AIとは人工知能について知る

人工知能に関する用語

AIは現在、オンラインでの顧客対応やチェスの対戦など、かつて人間による入力が必要であった複雑なタスクを実行するアプリケーションを全般的に指す言葉となっています。AIという言葉が、AIの一部分である機械学習（ML）やディープラーニングと同じ意味で使われることも少なくありません。

しかし、実際には違いがあります。たとえば、機械学習はシステムで使用されるデータに基づいて、システムのパフォーマンスを調べたり、改善したりすることを主な目的としています。ここで注意すべきことは、機械学習はすべてAIですが、AIは必ずしも機械学習ではないということです。

多くの企業では、AIのメリットを最大限に得るため、データ・サイエンス・チームへの投資に力を入れています。データサイエンスは、統計学、コンピュータサイエンス、ビジネスの知識を組み合わせて、さまざまなデータソースから価値を引き出します。

AIと開発者

開発者は、人工知能を使用して、他では手動で実行されるタスクをより効率的に実行し、お客様とつながり、パターンを識別して、問題を解決します。AIを使い始めるには、開発者は数学の知識があり、アルゴリズムに慣れている必要があります。

人工知能を使用してアプリケーションの構築を開始する場合は、小規模に開始することをお勧めします。たとえば、三目並べのような比較的シンプルなプロジェクトを構築することで、人工知能の基礎を学ぶことができます。学習はあらゆるスキルをレベルアップするための優れた方法であり、人工知能も同じです。1つ以上の小規模プロジェクトを成功させると、人工知能の活躍の場は無限に広がります。

AIテクノロジーを組織に役立てる方法

AIの中心的な原則は、外界に対する人間の理解と対応を真似て、それを超えることです。これは近年急速に、イノベーションの基礎となりつつあります。データのパターンを認識して予測を行う機械学習が様々な形態で進化したこともあり、AIは次のような用途でビジネスに付加価値を提供しています

• 大量のデータを、より包括的に理解できるようにする
• 予測技術を使用して、複雑すぎるタスクや日常的なタスクを自動化する

エンタープライズにおけるAI

エンタープライズ組織では、かつて人間が行わなければならなかったプロセスやタスクをAIテクノロジーによって自動化することで、組織のパフォーマンスと生産性を改善しています。またAIは、人間では到底不可能な規模のデータを把握するのにも役立ちます。このような処理能力は、ビジネスに大きなメリットをもたらします。たとえば、Netflixでは機械学習を使用してパーソナライズを強化しており、顧客ベースを25%以上も増やしています。

近年、多くの企業がデータ・サイエンスを優先事項に位置付け、重点的な投資を行っています。AIに関する2021年のMcKinseyによる調査では、少なくとも1つの部門でAIを採用していると報告した企業が、1年前の50%から56%に増加していることがわかりました。また、収益の少なくとも5％がAIに起因する可能性があると報告した回答者は27％で、前年の22％から増加しています。

AIは、ほぼすべての業種、ビジネス、職務に役立ちます。AIの一般的な用途や業種別の用途としては、次のようなものが挙げられます。

• トランザクション・データや人口統計データを使用して、自社との取引期間中に特定の顧客が消費する金額（顧客生涯価値）を予測する
• 顧客の行動や好みに基づいて価格を最適化する
• 画像認識を使用してX線画像を分析し、癌の兆候を探す

エンタープライズにおけるAIの活用方法

Harvard Business Reviewによると、エンタープライズ組織では主に次のような目的でAIが使用されています

• セキュリティの侵入を検出して阻止する（44％）
• ユーザーのテクノロジー問題を解決する（41％）
• 生産管理業務を減らす（34％）
• 承認済みベンダーの使用に関する内部コンプライアンスを評価する（34％）

AIの導入を後押ししている要因

各業種でAIの開発が進んでいる背景には、次の3つの要因があります。

• 高パフォーマンスなコンピューティング性能が手頃なコストで容易に確保できるようになった。 クラウドで提供される計算能力がコモディティ化したことで、高パフォーマンスなコンピューティング性能を手頃なコストで簡単に利用できるようになりました。以前は、AI用のコンピューティング環境が非クラウドベースでしか提供されていなかったため、コスト的に大きな障壁となっていました。
• トレーニング用に大量のデータを使用できるようになった。 AIでは、高精度な予測結果を導くために、大量のデータでトレーニングを実行する必要があります。データのラベリングが容易になり、構造化および非構造化データの保存と処理の価格が手頃になったことで、より多くのアルゴリズム構築とトレーニングが可能になっています。
• AIの導入が競争力の強化につながる。企業は、AIのインサイトをビジネス目標に活用することが競争力の強化につながると認識するようになり、AIをビジネス全体の優先事項に位置づけるようになりました。たとえば、AIによって提供されるターゲット別の推奨事項は、適切で迅速な意思決定の強化に役立ちます。AIによって提供される機能や性能の多くは、コストの削減、リスクの軽減、市場投入までの時間短縮など、さまざまなメリットにつながります。

AIモデルのトレーニングと開発

機械学習モデルの開発と導入には、トレーニングや推論など複数の段階を踏まえる必要がります。AIのトレーニングと推論とは、問題を解決するために機械学習モデルを実験するプロセスを指します。

例えば、機械学習エンジニアは、X線画像から骨折を検出するようなコンピュータビジョンの問題に対して、さまざまな候補モデルを試してみることがあります。

このようなモデルの精度を向上させるために、エンジニアはモデルにデータを与え、あらかじめ定義された閾値を満たすまでパラメータを調整します。モデルの複雑さによって測定されるこれらのトレーニング・ニーズは、毎年指数関数的に増加しています。

大規模なAIトレーニングの鍵となるインフラストラクチャ・テクノロジーには、RDMAやInfiniBandなどのクラスタ・ネットワーキング、ベアメタルGPUコンピュート、ハイパフォーマンス・ストレージなどがあります。

AI運用の利点と課題

AIの価値を証明する成功事例は数多くあります。従来のビジネス・プロセスやアプリケーションに機械学習や認識的相互作用を追加すれば、ユーザー・エクスペリエンスを大幅に改善し、生産性を高めることができます。

ただし、AIの導入にはいくつかのネックも存在します。AIを大規模にデプロイできるのは限られた企業だけです。これにはいくつかの理由があります。たとえば、クラウド・コンピューティングを利用しない場合、機械学習プロジェクトは処理能力の面で高コストになることが少なくありません。また、機械学習の構築には複雑な作業が伴うため、専門スキルの確保が必要ですが、その供給は不足しています。これらの問題を最小限に緩和するには、これらのプロジェクトをいつどこに組み込み、どのような場合にサードパーティを利用するべきかを知ることが重要です。

AIの成功事例

次に示すのは、AIが原動力となった成功事例です。

• Harvard Business Reviewによると、Associated Pressは、AIソフトウェアをトレーニングし、業績関連の短いニュース記事を自動的に作成することで、記事の作成数を12倍に増やしました。これにより、同社の記者は、より詳細な記事の作成に時間を使えるようになりました。
• Icahn School of Medicine at Mount Sinaiでは、Deep PatientというAI対応ツールを構築することで、病気が診断されるよりも前に、医師が高リスクな患者を特定できるようになりました。insideBIGDATA によると、このツールは、患者の医療履歴を分析し、約80種類の病気を、最大で発症の1年前に予測することができます。

AIの導入方法

チャットボット通じて顧客とやりとりする。チャットボットとは、自然言語処理を使用して顧客の発言を理解することで、顧客が質問をしたり、情報を入手できるようにするものです。チャットボットは使用していくうちに学習を重ねていくので、顧客とのやりとりに大きな価値を加えることができます。

データセンターを監視する。IT運用では、すべてのデータを統合し、閾値や異常を自動的に追跡するクラウド・プラットフォームを使用して監視を効率化できます。

エキスパートに頼ることなくビジネス分析を実行する。 視覚的なユーザー・インターフェイスを備えた分析ツールを使用すれば、技術者以外のユーザーでも、システムへのクエリを簡単に実行し、わかりやすい回答を得ることができます。

適切な文化の創造

AIを最大限に活用し、導入上の障壁を回避するには、AIエコシステムを全面的にサポートするチーム・カルチャーを形成する必要があります。そのような環境を整えたうえで、次のことを行う必要があります。

• ビジネス・アナリストがデータ・サイエンティストと連携して、問題や目標を定義する
• データ・エンジニアが、データと基盤のデータ・プラットフォームを管理して、それらを分析用に全面的に運用できるようにする
• データ・サイエンティストが、データ・サイエンス・プラットフォーム上にデータを準備し、それらを探索し、可視化し、モデリングする
• ITアーキテクトが、データ・サイエンスをスケーラブルにサポートするために必要な基盤インフラストラクチャを管理する（オンプレミスでもクラウドでも同様）
• プリケーション開発者がモデルをアプリケーション内にデプロイし、データ主導型製品を構築する

人工知能から適応型インテリジェンスへ

AIの機能がエンタープライズ運営の中心的要素になりつつあるなか、「適応型インテリジェンス」という新しい言葉が注目され始めています。適応型インテリジェンス・アプリケーションとは、内部や外部のリアルタイム・データが持つパワーを、意思決定科学や高度にスケーラブルなコンピューティング・インフラストラクチャと組み合わせることで、エンタープライズ組織のビジネス意思決定を改善できるようにするものです。

これらのアプリケーションは、ビジネスをスマート化するのに役立ちます。これにより企業は、顧客に提供する製品、推奨事項、サービスの品質を改善し、業績の向上につなげることができます。

競争力強化のための戦略的重点項目になりつつあるAI

AIは、業務効率を改善し、新たな収益チャンスを確保し、顧客ロイヤルティを高めようとするすべての企業にとって、戦略上の重点項目と言えます。AIは近年急速に、さまざまな組織にとっての競争上の利点になりつつあります。AIを使用することで、企業はより大きな成果をより短時間に達成し、パーソナライズされた魅力的な顧客エクスペリエンスを提供し、業績を予測して収益性の向上を促進することができます。

ただし、AIはまだ新しく、複雑なテクノロジーでもあります。AIを最大限に活用するには、大規模なAIソリューションを構築し、管理するための専門スキルが必要です。AIプロジェクトを成功させるには、単にデータ・サイエンティストを雇うだけでは不十分なのです。エンタープライズ組織では、適切なツール、プロセス、管理戦略を整備して、AI導入の成功をより確実なものする必要があります。

AIを最大限に活用するためのベストプラクティス

Harvard Business Reviewでは、AIを初めて導入する際の推奨事項として、次のことが挙げられています。

• 収益とコストに最も大きく影響し、かつ最も早く影響する活動にAI機能を適用する。
• AIによる生産性の促進は、人員数を増減させることなく、現状の人員数のままで進めていく。
• AIの導入は、フロント・オフィスではなく、バック・オフィスから着手する（IT部門と会計部門が特に効果的）。

AI導入に関する支援の確保

今はAIによる変革の重要性は、疑う余地がありません。競争力を維持するには、すべての企業が最終的にAIを受け入れ、AIエコシステムを構築する必要があります。今後10年以内にAIを一定度以上導入できなかった企業は、競争に遅れをとることになるでしょう。

例外もあるでしょうが、多く企業では、AI機能を最大限に利用するためのエコシステムやソリューションを開発できる人材や専門スキルが、社内に確保できていません。

戦略策定やツールの利用などのAIトランスフォーメーション・ジャーニーを成功させるには、業界に精通し、包括的なAIポートフォリオを持つパートナーを見つけることが必要です。

人工知能に関する学習ライブラリ

• データサイエンスとは
  ビジネス界では、統計学に機械学習や人工知能などのコンピューター・サイエンスの概念を積極的に組み合わせることで、ビッグ・データからインサイトを引き出し、イノベーションを促進し、意思決定を変革しようとする働きが進んでいます。
• 機械学習とは
  機械学習は、人工知能（AI）の分野の1つです。データを通じて学習するシステムを構築することに主眼を置いた研究分野で、その目標は、意思決定を自動化して迅速化し、価値実現までの時間を短縮することです。

AIの成功事例

次に示すのは、AIが主な要因となった成功事例です。

• Harvard Business Reviewによると、Associated Pressは、AIソフトウェアをトレーニングし、業績関連の短いニュース記事を自動的に作成することで、記事の作成数を12倍に増やしました。これにより、同社の記者は、より詳細な記事の作成に時間を使えるようになりました。
• Icahn School of Medicine at Mount Sinaiでは、Deep PatientというAI対応ツールを構築することで、病気が診断されるよりも前に、医師が高リスクな患者を特定できるようになりました。insideBIGDATA によると、このツールは、患者の医療履歴を分析し、約80種類の病気を、最大で発症の1年前に予測することができます。

すぐに使えるAIによるAI運用の簡素化

最近では、AIを使ったソリューションやツールが増え、多くの企業が、AIを以前よりも低コストで迅速に導入できるようになりつつあります。すぐに使えるAIとは、AI機能が組み込まれているか、意思決定プロセスを自動化するアルゴリズムを備えた、ソリューション、ツール、ソフトウェアのことを指します。

すぐに使えるAIには、機械学習を使用して自己回復を行う自律型データベースや、各種のデータセットに適用して画像認識やテキスト分析などの課題を解決する事前構築済モデルなど、様々なものがあります。これにより企業は、価値実現までの時間の短縮、生産性の向上、コストの削減、顧客との関係改善を促進することができます。

AIの導入方法

チャットボット通じて顧客とやりとりする。チャットボットとは、自然言語処理を使用して顧客の発言を理解することで、顧客が質問をしたり、情報を入手できるようにするものです。チャットボットは使用していくうちに学習を重ねていくので、顧客とのやりとりに大きな価値を加えることができます。

データセンターを監視する。IT運用チームは、Web、アプリケーション、デバイス・パフォーマンス、ユーザー・エクスペリエンス、ログ・データをすべて1つのクラウドベース・データ・プラットフォームにまとめて、しきい値の監視や異常の検知を自動化することで、システム監視に要する時間や労力を大幅に減らすことができます。

エキスパートに頼ることなくビジネス分析を実行する。 視覚的なユーザー・インターフェイスを備えた分析ツールを使用すれば、技術者以外のユーザーでも、システムへのクエリを簡単に実行し、わかりやすい回答を得ることができます。

AIの可能性をフルに実現するうえでの障害

AIの可能性は今や誰もが認めるところですが、多くの企業では、機械学習やその他のAI機能が持つ可能性を十分に実現できていません。なぜなのでしょうか。皮肉なことに、問題の大部分は人間の側にあります。ワークフローの効率が悪いと、企業はAI導入の価値をフルに達成することができません。

たとえば、データ・サイエンティストは、機械学習モデルを構築するのに必要なリソースやデータを思うように取得できなくなります。また、チームメイトとの連携がうまくとれなくなることもあります。さらに、各自の管理するオープンソース・ツールがばらばらだと、データ・サイエンティストが開発したモデルをアプリケーションに組み込む前に、アプリケーション開発者がそれらをすべてコーディングし直さなければならなくなることもあります。

オープンソースのAIツールが増えていくと、ITチームがデータ・サイエンス・チームの作業環境を継続的に更新しなければならなくなり、それらの作業に時間を奪われることになります。データ・サイエンス・チームの作業方法が十分に標準化されていないと、この問題はさらに悪化します。

最後に、会社のAI資産が持つ可能性を上級役員が十分に可視化できないケースも考えられます。そうなると、AI導入を成功させるうえで欠かせない、連携的で統合的なエコシステムを構築するための支援やリソースが十分に提供されない結果に陥ります。

適切な文化の創造

AIを最大限に活用し、導入上の障壁を回避するには、AIエコシステムを全面的にサポートするチーム・カルチャーを形成する必要があります。そのような環境を整えたうえで、次のことを行う必要があります。

• ビジネス・アナリストがデータ・サイエンティストと連携して、問題や目標を定義する
• データ・エンジニアが、データと基盤のデータ・プラットフォームを管理して、それらを分析用に全面的に運用できるようにする
• データ・サイエンティストが、データ・サイエンス・プラットフォーム上にデータを準備し、それらを探索し、可視化し、モデリングする
• ITアーキテクトが、データ・サイエンスをスケーラブルにサポートするために必要な基盤インフラストラクチャを管理する（オンプレミスでもクラウドでも同様）
• プリケーション開発者がモデルをアプリケーション内にデプロイし、データ主導型製品を構築する

人工知能から適応型インテリジェンスへ

AIの機能がエンタープライズ運営の中心的要素になりつつあるなか、「適応型インテリジェンス」という新しい言葉が注目され始めています。適応型インテリジェンス・アプリケーションとは、内部や外部のリアルタイム・データが持つパワーを、意思決定科学や高度にスケーラブルなコンピューティング・インフラストラクチャと組み合わせることで、エンタープライズ組織のビジネス意思決定を改善できるようにするものです。

これらのアプリケーションは、ビジネスをスマート化するのに役立ちます。これにより企業は、顧客に提供する製品、推奨事項、サービスの品質を改善し、業績の向上につなげることができます。

競争力強化のための戦略的重点項目になりつつあるAI

AIは、業務効率を改善し、新たな収益チャンスを確保し、顧客ロイヤルティを高めようとするすべての企業にとって、戦略上の重点項目と言えます。AIは近年急速に、さまざまな組織にとっての競争上の利点になりつつあります。AIを使用することで、企業はより大きな成果をより短時間に達成し、パーソナライズされた魅力的な顧客エクスペリエンスを提供し、業績を予測して収益性の向上を促進することができます。

ただし、AIはまだ新しく、複雑なテクノロジーでもあります。AIを最大限に活用するには、大規模なAIソリューションを構築し、管理するための専門スキルが必要です。AIプロジェクトを成功させるには、単にデータ・サイエンティストを雇うだけでは不十分なのです。エンタープライズ組織では、適切なツール、プロセス、管理戦略を整備して、AI導入の成功をより確実なものする必要があります。

AIを最大限に活用するためのベスト・プラクティス

Harvard Business Reviewでは、AIを初めて導入する際の推奨事項として、次のことが挙げられています。

• 収益とコストに最も大きく影響し、かつ最も早く影響する活動にAI機能を適用する。
• AIによる生産性の促進は、人員数を増減させることなく、現状の人員数のままで進めていく。
• AIの導入は、フロント・オフィスではなく、バック・オフィスから着手する（IT部門と会計部門が特に効果的）。

AI導入に関する支援の確保

今はAIによる変革の重要性は、疑う余地がありません。競争力を維持するには、すべての企業が最終的にAIを受け入れ、AIエコシステムを構築する必要があります。今後10年以内にAIを一定度以上導入できなかった企業は、競争に遅れをとることになるでしょう。

例外もあるでしょうが、多く企業では、AI機能を最大限に利用するためのエコシステムやソリューションを開発できる人材や専門スキルが、社内に確保できていません。

AIによる変革を成功させるための適切な戦略を開発し、適切なツールを確保するうえでサポートが必要な場合は、高度な専門知識と包括的なAIポートフォリオを提供できる、革新的なパートナーを探すようにしましょう。

人工知能に関する学習ライブラリ

• データサイエンスとは
  ビジネス界では、統計学に機械学習や人工知能などのコンピューター・サイエンスの概念を積極的に組み合わせることで、ビッグ・データからインサイトを引き出し、イノベーションを促進し、意思決定を変革しようとする働きが進んでいます。
• 機械学習とは
  機械学習は、人工知能（AI）の分野の1つです。データを通じて学習するシステムを構築することに主眼を置いた研究分野で、その目標は、意思決定を自動化して迅速化し、価値実現までの時間を短縮することです。
• AIに関するニュースと意見
  人工知能、機械学習、データ・サイエンスは、複雑な問題に対する企業のアプローチに変化をもたらし、各業種における従来の方法を変えつつあります。最新の記事を読んで、これらのテクノロジーに対する業界や同業他社の人々のアプローチを確認しましょう。