2020年にAIがビジネスにもたらす変化

導入

産業革命は一度しか起こらないが、私たちは今、人工知能 (AI) 革命という大きな革命の過程にある。私たちは200年以上前に蒸気機関が発明されたときに最初の産業革命を経験しました。 1世紀後、私たちは電気を発明し、さらに1世紀後にはインターネットを発明しました。 これらすべての発見と同様に、AI はすでに私たちの経済に革命をもたらし、考えられるあらゆる業界に混乱をもたらしています。

[[332344]]

しかし、まず、AI がなぜそれほど革命的なのか?

蒸気機関や電気と同様に、AI は生産性の面で社会が達成できる限界を広げます。 非効率で間違いを犯しやすい人間とは異なり、アルゴリズムは 24 時間 365 日稼働でき、人間と同じような間違いを犯す傾向はありません。 生産性を超えて、AI の現在の機能と将来の可能性は本質的に無限です。 AI アプリケーションにより、複雑なプロセスの自動化、顧客エクスペリエンスのパーソナライズ、リスク管理の改善などが促進されます。

この記事では、AI がさまざまな業界にどのような変革をもたらしているかを見ていきます。

人工知能と金融

マッキンゼーのレポートによると、金融サービスはAI技術を導入している数少ない業界の一つであり、その結果、一部の企業は業界平均よりも10％以上高い利益率を達成しているという。

ここでは、AI が金融業界にどのような変化をもたらしているかを示す一般的なアプリケーションをいくつか紹介します。

不正行為防止

通常、AI アプリケーションは収益の増加やコストの削減を目指します。 しかし、詐欺防止に関しては、AI は両方を実行できます。 顧客のお金を返済しなければならないというコストがあり、投資できないことで収入が失われます。 2016 年には詐欺や個人情報の盗難により 160 億ドルが盗まれており、これが AI における最大のアプリケーションの 1 つとなっている理由です。 不正検出モデルは、顧客の活動、場所、購入習慣を分析することで、疑わしい、または異常と思われるイベントにフラグを立てることができます。

アルゴリズム取引

トレーダーが直面する最大の課題の 1 つは、感情をコントロールすることです。 健全な取引戦略を持つことと、どのようなボラティリティに直面してもそれに固執することは別問題です。 しかし、アルゴリズム取引では、取引の感情的な側面が排除されます。 機械学習と人工知能により、アルゴリズム取引機能が大幅に向上し、より多くのデータが供給されるにつれてアルゴリズムが毎日学習して改善できるようになりました。

パーソナライズされたバンキング

多くのフィンテック企業は AI を利用して顧客にパーソナライズされた銀行サービスを提供しています。 顧客は、リスク許容度に基づいて独自の金融商品ポートフォリオを受け取るほか、支出パターン、収入、目標に基づいてカスタマイズされた財務計画を受け取ることもできます。 AI が進歩するにつれて、よりパーソナライズされた銀行サービスが登場することが期待できます。

金融業界における AI の影響について詳しく知りたい場合は、「AI Trends in Banking 2020」をご覧ください。

人工知能とマーケティング

長い間、最近まで、マーケティングは科学というよりも芸術でした。 機械学習と人工知能の登場により、データ サイエンティストはマーケティングの意思決定を定量化し、マーケティングの実践全体を改善できるようになりました。

マーケティングアトリビューション

マーケティングにおける最大の問題の 1 つは、さまざまなマーケティング チャネルの影響を定量化する方法を見つけることです。 これは、テレビ、看板、ラジオなどのオフライン マーケティング チャネルでは特に困難です。

そうは言っても、この問題に対処するために、アトリビューション モデリングとマーケティング ミックス モデリングという 2 つの一般的なマーケティング モデリング手法が登場しました。 アトリビューション モデルは、顧客ジャーニーのさまざまなタッチポイントに売上とコンバージョンのクレジットがどのように分配されるかを決定するために使用されます (例: 顧客が Facebook 広告を見てから YouTube 広告を見て、次に SEM 広告を見る)。 アトリビューション モデルの問題は、マーケティング ミックス モデルの元となるオフライン チャネルを考慮していないことです。 マーケティング ミックス モデリングは、コンバージョンや収益への影響を判断するために費やされた金額に基づいてマーケティング チャネルの影響を推定する多重回帰の一種です。

顧客分析

顧客プロファイリングまたは顧客セグメンテーションは、顧客を分析して顧客をより適切に識別する手法です。 クラスタリング技術やその他の機械学習技術を使用することで、マーケティング担当者は顧客の人口統計 (年齢、性別) と地理 (地理的位置) をより深く理解できます。 これにより、マーケティング担当者はターゲット市場とつながるための広告やメッセージをより適切にターゲティングできるようになります。

人工知能と物流

通常、物流はビジネスにおいて最もホットな話題ではありませんが、人工知能に関してはホットな話題になります。 実際、AI の最大の可能性は、自動倉庫や自律走行車などの物流分野に見られます。

自動倉庫

自動化倉庫というと、おそらくAmazonの倉庫内でAmazonの在庫をA地点からB地点まで移動させる何十万台もの移動ロボットを思い浮かべるでしょう。これは事実ですが、実際にはもっと多くのことが含まれています。 倉庫を自動化するということは、データを活用して在庫レベルを最適化することで、必要な倉庫スペースを減らし、配送コストを下げ、全体的なコストを削減することを意味します。

自動運転車

物流における AI のもう 1 つの使用例は、自動運転車です。 前にも言ったように、人間は非効率的で間違いを起こしやすいものです。 これは特に輸送に関して当てはまります。 人間は、寝たり、食べたり、トイレに行ったり、休憩したりする必要があります。自動運転車があれば、移動は1日8時間、週8日という制限がなくなります。

テスラは自動運転車の代表的企業であり、一般消費者向けの自動車だけでなく自動運転トラックも製造している。 もう一つのあまり知られていない例は、ロールス・ロイス社とインテル社です。 両社は協力して、自律型船舶の可能性を切り開くインテリジェンス認識システムを構築します。

ケーススタディ: AI がダイナミックな価格設定モデルでグローバルな輸送会社を変革した方法を学ぶ

人工知能と小売業

最も競争の激しい業界の 1 つにおいて、小売業者は AI を通じて差別化を図り、付加価値を高める革新的な方法を模索しています。 AI は、製品およびサービスのライフサイクル全体を通じてさまざまな方法で使用されます。 ここでは、小売業における AI の多くの使用例の一部を紹介します。

チャットボットとロボットアシスタント

チャットボットはここ数年で大きく進歩しました。 まだカスタマー サービス担当者に取って代わることはできませんが、簡単な質問に答えるのが得意であり、顧客を適切なサポート チームに誘導するために使用できます。 チャットボットよりもさらに興味深いのは、ロボットアシスタントであるペッパーです。これはソフトバンクが設計したソーシャルヒューマノイドロボットで、すでに実店舗で顧客と対話したりサポートしたりするために使用されています。

パーソナライズされた推奨事項

一部の小売企業も AI を活用して顧客にパーソナライズされた推奨事項を提供しています。 Frank and Oak は、一連の質問をすることで、AI を使用して各顧客に独自の衣料品スタイルのサブスクリプション ボックスを提供すると主張しています。 Amazon は、過去の検索履歴や購入履歴に基づいて AI を活用して製品の推奨を提供するもう 1 つの優れた例です。

ケーススタディ: AI が需要予測を改善して在庫を最適化する方法を学びます。

人工知能と通信

推定価値が 1.4 兆ドルに達する通信業界は非常に大きく、あらゆる側面が重要になります。そのため、通信会社は顧客体験を向上させ、最終的に利益を最大化するために、複数の AI ユースケースを見出しています。 ここでは、通信業界における AI の 3 つの主要な応用例を紹介します。

解約予測モデル

解約率は、顧客が企業との取引をやめる割合として定義されます。 通信業界では技術的には顧客が永続的な収益をもたらすため、顧客を失うコストは高くなります。 その結果、通信会社はすでに AI を活用して、アクティビティ レベルや苦情の数などに基づいて顧客がいつ解約する可能性があるかを予測しています。

ネットワーク最適化

人工知能は自己最適化ネットワークの構築に重要な役割を果たし、オペレータにトラフィック データに基づいてネットワークを自動的に最適化する機能を提供します。 IDC によると、通信事業者の 60% 以上がすでにネットワークの改善のために AI システムに投資しています。

予測メンテナンス

通信サービスの最大の障害の 1 つがネットワーク障害であることは、誰もが認めるところだと思います。WiFi が適切に機能しないのは嫌ですよね。企業は現在、AI を活用して、デバイスの状態に基づいてネットワーク障害が発生する可能性を予測し、ネットワーク パターンを分析して、ネットワーク障害を事前に防止できるようにしています。

ケーススタディ: AI が通信ネットワークの運用を改善し、消費者行動をモデル化する方法を学ぶ