今週土曜日（10/12）前後に日本（東海から関東）に上陸すると予報されている台風 19 号は、非常に勢力が強く、気象庁の定義による「猛烈な台風（最大風速 54 m/s）」に分類されています。
日本でも昔から沖縄などで台風情報を入手する一つとして有名なアメリカ海軍の情報サイト Joint Typhoon Warning Center（JTWC）では、19 号（HAGIBIS）を「スーパー台風」として位置付け警告を出しています。最大風速は、145 kts、74.6 m/s、日本上陸時でも、80 kts、41 m/s と強烈で、アメリカ本土で使われる SSHWS（Saffir-Simpson Harricane Wind Scale）でも最も強いカテゴリー 5 に相当する台風です。
今回は、以前から指摘されていた日本の太平洋沿岸での海水温上昇が、スーパー台風を近づけるという仮説を実証した形になっていますが、今回、おそらく日本で上陸する初めてのスーパー台風になりそうです。
特に上陸する際の東側（神奈川県、東京都、千葉県）には、厳重な警戒と準備が必要だと考えられます。
2019 年 9 月 ～ 11 月 までのセミナー/講演予定は、以下の通りです。
[su_list icon=”icon: external-link”]
※ NOMA : 一般社団法人日本経営協会（https://www.noma.or.jp/）
[/su_list]
詳しい内容については、お問い合わせください。
昨年からスタートした「 AI セミナー」、今年も 2 月に実施し、今週金曜日も本年 2 回目を実施します。
※ 2019/7/12 日本経営協会主催「AI機械学/ディープラーニングの実態と導入のポイント」
この半年の間、とある大手 IT 企業のクラウド型 AI サービスのハンズオントレーニングを受け、そのフィードバックを新たに盛り込みました。
トレーニングの内容は、クラウド型 AI 機械学習ツールを使った分析や予測モデルの構築ですが、さすがに R や Python を必須としないまでも、やはり分析アルゴリズムのいくつかについては、理解しておく必要があり、さらに結果や精度についてのユーザ説明に課題がある、と講師は話していましたが、統計学的な資質のあるユーザ、全く無いユーザで説明の仕方に知恵が必要かと感じました。
その他、前回のセミナーでは、「社長（首長）に AI をやれと言われた」が、どうすれば良いのか分からないというご質問があり、これについても、方向性を盛り込みました。
実際、AI をゼロから始めるなら、ある程度の研究要素の高いプロジェクトを立ち上げ、PoC までやって AI による新規事業の可能性があるかを、他の AI 動向や環境面、経費などを含め、経営陣にお話しする処を最初のゴール設定するよう推奨していますが、人材という点では、市民データサイエンティストの社内育成は必須だと考えています。
では、その「市民データサイエンティスト」って何？
ということで、これはレベルの差の大きな話がそこここで聞かれているかもしれませんが、私の考えでは、単純に言うと、そこそこの理科系の大学や大学院で、論文のテーマは何であれ、統計学的手法により、テーマ事象の有意性の有無を書いたという経験があれば、取敢えず「市民データサイエンティスト」としての素養は備えていると言っていいかなと思います。
つまり主要な幾つかのアルゴリズムを使い、さらにデータを加工しながら、分析結果についての有意性を論じた経験があるなら、ここを一度でも経験していれば、真のデータサイエンティストにならないまでも、AI 業者との雑談が出来、プロジェクトを大きく外さない能力があると言っても差し支えないかなと考えます。
当研究所では、いくつかの AI パートナーの企業と検討し、この「市民データサイエンティスト」の育成研修を企画しています。理科系大学での統計学的手法を使った論文を書いたことがなくても、「市民」として、今後の AI の民主化としての技術的な向上も視野に入れ、ユーザとしての素養を
養って頂く内容です。
今後、企業の活動において、対顧客や取引先ばかりでなく、社内の管理系システム等 ERP にも AI がどんどん組み込まれていく中、この市民データサイエンティストの素養は、実は、ほとんどの部門の管理職に求められるものになっていくと考えています。
企業において、AI（人工知能）の導入は、戦略的、経営的、営業的なプラス面ばかりでなく、ビッグデータ解析にも通じる情報管理としての透明性、検証可能性、説明可能性などを含むリスクが存在することが知られています。
私の AI セミナーでも、この点は、「企業危機管理対象としての AI」として章立てしてご説明していますが、標準化機関である BSI (British Standards Institution, 英国規格協会）でも、AI のリスク管理として、国際標準の ISO 31000（リスク管理-ガイドライン）の追加項目が現在提案フェーズになっているようです。
そもそも AI を導入しようとする企業内では、その反対意見として AI への信頼の欠如が根本にあり、データやアルゴリズムの偏りやセキュリティ的脅威、個人情報漏洩などの脅威、透明性、検証性などを問題にすることが背景となっていて、その部分をリスク管理の範囲としているようです。
そこで標準化されようとしている内容としては、AI システムにおいて、構造化されたリスク管理プロセスとして、
a) AI システムに対するリスク識別、分類、処理を可能にすることで、脅威やリスクを低減する手法や方法を評価
b) 文書化されたリスク管理プロセスを使用することで、透明性、検証可能性、説明可能性、制御可能性により信頼を確立
c) 識別された利害関係者にリスクの取扱いを透明化し、AIシステムを堅牢、レジリエンス、信頼性、セキュリティなどを確立
をそれぞれ実施することで AI システムの（導入）リスク管理を標準化しようとしています。つまりは、AI を如何に透明性のあるものとして関係者全員が理解することが必要なのだということです。
実際に、ほとんどの AI 事業者は、このリスク部分に触れることはあっても、ユーザと一緒に考えましょうというスタンスは見られず、ユーザにとっても、戦略性やリスクについての議論があっての導入可否を判断するフェーズがないように思えます。
AIを導入した企業においても、AIシステムやAIプロジェクトを内部監査する要求は、現実的にも存在しています。
企業において、AI は、全リスク項目において影響するため、導入するしないというレベルに寄らず、今から AI が導入される未来を見据えたリスク管理を行う必要があると考えています。
AIリスク管理にご興味があれば、是非ご相談ください。
BCP と IT-BCP を双方矛盾無く、全社あるいは本社の危機管理を構築するお手伝いをする際、最近特に感じることがあります。
いわゆる IT が事業継続において、かなり大きなウエイトを占める場合（多くの大企業がそうかもしれませんが…）、IT-BCP の被災シナリオ設定において、「電源」、「イントラネット（オンプレサーバ）」、「インターネット」、「クラウドサーバ」の四種類の利用可否で、被災シナリオを細かく設定した上で、それに合わせて、要継続事業に対応させ、対応策を、あるいはワークアラウンドを設定するというアプローチが有効ではないかと考えています。
さらに初動においては、情報システム部門は、部員全員の安否確認を全社安否確認とは別に細かい確認（例えば、家族の安否も含む）を実施し、直ぐに対応できる担当者と帰宅が必要な担当者を分けることが重要になってきます。これは部門のメンバーで保持しているスキルが異なる場合が多く、大企業でも属人化している場合が少なからずあり、情シス・メンバーの安否とスキルセットの速やかな把握は、情シス部門のみならず、全社危機管理においても非常に重要になってきます。
米軍では、テロ脅威に対応して、アルファ（A）、ブラボー（B）、チャーリー（C）、デルタ（D）の四種類があり、9.11 の際、沖縄の米軍のテレビでは、デルタ状態であることを常に画面下に表示していましたが、IT でも四つ程度の被災シナリオを設定し、このような被災の深刻さを基に、行動を設定する方法がおススメです。
例えば、震災発生後、「今回の対応は、”レベルデルタ”で行く」など情シス部門以外の関係者を含め、対策本部での対応や行動をパターン化して周知するのも良い方法かと考えています。
3月11日、東日本大震災から 8 年目の日とあって、テレビやネットメディアでは、これに関連した話題が多く、BCP を生業とする身にとっても、考えさせられる一日でした。
最近企業の危機管理担当の方からご相談を受ける際に、話題となる震災対応の備蓄品。
基本的に、帰宅困難者に対応したものを優先度高く設定するようお話ししますが、それ以外に、やはり個人や対策本部の方々、震災担当の方々の情報入手や発信の貴重なツールである、停電時のスマートホンや PC への給電は、大きな問題となります。
企業の停電対策としては、やはり発電機や蓄電システムとなりますが、それぞれ一長一短があり、企業の判断が分かれる処となります。
多くの企業は、燃料保管問題のために発電機を諦めることになり、蓄電システムの導入を検討しますが、やはり見積りレベルで高価なため、購入に至らないことが多いと聞きます。
私の個人的な提案ですが、蓄電システムのような 5 kwh、1 kwh も必要ですが、個人個人には、必要に応じて、大容量（10,000mAh以上）の PC 対応モバイルバッテリを各自運用するようにすれば如何でしょうか。
PCに対応したDCポートやテレビもつなげることが出来るACポート、USBポートが複数あるものが一般に販売されています。
おすすめは、やはり医療機器にも対応可能な正弦波インバータ機能を持つものが安心ですが、価格も高くなるため、おおよその費用感で、15,000 円～ 25,000 円程度が良いと思われます。
今週火曜日（2/26）、大阪にて、「地震・自然災害に対する新たな危機管理行動計画策定の必要性とポイント」と題し、セミナー講演を行いました。多くのご参加を賜り、ありがとうございました。
地震に関しては、最近の地震発生に関する知見を、自然災害という観点では、先ず、スーパー台風、集中豪雨（大雨）、大雪の三点に絞り、それぞれ共通した企業の危機管理対応についてお話をしました。
地震と違い、自然災害では、天気予報という予測可能な情報とそれが現実的に発生するプロセスの中で、企業が危機管理というアクションを行うことにおいて、従来の考え方（ベストエフォート的な行動方針）から、新たな考え方（減災をベースにした各業務停止を行う行動方針）を主眼としてお伝えしました。
今後、地球温暖化によって、ますますリスクが高まる自然災害への対応は、顧客や取引先を必ず巻き込んで実施することが必要となってくるため、事前にお互いの交渉および確認が必須です。必要に応じて、契約事項や覚書などの書類が必要になるかもしれません。
このセミナーでは、実は自然災害は、いわゆる BCP（事業継続計画）の最終段階である、顧客・取引先との連携という部分を先んじて行うため、この行動が震災対応の BCP にも必ず役に立つもとのして参加者の方々にもお伝えしました。
下図は、製造業における自然災害への対応と復旧のイメージを表したものです。ここでの大きなポイントは、顧客・取引先の損害も最小化出来るという点であり、対応しない場合との差が歴然と出てくることは明白です。
自然災害においても、震災同様、マネジメントシステムを構築し、PDCA が回るよう企業の組織としてのご対応をご検討下さい。
昨日（2019/2/20）、日本経営協会東京本部にて、「AIセミナー」を実施致しました。
多くの企業や自治体の方も参加頂きました。ありがとうございました。
私のお話しはユーザ視点での、ある意味ユーザが AI を導入するにあたっての立ち位置や業者選択、ユーザとしての資質を中心にお話しを展開させて頂きましたが、講演終了後のご質問として、どのようにユーザとして、AI 人材を育てたらいいのか？ということを複数の方からお尋ね頂きました。
現在、インターネットでの有償の AI 教育がいくつかのサイトで行われていますが、ユーザという立場では、難しすぎたり、研究者やエンジニア向けだったりと、逆に意味が無いように感じられ、また書籍にしても、やはり難しいものと簡単すぎるものの両極端だったりで、ユーザとしての AI 人材育成、データサイエンティスト教育に懸念や不安をお持ちになる方も少なからずいらっしゃいますし、このセミナーによってそのことを強く抱かせることになってしまったかもと反省しています。
次回（2019/7/12）は、この辺りも踏み込んだセミナーにしたいと考えております。
来週、2 月 20 日（水曜日）、日本経営協会東京本部にて、「AI 機械学習/ディープラーニングの実態と導入のポイント」と題してセミナー講演を行います。
本セミナーでは、ベンダー視点による AI 解説や詳細な技術解説ではなく、ユーザ視点にたって、ユーザ企業が AI を導入する際、AI という技術やサービスに対しどのように向き合い、理解すれば良いかについて焦点を当てています。その為、事業部門や情報システム部門以外に、経営企画部門、危機管理担当部門およびこれらの管理職、役員の方々にもご参考にして頂ける内容になっています。
AI には、様々な技術要素がありますが、 AI の詳細な技術や専門用語の解説、プログラミング方法などをお示しする内容は含まれていません。
AI をプロジェクトとして、企業がコストを掛けて推進するための指標の一つとして、体制を含めた取り組み方やユーザが保有しておくべき資質、また AI を企業戦略として捉える方法、ならびに AI をリスクとして捉える危機管理、内部統制に言及しています。
以下、講演アジェンダとなります。
—- Agenda ————
1. AI（人工知能）とは
1.1 AI は今、何が出来るのか
1.2 IoT/ビッグデータ解析における AI の位置付け
1.3 機械学習とは
1.4 深層学習（ディープラーニング）とは
1.5 今後の AI 市場の成長分野
1.6 企業の仕事は AI に置き換えられるのか
1.7 業務系システムに導入出来る AI 技術とは
2. AI の導入と業務課題の解決について
2.1 AI 導入の動機は何か
2.2 AI が求められる背景
2.3 AI が業務課題を解決出来るのかの判断ポイント
2.4 AI が運用出来る業務課題例
3. AI の学習と評価
3.1 AI が出来ることは、「分類」と「回帰」と…
3.2 機械学習における教師有学習について
3.3 AI の精度評価
4. AI を実業務として導入するポイント
4.1 AI を導入する前に必要なこと
4.2 AI プロジェクトに必要なユーザの人材とは
4.3 データサイエンティストとは…
4.4 AI 事業者の実態とリスクを知る
4.5 ユーザの AI 事業者選択ポイント
【演習１】AI プロジェクトの事前検討演習
5. AI システムの構築プロセス
5.1 ユーザに求められる人材資質について
5.2 従前の IT プロジェクトとの違い
5.3 ユーザ側の実態に即した AI 事業者の選定
5.4 業者比較（例）
5.5 実システムの AI 導入判断
5.6 AI プロジェクトのマイルストン
6. AI プロジェクトの課題
6.1 AI プロジェクトのセキュリティ問題
6.2 AI プロジェクトのコンプライアンス問題
7. AI プロジェクトの運用
7.1 AI システムの人の役割/作業分担
7.2 既存 IT システムとの運用面での違い
【演習２】プロジェクト・スケジュール策定演習
8. 危機管理対象としての AI
8.1 AI が将来、企業・業務に与える影響を考える
8.2 AI を「リスク（内部統制）」として捉える考え方
8.3 AI リスク分析と危機管理対応
8.4 AI と GAFA 等のデータ寡占問題を考える
——————————————-
みなさま、明けましておめでとうございます。
本年も何卒よろしくお願い申し上げます。
昨年は、代表する漢字も「災」になるなど、災害の多い年でした。
当研究所に求められるものも多く、微力ながら、企業や組織の危機管理対策に
貢献出来ますよう最大限、知恵、経験をお伝えしたいと考えております。
今年も年始早々熊本で大きな地震が発生しております。
東京や大阪、名古屋などの大都市でも大きな地震に備えることはもちろん、その他の自然災害にも
大いに気を配ることが求められています。
年が明け平成も終える今年、もう一度災害対策の足元をご確認頂けますようお願い申し上げます。
今年皆様がご健勝でおられることをお祈り申し上げております。
2019 年 1 月
プリンシプルBCP研究所所長
林田 朋之
