AIを活用して企業に利益をもたらすにはどうすればいいでしょうか?答えはすべてあなたのためにあります

人工知能 (AI) と機械学習 (ML) は成長サイクルのピークにあるかもしれませんが、だからといって企業がこれらのテクノロジーを導入することで目に見える利益を得ていないわけではありません。

この記事では、人工知能と機械学習がどのように社内のビジネスプロセスを改善し、企業に利益をもたらすかについて 3 つの例を紹介します。

[[412948]]

販売とマーケティングを強化

Beacon Street Services は、アプリケーション間で一貫性と正確性を確保するために、すべての企業データに対する「唯一の真実のソース」を望んでいました。同社はスタンズベリー・ホールディングスのサービス部門であり、購入と購読による金融出版物の独占制作を専門としています。

Beacon Street Services は、クラウドベースのデータ ウェアハウス サービスである Snowflake を使用して大量のデータを収集および保存し、このデータを活用して営業チームとマーケティング チームが以前の販売サブスクリプション戦略とプロセスを改善できるようにしたいと考えています。

「当社のマーケティング チームと営業チームは、データ サイエンスのアプローチを適用することで営業プロセスを改善する機会を特定しました」と、ビーコン ストリート サービスのエンジニアリング担当副社長である David Kline 氏は述べています。「このアプローチにより、調達基準をより適切に特定し、マーケティング チームがより効率的に業務を遂行できるようにしたいと考えています。」

同社は2019年から、Snowflakeの過去のユーザーデータをDataRobotが導入したエンタープライズ人工知能プラットフォームに読み込み、数十の最新データサイエンスアルゴリズムを使用して一連のモデルを迅速かつ自動的に構築してきました。これらのモデルを通じて購入基準が特定され、マーケティング チームがよりターゲットを絞った効果的なキャンペーンを実施できるようになります。

クライン氏は、同社は現在、データウェアハウスから大量のデータをAIプラットフォームに取り込み続けていると述べた。

新しいプロセスの結果、Beacon Street Services の売上は 10% 増加し、AI プラットフォームに直接起因する年間売上がさらに 1,500 万ドル増加する可能性があります。クライン氏は、プラットフォームを構築して以来、同社は収益増加とコスト削減の面で30～35倍の投資収益率を達成したと述べた。

「たとえば、あるプロジェクトでは、自動更新後のチャージバックリスクを判断し、リスク評価モデルを作成するために、以前の取引記録を手動で確認する必要がありました」とクライン氏は言います。「これを AI で自動化し、今後の取引を積極的に処理できるようになったことで、大きなメリットが得られました。」

DataRobot プラットフォームは、AI を使用して精度を向上させ、マーケティング活動を最適化するだけでなく、大量の時間も節約します。以前は、モデルの開発に最大 6 週間かかり、最適なアルゴリズムが選択されたという保証はありませんでした。 AI プラットフォームにより、より適切なアルゴリズムを備えたモデルの開発と展開に必要な時間が 1 週間に短縮されました。

もう 1 つの利点は、会社の IT 部門がデータの分析に費やす時間を減らし、ビジネスに潜在的な価値をもたらすプロジェクトに集中する時間を増やすことができることです。

セキュリティ強化のために文書を分類する

COVID-19 の健康診断、傷害報告、看護師によるトリアージ サービスを顧客に提供する Company Nurse は、さまざまな方法で AI を活用しています。

プロジェクトの 1 つは、ドキュメント分類プロセスの改善でした。 Company Nurse は、クライアントとエンドユーザーの従業員給与データを保護するために、2020 年に Concentric に Semantic Intelligence と呼ばれるプラットフォームを導入しました。

このシステムは Company Nurse の重要な非構造化データを自動的に検出し、同社にデータの拡散を軽減し、脅威の対象範囲を縮小する機会を与えました。

顧客サービスの一環として、Company Nurse は労働者災害補償事故報告書を作成し、負傷した従業員に適切なケアの推奨を提供し、サービス プロバイダーへの紹介を管理します。同社の最高技術責任者ヘンリー・スベンブラッド氏は、レポートやスプレッドシートの情報には大量の非構造化データが含まれていると述べた。

Company Nurse は、Concentric が提供する AI システムを使用することで、従業員がデータを手動で確認することなく、文書内の個人情報を保護します。このプラットフォームは、ディープラーニングを使用して非構造化データを自動的に保護し、データを分類し、ビジネスに不可欠な要素を検出し、リスクを軽減します。

Semantec Intelligence は、各データ カテゴリのベースライン セキュリティ対策を使用して、各ドキュメントのベースラインからの「リスク距離」を計算します。リスク距離は、不適切な情報共有、危険な保管場所、不適切に分類されたインシデントなどを検出できます。

プラットフォームが導入されてすぐに、Company Nurse は管理する必要のない重複ファイルを特定し、アクセス権限を強化する機会を見つけることができたと Svendblad 氏は言います。同社はまた、過剰な情報共有と緩いアクセス権限により、多数の個人的な傷害報告がオープンな共有アプリに残されていることも発見した。

「これらの文書が漏洩すれば、Company Nurse にとって壊滅的な打撃となります」と Svendblad 氏は言います。「AI がこれらの文書を自動的に分類してくれるので、ファイルが過剰に共有されていたいくつかの小さな「盲点」を解消できました。1 回の漏洩を防ぐだけでも、私たちにとっては数万ドルの価値があります。ソリューションのコストは、たとえ「ハードウェア」の投資収益率ではないとしても、投資収益率に十分見合う価値があります。」

Company Nurse は、ドキュメント分類プロセスに加えて、販売機会のスコアリング、データ分析、ゼロデイ セキュリティ脅威の特定、音声テキスト変換にも人工知能ソフトウェア製品を適用しています。

スヴェンドブラッド氏は、同社が使用するさまざまなソフトウェア製品にツールが組み込まれているため、AI技術への同社の投資を見積もるのは難しいと述べた。しかし同社は、安全性の向上、従業員のワークライフバランスの改善、コールセンターのサービス向上など、多くのメリットを享受しています。

石油掘削の自律化に向けた第一歩

石油・ガス会社は、掘削作業の効率を改善しなければならないというプレッシャーに直面しています。 Devon Energy は、リアルタイムの意思決定に AI と機械学習を活用する初期段階にある企業のひとつです。これにより、各油井のクローズドループ自動管理と掘削装置の自律作業が可能になり、現場の全体的な運用能力、効率、安全性の向上につながります。

最近 WPX Energy (2020 年に AI/機械学習への取り組みを開始) と合併した Devon Energy は、Hivecell と呼ばれる製品を使用して、西テキサスとノースダコタの油田の掘削現場にエッジ コンピューティング サービスを提供しています。同名の会社が提供する Hivecell は、データ ソースの近くでコンピューティングと分析を実行できるようにするエッジ アズ ア サービス製品です。

データは、デボン・エナジーが水圧破砕プロセス中に使用するサービス会社が提供する機器のセンサーによって生成された。データはセンサーからサービス会社のシステムに送信され、その後、これらのシステムから TCP/IP プロトコルを介して Hivecell に送信されます。

Devon Energy は、Hivecell を使用して遠隔地の油井で機械学習を実行する最初の段階にあります。この機能があれば、Devon Energy は、コストがかかり処理に時間がかかるクラウドにすべてのデータを送信せずに済みます。 Hivecell は、Apache Kafka からの生のリグサイト データを管理する Confluent のイベント ストリーミング プラットフォームと組み合わせて使用​​されます。

「私たちは常に掘削作業の効率を改善する方法を模索しており、機械学習を通じて手動作業を自動化したいと考えています」とデボン・エナジーのシニア・データサイエンス・コンサルタント、ディンジョウ・カオ氏は語った。プロジェクトの第 1 段階では、油井刺激技術である水圧破砕法に関するリアルタイム データを収集し、加圧流体を使用して岩盤層を破砕し、天然ガスと石油をより自由に流せるようにする。

「私たちはリアルタイムデータから水圧破砕イベントを自動的に検出するモデルを構築しています」とカオ氏は言う。「私たちは予測できるようにしたいと考えており、効率を高めてプロセスを改善する方法を常に模索しています。」

曹氏は、現在、石油・ガス会社は通常、クラウドコンピューティングサービスに依存して遠隔地からのデータをほぼリアルタイムで処理・分析しているが、その過程でインターネット接続が不安定になるなどの問題があると述べた。

「クラウドでデータを処理する自動運転車を想像してみてください」とカオ氏は言う。「車が乗客や周囲の人々の安全を守るために反応するとき、1 ミリ秒も無駄にできません。そのため、車からクラウドにデータを送信するのにかかる時間は非常に重要で、真のリアルタイムでなければ安全上の事故につながる可能性があります。」

同じことは、掘削現場の自律掘削リグなどの閉ループ最適化にも当てはまります。 「我々はリアルタイムで対応できなければならず、不安定なインターネット接続によるデータ損失のリスクを冒すことはできない」と曹氏は語った。

Devon Energy は、真のリアルタイムの分析主導の意思決定と、最終的には掘削現場のクローズドループ制御の基盤を築いています。これにより、同社は最終的に、エッジベースのストリーム処理機能を使用して、掘削作業のリアルタイムのクローズドループ制御を実行できるようになります。掘削現場で機械学習モデルによって生成されたデータ ストリームと分析の前処理済みデータも、他の目的のためにクラウドにコピーされます。

「Hivecell は現場で稼働するため、遅延やインターネットの不安定さを心配する必要はありません」と Cao 氏は言う。同氏は、このプラットフォームにより、Devon Energy は掘削現場で機械学習モデルを簡単に導入、管理、拡張できるようになると語る。

デボン・エナジーは、2021年にフェーズ1を完了し、その後フェーズ2に移行することを望んでいます。第 2 フェーズでは、最も重要なビジネス ニーズに基づいて分析モデルを決定します。

曹氏は具体的なコスト情報は提供しなかったが、クラウドベースのオプションを使用するよりも実装のコスト効率が高いと述べた。 「Hivecell を使用すると、同様のストリーム処理エンジンのソフトウェア ライセンス料を支払うことなく、スタック全体でデータを処理できます」と彼は述べています。

実装後、Cao 氏は次のように語っています。「リアルタイム データを、最も必要とする人々に、最も必要なときに届けています。当社のエンジニアは、携帯電話やコンピューターからリアルタイム データにアクセスできます。まだ最初のフェーズで、このデータの収集に注力していますが、今後のフェーズでは、分析モデルを使用して掘削現場での意思決定を支援します。」