機械学習の成功事例9つを詳しく見る

かつては企業にとって「空約束」と考えられていた人工知能（AI）と機械学習（ML）が、今では主流になっています。

[[271492]]

人間の心の行動を模倣するこの技術を利用して顧客を引き付け、事業運営を強化する企業が増えています。

調査会社ガートナーの調査によると、IT およびビジネスの専門家 106 人のうち 59% がこれまでに人工知能技術を導入しており、平均 4 つの人工知能/機械学習プロジェクトを実施していると回答しています。これらの回答者はまた、今後 1 年以内にさらに 6 つのプロジェクトを追加し、今後 3 年以内にさらに 15 のプロジェクトを追加する予定であると述べました。ガートナーのアナリスト、ホイット・アンドリュース氏は、これらの組織は2022年までに平均35件のAI/機械学習プロジェクトを展開する予定であり、計画されているプロジェクトの数に驚いたと語った。

アンドリュース氏によると、顧客サービスや社内意思決定のための仮想アシスタントを通じて顧客体験を向上させ、タスクを自動化することが最も人気のあるプロジェクトの1つだという。

調査会社 IDC が 2,473 の組織を対象に実施したより大規模な調査では、単にプロジェクトを追加するだけでは AI 戦略の拡大にはつながらず、企業全体の AI 戦略を導入している組織はわずか 25% であることがわかりました。

IDC の調査によると、回答者の 25% が、熟練したスタッフの不足と非現実的な期待により、AI 戦略の失敗率が 50% であると報告しています。しかし、組織が努力を止めるわけではありません。ここでは、AI と機械学習のテクノロジーを実験、構築、実装している CIO が、機械学習のユースケースと実用的なアドバイスを共有します。

1. 保険会社はチャットボットを使用して顧客体験（CX）を向上させます

相互保険大手のガーディアンは、顧客体験（CX）を改善し、従業員の生産性を高めるために人工知能をテストしていると、ガーディアンのCIOディーン・デル・ベッキオ氏は述べた。

同社の CX パイロットの 1 つでは、IPsoft 製の仮想アシスタントである Amelia を使用して、オンボーディング プロセスを自動化し、福利厚生に関する質問に答えることで、CX スタッフがより複雑なケースに集中できるようにしています。ガーディアンのビジネス ロジックについて学んだアメリアは、「重篤な病気とはどういう意味ですか?」などの質問や、ガーディアンの何百万人もの顧客が抱く可能性のあるその他の質問に答えます。

Guardian は、IBM Watson が顧客と企業のやり取りをより深く理解するのにどのように役立つかを社内でテストしました。トライアルの一環として、IBM のコグニティブ コンピューティング ソフトウェアは、Guardian が毎日受信する数百万件の電子メールを読み取り、優先順位を付けます。このスキャンは数分で完了するため、従業員は電子メールを手動で読み取って優先順位を付ける必要がなくなります。

重要なアドバイス: 機械学習プロジェクトは、より大きなビジネスの文脈の中で検討する必要があります。 Guardian では、AI/ML 対応のプロセス自動化は、より広範なデジタル変革のほんの一部に過ぎず、Del Vecchio は顧客エクスペリエンス (CX) を向上させ、それによって業務を合理化しています。これには、AWS クラウド プラットフォームへの移行、アジャイル開発の採用、API マーケットプレイスの構築が含まれます。

2. ZulilyはAIを使って服を勧める

機械学習を使用して消費者にパーソナライズされた商品を提供する衣料品小売業者 Zulily は、機械学習がなければビジネスとして成り立たないと主張する人もいるでしょう。

ズーリリーの最高情報責任者、ルーク・フリアン氏によると、このソフトウェアは、購入履歴、商品閲覧に費やした時間、モバイルアプリのクリックやスワイプ、ソーシャルメディアでの行動など、さまざまなシグナルに基づいて、プッシュ通知やメールで顧客にオファーを送信するかどうかを決定するという。 「消費者をより深く理解すれば、消費者の声にもっと耳を傾けることができる」と彼は語った。

Zulily はカスタム アルゴリズムを構築していますが、機械学習スタックを完成させるために Hadoop、TensorFlow、H20 などの多数のオープン ソース テクノロジを活用しています。

重要なアドバイス: AI プロジェクトは、健全なクラウド コンピューティング アーキテクチャから恩恵を受けます。たとえば、Zulily のパーソナライゼーションの取り組みは、Amazon Web Services と Google Cloud Platform の重要な組み合わせに依存しており、後者は推奨を提供し、それを選択すると、消費者を AWS で稼働している Zulily の e コマース プラットフォームに誘導できます。この連携は、Google Cloud と AWS が長期的には CIO に利益をもたらす競争を促進していることを強調しているとフリアン氏は述べた。

3. JiLL: エンタープライズ AI アシスタント

表面的には、人工知能が商業用不動産業者にとってあまり役に立つとは思えないかもしれません。しかし6月、JLLはGoogleと提携し、オフィスワーカーが音声やテキストで会議を設定したり、同僚に連絡したり、電車のスケジュールを確認したり、サービスリクエストを記入したりできる音声アシスタント「JiLL」を開発した。

たとえば、JLL の最高デジタル製品責任者 Vinay Goel 氏によると、Jill は「JiLL、私のチームが毎週の会議を予約するのを手伝ってください」や「JiLL、今日の午後に 3 階で空いているデスクを探してください」といった問い合わせに対応できます。

JiLLは、Google Cloud PlatformとKubernetesコンテナで処理される、建物、ユーザーインタラクション、物理空間のトランザクションに関するJLLのデータセットを考慮に入れていると彼は声明で述べた。 「時間が経つにつれて、JiLL が従業員の日々の生産性を向上させるのに役立つ何百ものスキルにとって不可欠なプラットフォームになることを願っています」と彼は語った。

重要なアドバイス: サービスへの移行を検討している組織にとって、仮想アシスタントは価値のある投資となる可能性があります。 JLL の JiLL は、テクノロジーを活用して付加価値サービスを提供し、理想的にはより多くの法人顧客を引き付けるという戦略の一環です。 JLL は、採用拡大を目指した市場戦略の一環として、さらに多くのスキルを追加し、プラットフォームをサードパーティの機能に開放する予定です。この取り組みは、バーチャルアシスタントが長年にわたって垂直市場へと移行してきた様子を示しています。

4. 機械学習は動的な価格設定と利便性を組み合わせる

コンビニエンスストアチェーンのワワは、競争要因に基づいて価格を動的に変更するために機械学習を使用する予定です。これは、ワワがロイヤルティプログラムの顧客向けにサービスをパーソナライズするのに大いに役立つ可能性があると、最高情報責任者のジョン・コリアー氏は述べた。

コリアー氏はさらに、「データとアルゴリズムを活用したいので、価格を設定するのではなく、ルールを設定します。重要なのは、ユーザーエクスペリエンスの向上とそのエクスペリエンスを提供するコストのバランスを取ることです」と付け加えた。

重要なアドバイス：コリアー氏は、ダイナミック プライシングには希望があるが、新興テクノロジーは従来のシステムとうまく連携しないという問題があると述べています。したがって、近代化はあらゆる AI 戦略にとって重要です。 Wawa はデジタル変革の一環として、レガシー システムを変革しています。 「当社はデータ戦略に多額の投資を行っています」と彼は語った。

5. 信用調査会社が機械学習分析エンジンを構築

信用調査大手のエクスペリアンは、デジタルトランスフォーメーションが機械学習の中核機能を活用した新たな戦略的製品への道を開いたと述べた。その製品とは、同社が2億2000万人の消費者のうち誰かが要求した信用枠の資格を満たすかどうかなどの主要な要因を判断するための予測モデルを構築できるセルフサービス分析プラットフォームであるAscend Analytics On Demandである。

エクスペリアンの消費者情報サービス部門社長アレックス・リントナー氏は、顧客は現在数週間かかっているデータの複雑な分析を数分で実行できるようになると述べた。理想的には、このツールにより、消費者は必要なときにクレジットを取得できるようになります。

調査会社ガートナーは、ほぼすべての新しいソフトウェア製品やサービスで人工知能技術が普及するにつれて、Ascend Analytics On Demand が誕生したと述べた。

「顧客は大量の情報をリアルタイムで、いつでも、どんな方法でも見たいと望んでいる」と、Hadoopやその他の分析ツールを使ったプラットフォームの構築を監督したエクスペリアン・グローバルの最高情報責任者、バリー・リベンソン氏は語った。

重要なアドバイス: ユーザーは、従来のソフトウェア上に新しい分析プラットフォームを構築して、それがうまく機能すると期待することはできません。 Ascend Analytics On Demand をサポートするために、Experian はハイブリッド クラウド アプローチを採用し、コンテナー、API エンジン、マイクロサービスなどのオープン ソース ツールに投資しました。 Experian はソフトウェアの構築方法と使用方法も標準化し、そのアプリケーションとコードを世界中の従業員と顧客が使用できるようにしました。

6. クレジットカード会社は不正行為対策に機械学習を活用

信用監視会社と同様に、クレジットカード会社も詐欺師に対処する必要があります。

多くの専門家がデジタルをプライバシーとセキュリティの脅威とみなす中、機械学習と人工知能ツールはクレジットカードサービスをより安全にすることができると、マスターカードの技術・運営担当社長エド・マクラフリン氏は述べた。

MasterCard は機械学習と人工知能を使用して悪意のあるユーザーを排除します。マクローリン氏によると、その保護機能の中核となるのは、2016年に導入されて以来、マスターカードが10億ドルの損失を回避するのに役立ってきたインメモリデータベースだという。このソフトウェアは 200 を超える属性を使用して不正行為を予測し、阻止します。

このコアシステムは、トークン化、生体認証、ディープラーニング、その他の新しいアプローチと組み合わせることで、何十億ドルもの安全な取引を促進するという MasterCard の評判を維持するのに役立ちます。

重要なアドバイス: サイバーセキュリティに関しては、人間が最も弱い部分です。 「最も重要なことは、できる限り人間をループから外すことです」とマクローリン氏は語った。「機械学習、人工知能、自然言語処理ソフトウェアはすべて、マスターカードのツールキットの重要な要素です。」

7. レーシング会社が機械学習を使って車の洞察を分析

メルセデス AMG ペトロナス モータースポーツは、機械学習を利用してレースのパフォーマンスを視覚化します。

同社ITチームの責任者マット・ハリス氏によると、同社は重要な決定を下すために、F1カーから複数のチャンネルでデータを収集しており、1秒あたり1万データポイントに達することもあるという。

Mercedes-AMG Petronas は、Tibco ソフトウェアを使用して、天候、タイヤの温度、燃料レベルなどの変数が自社の車に与える影響を視覚化しています。このソフトウェアにより、エンジニアは自動車のギアの性能や摩耗などの詳細を分析することもできます。ドライバーは通常、1 周につき 100 回ギアを変更し、Tibco はドライバーがギアを変更するたびに約 1,000 のデータ ポイントを収集します。

「データを見ると、ギアボックスの寿命を延ばしたり、もっと重要なことに、ギアボックスのシフトをより劇的にしたりできることがわかります」とハリス氏は語った。「ギアボックスを特定のモードにすると、1 周あたり約 50 ミリ秒速くなることがわかります。予選では、車は 1000 分の 1 秒速くなる可能性があるため、50 ミリ秒は勝利にとって重要です。」

「メルセデスAMGペトロナスは、人間ができない、あるいはコストのかかる方法でしかできないことを行うために機械学習アルゴリズムを構築している」とハリス氏は語った。ハリス氏は、こうした能力が最終的にはチームの競争優位性を実現する重要な要素になると考えている。

重要なポイント: ビジネスのコア コンピテンシーではないものをなぜ構築するのでしょうか? Tibco を導入する前、Mercedes-AMG Petronas は自社製の視覚化ソフトウェアを使用していましたが、効率が悪すぎて継続できませんでした。 Tibco を活用することで、Mercedes-AMG Petronas は高性能車の製造という専門分野に集中することができます。 「最も重要なことは、問題を解決するためにソフトウェアを書くのではなく、人々に創造性を発揮させ、問題解決について考えさせることだ」とハリス氏は語った。

8. 機械学習を使って従業員の退職時期を予測する

ほとんどの自動車修理会社と同様に、キャリバー・コリジョンも長い間、従業員の離職率の高さに悩まされてきた。整備士、塗装工、顧客サポートスタッフが会社を辞め、600を超える施設の年間離職率は40％に達することもあった。

キャリバー社は、問題の一部は、修理工場に修理するスタッフが対応できるほど十分な数の車がないことがあり、それが賃金の不安定化につながっていることを突き止めた。同社の最高情報責任者アシュリー・デニソン氏は、従業員が退職しようとしていることを予測して介入できたらどうなるだろうかと考えました。

Calibre は、技術コンサルタントの Sparkhound と協力し始めました。Sparkhound は、Calibre の Workday 人事ソフトウェアから従業員データを抽出し、それを Microsoft Power BI と統合して、従業員が退職を検討する可能性が高いかどうかを予測するカスタム回帰モデルを作成するソフトウェアを開発しました。その後、Calibre はデジタル アンケートまたは直接の連絡を通じて従業員に介入を依頼します。

たとえば、従業員の給与が数週間下がる場合、Caliber の地域マネージャーは、修理のために従業員がより多くの車を確実に受け取れるようにすることができます。逆に、従業員が仕事で過重な負担を強いられているように見える場合、会社は仕事の一部を同僚に再割り当てすることができます。その結果、Calibre は年間 100 万ドルものコストを節約しています。

重要なポイント: 機械学習アルゴリズムを使用して問題を回避し、コストを節約することは実用的なアプローチです。

9. 製品とビジネスを実現するAI

2018年MITスローンCIOシンポジウムで、Adobe SystemsのCIOであるシンシア・ストッダード氏は、同社が機械学習を使用してヘルプデスクに記録されたシステム障害の傾向を分析し、大規模なダウンタイムが発生する前に問題を積極的に解決していると述べた。

システムが中断につながる可能性のあるイベントを検出した場合、中断が発生する前にそれらの障害を積極的に排除または軽減することができます。

「サービスとしての修復」を意味するHAASと呼ばれるこのツールは、Adobe ERP統合の失敗から同社のさまざまな分析システムのデータソースの欠陥まで、あらゆる問題を検出して修復できる。ストッダード氏によると、HAAS は手作業による修理にかかる時間を 30 分から 1 分に短縮したという。彼女は、過去数か月間で修理時間を 330 時間節約できたと見積もっています。問題を詳細に説明したレポートを使用して、Adobe のエンジニアは永続的な修正を作成できます。

「何かを修正する必要があることがわかっていて、その修正方法もわかっていれば、自動化することができます。これは大きなメリットです」とストッダード氏は語った。この研究は、ストッダード氏のチームが 2017 年に作成した機械学習ベースの診断テスト フレームワークに基づいている。

重要なアドバイス: 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。 「修理方法を知っていれば、自己修復コンポーネントを組み込むことで作業員の仕事を節約できる」とストッダード氏は言う。