人工知能導入の第一歩：企業で最も一般的な3つのアプリケーション

人工知能はあらゆる業界の基盤になりつつありますが、多くの企業はまだどのように始めればよいかわかっていません。

Amazon、Microsoft、Google Cloud などの AI 主導の企業の取り組みを見て、これらのリーダーに倣うには資金が足りなかったり、最もよく訓練された従業員がいなかったりするのではないかと心配する人もいます。

幸いなことに、ハードウェアとソフトウェアの進歩により、ほぼすべての企業が AI プロジェクトを開始できるようになりました。そして、彼らだけではありません。世界の AI 市場は、2021 年の 935 億ドルから 2028 年には 6,413 億ドルに成長すると予想されています。

ビジネスの成長を目指す企業にとって理想的な第一歩は、チャットボット、画像分類、価格予測という 3 つの最も一般的なアプリケーションから始めることです。

チャットボットはどこにでもある：会話型AIの台頭

チャットボットは、人工知能を搭載した顧客サービスエージェントです。顧客がチャットボットに質問すると、チャットボットは多数のシステムから情報を検索し、顧客に回答します。

チャットボットはかつて消費者を満足させようとしましたが、結果は期待外れでした。しかし、今日ではチャットボットは顧客サービスと満足度の向上に役立ち、企業の多大なコスト削減にも役立っています。 Juniper Research は、チャットボットによって企業が年間最大 80 億ドルを節約できると見積もっています。

中国平安銀行は、中国に本社を置く大手金融サービスプロバイダーです。中国の平安はチャットボットの利用における先駆者でした。会話型チャットボットは、人工知能に基づいて開発およびトレーニングされており、高度な理解力と向上した精度で毎日何百万もの顧客からの問い合わせに対応します。これにより、大幅なコスト削減が実現されるだけでなく、コールセンターの待ち時間が短縮され、顧客サービスのレベルも向上します。

会話型AIアプリケーションの中核領域

• 自動音声認識 (ASR): 自宅で仮想アシスタントに話しかけたり、携帯電話に話しかけたりすると、自動音声認識が機能し、ユーザーが従来のキー入力を使用しなくても音声がテキストに変換されます。
• 自然言語処理 (NLP): 自動音声認識よりも一歩進んだ NLP を使用すると、人間とテクノロジーのシームレスなインタラクションを提供するアプリケーションを構築できます。
• 音声合成技術に基づくテキスト読み上げ: チャットボットはテキスト読み上げ機能を使用して、音声で顧客の質問に回答します。

成功するチャットボットを導入するには、スピード、正確性、カスタマイズ可能な音声と言語が必要であり、また、必要に応じて数百または数千の顧客リクエストに対応できるように、チャットボットは拡張可能である必要もあります。

簡単そうに聞こえますが、難しいことは何でしょうか? 難しいのは、プロセス全体が一度きりのものではないという点です。正確かつ高速なソフトウェアを開発するには、継続的な調整が必要であり、これを手動で行うと、データ サイエンス チームの作業に著しい支障をきたす可能性があります。ありがたいことに、強力なチャットボットの開発に要する時間を、これまで数か月かかっていたものが、今では数日間に短縮できるソフトウェア ツールが増えています。

チームは、チャットボットをゼロから構築する前に、事前トレーニング済みのモデルを出発点として使用して、まずスキルを向上させることもできます。

全体像を把握するための画像分類

コンピューター ビジョン (画像分類) とは、精度の向上、安全性の向上、新しいプロジェクトの加速を目的として、人工知能を使用して画像をグループ化および分類するプロセスを指します。たとえば、旅行を計画したり、信号のタイミングを制御したりする場合に遭遇する状況では、常に変化するデータ ポイントに基づくリアルタイムの認識とリアルタイムのソリューションが必要になります。コンピューター ビジョンは、物理世界と仮想世界を融合させるのに役立ちます。

画像分類を展開するには、運用環境で推論ワークロードを実行し、予測を行うトレーニング済みの AI モデルが必要です。

セグメンテーション、分類、検出の次の 3 つの段階が組み合わされ、わずか数ミリ秒で推論が実行されるシステムです。

• 典型的な画像分類システムには画像セグメンテーションが含まれる
• 画像の各部分は異なるカテゴリに分類されます
• 異常が検出された場合にはフラグが立てられ、オペレーターに通知されます。

医療用画像処理、自動運転車、交通管制システムは、画像分類によって業界の安全性、セキュリティ、精度を向上できる 3 つの分野です。これらの目標を達成するには、AI 推論を迅速に実行し、正確な結果を達成し、定期的に再トレーニングできる必要があります。

企業は、マネージド ラボで画像分類システムを構築するスキルを開発し、エンドツーエンドのデータ サイエンス ワークフローを作成し、推論を実行するときに本番環境にモデルを展開する方法を検討できます。

価格予測が重要な理由を学ぶ

パンデミック、政治、異常気象に関連する予期せぬ出来事により、原材料価格の予測はほぼすべての業界でますます困難になっています。

これらの変数は絶えず変化しており、AI を活用した価格予測は、企業が課題を克服し、ビジネスに安定した運用環境をもたらし、利益を最大化するのに役立ちます。

AI 価格予測モデルは、アプリケーションごとに異なる多数のデータ ポイントを評価します。

• ライドシェアリングの価格予測モデルでは、時間帯、天候、地理的な地域のルートなどの要因が考慮される場合があります。
• 将来の小麦価格を予測するモデルには、季節的な需要、天候、政治活動に関するデータが含まれる可能性があります。

価格を予測するための AI モデルのトレーニングには、データの準備と処理を含む基本的なデータ サイエンスの作業が含まれます。ライドシェアリングの例では、価格予測モデルを構築するには、乗車地点、降車地点、運賃額、乗客数、乗車需要、場合によっては天気などのデータセットの評価が必要になります。

同様に、価格予測モデルでは、情報が古くなって古くなる前に迅速に処理する必要がある大規模なデータセットへのアクセスが必要です。予測の正確性を保証するには、精度と効率の両方において高速コンピューティングが必要です。加速データ サイエンスが組織にとって新しいワークロードである場合、チームが迅速にスキルを磨くのに役立つラボがあります。

最初の人工知能の立ち上げ

プロジェクト 企業はどこから AI の取り組みを始められるでしょうか? これらのプロジェクトやその他の主要な AI ワークロードを実行するスキルを開発するのに、高額な費用がかかったり、学界に戻る必要がありません。

AI 機能の拡張に意欲的な企業は、既存のチーム スキルに投資したり、世界中のさまざまな仮想テストや企業主催またはサードパーティの「学習ラボ」で能力を磨いたりすることができます。

優れた実践的なラボ体験により、ユーザーは特定の業界に最も役立つ可能性のあるさまざまな種類の AI アプリケーションを確認し、学習し、試すことができます。 AI は、ほぼすべての業界や組織に大きな影響を与えることができます。たとえば、航空会社の予約システムのための新しい時間節約型チャットボットの開発、倉庫業務をスピードアップする画像分類アプリケーション、食品小売業界で数十億ドルを節約する価格予測モデルなどです。

ビジネスにおける AI の価値は高いですが、一部の AI アプリケーションのアイデアのテストは無料で行うことができます。ですから、今すぐ少し時間を取って、どこから始めたいかを評価し、世界中の多くの無料仮想ラボを活用して旅を始めましょう。