INFORMATION

cloud.jpg
Tomoyuki HAYASHIDA
07/12月/2019

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。

 

 


cloud.jpg
Tomoyuki HAYASHIDA
07/12月/2019

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。

 

 


cloud.jpg
Tomoyuki HAYASHIDA
07/12月/2019

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。

 

 

 


landscape.jpg
Tomoyuki HAYASHIDA
07/12月/2019

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

——————————————-

 

 


cloud.jpg
Tomoyuki HAYASHIDA
07/12月/2019

2018 年 7 月 13 日(金)、日本経営協会主催(東京)による AI セミナー(演題:「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」)にて講演致しました。

今回のセミナーでは、現時点で AI ができること、できないこと、ユーザー視点の AI プロジェクトの考え方や進め方、AI 業者選択のポイントなど体系化した内容で解説しています。

企業の方々ばかりでなく、国や自治体の方々も数多くご参加頂きました。

また下期にも開催予定ですが、詳細が決まり次第ご報告致します。

——————————
【講演内容】10:00 – 16:00
1. AI(人工知能)とは
2. AI の導入と業務課題の解決について
3. AI の学習と評価
4. AI を実業務システムとして導入する際のポイント
— 演習 1. AI プロジェクトの事前検討演習(戦略ビジョン策定)
5. AI システム構築のプロセス
6. AI プロジェクトの課題
— 演習 2. AI プロジェクト・スケジュール作成演習
7. 企業危機管理対象としての AI
——————————-


healthcare.jpg
Tomoyuki HAYASHIDA
07/12月/2019

企業の人員確保は、有名大企業以外の企業にとっては、死活問題になっています。

テレビコマーシャルやメディアへの露出が少ない超大企業においても状況は同様で、毎年のように多くの労働者が必要な製造業においては、特に問題が大きくなっているようです。

当研究所では、いくつかのクライアント企業のご担当者に「今のうちから、御社の業務全てに対して、AI が肩代わり出来るかどうかの内部検討に入っておいた方がいいですよ」とご提案しています。

何も専門のデータサイエンティストが社内に居なくとも、業務の一部を AI が肩代わりすることで、人員不足の課題に貢献することが出来る可能性があるなら、どの部分が AI 化できるかの検討は決して難しくありません。

あなたの会社の業務を知らない、あなたの会社の AI 大手の情報システムベンダーや AI 中堅企業は、あなたの会社の喫緊の業務課題について、AI による業務改善を提案してくれることはありません。

ユーザ主導で、AI ベンダーに対して「こんなこと AI に出来ないか」と打診することが必要です。

今、AI 大手ベンダーのデータサイエンティストは、超大企業向けの仕事が一杯一杯で、あなたの会社の AI 化に知恵を貸してくれないかもしれません。

どの事業部門にも、一人か二人の業務を知っている市民データサイエンティストを育てておくことは、今からの AI 化に備え、非常に重要なことです。

市民データサイエンティストとは、AI やビッグデータ解析手法と得られる期待効果について、概要程度が理解出来る人のことを言っています。つまりベンダーのデータサイエンティストと会話が出来る程度のレベルで充分です。

広範かつ細かい統計手法や、その読み取り方、 AI の詳細な理論を知っている必要はありません。

市民データサイエンティストを育てないことが、あなたの会社の人材戦略にとって、またリスクマネジメントとしても、近い将来大きな困難(痛み)を招くことになるだろうことは予想に難くありません。

 

 


healthcare.jpg
Tomoyuki HAYASHIDA
07/12月/2019

いくつかの AI プロジェクトに関わり、AI サプライヤとしての大企業やベンチャーとお付き合いする中で、調整に苦慮する機会を多く体験しています。

業務システムとして組込む AI 自体の設計や性能は、ある程度満足出来る領域に達しているにも関わらず、その周辺の仕組みと合体する際に大きなギャップが生じることが少なからずあります。

例えば、画像解析を行うディープラーニングは、PoC レベルでは素晴らしく性能を発揮するのですが、PoB で実システムに展開するや否や、動的なインタフェース部分で、周辺機器との間で新たな開発要素が出てきたり、チューニングに関わる経費が大きくなってしまったり…

AI 大企業は、人件費やライセンスフィーが非常に高く、費用対効果が出難くなったり、AI ベンチャーは、体力的に PoB についてこれなかったりで、帯に短し襷に長しな状況になりがちです。

日本の AI ビジネスを展開している IT 企業の問題は、ユーザから見て、AI の思想とは真逆の手作り感が強くAI 開発費用を早く回収したい、ただでさえ少ないデータサイエンティストを一部のユーザにしか展開出来ないという点にユーザの不満が出てきます。

ここに無理があると、プロジェクトそのものが失敗したりしてしまうために、PoC が上手く行っても、PoB で頓挫してしまうことは、ユーザよりもサプライヤ側の AI 業者に大きなリスクとなってしまうため、ベンダー、ユーザが、疑心暗鬼な状態になることで、調整役が苦脳してしまうという現状です。

PoB を突破出来れば、ユーザ、ベンダともに、Win-Win になりそうなんですが、今は、あるユーザの成功例を横展開するようなビジネスフェーズかなと思っています。


scope.jpg
Tomoyuki HAYASHIDA
07/12月/2019

今週水曜日(4/4)から、東京ビックサイトで開催されている AI Expo に行ってきました。

実際、NEC や IBM 、富士通ひいては、Apple、Microsoft、Amazon(講演はアリ)、Facebook などの先進企業が参加していない中、第二列の企業群の展示会の様相が見て取れましたが、それなりに収穫がありました。

現在、私が抱えている複数の AI プロジェクトについて、その課題解決を探ろうと、何社かのブースでお話しを伺いましたが、中々各社のソリューションの中には、その解を見つけることは出来ませんでした。

特に、AI を活用するにあたっての、周辺環境が問題で、そこのインタフェースまで引き受けてくれる企業は、余り無い印象です。

いわゆる二、三年前に先進企業が AI について、その将来性やインパクトを、直近の企業活動の課題解決ではなく、どちらかというと夢物語的なふわっとした内容で語っていた頃に比べれば、より具体的なビジネスソリューションには近づいているかもしれませんが、高いお金を払ってまでする内容かという点においては、第一列の企業も同様、苦心されていると思います。

大企業の特に IT への投資について躊躇が無い企業だけが、どんどん AI を進めていく中、単純な IT リテラシの有り無しの差ではない、企業間格差が、この 10 年であっという間に開いていく感覚を持ちました…


aispeaker.png
Tomoyuki HAYASHIDA
07/12月/2019

当社オフィスにも、AI スピーカーがやってきました。

Amazon Echo が良いかなと思っていましたが、メールを出しても、返事が来ず、直ぐに買わせてもらえないので、Google Home Mini にしました。

よく IT 評論家と呼ばれる人たちが、AI スピーカーのことを書いていらっしゃいますが、そのテーマは、「使えるのか」、「使えないのか」!

ウチのオフィスのコンサルタント連中は、Siri/iPhone を使いこなしているヒトと、そうでないヒトに分かれ、えも知れない物体(Google Home Mini)に対する接し方や話し方で、それぞれの個性や頭の中が少し分かるような気がしました。

恐らく、Siri を使いこなしているヒト達は、その能力的な把握をした上で、適切な言葉を選んだ聞き方をしますが、その真逆なヒト達は、無理難題、日本語としてもおかしい設問や関西弁などで、大抵 AI 君に被り気味に拒否されています。

この光景が、可笑しく笑いを堪えていますが、一方、今後、AI が私たちの生活にどんどん入ってくるときに、その接し方にも、その人それぞれのバックグラウンドで、いかようにも使える、使えない判断があるのだろうと再認識しました。

この AI スピーカーも、ワンフレーズだけの会話ではなく、連続した会話が出来るようになってくると、一気に「使える」マシンとして、ブレークスルーするような気もします。


hayashida.png
Tomoyuki HAYASHIDA
07/12月/2019

新年、明けましておめでとうございます!

今年も何卒宜しくお願い致します。

昨年中は、多くの皆さまにお世話になり、いろいろな知見を頂けた年でした。

今年は、それらの知見を、皆さまにフィードバックさせて頂くことが使命かと考え、日々精進致します!

さらに今年の抱負と致しましては、より AI に注視して、いくつかのプロジェクトに携わりたいと考えております。

既に複数の AI プロジェクトに関わっておりますが、健康や医療、BCP やセキュリティ、コンプライアンス等にも、AI の利用を展開出来るよう積極的に提案やシステム構築を行う所存です。

末筆ながら、皆様の新しい一年が、より良きものとなりますよう、お祈りいたしております。


SERVICE

icon-angle-right 危機管理・BCP
icon-angle-right 情報セキュリティ
icon-angle-right ヘルスケアIT
icon-angle-right 内部監査支援

ABOUT US

icon-angle-right 代表挨拶
icon-angle-right 会社データ
icon-angle-right お問い合わせ
icon-angle-right ニュース&イベント
icon-angle-right ブログ

POLICY

icon-angle-right本WEBサイトご利用にあたって
icon-angle-right 商標
icon-angle-right 個人情報保護と情報セキュリティー
icon-angle-right CSR・ESG

PRINCIPLE CONSULTING GROUP

プリンシプル・コンサルティング
プリンシプルBCP研究所
プリンシプルHRコンサルティング
プリンシプル住まい総研
プリンシプル情報構造化研究所
プリンシプルアセスメント研究所
プリンシプル見える化研究所
プリンシプル・エグゼクティブ・コーチング

COPYRIGHT © 2012-2017, Principle BCP Institute, ALL RIGHTS RESERVED