさんあって大変
  31. 31. 31 AIを使わない判断する場合も・・・ 【補足】 今この分野では「AIを使わない」と 判断するにもAIの技術観点が必要。 使わないと判断した後も継続的なキャッチアップを。 例:画像認識タスクで技術的に結果が出しやすい課題 ・・・自社自体で取り組むか、「取り組む他社が 現れるだろう」前提で事業を進めている必要。
  32. 32. 32 ④ 活動が単発で 終わり、強みが 作れない ① 事業活用レベル のよいテーマが 選べない ② 推進力のある チームを構成で きない ③ 始めても いきなりは上手 くいかない ⓪ どう学べば いいか分 からない! 障 壁 障壁②推進力のあるチーム を構成できない ①何に使う? ②推進チームは? ③社内合意は? ④強み作りは?⓪どう学ぶ?
  33. 33. 33 推進力のあるチームを作るには? 1. AI技術を自社マーケティング視点で 「サービスに翻訳できる推進者」 2. AI技術とサービスを理解し 「実装に翻訳できる技術者」 3. 技術見通しを理解し 「意思決定できる経営層」 ↓ サービス設計にせよ、機械学習の技術活用にせよ、 1個1個が重たいので、分業できないとしんどい。
  34. 34. 34 推進力のあるチームを作るには? 今 活用 可能 なAI 技術 AI 活用 サー ビス 事業 推進 者 技術 者 「サービスに翻訳できる推進者」 「実装に翻訳できる技術者」 「意思決定できる経営層」 経営層 把握 把握 把握 変換 変換 整合性と継続
  35. 35. 35 取組み後 取組み後 ③社内合意は? ④強み作りは? ま だ ま だ 大 変 。 が ん ば っ て ね ~
  36. 36. 36 ④ 活動が単発で 終わり、強みが 作れない ① 事業活用レベル のよいテーマが 選べない ② 推進力のある チームを構成で きない ③ 始めても いきなりは上手 くいかない ⓪ どう学べば いいか分 からない! 障 壁 障壁③ 始めてもいきなり は上手くいかない ↓ 関係者の機械学習に関する 技術的な特性理解と社内合意が必要 ①何に使う? ②推進チームは? ③社内合意は? ④強み作りは?⓪どう学ぶ?
  37. 37. 37 機械学習はやってみないと結果が分からない 当初想定の結果がでない場合も、大目的から外れない限 り、目標の微修正も有りじゃないと進めづらい。 →進めてみて、出せそうもない数値目標に大きなコストを払 うより、実現可能な目標に微修正するのもあり。 目標設定 データ集め る データ整備、 ラベリング 機械学習 の活用 思った結果 が出ない 自社事業に適用時の技術知識の蓄積=【一番大事】 ⇒自社でしか持つことができない。続けて初めて得られる。 R&D体制が存続できる環境が必要 ひたすら 試行錯誤
  38. 38. 38 ④ 活動が単発で 終わり、強みが 作れない ① 事業活用レベル のよいテーマが 選べない ② 推進力のある チームを構成で きない ③ 始めても いきなりは上手 くいかない ⓪ どう学べば いいか分 からない! 障 壁 障壁④ 活動が単発で 終わり、強みが作れない ①何に使う? ②推進チームは? ③社内合意は? ④強み作りは?⓪どう学ぶ?
  39. 39. 39 ブームに乗ってやったが・・・ 取り組みが継続しない。展開されない。 【原因】 → テーマ設定がいまいち → 継続の重要性が共通認識にならない → 現場フローに載らない
  40. 40. 40 現場フローに載る設計の例 例)コールセンターで。 そ ん な の や だ や だ ~ や っ た る で ~ 関係者が自分自身へのメリットを イメージできる状態で進められるのが大事。 顧客対応後に、ラベリング作業が余計に増えた。 しかも、ラベリングの末、自分の仕事がなくなるの か~あと思いながらやる。 ラベリング作業が、別に作業していた報告・集計作業を 兼ね、フローが楽に。やればやるほど、対応テンプ レートのレコメンドの精度が上がり、顧客対応がや りやすくなった。効率化できた時間は品質改善業務に 充てられ、自分の仕事の成果も多く残せるように。 A B
  41. 41. 41 取組み後取組み前 企業内でのAI技術活用の障壁と乗越え方 ④ 活動が単発で終 わり、強みが作れ ない ① 事業活用レベル のよいテーマが選 べない ② 推進力のある チームを構成でき ない ③ 始めてもいきなり は上手くいかない ⓪ どう学べば いいか分か らない! ②推進チームは? ③社内合意は? ④強み作りは? 障 壁 乗 越 え 方 ①1.技術的解 決可能性、2.影 響規模、3.継続 的なデータ・ノウ ハウ蓄積、が重 なるセグメント ②技術を理解し た「推進者」、 「技術者」、「経 営層」が揃って 推進力が発揮さ れる ④「現場フローに載る設計」を 強く意識。実績を出し、横展 開できるようにする。 ⓪若手の 会に参加 する! ③機械学習は、関係者の 技術的な特性理解と社内 合意が必要 ①何に使う?⓪どう学ぶ?
  42. 42. 42 人間の欲は永遠=ずっとテーマは生まれる 今:特化型 AIの世界 テーマ設定のうまさ がすごく影響 限定的な 汎用AIか ら始まる? 急に「なんでもでき る」ではなく、活躍 分野が限られたも のから? 人間の 欲は永遠 もっと楽に暮らしたい、 楽しく暮らしたい ~知識欲に至るまで。 AIが日常化した 次の価値観 やることが無くなることはない。
  43. 43. 43 社会全体で よいAI活用サービスを 実現するには ?
  44. 44. 44 技術の将来 研究領域 ビジネス化 事業推進者 技術応用 エンジニア よいAI活用サービスを実現するには? AI活用 サービス 自分の領域で圧倒的な専門家になりつつ、 専門じゃない領域も、重要な観点を吸収しておく
  45. 45. 45 技術の将来 研究領域 ビジネス化 事業推進者 技術応用 エンジニア AI活用 サービス よいAI活用サービスを実現するには? 自分の領域で圧倒的な専門家になりつつ、 専門じゃない領域も、重要な観点を吸収しておく この接点 どうするの?
  46. 46. 46 立場を越えて接点をつくり出す コミュニティのプラットフォームは大事! 例: ・Machine Learning 15minutes! ・全脳アーキテクチャ若手の会
  47. 47. 47 まとめ AI技術をサービスで活用するには? 1.関わる皆がAIの基礎知識を 持つ。持ってもらう。 2.技術的な可否だけでなく、 AI活用推進時の障壁を 意識する。 3.立場を越えて接点をつくり出す コミュニティへの参加は大事
  48. 48. 48 以上、お時間をいただき、 ありがとうございました! hitoboの店番Bot ヒト坊

×