Belcorp CIO: AI による IT 研究開発の見直し

多国籍美容企業ベルコープは過去3年間、パンデミック、消費者行動の変化、サプライチェーンの混乱、インフレによってもたらされた数々の課題を乗り越えてきた。これらの課題に対処するために、Belcorp はコンピューター ビジョン、ニューラル ネットワーク、自然言語処理、ファジー ロジックなどのさまざまなテクノロジを活用しました。

「こうした状況により、当社のビジネスバリューチェーン全体に不確実性が生じています」と、ベルコープの最高デジタル・データ・テクノロジー責任者であるベンカット・ゴパラン氏は述べた。「その結果、効率性、安全性、製品品質の高水準を維持しながら、新製品開発プロセスにおいてより機敏かつ柔軟にならなければならないことがわかりました。」

ベルコープは直販モデルを採用し、世界14の国と地域で事業を展開しています。ベルコープのブランドには、ésika、L'Bel、Cyzoneなどがあり、その製品はスキンケア、メイクアップ、香水にまで及びます。困難に直面した研究開発部門は、研究開発ラボでの実験テスト時間を短縮できれば、製品の発売が大幅に加速し、製品開発プロセスの生産性が向上すると指摘しました。

「実験とテストの段階は、新製品を概念化して発売する反復プロセスに大きな影響を与えます」とゴパラン氏は語った。

R&D ラボでは、さまざまな形式で保存され、アクセスや追跡が困難な大量の非構造化データが生成されます。そのため、テスト結果の記述的分析を実行するには、一連の手動プロセスが必要になります。

この目的のために、ベルコープは新しい AI イノベーション ラボ プラットフォームを構築しました。ゴパラン氏は次のように述べています。「このプログラムの主な目標をまとめると、第一に、製品開発時間を 20% 短縮することを目指しています。第二に、ラボ部門の生産性を 60% 向上させることを目指しています。そして最後に、製品の安全性を損なうことなく、消費者リスク評価サイクルを 80% 短縮することを目標としています。」

AIイノベーションラボプラットフォームの構築

Belcorp は主に 2 つのフェーズでプラットフォームを開発しました。最初の段階では、より効率的かつ体系的なデータ処理を可能にするデータ アーキテクチャを確立します。

「安全性、感覚的効能、毒性試験、製品の配合、成分組成、皮膚、頭皮、身体の診断と治療の画像など、ラボのデータを AWS データレイクにストリーミングすることで、より簡単に洞察を引き出すことができます」とゴパラン氏は語った。

第 2 フェーズの焦点は、AI ソリューションを使用して複雑な生物学的状態を予測およびシミュレートし、発見を加速し、リスクを軽減し、技術開発の費用対効果を最適化するためのアルゴリズムとモデルを構築することです。このフェーズでは、チームは主にデータ サイエンティストと生物学者の専門家のサポートに依存しています。

「これらのアルゴリズムは、高度な分析セルフサービス プラットフォーム上に構築されており、データ モデリング、トレーニング、予測プロセスの俊敏性が向上します」と Gopalan 氏は説明します。

上級管理職へのプロジェクトの販売

Gopalan 氏は、チームはプラットフォームの構築にサードパーティの SaaS の使用を検討したが、R&D 部門の独自の要件と取り組みの範囲と性質を考慮して、最終的にはカスタム ソリューションを採用することに決めたと述べています。チームは、AI イノベーション ラボの計画を経営陣に承認のために提示した際、開始予定の 5 つのユース ケースと、それに関連する潜在的な価値とコストを提示しました。

「ビジネスケーススタディでは、これによって製剤の安全性、有効性、性能がどのように向上し、市場投入までの時間の短縮や運用コストの削減につながるかが強調されています」とゴパラン氏は述べました。「これを裏付けるために、これらのテクノロジーを活用することで得られるプラスの影響について、データに裏付けられた証拠と事例を提供しています。」

ゴパラン氏は、潜在的なメリットを効果的に伝え、明確な ROI を示し、潜在的な課題に対処することが、プロジェクト リーダーシップ チームからの賛同とサポートを得る鍵であると述べています。

部門横断的なチームを作る

チームは、プロジェクトのニーズを完全に理解するために、研究開発、テクノロジー、工場、サプライチェーンの専門家を雇用しました。チームは、プラットフォーム アーキテクチャとデータ基盤の構築とテストに約 6 か月を費やし、その後の 6 か月をさまざまなユース ケースの開発に費やしました。

「デリバリーは段階的に行われ、各段階で複雑さが増します。各イニシアチブには、データ サイズ、データの種類、統計モデルと計算モデル、データ マイニング処理要件など、独自の複雑さがあることに注意することが重要です。したがって、挫折や予期せぬ事態はよくあることであり、発生したときに対処する必要があります。非定型データを使用することで、課題に遭遇することが日常業務の一部であるという現実も明らかになります。」

成功への道の障害

ゴパラン氏は、CIO として直面した最大の障害は、R&D パイプラインと外部データベースからのデータのほとんどが広範かつ非構造化されていること、プロジェクトに必要な特定の人材 (生物学者、バイオインフォマティクスの専門家、技術者、データ サイエンティストなど)、および新しいプラットフォームが受け入れられるために必要な文化的変化であったと述べています。

最初の課題に対処するために、チームは、堅牢な分析をサポートするのに十分な高品質のデータを取得するために、さまざまなデータソースと形式の自動化とクリーニングに注力したと彼は述べた。彼らはデータマイニング技術を使用して、23の国際的な公開ベンチマークデータベースからモデルデータをクロールしてコンパイルし、2016年以降に内部で生成されたデータと比較しました。

2 番目の課題に対処するために、Belcorp はさまざまなチーム間の知識ギャップを埋めるために新しい人材を採用し、プロジェクトの設計と実装を支援するトップクラスのデータ サイエンティストとデータ エンジニアを採用するためのテクノロジー センターを設立しました。ゴパラン氏は、データおよびテクノロジー チームには、次のような複数の分野での専門知識と実践的な知識が必要であると指摘しました。

• 各ユースケースのデータ、バイオプロセス、ビジネス目標を理解するラボワークフロー
• エンドツーエンドのプロセスで使用されるデータとさまざまなプラットフォームを効率的にオーケストレーションおよび接続するためのデータアーキテクチャ
• 予測ソリューションを開発するための高度な分析と人工知能
• ソフトウェア開発では、カスタムプラグインとWebアプリケーションを作成し、R&Dアナリストに視覚的なインターフェースを提供します。
• エンドユーザーがプラットフォームを最大限に活用できるようにするためのデータ能力の人材トレーニング。
• 最後のハードルは、研究室での多くの手動プロセスを排除することで生じる文化的変化に対処することです。

「これを克服するために、私たちはラボのアナリストにプラットフォームの使用方法をトレーニングし、フィードバックを集めるために最初のパイロットユースケースを実施しました。これに基づいて、プラットフォームとユーザーエクスペリエンスを微調整するために反復的な変更を加えました。さらに、一連のワークショップとデモンストレーションを通じて、エンドユーザーにプラットフォームの価値と利点を簡潔に伝えることで、ユーザーの採用を確実にしました。」

現在、AI イノベーション ラボ プラットフォームは完全に展開されており、これまでに 12 のユース ケースが提供されており、Gopalan 氏はこれらのユース ケースが大きな成果を達成したと述べています。彼は、ラボでのテスト、処方、外部ソフトウェアのライセンス、キャンペーンの最適化の削減によるコスト削減を指摘しました。

「このプロジェクトの投資収益率は432パーセントだ」と彼は付け加えた。

同氏は、このプロジェクトは期待された成果を達成しただけでなく、研究開発のデジタル変革も促進したと述べた。

「このプロジェクトとデータに基づく洞察の探求を通じて、当社は製品開発プロセスと顧客ニーズをより深く理解することができました。これにより、イノベーションとビジネス成長への新たな道が開かれ、これまで未開拓だったより多くの機会を特定して追求できるようになりました。」

洞察の要約

ゴパラン氏は、AI イノベーション ラボ プラットフォームの開発によって、AI と分析を活用したデジタル変革を成功させるための 5 つの重要な洞察が得られたと述べています。

• デジタル変革の複雑さを受け入れます。変革は複雑なプロセスであり、間違いは避けられません。 「こうした失敗に怯むのではなく、学びの機会と捉えてデジタルの旅を続けてください」と彼は語った。
• 価値重視の戦略に従ってください。重要な価値を生み出す可能性のある領域にエネルギーとリソースを集中させます。つまり、優先度の高いユースケースを迅速に拡張し、失敗した実験を中止し、四半期ごとのマイルストーンで定期的な評価を実施します。
• ビジネスプロセスを再考します。既存のビジネス プロセスを再考し、変革することによってのみ、デジタル変革のメリットを真に実現できます。
• 早期にインパクトのあるメッセージングを開始します。経営陣の賛同を得てパイロットユースケースに基づいた説得力のある成功事例は、組織とエンドユーザーからの賛同を得るために不可欠です。
• 才能の重要性を認識する。必要なスキルと能力を特定し、適切な人材を適切な役割に適切なタイミングで配置することが成功には不可欠です。