2020 年の人工知能の機会と課題について考える: 誰が勝つでしょうか?

近年、テクノロジーとビジネスニーズのギャップにより、人工知能は産業実装の過程で一連の課題に直面しています。 AI 技術を適用して製品やビジネスの変革とアップグレードを促進する過程で、企業はこれらの問題を理解し、アップグレードする必要があります。 iResearch は最近、「人工知能 2020: 実装の課題と対応」をリリースしました。本レポートでは、人工知能の業界概要をレビューし、人工知能技術が業界にもたらした具体的な価値創造、さまざまな業界での実装の進捗状況、実際の事例に基づく将来の応用動向を分析します。これにより、企業は人工知能の価値を認識できるようになります。

[[318870]]

新しいビジネスと新しい経済モデルの誕生

歴史上、新しいテクノロジーの出現は、想像を超える新しいビジネスや新しい経済モデルをもたらしてきました。最近の状況を振り返ると、1990 年代のインターネットの黎明期には、ビジネス界がこれほど大きな影響を受け、変化するとは予想していませんでした。インターネットの影響はメディアから始まりました。ニューヨーク・タイムズ、ウォール・ストリート・ジャーナルなどのメディアはウェブサイトを通じてニュースを更新し、やがてメディア業界全体が変革を迫られるようになりました。その後、消費者は徐々にインターネットを通じて本を読んだり、映画を観たりするようになりました。インターネットがビジネス界に与える影響はプロセスであり、人工知能の時代にも同様に当てはまります。

現在、中国ではSenseTime、Megvii Technology、Jialian Technology、Yitu Technologyなどの人工知能の新興企業が台頭しており、金融、ヘルスケア、コンテンツレビュー、広告、小売、自動運転などの業界に大きな影響を与えています。現在、ビデオコンテンツのレビューなど、コンピュータービジョンに関連する一部のアプリケーションは、比較的大きな変化を遂げています。例えば、現在中国で比較的優れたコンテンツレビュー技術を持つJialian Technologyは、フルスタックのインテリジェントコンテンツセキュリティレビューエンジンであるShenyanシステムを立ち上げ、人間のレビュー担当者の負担を軽減しています。

人工知能アルゴリズムがビッグデータのトレーニングに依存する段階では、生産価値の高い産業がよりよく発展するでしょう。業界で人工知能を応用することで生み出される価値が十分に大きい場合、データのラベル付けに喜んでお金を支払う人が出てくるでしょう。金融分野における人工知能の応用を例にとると、テクノロジー企業と金融企業はそれぞれ資金管理や株式分析支援において独自の強みを持っています。一部のファンド会社にはデータ サイエンティストのチームもありますが、その中には従来型のデータ マイニングを行うものもあり、ディープラーニングなどの人工知能技術をまだ理解していない人もいます。

数十年の経験を持つファンド会社は、株式に投資する価値があるかどうか、またどの市場情報が参考価値があるかを判断するのが得意です。人工知能技術企業にはこのような知識の蓄積はありませんが、高度な人工知能技術の備蓄はあります。ビジネス企業とテクノロジー企業の連携により、ファンドマネージャーは人工知能の助けを借りて市場をより適切に分析できるようになります。たとえば、上場企業が春節の遅れが今四半期の売上に影響したと主張しているとします。アナリストは、これが言い訳なのか、実際の状況なのかを判断するために、春節が売上に与えた影響を分析し、過去の比較を行う必要があります。上場企業には四半期報告書があり、その内容は数ページから数十ページに及びます。非常に詳細な分析を行う必要があります。現在のデータを見るだけでなく、昨年、一昨年、さらにその前の年のデータと比較する必要もあります。このような詳細な分析は人間だけでは不可能です。アナリストは数十社の企業を分析する必要があり、すべての四半期報告書を詳細に見ることは不可能です。この点で、人工知能を使用して分析を支援することができます。

現在のAIビジネスモデルの課題

人工知能が産業応用へと向かう過程において、企業や個人ユーザーに人工知能製品やサービスを提供するという観点から、企業が特定の垂直分野に参入する際に不足しているのは、関連分野のデータと知識です。テクノロジー企業が病院と協力する場合、経験豊富な医師がいなければ、医療画像データが正しいかどうかを判断することはできません。しかし、人工知能には関連する専門知識と経験が不足しており、エラーが発生した場合、それがラベル付けエラーによるものなのか、画像が不明瞭なためなのかを判断することができません。テクノロジー企業が垂直産業と交流する際、人工知能は超人的な知能ではなく、機械にデータベースを提供するだけでは望ましい結果を得ることはできないということを業界に理解させる必要があります。これは、協力前に両者が現在直面している課題の1つです。

ソフトバンク創業者の孫正義氏は「人工知能がもたらす画期的な破壊的変化に対応するには、真の集中力が必要だ」と語った。人工知能は学術研究の段階を終え、現在は実社会への応用の段階にある。今後は、企業のビジネスモデル、ヘルスケア、交通機関などで幅広く活用されるようになるでしょう。

現在の人工知能技術の発展動向から判断すると、人工知能が将来的にビジネスモデルに与える影響は、以下の側面に反映されるでしょう。

第一に、パーソナライズされたサービスが急速に発展します。人工知能製品が広く採用されることにより、生産性レベルが大幅に向上するという重要な結果がもたらされ、人々の消費の選択肢が増え、製品は大量生産からパーソナライズされた生産へと徐々に移行していきます。

第二に、産業チェーンが統合され、圧縮されます。人工知能製品の応用により、産業チェーンの統合が全面的に実現され、商品流通過程における中間リンクがさらに圧縮されるだけでなく、生産リンクの産業チェーンが効率的に統合され、生産効率が全面的に向上します。将来的には、人工知能技術の推進により、製品の生産と加工工程における従来の人間の仕事が徐々に減少し、製品の生産および流通コストも大幅に削減されるでしょう。

3つ目：研究開発費の割合が徐々に増加します。人工知能技術の推進により、より多くの企業資源が研究開発分野に割り当てられるようになります。製品イノベーション能力は、企業が将来さらなる発展を目指すための中核能力となるため、研究開発費の割合は今後も増加し続けるでしょう。

人工知能技術の将来の発展見通しは非常に広いですが、まだ発展の初期段階にあります。また、人工知能技術は応用シナリオにおいて多くの課題を抱えているため、人工知能製品が完全に適用されるまでには長い時間がかかるでしょう。

中国と米国における人工知能の異なる発展機会

中国と米国における人工知能アプリケーションの異なる発展経路 各国の人工知能の発展は、現地の産業発展の特徴と関連しており、技術と現地産業の組み合わせに依存しています。金融業界を例にとると、中国と米国の間には2つの大きな違いがあります。第一に、テクノロジーの応用という点では、米国の金融市場での競争は比較的激しく、多くの銀行は長い間、テクノロジーの手段による競争に慣れてきました。金融会社の従業員の10%はITおよび技術スタッフです。中国では、この割合は約3%～4%です。米国では、金融分野における人工知能の応用が比較的進んでおり、多くのヘッジファンドが機械学習やデータマイニングを活用し、定量ファンドがプログラムを通じて資金を管理しています。

アメリカと比較すると、中国の技術は比較的早い段階にある。一方、金融分野における両国の規制法や規則には一定の違いがあります。米国では、開発計画を通じて資金を運用することに対する規制上の制約は多くありません。あえてリスクを負う限り、利益と損失は自己責任となります。対照的に、中国は全体的に比較的慎重です。その他の応用分野でも、中国と米国はそれぞれ独自の特徴を示しています。中国と米国の両国では人口ボーナスが消滅しつつあるが、両国における人工知能の応用は、まずそれぞれのより発達した産業で開発される可能性が高い。将来、中国がこれらの技術を成熟させた後、他の国々にも応用される可能性があります。

伝統的な産業、特に企業のトップリーダーは、人工知能をより客観的に理解し、人工知能が何ができるかを理解し、理解するために最善を尽くす必要があります。結局のところ、一部の技術はまだ成熟段階に達していません。現在、人工知能に関するオンラインコースや書籍は数多く存在し、誰もが人工知能を試すことを奨励する無料のオンラインプラットフォームも数多くあります。その敷居はどんどん低くなっています。

現在、人工知能の波はインターネットの黎明期に似ています。企業の規模に関係なく、AI分野に参入するには決して早すぎることはありません。企業は最終的に人工知能の応用を通じて生産効率を大幅に向上させるでしょう。大企業には独自の IT 部門とより多くのリソースがあるため、AI を研究することができ、それを自社で行うか、外部の支援を求めるかを選択できます。中小企業では、それを行う人を見つける必要があるかもしれません。大企業と中小企業の思考パターンや基本的なロジックは同じであり、具体的な運用方法だけが異なります。従来の企業が独自の技術チームを必要とするかどうかについては、企業自身の状況、現在取り組みたいプロジェクトの難易度、専門家の助けが必要かどうかに基づいて検討する必要があります。

企業がこの前提を持てば、自社の問題を理解し、技術の適用方法を理解し、さらに問題の難しさやリスクを分析して判断できるようになります。たとえば、マイクロソフトには XiaoIce というチャットボットがあります。多くの企業がこれに非常に興味を持っており、チャットボットを使用して顧客とのやり取りを強化したいと考えています。次に、チャットの内容と、エラーが発生した場合のコストを考慮する必要があります。病院が患者とやり取りして薬の服用方法を指導するためにこれを使用する必要がある場合、エラーのコストが高すぎるため、社内チームを通じて開発することは推奨されません。

人工知能技術の応用が飛躍する前夜、このような議論の価値は、規模に関係なく、伝統的な企業が危機とチャンスにどのように対処するかを考える必要があるという事実にあります。結局のところ、人工知能技術がもたらすユーザー数が一定レベルに達し、新しいビジネスの規模が開かれたときには、そのような投資を行うには遅すぎるでしょう。