Convergence Lab. CEOの木村優志です。

前回、「ゴール設計がAI導入成功の鍵」という記事を書きました。ここでは、ゴールを設計した後に、AIを課題解決にどのように実装していくのかについて書きます。AI導入の目的が課題解決であることを忘れてはいけません。

このエントリーをはてなブックマークに追加
 

 

課題解決

ビジネスの目的は、課題解決です。AI導入をするときも目的はAIを導入することではなく、AIを導入して課題を解決することです。AI導入プロジェクトは、手段の目的化が起こりやすいため、注意が必要です。以下では、課題解決のプロセスに従って、AIを使って課題解決を行う場合の流れを見ていきましょう。

 

課題解決の基本フロー

 課題解決をするとき、そのプロセスは、 1. 事実の確認、 2.事実の解釈、 3. 解決策の策定、4. 解決策の実行、に分解できます。

例えば、同僚と昼食に何を食べたいかという課題があったとします。そのとき、まず、事実を確認する必要があります。同僚の好き嫌いは何かとか、昨日はカレーを食べたなあ、今月のお小遣いが残り少ない、などがそれに当たるでしょう。次に事実に対して解釈が必要となります。昨日と同じものは食べたくない、節約したいなどが解釈にあたります。これらを踏まえて、解決策を決めます。近くに安い蕎麦屋さんがあるのでそこに行こう、というのが解決策の策定です。解決策がきまったら、実際に蕎麦屋さんにいって蕎麦を食べます。当たり前ですが、実際に昼食を食べなければ課題は解決しません。

 事実の確認

課題を解決するときには、まずは事実を確認する必要があります。課題に関するデータを整理したり、インタビューを行ったりすることがこれにあたります。

どんな課題を解いているのかが不明確だと、どんな事実を確認すれば良いのか曖昧になりがちです。まずは、ゴールの設計が大事であることをもう一度思い出しましょう。

ただデータを並べるだけでは不十分です。次のステップの「解釈」につなげるために整理しましょう。

データサイエンスの武器を使ってデータを整理するなら、以下のような方法が取れます。解釈ができるように整理するのがコツです。

  • クロス集計
  • 層別解析
  • 可視化
  • データの低次元圧縮
  • クラスタリング
  • etc. 

事実の解釈

データを整理したら、それに対する解釈を行います。

AIやデータサイエンスの手法は、データの解釈をしません。これらはデータを機械的に変換するのみです。事実の解釈は人間の仕事です。

データを解釈するときは、論理的飛躍に注意しましょう。結論に飛びつくのではなく、飛躍があると感じた場合は事実の確認に戻る必要があります。正しい解釈を行わないと、本当の課題に気づけません。

解決策の策定

事実に対する解釈ができたら、その解決策を策定します。

 ここで、AIが本当に必要なのかを再度考えましょう。人材の配置の見直しや、ワークフローの改善で解決しないでしょうか。本当に必要な場合にのみ、AIの導入を検討しましょう。

解決策にAIを使う場合も、全てをAIに置き換えないほうがうまくいく場合が多いです。「ディープラーニングは完璧でない」の記事に書いた Humain-In-The-Loop機械学習のように人をAIシステムの中に組み込む方法を検討しましょう。

解決策の実行

解釈したら、あとは解決策を実行します。

実行した後は、その評価機構を組み込むようにしましょう。やりっぱなしでは、本当に成果が上がっているのかがわかりません。また、実行した解決策が新たな問題を生み出していないかは、チェックする必要があります。そのためにも評価機構が大切です。

人間は変化を嫌う生き物です。元のワークフローに戻したい、という反発はよく上がります。その場合も評価機構があれば実際に成果が上がっていることを示して、彼らを説得する材料にもなります。

まとめ

今回は、課題解決の基本フローについて述べました。課題の解決には、1.事実の確認、2.事実の解釈、3.解決策の策定、4.解決策の実行というフローを辿ります。ここで述べた課題解決の方法は、AIに限定されることではありません、AIシステムを導入する際も課題を解決することが目的であることを忘れないようにしましょう。

 

このエントリーをはてなブックマークに追加

 

メルマガ登録

よろしければ、メールマガジンへのご登録をお願いいたします。

 

お問い合わせ

 

Related Articles/Posts