LINE Messaging APIでお手軽bot開発!5分でできる作り方をご紹介します

Ledge.ai編集部も大注目の『LINE Messaging API』。
サービス概要やLINE BOT APIからの変更点の紹介記事はコチラ

今回は実際にbotを作ってみながら、正式版で利用できるようになったメッセージタイプを試してみたいと思います。

以下紹介する5ステップをそのまま真似ることで、まったく知識ない方でもLINE Messeaging APIを使ったbotが作れます。ぜひぜひトライしてみてください。

1. LINE Messaging APIの利用登録

アカウントの取得はLINEのビジネス向けポータルサイト「LINE BUSINESS CENTER」 から、利用登録を行います。

ボタンが2つ表示されますが、今回は軽く触ってみる程度なので右側の「Developer Trial」を選択します。

\>> https://business.line.me/ja/services/bot

LINE Messaging API

2. LINE@の設定

ビジネスアカウントの登録とMessaging APIの利用登録が終わったら「LINE BUSINESS CENTER」アカウントリストから「LINE@MANAGER」を選び、Messaging APIの設定を行います。
(利用登録の流れで「LINE@MANAGER」を選択してもかまいません)

アカウント設定 > bot設定 でまずは「APIを利用する」を選択します。

Bot設定

次に

  • Webhook送信 「利用する」
  • 自動応答メッセージ 「利用しない」

に設定しましょう。

LINE@のbot設定

3. LINE Developers の設定

LINE@の設定が終わったら今度はAPIの設定を行います。

左メニューの下の方にある「LINE BUSINESS CENTER」を選択。「アカウントリスト」から「LINE Developers」を選びましょう。
(LINE@のBot設定ページにある「LINE Developersで設定する」リンクでもかまいません)

ここではまず「Webhook URL」を設定します。

https://[自分の任意のアプリ名文字列].herokuapp.com/callback.php
(後でherokuというサービスを利用して作りますので仮でかまいません)

次に「Channel Access Token」を発行してメモしておきましょう。

LINE developer の設定

4. サーバーアプリを用意する

今回も、テスト用サーバーとしてherokuというサービスを利用します。サインアップの手続きを進めてアカウントを作りましょう。

\>> https://www.heroku.com/

heroku

アカウントができたら(Create New Appの画面まで行ったらアカウントはできています)、下のボタンを押してテストアプリを設定して下さい。

heroku button

  • AppNameにSTEP3で設定した「自分の任意のアプリ名文字列」
  • Config Variables の LINE_CHANNEL_ACCESS_TOKEN にSTEP3でメモした「Channel Access Token」

を入れてDEPLOYしましょう。

botアプリの設定

5. 完成です

はい! たったこれだけの手順で完成です。早い人なら5分でできちゃいますよね。

さっそくLINEで友達に追加して話しかけてみましょう。

最初に何か話しかけると、
今回追加になったYES/NOタイプのメッセージ
こんにちわ 何かご用ですか?(はい/いいえ)と返してくれます。

そこで「はい」を選ぶと画像と選択肢付のメッセージが返ってきます。
(予約する/電話するは押しても何も起こらないようになっています)

さらに「違うやつ」を選ぶとカルーセルで3つの画像付きメッセージを返してくれます。

この3種類が新しく追加になったメッセージタイプです。

できあがったLINE botのスクリーンショット

やってみたまとめ

どうでしょうか。

公式サイトのデモ動画にもありますが新しく追加になったメッセージタイプで単に文字の会話だけではない、画像+選択肢の様なわかりやすい表現ができるようになっています。

これと従来の会話をメッセージを組み合わせることでコミュニケーションの幅が広がりそうですね。

APIを利用するまでの手順もだいぶ洗練されて来た様に感じましたので、前回のBot Trial では躊躇していた人も今回は本腰を入れてみてもいいのではないでしょうか。

ではではー。

Society 5.0とは|超スマート社会が解決する社会問題と創り出す新たな価値

人とテクノロジーを結びつけるSociety 5.0の実現により、私たちの生活の質は一層高まることでしょう。この記事では、今注目のSociety 5.0の仕組みや、超スマート社会が解決する課題、インパクトを与える分野について解説していきます。



Society 5.0とは

Society 5.0は「超スマート社会」と表現されることもあります。Society 5.0はその定義にもある通り、サイバー空間とフィジカル空間を隔たりなく結びつけることを目標ととしています。例えば、これまで私たちは必要な情報を自らの手で一から見つけ出し、分析する必要がありました。Society 5.0が目指す社会では、サイバー空間に存在するAIが状況に応じて必要な情報を瞬時に見つけ出し、その分析結果をフィジカル空間にいる私たちに提供してくれます。

スマートシティとの関係

近年の ICT・IoT・データ利活用型スマートシティは、「環境」「経済活動」「交通」「通信」「教育」「医療・健康」など、複数の分野に幅広く取り組む「分野横断型」のスマートシティをうたうものが増えてきています。Society 5.0は、このような都市や地域の抱える諸課題の解決し、新たな価値を創出し続ける「スマートシティ」を推進しています。


新規CTA

Society 5.0までの軌跡

では、Society 5.0の「5.0」とは一体何を表しているのでしょうか。
Society 5.0は、これまでの狩猟社会(Society 1.0) 農耕社会(Society 2.0) 工業社会(Society 3.0) 情報社会(Society 4.0)を土台とした、人類史の中で5番目の新しい社会を指します。

これまでの情報社会(Society 4.0)では、フィジカル空間にいる私たちが、情報を得るために、インターネットというサイバー空間にアクセスすることは可能でした。しかし、人の労働や活動能力には限界があるため、あふれる情報から有効な情報を見つけて分析する作業は時間がかかり、かなり非効率的でした。もっとマクロな視点で見ると、Society 4.0までの社会では、経済や組織といったシステムが優先され、個々の能力などに応じて個人が受けるモノやサービスに格差が生じている面がありました。

内閣府によると、Society 5.0という未来社会では、健康・医療、農業・食料、環境・気候変動、エネルギー、安全・防災、人やジェンダーの平等などのさまざまな社会的課題の解決とともに、国や人種、年齢、性別を越えて必要な人に、必要なモノ・サービスが必要なだけ届く快適な暮らしが実現します。

Society 5.0の仕組み

photo by pixabay

Society 5.0では、フィジカル空間のセンサーや、スマートフォンなどのIoTデバイスなどからの膨大な情報がサイバー空間に蓄積されます。サイバー空間では、このビッグデータを人工知能(AI)が解析することで、個人のニーズに合った有効な情報が、より迅速にフィジカル空間にいる私たちのもとに届きます。

ビッグデータ(Big Data)とは、従来のデータベース管理システムなどでは記録や保管、解析が難しいような膨大なデータ群のことです。明確な定義があるわけではなく、企業向け情報システムメーカーのマーケティング用語として多用されています。(IT用語辞典より抜粋)

Society 5.0を支える技術

Society 5.0の根幹を支える主なテクノロジーはAI、IoT、ICTです。

AIとは「Artificial Intelligence(アーティフィシャル・インテリジェンス)」の略で、辞書的な定義では「学習・推論・判断といった人間の知能のもつ機能を備えたコンピューターシステム」と記されています。(大辞林 第三版より抜粋)

学術的な視点では「AI」という言葉は多義的であり、人によってその捉え方は異なります。AIの定義は、専門家の間でも明確に定まっていないのが現状です。

ICT(アイシーティー)とは、「Information and Communication Technology(インフォメーション・ アンド・コミュニケーション・テクノロジー、情報通信技術)」の略で、通信技術を用いたコミュニケーションを意味します。ICTを活用したシステムやサービスが普及することで、社会インフラとして新たなイノベーションを生むことが期待されています。
IoT(アイオーティー)は、「Internet of Things(インターネット オブ シングス)」の略で、「様々な物がインターネットにつながること」「インターネットにつながる様々な物」を指しています。 IoTは、日本語で「モノのインターネット」と訳され、PCに限らず、さまざまなモノがインターネットにつながります。(総務省 ICTスキル総合習得教材より抜粋)

ここ数年で、IoTは、21世紀の最も重要なテクノロジーの1つになりました。現在、内蔵されたデバイスを介して、日常のあらゆるモノをインターネットに接続できるようになりました。これにより、「人」と「モノ」の間での通信が可能になりました。

Society 5.0が解決する社会問題

photo by pixabay

国連の「持続可能な開発目標」(Sustainable Development Goals:SDGs)のガイドラインに沿った持続可能な産業化の促進Society5.0の中でも大きなテーマです。Society 5.0は地球温暖化、健康や福祉、少子高齢化などの課題を解決し、持続可能な社会を実現することが期待されています。

・地球温暖化
地球温暖化に原因には温室効果ガスの排出が挙げられます。現在、日本を含む世界各国で「脱炭素社会」を目指すさまざまな取り組みが実施されています。例えば、千葉県の柏の葉では、脱炭素社会に向けた環境に優しい暮らしを目指し、太陽光発電パネルの劣化状況自動検知システムの導入や、域内施設のエネルギー関連データプラットフォームの構築などを実施しています。イギリスのマンチェスターシティ市では、街灯や道路上の各種設備などにIoTタグを設置し、異なる場所や高度で大気質を把握しています。
・健康や福祉
Society 5.0では、あらゆる世代が健康で生き生きと暮らせるまちを目指し、多様なデータを活用した健康サービス・アドバイスの提供や、来院者の人流データを活用した患者の待ち時間軽減を実現されます。会津若松市ではスマートフォンなどで母子健康手帳の情報が見られたり、AIが簡易な質問に回答するサービス、自宅にいながら医師の診察を受けられるオンライン診療の取り組みなどを、ICTを活用することで実現しています。
・少子高齢化
日本では少子高齢化が進行することで、労働力不足が深刻な問題になりつつあります。Society 5.0では、自動運転やドローン飛行などの技術導入により、物流における運転者不足の解決や、都市部での清掃、警備員のサポートなどにつながり、人手不足を解消できます。また、医療・介護の分野での人手不足は、現場へのAIやロボットを利用した自動診療などの導入で解決を目指しています。

Society 5.0が提供する新たな価値

photo by pixabay

内閣府によると、Society 5.0は農業、交通、エネルギーなどの分野で新たな価値を生み出す可能性があるとしています。

農業

Society 5.0では、気象情報、農作物の生育情報、市場情報、食のトレンド・ニーズといったさまざまな情報を含むビッグデータをAIで解析することで、ニーズに合わせた収穫量の設定や、天候予測などに沿った最適な作業計画、消費者が欲しい農作物を欲しい時に入手ができる環境などが実現します。社会全体としても、食料の増産や安定供給、農産地での人手不足問題の解決、食料不足などの解消が可能となります。

交通

Society 5.0では、各自動車からのセンサー情報、天気、交通、宿泊、飲食といったリアルタイムの情報、過去の履歴などのデータベースといったさまざまな情報を含むビッグデータをAIで解析することで、好みに合わせた観光ルートの提供や天気や混雑を考慮した最適な計画が提案され、旅行や観光がしやすくなります。また、自動走行で渋滞や事故がなく、快適に移動することなどが可能になります。社会全体としても、交通機関からのCO2排出が削減され、地方の活性化や消費の拡大にもつながります。

エネルギー

Society 5.0では、気象情報、発電所の稼働状況、EVの充放電、各家庭での使用状況といったさまざまな情報を含むビッグデータをAIで解析することで、的確な需要予測や気象予測を踏まえた多様なエネルギーによって、安定的にエネルギーを供給することや、供給予測による使用の最適提案などによる各家庭での省エネを図ることなどが可能になります。社会全体としても、エネルギーの安定供給や温室効果ガス排出の削減などの環境負荷の軽減を図れます。

Society 5.0の今後

photo by pixabay

Society 5.0ではこれからも最先端のテクノロジーを駆使することで、個人の能力差に関係なく、誰もが平等にモノ、情報、サービスにアクセスできる仕組みを構築します。一方で、私たちは決してAIやロボットに使われる側になるのではなく、このような最先端のテクノロジーをうまく使いこなし、生活の水準を高めることが求められるでしょう。


新規CTA

日本がAIで勝つために「知の爆縮」を起こす ── 技術は成熟し、コモディティ化する

2018年6月、日本ディープラーニング協会(以下JDLA)の理事で、AIベンチャーの元代表取締役社長 佐藤 聡氏が新しい会社を起業したというニュースが飛び込んできた。



佐藤氏が代表取締役を務めた会社は、AI開発環境を開発、提供している企業だ。製造業におけるAI技術の適用に力を入れている。

前職を退任した佐藤氏は、AIコンサルティング会社のconnectome.design株式会社を始動。「佐藤が本気で新AI会社を始めました。」というキャッチフレーズのもと、AI技術の社会実装を進めている。2019年4月1日には、同社の技術アドバイザーに東京大学大学院教授、日本ディープラーニング協会の理事長である松尾 豊氏も就任した。

本稿では佐藤氏に、新事業を開始した理由、国内外のAI浸透状況から自身のAI哲学まで、たっぷり語ってもらった。


新規CTA

「AIを1周やった人」が増えてきた

近年、AI技術は徐々に既存の業務に組み込まれつつある。佐藤氏は、相談を受ける企業のスタンスが、以前とは明らかに変化しているという。

――佐藤
「ほんの1年前は、『AIでそもそも何ができるのか教えて欲しい』と相談されることが多かった。企業の中にAIを理解している人がいなかったり、トップダウンで『AIやろう』と降りてきて、困惑している人が多かった印象があります。

しかし、最近はPoCを1回行ったうえで、『もっとこうできるのではないか?』『既存の問題に適用するにはどうしたらいいか?』など、より産業適用を見据えた相談が多くなりました。AIを1周やった人が増えてきたように感じます」

佐藤氏は、AIプロジェクトの経験者が増えた理由として、メディアの報道や、JDLAが主催する資格であるG検定、E資格などの認知が向上し、AIを実装するために必要な知識が体系化されてきたため、と話す。

G検定とは、ディープラーニングの基礎知識を有し、適切な活用方針を決定して、事業応用する能力を証明する資格。また、E資格とは、ディープラーニングの理論を理解し、適切な手法を選択して実装する能力を証明する資格であり、運営母体はJDLAで、佐藤氏も理事を務めている。

では、海外の事情はどうか。

――佐藤
「やはり中国とアメリカは日本のはるか先を行っていますね。

中国は、そもそも国の体制がAI技術を開発するうえで有利です。国が主導し、圧倒的な速度でデータを集められるのは、アメリカにも真似できない強みだと思います。

一方、研究や教育のレベルに関してはアメリカのほうが進んでいるように思えます。スタートアップ精神が強く、ディープラーニングを活用し、一気に事業をグロースさせる一点突破型が多い印象です」

国内外の状況を踏まえたうえで、佐藤氏は「ビジネス視点の重要性」が増しているという。

――佐藤
「昨今話題になっているAI搭載の監視カメラを例にとりますが、正常な動きと異常な動きのデータさえあれば誰でもサービスを完成させることができます。

つまり、技術はコモディティ化している。AIをどのようにビジネスにつなげるかという視点がより重要になりつつあります」

人材を集め、「知の爆縮」を起こす

佐藤氏が創業メンバーとして2011年に立ち上げたAIベンチャーは、設立当初、AI技術を総合的に扱う企業だった。事業を進めるなかで、特に製造業の顧客から好意的な反応が目立ったという。

そこにニーズを見出し、製造業特化とエッジコンピューティングへの舵を切る。しかし、佐藤氏はさまざまな部分に応用できるAIという技術そのものに興味があった。そこで、多様な業界へ関わることのできるコンサルティングに注力すべく、connectome.designという会社を立ち上げることになる。

connectome.designは、

  • AI関連技術活用コンサルティング
  • AI関連技術エンジニアリング

の2領域をメイン事業として進めている。

――佐藤
「なかでも注力しているのはコンサルティングですが、実際にAIを実装するためには、技術を理解したうえでコンサルテーションできる立場のもののほかに、最新の研究結果を有するアカデミア、新しい技術を検証するためのエンジニア、業界特有のビジネスモデルやデータを有する企業と、さまざまな人材が必要となります。

これらのリソースを1社ですべて抱えるというのは不可能です。

たとえば、能力の高いエンジニアの採用は、国内外問わず難しい。また、経験の少ないエンジニアを一から採用・育成するとなれば、それなりの労力が必要です。そこで、チームの人員を『ギルド』という形で集め、『知の爆縮』を起こそうとしています」

出典:connectome.design提供資料

「爆縮」とは、主に核爆発の際に核分裂を誘発するため、内側に向けて爆発を起こす技術を指す用語だ。

――佐藤
「ベンチャーが資金調達などを行うと、事業拡大のため、イグジットへの圧力がかかります。会社が大きくなるほど、新規の部署が生まれ、経営資源が分散してしまい、ひとつの領域に集中することが難しくなる。

そうなると、研究開発に集中していた人材も別の業務と兼務せざるを得なくなり、モチベーションが下がり、会社を離れてしまいます。これを『爆発(エクスプロージョン)』としたときに、内向きに力を貯め、外側の爆発では起こせないイノベーションを、ギルドによる『爆縮(インプロージョン)』で起こせないか、と思ったんです」

同時に佐藤氏は、AIモデル、実装事例やデータを自由に売り買いできる「マーケットプレイス」の構想も視野に入れている。

――佐藤
「AIモデルを、スクラッチで開発するのは時間とお金の無駄です。ほかの会社も画像認識をやろうとしているのであれば、自社で使ったモデルを自由に売り買いできるプラットフォームがあればいいなと。

現状、プラットフォームと言えるものはAPIなどに限られており、製造業、医療、化学プラントなど特殊な状況で使えるモデルが流通しているものは存在しません。部品が置いてあって、組み上げれば完成する状態なら、そこに新たなマーケットが生まれると思います」

構想しているマーケットプレイスのインターフェースは、Netflixのようなものを想定しているそうだ。簡単に利用できれば、誰もが「僕の考えた最強のAI」を作れるようになるかもしれない。

AIを「善く生きる」ために使う

最後に、connectome.designの今後の展望を聞いてみると、次のような答えが返ってきた。

――佐藤
「現在AIと呼ばれるものはすべて『弱いAI』ですが、当然多くの人が『強いAI』を作りたいと考えていると思います。

強いAIは、未だどうやったらできるのか全くわかりませんが、工学、脳神経科学、心理学、哲学など、多様な領域が合わさった領域で出てくるものだと思っています。

ギルドやマーケットプレイスを作ることで、業界業種を超えたAI人材ををつなげるとともに、AIの実装に必要なキーとなる要素をオープンに流通させたいと思っています」

そのうえで、AIを「善く生きる」ために使いたいという。

――佐藤
「やっぱり、AIは『善く生きる』ために使われるべきだと思っていて。今後社会にAIが浸透していく中で、倫理的、道徳的な側面は絶対に外せない点です。

今後はAIを活用してヘルスケアや交通安全などの分野で、社会に貢献したい。工場の生産性を上げるといった経済的な社会貢献の仕方だけではなく、より善く生きる方法を追求するうえで、技術を組み合わせていきます」


新規CTA

【Chainer】ディープラーニング初学者向けのチュートリアルを無償公開。Pythonの使い方から実装までの流れを学べる

4月10日、株式会社Preferred Networksが、自社で開発を手がけるオープンソースの深層学習フレームワーク「Chainer」の初学者向けチュートリアルを公開しました。



Chainer
Pythonで記述された、機械学習の計算および学習を行うためのライブラリ。Preferred Networksの主導で開発が進められている。

Pythonを触ったことがない人でも、ディープラーニングを十分に理解できるほど濃い内容となっています。

関連記事:ディープラーニングとは|AI・人工知能・歴史・仕組み・学習手法・活用事例

環境構築から学習を回すまでの流れを網羅

チュートリアルはGoogle Colaboratory を用いた環境構築から始まります。


新規CTA

環境構築は自分のコンピュータで行うには大変な作業ですが、チュートリアルではすべてブラウザ上で完了するため、相当簡易です。

Google Colaboratory
Pythonをブラウザ上で実行可能なクラウド型のサービス。無料でGPUなどの計算資源を使うことができる。

Step1 準備編 は、微分の基礎、線形代数の基礎、確率・統計の基礎。

Step2 機械学習とデータ分析入門は、回帰分析の説明とともに、Pythonでのデータ処理や、行列計算に不可欠なモジュールについての説明。

Step3 ディープラーニング入門で、ディープラーニングのコードを自分で書き始めます。

Pythonの入門から、自分で書いたコードで学習を回すまでの一連の流れを網羅しており、初学者が実際にディープラーニングで学習させる段階まで勉強できます。

出典:チュートリアルより

関連記事:ニューラルネットワークとは|AI・人工知能・仕組み・歴史・学習手法・活用事例

現在公開されているチュートリアルの目次は以下のとおり。

【Step1 準備編】

  1. はじめに
  2. Python 入門
  3. 機械学習に使われる数学
  4. 微分の基礎
  5. 線形代数の基礎
  6. 確率・統計の基礎

【Step2 機械学習とデータ分析入門】

  1. 単回帰分析と重回帰分析
  2. NumPy 入門
  3. scikit-learn 入門
  4. CuPy 入門
  5. Pandas 入門
  6. Matplotlib 入門

【Step3 ディープラーニング入門】

  1. ニューラルネットワークの基礎
  2. Chainer の基礎
  3. Chainer の応用
  4. トレーナとエクステンション

初学者がゼロから始めても1〜2ヶ月?

ディープラーニングを理解する際の前提として、微分、積分、線形代数の知識が不可欠ですが、チュートリアルの中で丁寧に説明されているため、数学が苦手な人でない限りは読み進められます。

出典:チュートリアルより(学習を回した際の画像)

筆者の体感ですが、大学で少しでも数学を勉強したことがある方なら、初学者でも1, 2ヶ月で十分学べる量です。

応用編「画像認識」「自然言語処理」「強化学習」も公開予定

今後公開予定のページは以下のとおり。

  • Step4 応用編:画像認識
  • Step5 応用編:自然言語処理
  • Step6 応用編:深層強化学習
  • Step7 デプロイ

応用編では、実世界で役立つレベルの技術が身につくこと間違いなし。特に、画像認識、自然言語処理は世界中で注目を浴びている領域です。チュートリアルが公開された際にはぜひ勉強してみてください。

また、このチュートリアルはアカデミック・商用のどちらでも無料で使用できます。大学の授業や企業のセミナーなどに活用してみてはいかがでしょうか。

Source:深層学習の初心者向けに、日本語の オンライン学習資料「ディープラーニング入門:Chainer チュートリアル」を無料公開


新規CTA

VRとAIで “人の本質” を見抜く。イスラエル発、全く新しい人材発掘のカタチ

2019年2月13日、株式会社レッジは日本最大級のビジネスAIカンファレンス『THE AI 3rd』を開催。「AI時代の適者生存 ── 生まれ変わるために“今”すべきこと」をテーマに、業種や産業を跨いだAI、ディープラーニングの活用事例が業界のトップランナーにより語られました。



「イスラエルのAI/VRスタートアップ発最強の人材発掘法」と題して講演した海老原憲氏は、VRとAIを活用した全く新しい人材発掘の可能性を語りました。

海老原 憲氏
株式会社JSOL 新規事業開発チーム イスラエル地域推進リーダー
大手総合商社で金属取引から社会人生活開始。2000年のITバブルを機にIT業界に転じ、以後、スタートアップ、オーナー系中堅企業、フリーランスとして活動。2018年より株式会社JSOLにてAIを活用した新規事業の立ち上げと、海外スタートアップ連携に従事。

人材発掘の問題点をAIで解決する

海老原氏は、はじめにイスラエル発のVRとAIを活用した人材発掘法との出会いを語りました。


新規CTA
――海老原
「今日紹介する人材発掘法を知る前、部署内では新たなビジネスモデルとして、面接にAIを活用できないかという話をしていました。

実は、私は正社員のころリクルーターをしたことがあり、その頃から採用はもっと効率があげられると感じていました。そして、その後フリーランスとして何度も最初に面談をするわけですが、全然変わってないと思っていたところだったんです。

ちょうどその折に、日本・イスラエル ビジネスマッチングイベント(JIIN)で、イスラエルのスタートアップActiViewの開発したVRアセスメント『ASSENSE』に出会いました」

さらに海老原氏は、面接に限らず現在の人材発掘の問題点まで深掘ります。

――海老原
テストはできるのに仕事ができないという話を実際に体験されたりしたことのある方は多いかと思います。心理学者の間では、その要因がコンピテンシーの中央に位置する人の人格や性格といった特性動因を評価できていないためだという共通認識があるそうです」

これまでのwebテストや筆記試験を用いた人材発掘では、コンピテンシーの外側に位置する人のスキル・知識へ焦点が当てられており、コンピテンシーの中央に位置する人格や性格の評価というのは難しいものがあったんだとか。

――海老原
「現在も性格診断などはありますが、結果を予期して本心とは異なる求められていそうな回答を選ぶことが可能なことは皆さんもご体験済み(笑)かと思いますが、本質を偽ることができてしまいます。

ASSENSEは、入社試験などでよく利用されるペーパー、もしくはWebの総合適性検査のVR版ではありません。人の本質を見抜けないという、人材発掘の課題を解決できます」

AIとVRを組み合わせた「ASSENSE」は、人の本質を評価する

講演では、ASSENSEの利用シーンも紹介されました。以下の動画は製造元のActiView社が作成した、ASSENSEを使用していている様子。

VR空間上のドラマ内での出来事に対応したり、VR空間内に散らばった風船を割ったり、散らばったブロックを組み合わせて新たな立体を作ったりと、まるでゲームのようです。

ASSENSEはVRとAIを組み合わせたシステムで、VR体験中の人の動きを90分の1秒ごとに座標データとして取得。データはAIで処理され、学習済みの心理学者の行動分析結果と照合することで、内気・大雑把などの性格や認知能力などが判断される仕組みです。

出来事に対するリアクションの仕方・大きさや、ブロックを組み合わせた後元の場所に戻すか否かなど、何気ない細かな行動も分析の対象となるそう。

――海老原
「人がゲーム感覚で自然に楽しむだけで、その人の本質を見抜いてしまうため、嘘のつきようがありません。開発元のActiView所属の心理学博士によると、紙媒体のテストでは人物鑑定の精度が50%程度であるのに対し、ASSENSEではVRとAIを用いることで、精度が80%程度まで向上するそうです」

また、ASSENSEの長所は人の本質を評価できることだけではないとか。

――海老原
「システムなのでアセスメント品質が標準化できますし、AIを用いることで分析スピードが飛躍的に向上します。ASSENSEならば、現状は24時間以内のコミットメントで実際は数時間というレベルですが、データがたまれば数分で結果を得ることも不可能ではありません」

得た分析結果を活用し、多くの人が働きやすい社会へ

海老原氏は、ASSENSEで得られた分析結果の活用例として、JSOL社内で行なっている取り組みも紹介しました。

――海老原
「自発的・消極的・現場向き・管理職向きなど、人の特性はさまざまです。ASSENSEで得られた分析結果を活用することで、こうした個人の特性に合わせた業務設計が可能だと考えています」

さらに現在、個人単体の本質を見抜くだけでなく、他人との関係を踏まえた個人特性を見抜く仕組みを製品化を目指して開発しており、協力企業を募集中だといいます。

――海老原
「上司と部下の反りが合わないと、双方にとってストレスが溜まり仕事のパフォーマンスも低下するでしょう。上司と部下の組み合わせを複数パターンシミュレーションすることで、より相性の良いペアを見つけてパフォーマンスの向上をはかることや、相性の悪い組み合わせを避け、退職を予防することができると考えています。

ASSENSEで得られた分析結果を活用した適材適所の配置により、個人・集団のパフォーマンスが向上し、働きやすい環境をつくれると思います」

ASSENSEは現在、イスラエル内では7社1組織で採用済みで、 アメリカ・イギリスを中心に複数の国で展開中です。日本語版は、4月より正式発売予定。体験も実施しており、一般無料体験は3月末まで。4月以降は必要に応じて個別対応とのこと。

ASSENSEによる人の本質を見抜く人材発掘や、社内での適材適所の配置は、個人・集団のモチベーションやパフォーマンスを向上させ、企業に大きな推進力をもたらすかもしれません。

本講演資料は下記からダウンロード可能

株式会社JSOLの講演資料は、下記からダウンロード可能です。


新規CTA

変わらないまま生き抜けるか? 大局と現場から読み解く、AI時代の適者生存

2019年2月13日、株式会社レッジは日本最大級のビジネスAIカンファレンス『THE AI 3rd』を開催。「AI時代の適者生存 ── 生まれ変わるために“今”すべきこと」をテーマに、業種や産業を跨いだAI、ディープラーニングの活用事例が業界のトップランナーにより語られました。



「AI時代の適者生存 – 生まれ変わるために”今”すべきこと」と題して講演した株式会社レッジの事業統括 兼 Ledge.ai編集長の飯野 希、同社CMOの中村 健太は、「失敗を恐れずに、とりあえずやってみることが重要だ」と語りました。

飯野 希
株式会社レッジ 事業統括 / Ledge.ai編集長

電気通信大学大学院修了。2016年3月に株式会社ビットエーへ入社。AI特化型メディア「BITAデジマラボ(現Ledge.ai)」を立ち上げ、編集長に就任。後にメディアを軸としたAIコンサルティング事業の立ち上げを行う。2017年10月に、BITAデジマラボの部隊を株式会社レッジとして子会社化、執行役員に就任、今に至る。


中村 健太
株式会社レッジ CMO

webコンサルとして数多くの実績を持つ株式会社レッジのCMO。2014年より一般社団法人日本ディレクション協会の会長を務める。主な著書に「webディレクターの教科書」「webディレクション最新常識」など多数。レッジではAIコンサルティング事業のプロデューサー、企画プロデュースのマネジャーとして大小数々のAIプロジェクトを成功に導いている。

AIが加速度的に注目されるようになった2018年

レッジの事業統括 兼 Ledge.ai編集長の飯野は、メディアの視点から、2018年のAI業界を振り返りました。


新規CTA

――飯野
AIやディープラーニングなどの最新技術は、どの産業にも適応できる大きな可能性のある技術であり、今後どんどん社会にこれらの技術が浸透していくでしょう。

一方、社会には論文を読めるレベルから、AIで何ができるのか分からない人まで存在し、リテラシーの差は広がりつつあります。リテラシーの高い人にだけ情報が理解され、一部のみでAI導入が進んでいくのは非常にもったいない。

さまざまなリテラシーを持つ方々に、さまざまなタッチポイントで適切な情報を伝えていく必要があると感じています」

レッジはAIの導入事例などの情報を、自社メディア「Ledge.ai」や、定期開催しているイベント「AI TALK NIGHT」などを通じて発信しています。

また、多様なチャネルを通じて集めた情報を用いたAI導入コンサルティングや、AIで実現できるアイデアを事業として市場に送り出す支援を行う「AI Startup Studio」など、さまざまなタッチポイントでAIの浸透を後押ししています。

メディアとしてAI情報を発信するレッジは、AI業界の潮流をどう見るのか? 飯野は「2018年はAI業界のひとつの転機だった」と語ります。

――飯野
「2018年は衝撃的なニュースが多々ありました。

その一例として、映像の動きからポージングを検出し、骨格の棒人間モデルに当てはめる『Everybody Dance Now』や、レストランの予約の電話をAIが行う『Google Duplex』があります。いままでは不可能と思っていたことが、テクノロジーによってできるようになってきています」

近年の著名人のAIに関する発言やさまざまなデータから、今後AIが我々の生活やビジネスに入っていくのは必然であることが読み取れます。

その流れを表すかのように、日本でもAI関連のニュースは増え続けています。

上の図はプレスリリース配信サービス「PR TIMES」のAI関連の記事本数推移を示しています。

AI関連のプレスリリース本数は、2014年から2018年にかけて32倍に増加。AIがビジネスの観点だけではなく、社会的な観点からも大変注目されていることがわかります。

「とりあえずやってみる」が重要。トライすることの価値は上がり続けている

足元の導入状況はどうでしょうか。飯野は「AIを使いこなせる企業はまだかなり少ない」と言います。

――飯野
「これだけ技術が発展している中で、AIを導入している企業はわずか10%しかありません。注目すべきは、今後も導入を考えていない企業が62%もいる点です。その理由として、

  • AIに対する理解不足
  • 効果が得られるか不安
  • AIを手軽に導入できるサービスがない

などが挙げられます」

――飯野
「しかし、先ほどご紹介したようにAIを使いこなせる企業もあります。つまり、AIを使える企業とそうでない企業の二極化が起きています

二極化は、インターネットが爆発的に発展した時期と同じ現象です。

当時、5年後、10年後のインターネットの姿を正しく理解していた企業と、インターネットを正しく使いこなせず投資できなかった企業の間に、大きな差が生まれました。

では、AIをうまく使いこなせる企業、うまく使いこなせない企業の差は何か?

――飯野
「AIに関するニュースを追い、導入事例を取材する中で、小さく始め、失敗できる企業が生き残ることが見えてきました。

20個のプロジェクトがあっても、うまくいっているプロジェクトはせいぜい5個。ニュースではその5個しか扱わないため、どの企業もうまくいっているように見えますが、裏にはかなり泥臭い努力があり、失敗を繰り返しています

フレームワークのオープンソース化などにより、AI導入のハードルは着々と下がってきています。また、AIプロジェクトの問題として、精度の確約ができない部分もあります。だからこそトライすることが重要になります。

――飯野
「AI技術の特性として、求める精度が出るか出ないかはトライしてみるまで分かりません。

ある作業を、AIで代替できるかできないか悩んでいる企業が多いですが、そんなのはやってみないとわからない。AI導入の成功事例から見ても、『とりあえずやってみる』ことが重要です。トライすることの価値はどんどん上がっています

AIに100%の精度を期待してはいけない。あくまで人間をサポートするツールとして捉える

続いて、コンサルティングの視点からAI導入現場における適者生存を語るのは、株式会社レッジ CMOの中村健太。

クライアントのAI導入開発プロジェクトにおいて、実装の目的に合わせ、実際に設計して実装に至るまでの手順を整え伴走しています。

––中村
「我々はAIを実装する最初の一歩を進めるコンサルタントです。完璧なものを作るのではなく、ある程度の精度を持ったAIと人間の処理フローにより、とにかく早く実装することに重点を置いてます」

第一線でAI導入に携わっている中村にとって、AIを小さく始め実装するには、要求を完全に満たす精度は難しいと認めること、コストカットを目的にしないことが重要だと言います。

――中村
「最初からAIの処理で100%の精度を出すのは不可能です。大抵は、求める精度の60~70%の精度しか出すことができません。

つまり、AIに頼りきるのではなく、あくまで人間の処理をサポートするツールとしてAIを捉えることが必要です。

人間をなるべく排除し、あれもこれも人の手をわずらわせないようにすると、必然的に開発費が上がります。そもそも、人件費を下げることを目的に開発すると、プロジェクトが進まなくなります」

AIの実装には失敗を織り込んだ体制構築が不可欠

うまくいかないAIプロジェクトには、以下の「3つの共通点がある」と中村は語ります。

  • 従来のシステム/フローを大事に継承
  • プロジェクトの単独成果のみで評価
  • 準備に時間をかけすぎている
――中村
「既存ワークフローを壊すことなく効率化を目的にすると、必然的にコストカットが目標になり、プロジェクトの単独成果のみで評価することになります。そうではなく、新たに生まれた価値を評価することが重要です。

また、年単位かかることもある開発の準備に時間をかけすぎると、プロジェクトは途中で燃え尽きます。いくらデータが貯まったとしても「事業実装」というゴールにたどり着くことができません

――中村
「うまくいかないくAIプロジェクトと、そうでないプロジェクトで大きく道を分けるのは、失敗ありきで計画し、とりあえずやってみることができるかどうか。

失敗しないための準備に時間をかけるより、失敗を織り込んだ体制を作るべきです。準備に時間をかけすぎるのではなく、『どれだけ小さく、どれだけ早く試行(≒失敗)できるか』を兼ね備えた体制をいかに構築するかが重要です」

レッジのクライアントの中には、挑戦を小さく積み重ねるために、失敗を織り込んだ体制でプロジェクトに挑む大手企業も存在します。

今後、失敗を積み重ねながら少しずつ進めていく体制を構築できた企業がAI時代を生き抜くことができるのでしょう。

――中村
「レッジは挑戦を加速させ、応援する立場です。AIをはじめとした最先端技術を事業へ浸透させるべく、小さな失敗を繰り返しながらなんとしてでも前に進めていく。そのための意思と体制を支えていきます」

新規CTA

「上から『AIやれ』と言われてやる企業は絶対に失敗する」スペシャリスト3人が語る、日本企業の勝算

2019年2月13日、株式会社レッジは日本最大級のビジネスAIカンファレンス『THE AI 3rd』を開催。「AI時代の適者生存 ── 生まれ変わるために“今”すべきこと」をテーマに、業種や産業を跨いだAI、ディープラーニングの活用事例が業界のトップランナーにより語られました。



AIが浸透しはじめた今、企業と個人の生存戦略は?」と題して行われた、シンギュラリティ・ソサエティ代表理事 中島 聡氏、東京大学 松尾研 特任助教/株式会社Daisy CEO 大澤 昇平氏、株式会社ABEJA 執行役員の菊池 佑太氏によるパネルディスカッションは、AIの現状認識ひとつとっても意見が割れる、激しい議論となりました。

中島 聡氏
一般社団法人 シンギュラリティ・ソサエティ
代表理事
 
早稲田大学大学院理工学研究科修了。大学時代に日本のCADソフトの草分けである「CANDY」を開発。大学院修了後はNTTに入社したが、わずか1年で設立間もないマイクロソフト日本法人へ転職。3年後、米国本社へ移るとWindows 95、Internet Explorer 3.0/4.0等のチーフアーキテクトを担った。2000年代に入り、独立を果たすとXevo、neu.Pen等を起業。2018年8月には「 i-mode を世に送り出した男」として知られる夏野剛氏を共同発起人として、NPO法人シンギュラリティ・ソサエティを設立。テクノロジーを操り、シンギュラリティの時代にふさわしい「未来の設計者」である若者を支援するため、精力的に活動をしている。毎週火曜日発行のメルマガ「週刊 Life is Beautiful」の執筆を今も継続中。主な著書に『なぜ、あなたの仕事は終わらないのか スピードは最強の武器である』(文響社刊)、『結局、人生はアウトプットで決まる 自分の価値を最大化する武器としての勉強術』(実務教育出版)がある。米国シアトル在住。MBA(ワシントン大学)
https://www.singularitysociety.org/


大澤 昇平氏
東京大学大学院工学系研究科 技術経営戦略学専攻 特任助教 /
株式会社Daisy CEO

文京区で猫と暮らす東大教員。専門はAIとブロックチェーン。学生時代に師事した松尾豊の研究室に助教として所属。19歳で経産省から未踏スーパークリエーターの認定を受け、起業。IBM Researchにて社長賞を1年半で受賞し、現職。現在は自ら創業した会社の社長を兼務し、ブロックチェーンによる未来予言AI「Daisy」を提供する。


新規CTA

菊池 佑太氏
株式会社ABEJA
執行役員

学生時代は知能情報工学を専攻。2007年に新卒でYahoo!入社。インターネットユーザーの興味関心情報を膨大なアクセスログから導き出し、最適な広告配信に還元する仕組みを開発。部門全体として1年間で売上3倍を達成、現在の年間1000億規模の売上を作るCore技術の責任者として従事。その後独立を経てFreakOutに入社。FreakOutではDivision Manager・Product Manager・TechLead・Data Scientistを兼務し、機械学習によるダイレクトレスポンス広告のClick / Conversion率の改善施策を担当。CPA指標を劇的に向上させた実績を持つ。 2017年4月からABEJAに参画し、ABEJA Platformを活用した新規ビジネスの開発に従事している。2018年3月よりABEJAの執行役員、同年4月よりCA ABEJAの取締役副社長に就任。

AIはバブルの渦中か? 3人の現状認識

ひとつめのトークテーマは、「AIの現状をどう捉えるか?」。 3人の現状認識を聞きました。

――中島
「AIへの注目度はまだ上り調子です。そうすると、企業にはお金が集まるし、勉強する学生も増えるし、メディアも騒ぐ。今はバブルだと思いますが、人を育て、技術を育てる健全なバブルだと思います。まあ、どこかでドーンと落ちるとは思っているんですけど。GoogleやMicrosoftなどのように、しっかりしたビジネスモデルを持つ企業から、AIへのチャレンジが生まれてきている状況です」

しっかりした収益基盤を持つ企業が、蓄えた財力を元手にハイレベルなAIへのチャレンジを加速させる。今日、AI関連のニュースを聞くときは、GAFAMの名前があることが多いです。

※GAFAM……(Google、Apple、Facebook、Amazon、Microsoftの頭文字をとってそう呼ばれる)

――菊池
「バブルとは思っていませんが、AIのポテンシャルはめちゃくちゃ高いと思っていて。今後あらゆる生活に溶け込んでいくと思うんですよね。意識するものではなく自然に存在するものとして認識されるようになります。

直近では、成功事例と失敗事例が明確に分かれてくると思います。失敗事例に触れてしまうと、AIに対して尻込みしてしまうユーザーも多い。そこを乗り越えていただくため、ABEJAでは経験と事例に基づく知見を広く公開しています。

今後、アルゴリズムの汎用化、パッケージ化が進むにつれ、戦略からデータを、データから戦略を相互に作っていく必要が出てきます。そのために、まずはAIに対するリテラシーを高めていただき、ベンダー、ユーザー相互に助け合って失敗の壁を乗り越えることが重要だと感じています」

数々のAIユーザー企業を支援してきた経験から、知見をシェアするABEJA。その姿勢はカンファレンス「ABEJA SIX」の開催を見ても現れています。

では、日本のAI研究の中心地とも言える東京大学松尾研の大澤氏は、AIの現状をどう見るのか? 大澤氏は、そもそもバブルの定義とは何か? と中島氏に異を唱えます。

――大澤
「松尾研は研究室としては特殊で、基本的に学生は全員起業させるスタンスを取っています。企業のお手伝いをするなかで、やはりディープラーニングは圧倒的なブレイクスルーだなと。ただ、僕は現状をバブルというのは違うと思っていて、むしろAIの価値自体はもっと上がると思っています。中島さんはバブルの定義はなんだと思われますか?」
――中島
「バブルというのは、期待値が実質の価値よりも高い状態のことでしょう」
――大澤
「期待値と実態が合っていない状態である、と。私は、皆がAIの価値を正しく知ればもっと上がると思っています。もちろん(マーケティング的にAIという言葉を使っている)危ない企業のバブルは弾けるでしょうが、AIのニーズ自体は今後も下がらないんじゃないでしょうか?」

――中島
「もちろん、AIは今後20〜30年以内には当たり前の技術になるので、使いこなせない企業は消えていくと思います。少なくとも、上から『AIやれ』と言われてやっているところは絶対にうまくいかないでしょう。

つまり今、人をたくさん抱えていて、どう切っていいか分からないような企業がAIを導入したところで何をできるわけもなく、そこの投資はバブルなんですよ。でも私は、役者が変わると思っている。いわゆる大企業ではない、失うものが何もない新しい企業が突然ポッとビジネスを奪っていく。

20年後に今の銀行はほとんどなくなっていますよ。今の銀行が、何をどうすべきかの答えを持っているとは思わないし、理解もしていないと思います。もたもたしてないでさっさと新しいフィンテック作れよ! と思いますけどね。日本企業は人を切れないから何も変われない」

「既存業務の効率化」だけのためにAIを利用する企業は淘汰され、本質的に自社のビジネスと統合できている、新しいプレイヤーだけが生き残ることができる。まさに、今回のカンファレンスのテーマでもある「適者生存」の時代が来ると言えます。

AIの民主化で、エンジニアの価値は希薄化する?

では、今後もAIの価値は下がらないという前提を踏まえ、これから日本企業がすべきことはなんなのか? 「企業がAIに取り組む上での問題は3つある」と ABEJAの菊池氏は語ります。

――菊池
「我々が向き合っているユーザー企業の中でも、おおよそ問題はお金、人材、データの3つに集約されます。この3要素で負のスパイラルが回っており、そこから脱却できない企業が多い。採用、教育への予算がないので、人が育たない。人が育たないからデータから戦略を考える環境が作られないというふうに。

私はもともとデジタルマーケティング畑の出身なのですが、デジタルマーケティングの世界では、すでに10年ほど前からAIの活用が進んでいます。効果に対して、いくらでどの広告を誰に当てるのかなどを考えアルゴリズムを設計するため、デジタルマーケティング業界の人たちのAIリテラシーは高い。

一方、リテラシーが高くない企業もあります。そのような企業には、お金をかけて人を採用するか、人を教育するかの2択しかないわけです。その結果、AIを使う前段階のデータを作るところに時間が取られてしまう。

そうなると、事業設計に時間を7割方取られ、AIの導入時期がずれ、結果的に全体へのAIの浸透が遅れる……ということになりかねない。なのでまずはデータを利活用できる環境にしていくことが重要です」

――菊池
「今あるデータから事業としての改善戦略を練る、またその逆として戦略に必要なデータを定義するなど、ビジネスとテクノロジーを行ったり来たりできる感覚を持つ人は、アカデミックな世界でコンピューターサイエンスを学んだ後にそのまま独立したスタートアップのCEO、CTOにはいますが、社会全体に浸透しているかというとそうではありません。

プログラミングが義務教育で必修になっていますが、それよりもデータ分析を取り入れていくべきです。プログラミングは問題解決や、データを分析することに本質があり、プログラム自体はただのツールでしかありません。

AIについての知識がない方でもモデル作成や運用をスムーズに行えるようなツールが出てきているので、エンジニアの価値はこれから希薄化していくでしょう。使う側と作る側の垣根もどんどんなくなっていく。まさにAIの民主化がやってくると思います」

――大澤
「今はエンジニアが神格化されすぎていますよね。それほど属人化してしまっているのもありますが。今は誰でもAIが作れる。今目の前にいるみなさん、AIは3ヶ月で勉強できますよ(笑)」

――中島
「エンジニアの価値が希薄化するかは分かりませんが、そもそも、データを集めることの大事さを分かっていない人が多いんです。

アリババ、テンセントといった企業がこぞってデータを集めているのは『人や企業のファイナンシャルリスクが把握できる』ことの優位性を知っているからです。どのくらいのリスクでお金が返ってこないかが計算できる。そんなことができるデータを持っている銀行は日本にないでしょう。危機的じゃないですか。

本当に、銀行は今日にでもfreeeとかの会計ソフト企業を買うべきですよ。そうすれば企業のキャッシュの流れを覗ける。与信ができる。まずはデータを得るところから、という発想がないんだと思います」

では、データの重要性を浸透させるのに、日本企業はどのように変わっていけばいいのか? 議論は日本企業の構造的な問題点に移っていきます。

――中島
「とりあえず、デジタル・デバイドの向こう側にいる人には早く退いてもらうしかないと思います。トップがITを理解していないので辞めて起業したいが、起業しても食べていけるか分からないからどうしよう、という人からよく相談を受けます。

そんな人には『思いっきり暴れろ』と伝えています。どの道、そんな会社は今後10年も持ちません。上司が馬鹿だったら従わなくてもいい。起業できなければ社内でも好き放題やったらいい。そのくらいの元気がある人が騒がないと、日本の企業はダメになると思います」

――大澤
「まあその人たちにも家族がいますからね。リスクは取りづらいと思いますよ」

――中島
「長期的に見れば、そんな会社にいるほうがもっとリスクです。日本企業はスペシャリストを嫌いジェネラリストを好みますが、ことITにおいては手を動かしてプログラムを書ける人が強い。

海外企業はそれを知っているからエンジニアに莫大な額を投資しているのに、日本企業がお金を払うのは下請け会社の派遣さん。未だにSIerというビジネスが成り立ってしまっている現状には、危機感を感じています」

AI導入は子育てである

――大澤
「でも、今AIで稼ぐとなったら、受託で稼ぐSIerしか選択肢がない気がしますが? 企業から受託を受けて、代わりにAIソフトウェアを作るところでしかお金を取れない」
――中島
「SIerはビジネスになるからやっているので、それはそれでいいですが、本当のエンジニアは育ちませんよ。手を動かしていないから」

――大澤
「そもそも本当のエンジニアは必要なのか?というと疑問で。Googleがエンジニアにお金を払ってるから大きくなったのか、大きいからエンジニアにお金を払えるのかは議論の余地がある気がします。Googleのビジネスって広告ですから、そもそもエンジニアリングバリューって必要なんでしょうか?」
――中島
「全然、100%違います。優秀なエンジニアが引っ張っているからこそ、儲けられる会社になったんです。エンジニアへの投資を終えたら終わりますね」
――菊池
「私も大澤さんに近い考えで、先程も申し上げた通りエンジニアの価値は希薄化すると思っています。

AIは今後どんどん人間の脳を模倣していき、より人間の脳に近い機能を果たすようになるかと。それが進むと、人間がAIの中身をチューニングできるポイントはますます少なくなっていきます

――菊池
「よく言うのが、子育てのプロセスです。思い浮かべてほしいのですが、子供は立ち上がったり、話せるようになったり、自分で着替えができるようになったりと、さまざまな形で成長します。AIもどのようなデータや戦略で育てていくのかを考える過程で、まったく同じプロセスを踏みます」
――大澤
「僕の大学での専門は強化学習ですが、授業で作ったAIでトーナメントをさせるんです。格闘ゲームで。

そこではプログラミングがうまいやつじゃなく、子育てがうまいやつが勝つんです。コーディングじゃなく育て方がうまい、というか。コードが長いよりも少ないほうが勝ったりします」

――菊池
「親子でも親が最初ケアしますが、最終的に子供が自立する過程を見守りますよね。AIにおいても長く時間がかかるのは大前提。長時間かかったとしてもAIが自立していくプロセスを理解した上で、AI導入を推進していただくといいと思います」

子育てをするようにAIを育てる。そう考えると、AIで短期間で成果を出そうとする姿勢が、いかに間違っているかが分かります。2018年は、短期間で成果を出そうとするあまり、PoCを繰り返すことを揶揄する「PoC貧乏」という言葉も流行しました。

局所最適では、すべてを最適化した企業に負ける

最後に、AIを導入しようとしているビジネスパーソンに向けて、3人からメッセージがありました。

――菊池
新入社員すべてをデータサイエンティストにするくらいの、大胆な転換が必要です。おおげさですが、極端に振らなければ、データの考え方が浸透しません。加えて、パッケージ化などを進めていかなければ、AIの限界費用は下がりません。AI=高価なものという思考から抜け出せない。規模の経済を働かせて限界費用を下げるとともに、人材教育に投資していくべきです」
――大澤
「世の中、実力があっても飼い殺しにされている若手が多いです。そんな若手を大事に、ちゃんと評価することをしてほしいですね。具体的には、1on1を実施してあげてください。実力がある人の宝探しをしてもらいたいです」
――中島
「この会社は10年で潰れるという、危機感と覚悟を持ちましょう。『上司に言われたから』『目の前の仕事が』などの言い訳をせずに、上からのミクロしか見ていない指示とどう戦うか。それをしなければ、局所最適になり、すべてを最適化した企業に負けますよ

登壇者のひとりである中島氏がかつて在籍したMicrosoftには、「失われた10年」とも呼ばれる、停滞した期間があります。そこからMicrosoftが復活したのは、クラウドに注力するという決断をし、大胆にビジネスモデルの構造改革を実施したからでした。

健全な危機感を持ちつつ、大胆に自社のビジネスを根こそぎ変革する決断をできること。そしてそれを可能にするカルチャーが、AI時代に「適者生存」する術なのかもしれません。

『THE AI 3rd』その他企業の講演資料は下記からダウンロード可能


新規CTA

ヨーロッパのAIスタートアップ40%がAIを使っていない…… 大事なのは定義か?

Photo by Tobias Moore on Unsplash



EUのAIスタートアップ企業2830社の40%が、実際には機械学習の技術を使用していないという事実が、ロンドンを拠点とする投資会社であるMMCベンチャーズの調査で明かされた。

スタートアップがAI企業を名乗る効用

出典:MMC調査資料

MMCは、EU内13カ国の約2,830社のAIスタートアップを調査し、各社の


新規CTA
  • 活動
  • 焦点
  • 資金

を確認。調査責任者のDavid Kelnar氏は、「40%のケースでAIを使っている証拠について言及されていないことがわかった」とForbes誌に語っている。

投資家にも、プロダクトに使われている技術がAIと呼べるものかどうかを精査する知識がないケースが多い。にも関わらず、MMCによれば、AIスタートアップ企業への投資額は2013年から2018年の5年間で15倍に増加している。それだけ「AI」という言葉は投資家にとっても魅力的に映っている。

出典:MMC調査資料

つまり、ディープラーニング、機械学習を使っていなくとも、堂々とAIを掲げ、投資家や消費者を「騙す」ことができてしまう。それどころか、従業員すらも偽っている認識がないかもしれない。

今なお決着しない「AIの定義」問題

Photo by Waldemar Brandt on Unsplash

問題を起こす原因は、「AI」という言葉の定義の曖昧さにある。「何を以てAIとするか」は各識者によっても見解が異なるのだ。

日本においても、以下のように、各研究者が異なる定義を提唱している。

中島秀之
公立はこだて未来大学
武田英明
国立情報学研究所
人工的につくられた、知能を持つ実態。あるいはそれをつくろうとすることによって知能自体を研究する分野である
西田 豊明
京都大学
「知能を持つメカ」ないしは「心を持つメカ」である
溝口理一郎
北陸先端科学技術大学院
人工的につくった知的な振る舞いをするためのもの(システム)である
長尾真
京都大学
人間の頭脳活動を極限までシミュレートするシステムである。人工的に作る新しい知能の世界である
浅田稔
大阪大学
知能の定義が明確でないので、人工知能を明確に定義できない
松原 仁
公立はこだて未来大学
究極には人間と区別が付かない人工的な知能のこと。
池上 高志
東京大学
自然にわれわれがペットや人に接触するような、情動と冗談に満ちた相互作用を、物理法則に関係なく、あるいは逆らって、人工的につくり出せるシステム
山口 高平
慶應義塾大学
人の知的な振る舞いを模倣・支援・超越するための構成的システム
栗原 聡
電気通信大学
人工的につくられる知能であるが、その知能のレベルは人を超えているものを想像している
山川 宏
ドワンゴ人工知能研究所
計算機知能のうちで、人間が直接・間接に設計する場合を人工知能と呼んで良いのではないかと思う
松尾 豊
東京大学
人工的につくられた人間のような知能、ないしはそれをつくる技術

出典:松尾 豊「人工知能は人間を超えるか」P45より

AIをシステムやメカとする定義もある一方、大阪大学 浅田氏の定義のように、そもそも人間の知能すら定義できない以上、AIも定義できないという声も存在する。

このため、人間が持つ「AIを使っているかどうか」という調査も、何を基準として調査すべきかはハッキリしない。AIの定義が人によって違うのであれば、極論、どのような技術であってもAIと言ってしまえばそれはAIになってしまうからだ。

言葉の定義ではなく、本質を見極める

少なくともビジネスの世界で、現時点でAIと呼ばれるものは、機械学習、ディープラーニングなどの技術だろう。

しかし、最も大事なのはAIそのものの定義ではない。AIはあくまでツールのひとつにすぎず、今回の調査でAIを使っていないとされた40%の企業も、何らかの形で顧客に価値を提供していることは間違いないのだ。

大事なのは、AIを理解し、選択肢の1つとすること。言葉に踊らされず、自分たちは何を成し遂げたいのか。そして、そのために必要なツールは何かを考えることだ。AIを使わずに課題を解決できるのであれば、それで問題はないのだから。

Source:
Forty percent of ‘AI startups’ in Europe don’t actually use AI, claims report
欧州の「AI企業」の4割、機械学習を使用せず


新規CTA