人工知能と機械学習に対するあなたの理解を完全に覆す10の成功ビジネスストーリー

導入：

チャットボットから予測分析まで、IT リーダーは人工知能と機械学習を使用してビジネス インサイトと新しいアプリケーション シナリオを生成する方法を共有します。

[[231570]]

AIと機械学習ほど注目されているテクノロジーはありません。現在、一部の企業は、顧客を引き付けたり、事業運営をサポートしたりするために、人間の思考を模倣するためにこれらのテクノロジーを使用しています。ガートナーによれば、2020 年までに 30% 以上の CIO が AI と機械学習を上位 5 つの投資優先事項の 1 つに挙げており、この傾向は今後数年間でさらに勢いを増すでしょう。

当初はロボットがすべての人の仕事を奪ってしまうのではないかと人々は心配していましたが、現在ではこの傾向はいくらか和らぎました。人間と機械が協力して働く可能性が高くなるからです。アクセンチュアのCTO兼最高イノベーション責任者であるポール氏は、企業はもはや、高度に自動化された職種で働く従業員の再雇用には関心がないと語った。彼は最近、AI が世界の労働力に与える影響に関する書籍「Humans + Machines: Reimagining Work in the Age of AI」を共同執筆しました。

1,500 社の企業を対象にした調査では、CEO の 65% が、従業員と CIO が人工知能の導入に備えていないことを認めていることがわかりました。 AI によってもたらされる変化に備えてトレーニングの取り組みを強化したと答えた経営幹部はわずか 3% でした。これは大きなギャップであり、CEO はすぐに変化を受け入れ、それに備えるために何をすべきかを従業員に知らせる必要があります。

しかし、結果がどうであれ、AI、機械学習、ロボット工学による仕事の自動化の時代が到来しました。 CIO は、人工知能と機械学習の新しいビジネスユースケースを学習、実験、構築しています。

シナリオ 1: AI が従業員の「世界の終わり」を予言する

[[231571]]

新たなデジタル技術の出現により、アクセンチュアでも従業員の働き方が変化しています。同社は約23,000の仕事を自動化し、従業員を再配置した。さらに驚くべきことは、アクセンチュアの 45 万人の従業員がいつでも新しい職務に異動し、新しいスキルを再度学習する必要があることです。

アクセンチュアは、従業員がこの移行をスムーズに行えるよう、履歴書をスキャンして従業員の仕事が重要でなくなる時期を予測できる独自の機械学習アプリケーションを開発しました。このアプリは、従業員の職務経験を組み合わせて、その職務の潜在的な不要性をスコア化します。たとえば、AI や自動化の適用により、従業員のスキルは 18 か月以内に時代遅れになります。

ポール氏は、このアプリは従業員にとっての「終末」を予測するだけでなく、従業員の全体的な資質や考え方を自律的に考慮し、仕事を維持するために将来必要になる可能性のあるスキルを推奨することもできると考えています。

重要なポイント: CIO は企業の AI 戦略を主導し、HR やその他の事業部門の主要な利害関係者と積極的に連携して、戦略に関する合意を確保する必要があります。責任ある組織が AI を企業に急速に統合するにつれて、CIO は AI に対する偏見を迅速に特定し、排除する必要もあります。

シナリオ 2: Spark は企業が 100 億のデータ レコードから秘密を発見するのを支援します

[[231572]]

機械学習は、多くの国際企業のデジタル戦略の中核をなす要素です。時価総額40億ドルの企業、レノックス社のCIO、スニル氏は、データベースでSparkソフトウェアを使用して、同社の商業用暖房および空調システムの情報フローを分析し、機械のパフォーマンスをリアルタイムで監視し、機械がいつ故障するかを予測して、迅速に緊急時対応計画を立てていると述べました。

「Databricks（Spark分野のテクノロジー企業）のおかげで、このデータを使用して、機器の動作を90％の精度で予測できるようになりました。以前は、独自に予測を立ててエアコン販売店に問い合わせることが多かったのですが、これらはたいてい誤報であり、非常に困惑していました」とCIOは語った。

Databricks を選択する前に、Lennox は多くの分析ツールを調査しましたが、それぞれが 1 つのケースを処理するように設計されていました。 Databricks は、数百のデータベースにわたる数百テラバイトのデータを管理できる統合プラットフォームを提供し、Microsoft Azure 上で実行されるため、Lennox はシステムを保守する必要がありませんでした。 CIO の Sunil 氏のチームは、Databricks の支援を受けて、ビジネス担当者と協力してデータ フロー モデルを構築しました。 Sparks ソフトウェアをベースとすることで、データ分析から簡単に価値を引き出すことができます。

重要なポイント: 手動による予測がビジネス開発に大きなリスクをもたらす場合、CIO は新しいツールを断固として導入する必要があります。スニルは100億個のデータを持っていたため、何をすべきか途方に暮れていました。しかし、分析ソフトウェアを積極的に活用してデータの謎を解明したところ、驚くべき結果が得られました。

シナリオ3: 法人旅行会社が​​顧客満足度を向上させる方法

[[231573]]

David は American Express Global Business Travel の CIO です。彼は在職当初、ロボティック・プロセス・オートメーション (RPA) と機械学習テクノロジーを導入し、企業旅行サービスプロバイダーの業務処理の効率化を図りました。現在、彼はRPAを使用してチケットのキャンセルと払い戻しのプロセスを自動化しています。デイビッド氏はまた、業界内で価格を検索することで顧客がより良い航空券やホテルの宿泊施設を見つけられるようにする新しい機械学習アルゴリズムも作成しました。以前は従業員が手作業で行っていました。この技術は顧客満足度を向上させ、より多くのビジネス収益を生み出すと言えます。

デビッド氏は、以前の仕事では機械学習を使って金融詐欺をスキャンしていたが、現在もこの技術を使ってビジネスを大幅に改善していると語った。

重要なポイント: 誰も新しいものに十分な自信を持っていないため、CIO は通常、自動処理や機械学習に対して慎重です。しかし、CIO はテクノロジー ビジネスの真の推進者であるため、ビジネスにおける影響力を明確かつ断固として確立し、テクノロジーと自動化されたプロセスを使用してビジネス上の問題を解決する必要があります。

シナリオ4: Adob​​eの自己修復機能

[[231574]]

Adobe CIO の Cynthia は、機械学習を使用して Adob​​e システムの障害傾向を分析し、問題がより深刻な結果につながる前に自動的に修正しています。停止が起こりそうなときに自律的に検出できるツールがあれば、問題を事前に排除または軽減できるという考え方です。

このツールは、HaaS (Health-as-Service) と呼ばれます。このツールは、Adobe ERP との統合の失敗や、会社のさまざまな分析システムに入力しようとする誤ったデータ ソースなどのエラーを検出して修正できます。 Cynthia 氏は、HaaS によって手動操作時間が 30 分から 1 分に短縮され、Adobe は問題解決に 330 時間を節約できたと考えています。詳細な問題レポートを使用することで、Adobe のエンジニアはタイムリーな修正を作成できます。自動検出と修復は Adob​​e にとって大きなメリットです。この作業は、2017 年に作成された機械学習診断テスト フレームワークに基づいています。

Adobeの事業では人工知能が活用されていると報じられている。同社は2016年後半に、世界市場向けの主力デジタルエクスペリエンスプラットフォームであるSenseiを立ち上げました。 AI と機械学習の統合フレームワークを通じて、開発者はクラウド プラットフォーム上でドキュメントを作成および公開し、Web アプリケーションとモバイル アプリケーションのパフォーマンスを分析および追跡してイノベーションを推進できます。

重要なポイント: 機械学習を使用してパターンを識別することが、自己修復機能を作成するための鍵となります。 CIO は、人間の介入なしにシステムが自己修復できるようにする必要があります。

シナリオ5: グローバル医療機器データベースを機械学習に接続する

[[231575]]

米国のハースト・ビジネス・メディアの主力事業には、医薬品データベース・ソフトウェアのファースト・データバンクや、信用格付け機関のフィッチ・レーティングスなどがある。さらに、機械学習を使用して医療機器データベースを接続し、顧客が情報にアクセスしやすくしています。

同社の上級副社長兼最高情報責任者（CIO）のマーク氏は、同社が独自の機械学習アルゴリズムを開発しており、GoogleのTensorFlow機械学習ソフトウェアを使用して同社のデータセットでモデルをトレーニングしていると述べた。彼は、企業はビジネス上の課題に対処するためにオープンソース ツールを使用する傾向があると考えています。

重要なポイント: 一般化可能なアプローチを採用することが、Hearst の機械学習での成功の鍵です。機械学習がビジネスの観点から非常に有用である理由の 1 つは、さまざまなデータベースを普遍的な方法で処理できることです。たとえば、信用格付け商品のフィッチ・レーティングスは多くの企業体を理解する必要があり、ファースト・データバンクは世界中で医薬品がどのように使用されているかを理解する必要があります。

シナリオ6: 人工知能が株式投資の成功率を高める

[[231576]]

ファンドや機関投資戦略を提供するパトナム・インベストメンツは、金融サービス会社のアナリストが株式投資の成功率を向上させるための鍵はAIと機械学習であると考えている。

同社のメータCIOは、アナリストが同社のデータサイエンティストと緊密に連携し、大量のデータから洞察を引き出すための論文を共同執筆していると述べた。同社は販売推奨の精度を向上させるための関連アルゴリズムの研究も行っている。これは彼らにとって大きな変化であり、ビジネス全体の効率性と生産性を向上させることになります。

AI と機械学習の戦略を実行し始める際、CIO はソフトウェア エンジニア、データ サイエンティスト、アナリスト、ベンダーのチームを編成し、データ サイエンスの卓越センターを構築しました。そして、これらのビジネス パートナーは、より優れた自動化された推奨を実現するために、この変化を受け入れ始めています。彼は、人工知能と機械学習は企業のデジタル変革の一部であり、クラウド コンピューティングによる IT インフラストラクチャの主導と、ビジネスを運営するための単一のプラットフォームの構築が必要であると考えています。

重要なポイント: AI を導入する場合、企業は段階的に進め、期待を適切に設定し、生じる新たな疑問を考慮し、積極的に答えを探す必要があります。人工知能の分野では、アルゴリズムが突然洞察を生み出すわけではありません。

シナリオ7: 人工知能が税負担を軽減

[[231577]]

ソフトウェアメーカーのCDOであるアショク氏のリーダーシップの下、Intuitは人工知能と機械学習の研究開発を加速させている。同社は、Amazon Web Services を使用して、QuickBooks チャット アシスタント ボットが自然言語をより良く理解して処理できるようにし、Verizon のビッグデータ プラットフォーム内にその役割を構築しました。このプロセスでは、ユーザーを数百の Quickbooks カテゴリにガイドすることになります。

CIO は、10 億件を超える QuickBooks トランザクションを処理しており、AWS の機械学習とクラウド テクノロジーを活用して拡張しているため、正確な分類を最適化できると述べています。同社のTurboTaxシステムは人工知能を活用してユーザーが最適な税金還付を受けられるように支援し、納税申告書作成の時間と書類取得の作業を最大40%節約できる。

要点: 以前 NASA のエイムズ研究センターで働いていたアショク氏は、健全なアルゴリズムを開発するには、実際のビジネス課題を解決するために適切なエンジニアリングの才能を引き付ける必要があると考えています。同社は現在、人工知能を通じてビジネス目標を達成できるようエンジニアを募集しています。

シナリオ8: 過去のデータから将来のパフォーマンスを予測する

Riverbed Technologies の CIO として、Rich 氏は特有の課題に直面しています。 Riverbed は、広域ネットワークのパフォーマンスを向上させるソフトウェアを開発するソフトウェア ベンダーです。彼らは、機械学習を使用して会社の複数のサプライチェーン全体からデータを抽出し、より優れたビジネス洞察を得る方法をテストしています。 「機械学習を活用して、これまで以上に多くのデータを処理したいと考えています」とリッチ氏は語った。

たとえば、Riverbed は注文管理と ERP データを天気などの他の要因の履歴データと組み合わせて、将来のパフォーマンスを予測できるパターンを見つけることができます。生産能力や顧客の注文に応える能力など、サプライチェーンの下流におけるリスクをより正確に予測できるようにしたいと考えています。とりわけ、機械学習を使用してパフォーマンス構成を自動的に調整し、ネットワーク セキュリティのリスクを特定します。 Rich 氏は、単一のデータ レイクを作成し、そこからさらに多くのビジネス インサイトを得たいと考えています。

重要なポイント: 優れた戦略には、AI と機械学習に対する慎重なアプローチも必要です。 Rich は、ビジネス リスクに対処するために、IBM Watson を含むツールとテクノロジーを慎重に評価しています。

シナリオ9​​: 顧客によりパーソナライズされた金融サービスを提供する

[[231578]]

多くの大手銀行と同様に、バンク・オブ・アメリカは顧客に関する膨大なデータを収集しています。しかし、このデータから実用的な洞察を引き出すのも困難です。バンク・オブ・アメリカの主任アナリストであるビルは、それを変えるために取り組んでいます。過去数か月間、彼は Salesforce.com の Einstein AI/機械学習テクノロジーを活用して、銀行の中小企業、卸売、商業資産、ビジネス バンキングの各部門全体でパーソナライズされたサービスを強化してきました。

たとえば、顧客が Bank of America の Web サイトで住宅ローンに関する情報を検索した場合、カスタマー サービス エージェントは、その顧客が次に訪問したときにフォローアップすることができます。たとえば、ソフトウェアは、顧客が電話に出る可能性が高いと計算し、木曜日の午前 10 時から午後 2 時の間に潜在顧客に電話をかけるようエージェントに提案することができます。 Einstein は、エージェントのカレンダーに招待状を配置して、次の木曜日に見込み客に電話することをエージェントに通知することもできます。

これらの機能は、多くの金融サービス組織の取り組みの中核となるでしょう。顧客を 360 度視野で把握することで、適切なサービスを正確に推奨できるようになります。ビルは、私たちは説明できる世界から説明できない世界へと移行していると信じています。この世界の中核となる価値は、常に一歩先を行き、顧客のニーズと当社のチャネルが相互につながることを期待することです。

重要なポイント: 企業と CIO は、AI と機械学習に対してテストと学習のアプローチを採用する際に忍耐強く取り組む必要があります。ただし、実行しているアルゴリズムを拡張する準備も必要です。常に顧客を中心に置くことこそが、テクノロジーを通じて達成できる唯一の法則です。

シナリオ10: 機械学習により「大変な作業」がなくなり、作業がより効率的になる

[[231579]]

Ed は Mastercard のオペレーションおよびテクノロジー担当社長であり、AI と機械学習が Mastercard のあらゆる側面に浸透していると考えています。彼らはこれらのアルゴリズムを使用して反復的な手作業を排除し、従業員がより創造的で価値のある仕事を行えるようにしています。

一方、Mastercard Inc. は機械学習ツールを使用して、製品とサービスのエコシステム全体の変更管理を強化しています。たとえば、機械学習ツールは、どの変更がリスクがなく、どの変更に追加のレビューが必要かを判断するのに役立ちます。さらに、マスターカードは機械学習を使用して、ハッカーがアクセスしようとしていることを示すシステムの異常を検出しています。エドはインターネット上に「セーフティネット」も構築した。疑わしい動作を検出すると、ネットワークを保護する回路ブレーカーをオフにします。 「当社には不正行為スコアリングシステムがあります。取引を確認し、次に行われる取引をスコアリングすることで、システムを更新し続けています」とエドは語った。

重要なポイント: AI/ML は、決済処理業者向けの幅広いツールキットの中の 1 つのツールにすぎません。市場には新しいツールがあふれているが、CIO はそれらのツールがビジネス上の問題を魔法のように解決してくれることを期待すべきではないと Ed 氏は言う。

概要: アプリケーション シナリオの実装は、人工知能にとって常に議論の多い分野です。機械学習における現在の課題は、いかにして機械をよりスマートにするかということです。画像、音声、画像の認識、ある言語から別の言語への翻訳、テストなど、今日のすべてのアプリケーションは人工知能の特徴の一部です。 CIO は新しいテクノロジーを組み合わせて人工知能を実装する必要があります。多くのシナリオのアプリケーションは徐々に成熟し始めており、注意を払わないと手遅れになるからです。