AI活用の「あるある」を楽しく議論

FUJITSU AI Communityでモヤモヤを解消

AI(人工知能)黎明期から研究を重ね、人を中心に考えたICTとしてHuman Centric AI 「Zinrai(ジンライ)」を展開する富士通がこの夏、「FUJITSU AI Community」を立ち上げた。
コンセプトは、「コミュニティーを通じたノウハウの習得と情報の共有」だ。今回は、その第1クールのレポートをお届けする。

デジタルトランスフォーメーション(DX)を推進するドライバーツールとしてAIへの期待感は大きいが、先行する企業は少ない。まだまだ、多くの企業は様子見や最初の一歩が踏み出せない状況、あるいは課題に直面して悩んでいることだろう。そうした現状を突破すべく、FUJITSU AI Communityは開催された。

全3回をワンクールとしたAI Communityは、AI導入の先行企業から講師を招いた基調講演と参加者によるグループディスカッションという2部構成。基調講演では実践事例を踏まえた取り組みや導入ポイントなど、AI活用のノウハウが披露され、続くディスカッションではグループに分かれた参加者同士が熱い議論を交わした。

まず、基調講演から振り返りたい。各回、基本テーマが設定されており、第1クールでは「メディアデータ(第1回)」「自然言語(第2回)」「数値データ(第3回)」を軸にAI先駆企業のキーマンが語った。

AIが顧客と商品をつなぎ、マーケティングを変革

第1回(テーマ:メディアデータ)には、トライアルホールディングス 取締役副会長 グループCIOで、Retail AI取締役会長の西川晋二氏が登壇。「“画像認識”による顧客行動分析! デジタル変革を試行錯誤するトライアルカンパニー」と題し、米国Walmartを参考とした食品スーパーセンターを日本全国で展開する同社が取り組む「流通・マーケティング変革」と、それを具現化しているスマートストアを紹介した。

トライアルホールディングス 西川氏講演サマリー

講演内容の中心は、流通改革を実現するための3つのステップ。西川氏は「データ活用」「リテールメディア」「リテールAI」の3つを掲示した。データ活用はトライアルが商品メーカーと協同で推進するカテゴリーマネジメントだ。自社開発したMD-Linkと呼ぶWebベースのデータ基盤を介してデータをメーカーと共有し、その情報をベースに顧客の求める品ぞろえの実現や売上、収益の改善に取り組む。

また、リテールメディアは、主に店頭における来店客とのコミュニケーションや商品プロモーションを目的とした取り組み。デジタルとの融合により実現したサイネージや店内放送などの活用事例が紹介される中、注目を集めたのは大画面ディスプレイを搭載したスマートレジカートである。

「食品購入の約8割は店頭で選択(非計画購買)されている。この無意識の非計画購買をIoTやビッグデータ、AIにより解明してマーケティングに活用することにより、顧客の嗜好や属性、買い物中の購買行動などの分析に基づいた最適な情報を、ディスプレイを通じてタイムリーに提案できる」(西川氏)

さらに、リテールAIの最新事例としてAI機能を内蔵したカメラを紹介した。このリテールAIカメラを店内に設置し、商品棚の欠品を検知したりプライバシーに配慮した上で顧客行動分析に活用したりするという。棚割や自動発注など幅広くAI化を進めていくとのことで、「顧客と商品をAIでつなぎ、顧客ごとにカスタマイズされた最高の買い物体験の提供」を実現するとした。

トライアルホールディングス 取締役副会長 グループCIO
Retail AI取締役会長 西川晋二氏

講演の締めくくりに、西川氏は「日本の流通小売業・マーケティングの在り方を変えることが当社のビジョン」といい、「その実現にAIは避けて通れない」と強調した。リアル店舗として、流通改革によりネット通販の雄であるAmazonに逆襲をかけると息巻くトライアルには、AI活用の動向と共に今後も注目したいと思わせる企業の勢いを感じた。

人間の“感性”をAIにより定量化し、モノづくりやマーケティングなどに活用

第2回(テーマ:自然言語)の基調講演に登壇したのは、京王電鉄のデジタル戦略推進部長で感性AIのCEOも務める虻川勝彦氏。「京王電鉄がAIベンチャー? “感性AI株式会社”を立ち上げたその理由と効果」について語った。

京王電鉄 虻川氏講演サマリー

講演では、日本のIT環境を取り巻く現状や課題の総括から、AIが抱える課題、京王電鉄のICT戦略、AI活用のコツまで幅広いトピックに言及。その中で、講演テーマである自然言語に関わる話として印象に残ったのは、「AmazonのAlexaのスキル開発」と「感性AIのオノマトペ(擬音語・擬態語)を使ったサービス」だ。

Amazon Alexaが日本でスタートした際、京王グループは2つのスキルを構築してサービス開始とともに参画。スマートスピーカーAmazon Echo向けスキルとして高速バス(空港線)の座席を音声予約できるスキルや、鉄道の運行情報などを確認できるスキルを提供した。その経験から、音声UI(VUI)はとても便利である一方で、VUI開発の難しさも指摘した。

その理由として、音声は一度に取り扱える情報量が少ないことや、開発側による制御が困難な点を挙げた。実際、「ご乗車できる停留所を複数お知らせしても覚えられないことや、人により独特の停留所の呼び方があるなどイレギュラー事項も多く苦労した」と語った。

2018年5月に、京王電鉄と国立大学法人電気通信大学の坂本真樹教授との共同出資で設立された会社、感性AIでは、「可視化しにくい人間の感性をAIにより定量化」することに取り組む。言葉をさまざまな感性軸から分析して数値化するシステムを開発し、製品開発から販売までをトータルでサポートする事業を展開する。

京王電鉄 デジタル戦略推進部長
感性AI CEO 虻川勝彦氏

例えば、アンケート調査をオノマトペの活用により簡素化したり、ブランド名や商品名などの音のイメージを評価(ネーミング印象評価)したりといったことが可能。ネーミング印象評価では、「もっと明るいイメージにしたい」などの要望に応じてAIシステムに提案させることもできる。音の響きは売り上げを左右するといわれ、サウンドマーケティングは注目分野だ。それだけに参加者の興味も高かった。

この他にも感性を活用したさまざまな事例を紹介、さらに発話や生体情報などから「場の空気」をAIが分析し、快適な空間を構築する新サービス実現にも取り組む。虻川氏は、「感性は幅広いビジネスで活用できるので、その将来性が大いに期待できる」と語った。

監視センサーの社内開発でコスト抑制、熟練技術をAIで自動化

「カシオの生産戦略とIoT、AI活用事例」と題した講演を行ったのは、第3回(テーマ:数値データ)に登壇したカシオ計算機 執行役員生産本部長の矢澤篤志氏と、同社の羽村技術センター 生産本部 生産技術部 技術戦略室の郡司謙汰氏だ。

カシオ計算機 矢澤氏、郡司氏講演サマリー

まず、矢澤氏は同社の生産戦略の変遷に関する説明を通じて、山形カシオをマザー工場とした技術開発や生産ラインのデジタル化、プロセス標準化の推進に言及。その延長線上で、IoTやAIを使いながら仕組みをブラッシュアップして生産の自動化などに取り組んでいると話した。

その中で、参加者の興味を引いたのは「AI活用に伴うコスト」の話題だ。矢澤氏は、自動化の例として予兆保全を挙げる。生産のハイサイクル化を背景に設備寿命は短命化し故障が多発しているため、設備監視による計画保全が必要とのこと。同社では、ここに機械学習を使っており、設備状態を監視してデータ化する部分の仕組みについて社内開発したという、

具体的には、制御系ハードウェアに安価なシングルボードコンピュータのラズベリーパイ、集音には骨伝導マイクを選択し、ソフトウェアには無償のオープンソースを利用するなどしてコストを抑制。外注開発と比べて、数十分の1程度で開発できたという。

「AIや機械学習の導入では、データ収集に最も費用がかかる。さまざまなオープンソースが提供されており、これらを活用できれば費用対効果を気にするほどの投資にはならないだろう。工夫して自分たちで実験をしながら、実用化していく方法がいいのではないか」と矢澤氏。参加者たちは大きくうなずいていた。

カシオ計算機 執行役員生産本部長
矢澤篤志氏

一方、郡司氏は「AIによる熟練作業の自動化」をトピックに、自ら実務面に関わった経験を語った。取り組んだのは、官能検査のデジタル化だ。

カシオが手掛ける電子ピアノの生産では鍵盤の物理的な音をチェックする異音検査が行われる。従来、この工程はベテラン社員の耳に頼っていたため検査精度は個人の能力や体調に左右された。そこで、独自開発の自動打鍵機とAIにより検査工程を自動化し、AIが製品の異常音だけを高精度に検知する仕組みを開発することで、検査制度の品質維持を実現した。

「人手による異音検査でNGとなった排出品を自動打鍵器でたたいて録音する方法で集めたデータを加工し、AIで反復学習。最終的にAIの判断と検査員の判定と比べた結果、99.58%の正答率が得られた」と郡司氏。「正答率を上げても検査員の精度が悪ければ、精度の悪いAIができてしまうため、検査員のスキルや個々のバラツキにも気を配る必要があった」と開発の苦労にも触れた。

カシオ計算機 羽村技術センター
生産本部 生産技術部 技術戦略室
郡司謙汰氏

多種多様なニーズに秘められたAIへの期待感

基調講演に続くグループディスカッションでは、製造業や流通業、サービス業、金融や教育機関などの幅広い業種、さらにAIを使う側だけでなくシステムを提供する企業からの参加も見られた。異なる業界の担当者による意見交換はかみ合わないこともあるが、固定観念から脱却した目からうろこ的な知見を得られる可能性も秘めている。

各テーブルに分かれた参加者に、富士通のAIエンジニアとファシリテータ、時に基調講演に登壇した講師も加わったディスカッション。最初は遠慮がちに話し始めたが、そこはAIに関して共通の課題や悩み、興味を持つ者同士だけに最後は活発な議論に会場内は熱気に包まれた。

グループディスカッションは、企業紹介や参加者の役割、「どのようにAI活用に取り組んでいるか」といった話から始まる。進捗の状況はさまざまで、すでに業務や事業でAIを使っている企業やPoC(概念実証)を回している企業から情報収集まで、多岐にわたった。先行企業もあったが、多くはこれからAI活用を進めていく企業がほとんど。それだけに、ニーズもさまざまだ。いくつか列挙してみたい。

  • 生産管理パッケージにAIを盛り込んで、同じような業種にパッケージ製品として提供できないか(システムベンダー)
  • 人事管理・評価にAIを応用できないか(コンサルタント)
  • 日々上がってくる書類のOCR入力工程で、AI分析により顧客に適した商品をレコメンドできるような仕組みを作りたい(金融業)
  • 社内に向けて、ユーザーの視点からAIで新サービスができないか(通信事業者)
  • 画像データの修理活用や、画像解析から何かできないか(製造業)
  • 学生に関する情報量は多いので、AIで何か新しいことをやりたい(教育機関)
  • AIで議事録の作成効率化や情報を業務に役立てたい。また、AIで需要予測の精度を高めたい(流通業)
  • 学習履歴をベースに効率的な学習方法を提案できる仕組みを作りたい(教育機関)
  • 会社により異なる書類のフォーマットの入力業務をAIで効率化できないか(サービス業)
  • 現在のチャットボットでは十分な回答を提供できていないので、AIで精度を高めて電話対応を減らしたい(製造業)
  • 言語化しにくい情報をAIで何とかしたい(流通業)
  • 介護記録やケアプランの作成を自動化したい(サービス業)

こうしたAI活用を進めていく中では、さまざまな壁に直面するもの。話題は抱えている課題や疑問に移っていき、議論も白熱してくる。その内容を集約すると、「データの収集と活用」「AI活用の進め方」「現場の理解と協力」「AIの限界」といったキーワードが浮かんできた。

必要なデータはどう集め、どう使うべきか

AI活用の進み具合に関わらず、最も多くの参加者から課題視されていたのは「どのようなデータをどう集めるべきか、どれくらいの量が必要なのか」というデータ収集や活用に関するもの。AIや機械学習のベースとなる要素だけに、関心も高いのだろう。

流通系関係者が集まったテーブルでは、ある流通業のAI推進担当者が「AI導入では必要なデータ量を集めて精度を高めることが課題だが、自社だけでは不足している状況で、なかなか情報が集まらない」と発言。他の流通関係者も同意を示す中、ディスカッションに参加していたトライアルホールディングスの西川氏は、次のようにアドバイスをした。

「自社では網羅的にデータを収集できていないにも関わらず、データを出したくない企業は多い。しかし、提供したからといってデータがなくなるわけではない。卸会社はメーカーやリテーラーからデータを集めてプラットフォーマーになれる可能性がある。戦略的に投資を行いながら取り組むべきだ。」

実際に、西川氏が基調講演で語ったように、トライアルも自社システムでメーカーとデータを共有してマーケティングに取り組むだけに参加者たちも納得していた。

この他、データに関する具体的な課題としては、「属人的な業務やノウハウをどうデータ化すればよいのか」(製造業)、「人事管理・評価にAIを活用したいが、何をKPIにどのような情報を集めればよいか分からない」(コンサルティング企業)、「自社以外の企業からデータ提供を受ける必要性も感じているが、その方法が分からない」(金融業)といった声が挙がった。

すでにAI化を推進している企業からは、「本来、データが多いほど効果は上がるはずだが、各部門でデータが加工されてしまっている。このため収集したデータを統一して管理できなかった」(保険会社)、「データはクラウド環境で管理しており、セキュリティポリシーの関係で、アップロードできるデータや使えるデータが限定されて苦労している」(金融業)といった他、「データにはノイズも多いので品質を高めるクレンジングが必要で、データを集めるほど使うほど手間とコストがかかる」など、試行錯誤しているからこその苦労話が聞かれた。

とにかくPoCを回す、それが成功への第一歩

これからAI活用に取り組む予定の参加者からは、AI活用の進め方、特に「どこから始めればよいのか。何を一歩目にすればよいのか分からない」という最初の一歩が課題として挙がった。

これに対して先行する参加企業から、「小さなことでもよいので、まず課題を見つけることが大事。そこからスモールスタートでPoCを何度か回していくのがよい」とのアドバイスが複数寄せられた。金融系会社から「AIは何でも解決できる万能ロボットのドラえもんではないが、当社ではドラえもんを作れといわれている」と苦労話も。AIは一般的な業務システムのように実装すれば次の日からすぐ活用できるというものではなく、落としどころを決めながら、PoCを回すことにより精度が上がっていく。これをやらずに短期間での成果を求めると、期待外れに終わることが多い。すでに実装した企業からはPoCを回すことの重要性が強調された。

また、最初の一歩を踏み出せない要因として、人材やデータの不足、予算の問題などが指摘された。この点、先行企業から「社内にAIをやりたい人がいるはず。社内公募や社内ハッカソンなどで、人材を募る方法もあるのでは」(金融業)、「データが少なすぎるのは問題だが、完璧を目指そうとしてもキリがない。手に入った情報だけでまずはやってみた方がよい」(SIer)などのアドバイスがあった。

予算確保も切実な問題だ。どこの企業でも、費用対効果が求められるもの。参加者からも、「AIは短期間では効果が出にくく、コストも見えにくい。当社では2年単位でトップが変わるため、任期中に結果が出ないプロジェクトは認められず前に進めない」(製造業)といった声が挙がる。

この話題に対しては、「社内のキーマンをしっかりと押さえて、期待成果を明確にした上で予算を確保する。小さく始めて短期間で効果を出せるものから始めるのも効果的」(京王電鉄の虻川氏)、カシオ計算機の矢澤氏が語ったような「オープンソースなどを利用した社内開発によるコスト抑制が有効ではないか」との議論が交わされた。

現場の理解と協力なくしてAI活用は進まない

AI活用を進める企業ならではの悩みとして、「部門や社員の理解が得られず本音を語ってもらえないために真のニーズが見えてこない」といった声が上がり、導入検討中や情報収集中の参加者の興味を引いた。「現場のヒアリングで答えがなかなか返ってこない」「課題や要望などを聞き出すのが難しい」「AI推進側と現場で温度差があり協力を得にくい」など、同じような課題を抱える企業は多いようだ。

また、「AI活用では社内の幅広い部門の協力を得る必要がある。情報部門として従来は関わりがなかった部署と、どうコミュニケーションを築いていくべきか」といった危機感を募らせる参加者もいた。

この議論に加わっていた、京王電鉄の虻川氏は「用意もなくただヒアリングに行くのではなく、同業の取り組みを調べたり、現場を見たりして、課題のあたりをつけるなど事前準備をした上で取り組む方が良い。業務部門は忙しい中時間をさいているので、手ぶらで話を聞かせてくれでは本気で語ってくれる人は少ない。この人達に真剣に話をすれば応えてくれるという期待感を持たせないと本音は引き出しにくい」と意見を述べ、「インフォーマルなアプローチで現場担当者の気持ちをほぐすといった努力も必要」とした。それでも協力が得にくいケースでは、「コストや時間、重要度などの観点から優先度を測り、その件は後回しにすることも選択肢の一つだろう」とアドバイスした。

参加者の中には、現場からの協力を得るために「部署がまたがる場合、導入のたたき台や提案書を作ってから話を持ち込むようにしている」「AIについて現場の教育に取り組んでいる」など、実際に自分たちが行っている対策が紹介された。

AI技術は進化中、今できることに取り組んでおくべきだ

AIへの期待が高い一方で、その限界について語る参加者もいた。ある製造業担当者は、熟練技術や匠の技をAIによるデジタル化で若手に伝承すべく5年間前から試行錯誤してきたとのこと。だが、「結論として現在のAIでは難しいと判断した」と語った。

これに対して、京王電鉄の虻川氏は「現在の技術では匠の技術の伝承は難しい部分もある」と同意しながらも、「それだけでは思考停止に陥ってしまうので、この先にAIやセンサー技術が追い付いてくることを想定して、映像や音声、ヒアリングなど継承したいデータを残しておくことも考えるべき」と指摘した。

別の製造業からは、「研磨作業は高度な技術が要求され、AIを活用して経験の浅い社員が短期間で技術を習得できるように取り組んでいるが、五感や直感、周辺温度など多要素が絡むため進んでいない」とのこと。カシオ計算機の矢澤氏からは、「時計にも研磨工程があり難しさはよく分かる。とはいえ、工程ごとに難易度も異なるので、簡単レベルからAIを試してみては」との助言があった。

「送迎バスのルート選択を最適化するシステム開発に取り組んでいるが、今のAIでは人間の感情(不確定な変数)を含めた判断は難しいのではないか。さまざまなケースを想定した複数の判断から、より現実的な解を導き出せるようなことをやっているが、なかなかハードルを越えられない」といった意見や、「工作機械需要の長期予測に際しては不確定要素、例えば米国大統領の発言などに左右される。AIで、心理的要因の予測のようなことは可能なのか」などの疑問も投げかけられた。

また、AIの判断精度について次のような意見もあった。保険会社の参加者は「顧客へのメール送信で、NGワードなどの使ってはいけない内容をAIでチェックできないかPoCを回したが、精度は100%にならない」といい、「たとえ99.9%であったとしても0.1%は人が確認すればよいのかもしれないが、そこにNGワードが見つかるならAIを入れる意味がないのでは」と問題提起した。

テーブルに同席していた富士通のAIエンジニアは、「誤検知やスルーに対する課題は認識しているが、現状では100%は難しい」ことに言及。「漏れに対して対応するためのステップを導入する、あるいは時間短縮やコスト削減などの異なる評価軸で成果を捉えてみる。それでもリスクが残るようなら、別の手法に切り替える」といった考え方を示した。

AI活用のモヤモヤを解消するコミュニティー

 テーブルでの話題はまだまだ尽きない。ここまで挙げた以外に、「AIは人間がこれまで発見できなかったことを見つけてくれるわけではない」と、AIへの誤解に対する意見もあった。他の参加者からは、「今のAIではマネタイズはできないという人もいるが、目的は人がAIを使って成果を上げることだとしっかり説明すべきだ」「AIを言葉だけで認識していて中身を理解していない経営トップ層が多い。上層部の誤解はコミュニケーションをとって解決することが大事」など、誤解は解消するべきとの意見が多かった。

また、「AI環境は横断的に共通領域として構築すべきでは。メーカーや業界団体、あるいは国が主導して製造業AIを作るべきだ」と要望する製造業関係者や、「AIの判断の正しさを誰が判断するのか。悪意によって結果を操作できるのではないか」(教育業)といったAIのリスクを指摘する参加者もいた。

さらに、「AIによる需要予測システムの導入を検討したが、ランニングコストも含めて考えると費用対効果が合わずプロジェクトを取り下げた」(流通業)というコストの話題や、「セールスノウハウのデジタル化に成功したとして、それを使って売上がアップした場合に、その要因がAIなのか人の努力なのかが分析しにくい」(金融業)などの効果測定に関する疑問など、話題はとめどなく広がっていった。

今回は、レポーターとしてディスカッションを傍聴したが、ディスカッションで話題となったトピックや課題、苦労話など、ここでは網羅できなかったものも含めて「気づきと再確認」の連続だった。まだまだ気づきや共有できる課題は数多く残っており、参加者からは次回のクールにも期待しているので、ぜひ開催してほしいとの声が上がっていた。AI活用を推進している担当者や現場の当事者にとっては、まさにAI活用の「あるある」が共有でき、そのモヤモヤが解消できる「場」になり得る可能性を強く感じた。

※本記事は、ITmediaエグゼクティブ(https://mag.executive.itmedia.co.jp/)に2019年9月に掲載されたコンテンツです。
https://mag.executive.itmedia.co.jp/executive/articles/1909/02/news008.html

ページの先頭へ