ビッグデータと AI: 3 つの実際の使用例

ビッグデータと人工知能は、企業が新しい方法で顧客体験を向上させるのに役立ちます。

AIとビッグデータの関係は双方向です。一つ確かなことは、AI の成功は高品質のデータに大きく依存しているということです。同時に、ビッグデータを管理し、そこから価値を引き出すには、人間が処理するのが難しい問題を解決するために、AI テクノロジー (機械学習や自然言語処理など) にますます依存するようになっています。

Anexinet のシニア デジタル ストラテジスト、グレン グルーバー氏は、これを「好循環」と表現しています。ビッグデータの「ビッグ」はかつてはチャンスではなく課題として見られていましたが、企業が機械学習やその他の人工知能分野の利用を推進し始めるにつれて、状況は変わりつつあります。

「今日、私たちが求めているのは、解決しようとしているビジネス上の問題に対するよりよい洞察を得るためだけでなく、機械学習モデルに投入するデータが増えるほど、より良い結果が得られるからです」とグルーバー氏は説明した。

ビッグデータと AI が出会うとき: 業界を超えたユースケース

ここでは、この広範なサイクルの一部、つまり分析、顧客体験の向上、新たな効率性、その他の目的のためにビッグデータを処理するための強力な手段として AI をどのように使用できるかの例を詳しく見てみましょう。人工知能とビッグデータを適用する際に考慮すべき重要な要素が 3 つあります。

1. 非標準化されたソースから構造化されたデータを収集する

ビッグデータには、使いやすくコスト効率の良い方法で保存するなど、多くの課題があります。 「使用可能」な部分は、非構造化データに関しては特に扱いが難しいです。非構造化データは、ある推定によれば、企業データの大部分（70% 以上）を占めています。ビッグデータが必然的に増加し続けると言われるとき、非構造化データがその増加の大きな原動力となります。

構造化されていない情報を使用可能な形式に変換することは、特に反復的な（しかし完全に必要な）バックオフィス業務においては、人間にとって非常に面倒な作業です。

Exasol の CTO である Mathias Golombek 氏は、請求書処理を、AI を使用して非構造化 (または非標準) 形式から構造化データを自動的に抽出する幅広い可能性を示す具体的な例として挙げています。

「AI をビッグ データに適用する方法の 1 つの例は、スキャンされた請求書の履歴データから学習し、請求書 ID、支払期日、受取人などの構造化データを抽出するモデルをトレーニングすることです」と Golombek 氏は言います。「請求書はそれぞれ少しずつ見た目が異なり、名前や言語も異なるため、この情報は通常、人間が解釈する必要があります。しかし、何千もの請求書の履歴データを使用すると、新しい請求書をスキャンするだけで、その構造化データを自動的に提供するモデルを作成できます。」

AI を使用して非構造化データ ソースから構造化データを自動的に抽出するという同じ原則は、財務や人事などの運用領域だけでなく、エンタープライズ コンテンツ管理の広範な (多くの場合は無意味な) カテゴリにも広く適用できます。これは、データ分析、ロボティックプロセスオートメーション (RPA)、その他の形式の自動化などの目的にとって潜在的なメリットとなります。

「企業は AI を活用して、最も価値ある資産であるコンテンツを変革しています」と、ABBYY の最高イノベーション責任者である Anthony Macciola 氏は語ります。「企業コンテンツの最大 90% は非構造化データであり、年間最大 65% の割合で増加しています。非構造化データのほとんどは分析できず、貴重な情報が失われ、使用できなくなります。AI により、企業は非構造化データをインテリジェントな自動化システムで使用できる実用的な情報に変換できます。これにより、ビジネス リーダーはより迅速に、より優れたビジネス上の意思決定を行うことができます。」

2. 複雑な官僚的手続きを簡素化する

ビッグデータが使用される場合、複雑さと官僚主義が生じます。その結果、これらの業界では、規制遵守やその他の問題に関する複雑な要求がある中で、煩雑な手続きを減らし、プロセスと成果を改善するために AI テクノロジーを使用する潜在的な方法を試行するケースが増えています。

金融セクターからのより深い例を以下に示します。

Persistent Systems のデータ、分析、AI/ML 担当ゼネラルマネージャーの Sameer Dixit 氏は、次のように述べています。「フィンテックは、AI/ML が銀行機関が消費者に金融サービスを提供する方法をどのように変革できるかを示す完璧な例です。銀行のバックオフィス業務には、労働集約的な大規模で複雑なデータセットが関係しています。RPA (AI/ML と組み合わせて使用​​) で処理すると、顧客の把握や ID と住所の確認などのタスクの実行にかかる時間とコストを大幅に削減できます。融資自体も労働集約的です。AI/ML の助けを借りてコストを削減し、信用履歴が限られている人々に魅力的な金利で融資を提供することで、これまで十分にサービスが提供されていなかった市場が拡大します。」

AI Foundry の製品管理ディレクター、Arvind Jagannath 氏は、現在 AI の実験が行われている金融セクターの特定のサブセットとして住宅ローン業界を指摘した。

「AI は住宅ローン業界のデータ分析をさまざまな方法で改善しています」とジャガンナート氏は述べ、AI が貸し手と顧客に利益をもたらす 3 つの例を挙げました。

• スループット: Jagannath 氏は、「現在、住宅ローンの手続きを完了するのにかかる平均時間は、業界全体で約 3 ～ 4 週間です。AI を使用して「クリティカル パス プロセス」を自動化すると、わずか数日で住宅ローンを処理できます。このスループットの向上により、住宅購入者の住宅購入体験がより速くなり、ストレスが軽減され、銀行やその他の貸し手がより多くのローンをより迅速に処理できるようになります」と述べています。
• 分析のスピード：ある意味では、融資処理は情報処理の別の言い方です。人工知能は、処理をリアルタイムで実行できるレベルまで処理を高速化できます。 「貸し手にさらなるセルフサービスを提供するために、販売時点におけるAIの利用がますます増えている」とジャガンナート氏は述べた。
• 処理と結果の正確性：「AIと自動化を利用することで、住宅ローンを高い精度で処理できます。人間は疲れ、その疲れがエラーにつながりますが、AI技術は疲れることなく24時間365日、高い精度で稼働できます」とジャガンナート氏は述べた。

もちろん、金融、医療、その他の企業は、官僚主義を削減しながら AI の偏見と戦わなければならないでしょう。

3. ビデオと音声リソースをより有効活用する

さまざまな組織で本質的に「ビッグ」なデータを生成するメディア形式を考えるとき、音声とビデオがよく思い浮かびます。どちらも、AI を適用して企業が既存のメディア資産を管理し、そこから価値を引き出す方法を改善する方法、または AI がこれらの形式や他の形式の将来的な使用を改善する方法の例を示しています。

Anexinet の高度分析担当ディレクターの Brian Atkiss 氏は、自然言語処理 (NLP) などの AI 分野によって、音声分析から音声テキスト変換まで、企業が音声データを活用する方法がかなり改善されたと指摘しました。

さらに、AI は基礎となるデータに関連する課題にも対処できます。たとえば、品質保証やトレーニングの目的でビデオやオーディオを記録すると、実際にはビッグデータが大きくなる可能性があります。

「これまで、企業は手動による確認やコンプライアンス上の理由から、通話ログ データを 7 年以上保存していました」とアトキス氏は説明します。「このデータはモノラル形式で記録され、ファイル サイズとストレージ コストを削減するために高度に圧縮されていました。音声テキスト変換アルゴリズムの進歩により、この通話ログ データは突如、企業が顧客体験を測定し、運用パフォーマンスを向上させるために使用できる有用なデータの宝庫となりました。」

AI を活用した新たな分析の機会は、通話録音やその他の音声データに関連するストレージの課題にも革命をもたらしています。

「音声ファイルの質が高いほど、音声テキスト変換アルゴリズムの精度も高まるため、企業は非圧縮の音声を使用する必要がありますが、そうなるとストレージのコストが高くなることがあります」とアトキス氏は言う。「ここで AI の出番です。AI には音声録音を自動的に書き起こす機能があるからです。」

「これらの録音は、リアルタイムまたはほぼリアルタイムで文字起こしが可能になり、その結果、通話の文字起こしが提供され、高度な分析に使用できます」とアトキス氏は述べました。「これらのテキスト文字起こしは保存できますが、高品質の非圧縮オーディオファイルは削除できるため、保存する必要はありません。企業がこのデータにリアルタイムでアクセスできるようにするには、データの保存と処理の進歩も必要です。」

ビデオ ファイルの処理でも同様の機会と課題が生じる可能性があります。人工知能により、企業は企業のビデオ資産をより適切に管理し、その価値を発見できるようになりました。

「AI テクノロジーにより、企業は高度なメタデータ強化機能とこれまで活用されていなかった洞察を通じて、ビデオ コンテンツ ライブラリを理解して最適化できるようになります」と、IBM Watson Enterprise Video Products のシニア ディレクターである Chris Zaloumis 氏は述べています。「エンゲージメントの向上や発見可能性の向上から、クローズド キャプションの自動化やインクルージョンのさらなる向上まで、AI は企業に真にグローバルで常時接続の環境で運用するために必要なツールを提供します。」

音声テキスト変換技術は、ライブフィードを含むビデオ アプリケーションのアクセシビリティと包括性を高める上で大きな役割を果たすことができます。 「AIを活用したリアルタイムでオンデマンドの自動字幕作成などの実用的なアプリケーションは、聴覚障害のある従業員や聴覚障害者のコミュニケーションギャップを埋めるのに役立っています」とザロウミス氏は語った。