DXコンサルタント美咲いずみが行く

おはようございます。

おはようございます。今日、お伺いする会社はどんな会社ですか？

小売業を行っている株式会社アシモフさんです。従業員規模は1000人ほどの中堅企業です。

AIを使ってデータをもっと上手に活用できないか考えているそうですね。

はい。どんな用途でAIを活用したいのかはまだわかりません。早速オンラインでつないでみましょう。

おはようございます。株式会社アシモフ、CIOの角川真希です。

おはようございます。

おはようございます。

今日はよろしくお願いいたします。早速ですが、どんな要件か伺ってもよろしいですか？

はい。弊社は小売業で事業を展開しているのですが、現在人力で商品の需要予測を行っています。ただそうすると需要予測の精度にブレが出てしまい、食品ロスが発生してしまいがちなんです。

なるほど、今やっている人力での需要予測をDXしたいと言うことですね。

はい、おっしゃる通りです。その解決策はAIかなと思ったのですが、いかんせんAIには疎くて。あらためてAIがどのように活用できるのか知りたいと思います。

AIというとSF映画に出てくる人工知能を真っ先に思い浮かべます。映画に出てくるAIは人みたいな知能を持っていて、冷徹な声で喋り、最初は人類に従順に振舞っているものの、最終的には人類に反旗を翻す、みたいな。

そもそも、AIはArtificial Intelligenceの略語でそのまま「人工知能」を意味します。ただ、人工知能という言葉は、今慎太郎くんが言ったようにかなり誤解されていると私は感じています。

映画では、人が扱いきれない危険なテクノロジーの代表として描かれますよね。大体、ロボットとセットで登場します。

あくまで、AIは、言語の理解や推論、問題解決などの知的行動をコンピューターに行わせる技術です。人間のやることをコンピューターに代行させているんです。

映画などはその辺を大げさに描いている訳ですね。

はい、その通りです。AIがすることは私たちがすることと同じです。ただ、AIの方が私たち人間よりも処理能力が高いですから、これまでよりも多く、幅広いデータを複合的に分析することができるのです。

マンパワーが必要な作業を代わりにやってくれるのが強みのようですね。

はい。従来であれば、人員の限界などで得られなかった情報をAIを駆使して得ることが可能になりました。また、人間がデータ分析をする際にどうしても介在してしまう偏見や先入観と無縁なため、データのみに従った分析ができます。もちろん、この点は弱点にもなるのですが。

データだけから分析する訳ですから、課題解決に向けた適切で正確なデータを集めなければならないと思いました。

AIをただただ導入するのではなく、そこは人の力が必要不可欠です。AIと人間のどっちが優位なのかという議論も多いですが、大事なことはどうAIと人間が付き合っていくかだと思います。

結局は人で決まるということですね。

どんなに優れたAIでも使う側にしっかりリテラシーがないと生かしきれないという訳ですね。

次の表をご覧ください。デジタル・トランスフォーメーションを進める上での課題を企業に尋ねたものです。特にどのような人材が不足しているのかを尋ねた結果の表になります。

AI・データ解析の専門家が「大いに不足している」と答えている企業が30%に昇りますね。

「そのような人材は必要ない」と答えている割合が12%になっているのも気になるところです。

私たちがやっているデータ分析をAIに代わってもらうといいんですね。

はい。御社の場合、需要予測にAIの力を借りたいわけですよね。

その通りです。

そしたら必要なデータは、商品情報や過去の売上実績、キャンペーン情報などになります。

具体的にはどんなものですか？

例えば、売価、カテゴリ、定番フラグなどのデータや、初週の仕入れ数、在庫数、シェア、発注店舗数などのデータです。AIはこれらのデータを用いて需要予測をすることができます。

なるほど。

適切なAIに任せれば、担当者の経験に基づいた予測よりも予測精度が上がります。さらに予測の時間を短縮したり、扱えるデータの数が増えることで、予測可能商品が増加し、過剰在庫・廃棄数の減少がめざせます。

本当に助かります。

なので、まずは御社が扱っているデータを確認しつつ、どのAIを導入すると効果的かを検討していくのが導入プロセスになるでしょう。

ありがとうございます。早速、担当者と現在のデータについて確認してみようと思います。

そこが確認できたら、あらためてコンサルティングの場を設け、実際にどのサービスを利用するか検討しましょう。

今日はありがとうございました。

こちらこそありがとうございました。

こちらこそありがとうございました。

今日はいかがでしたか？

AIについて色々誤解していたなと思いました。AIは人間のやっている作業を代わりにやってくれます。しかも人間を上回る処理能力のおかげで、今までよりもずっと効率的です。しかし同時に、AIを上手に使いこなせるかも使う人次第であるというのがよく分かりました。AIを上手に使いこなすために、僕たちもアップデートしていかないといけませんね。

ちなみに、AIを用いたサービスにはどんなものがあるのでしょうか？

日立システムズの「DataRobot」というサービスがあります。

データロボット？どんなAIなのですか？

DataRobotとは、データサイエンティストの知見やノウハウが集約された最先端のAI Cloudプラットフォームです。

どんな特徴がありますか？

特徴は大きく3点あります。

1. 自社データから超高精度な機械学習モデルを自動的に構築
2. 独自の「グレーボックス化」技術
3. モデル構築するだけでなく、事前のデータ準備、実事業への導入支援

それぞれどういったものですか？

まず、自社データから超高精度な機械学習モデルを自動的に構築する点についてです。予測したい項目を選択して開始ボタンを押すだけでトップデータサイエンティストのノウハウを注ぎ込んだ高精度の予測モデルを自動構築することができます。こういったことをワンクリックで実行できるのが強みになっています。

ワンクリックはすごい！

次に独自のグレーボックス化技術についてです。どの項目が予測結果に影響を与えるかなど、モデルの出力の解釈・説明をサポートする独自のグレーボックス化技術により、機械学習のビジネスへの活用を強力にサポートします。

人間が予測するよりも正確に実態を掴めそうです。

続いて、モデル構築するだけでなく、事前のデータ準備、実事業への導入も支援するという点についてです。データ準備を支援する機能を活用し、効率的なデータ準備が可能となります。「DataRobot ML Devs」によって、ワンクリックで、構築した予測モデルを他のシステムとAPI連携可能な形でデプロイ「DataRobot MLOps」で運用管理することができます。

DataRobot ML Devs？ DataRobot MLOps？聞きなれないワードです。

DataRobot ML DevsやDataRobot MLOpsは、DataRobotの製品群になります。

こんがらがってきました。

ひとつずつ確認してみましょう。まず、DataRobot ML Devsです。これは、ワンクリックでの予測モデルを自動構築することが可能です。また、独自のグレーボックス技術を持っています。

具体的にはどんなことができるのですか？

例えば、画像データを活用し、いろいろな事ができます。これは、ディープラーニングに必要なスキルやリソースを持っていなくても、画像を用いたモデルの作成、解釈、利用を自動化することが可能になります。

簡単操作でAIの実力を利用できるわけですね。

他にも、AIアプリケーションでビジネス適用ができます。これはシミュレーションによる予測値の最適化やWhat-If分析など、機械学習モデルを利用したAIアプリケーションをご提供し、機械学習の実ビジネスへの適用をサポートします。

活用できるレンジが広くて、さまざまな場面で活躍してくれそうです。

アプローチもさまざまです。分析・回帰モデル（AutoML）と時系列モデル（AutoTS）に対応しています。DataRobotでは、「分類」・「回帰」・「時系列」の大きく3種類の機械学習が可能です。アルゴリズムによっては、分類と回帰を混ぜたモデルの作成も自動的に行います。

状況に応じてアプローチ方法を選べるんですね。どんなアプローチをするかは僕たちの知見が試されますね。

AutoMLにおいては分類と回帰、AutoTSにおいては時系列でそれぞれデータ予測が可能です。

それぞれどんな意味なのでしょうか？

分類では、どのカテゴリに属すか予測します。例えば、お客さまがある商品を買うか、買わないかを予測します。

回帰では、関連データから数値を予測します。例えば、最高気温からある商品が売れる数量を予測します。

時系列では、過去のデータ変動、例としては周期性や季節性などで、将来の取り得る数値を予測します。例えば、過去の売上数量のデータから将来の売上数量を予測します。

なるほど。

ここまでが、DataRobot ML Devsの内容です。最後にDataRobot MLOpsを確認しましょう。DataRobot MLOpsではモデル業務適用や制度監視などを統合管理します。

なるほど。

構築した予測モデルをデプロイ、つまり展開し、API連携により他の業務システムから予測モデルを呼び出すことができます。さらに、デプロイしたモデルの正常性や精度の監視、性能低下の要因となるデータドリフトを検知して、モデル更新のためのアラートの発報が可能です。他にもPython、Rのユーザー独自環境/モデルも含めて一元的に正常性、精度監視を行うことができます。
扱えるデータとしては、表形式、時系列、テキスト、画像、位置情報など沢山の種類が可能です。

汎用性が高いですね。さまざまな現場で重宝されそうです。