INFORMATION

eyecatch-1200x786.jpg
Tomoyuki HAYASHIDA
22/10月/2020

今週、10/9(金曜日)に、「新任システム管理者のための社(庁)内ネットワーク・IT システム管理入門」と題してセミナーを実施致します。

主催者および参加要領はこちらから

企業や自治体の情シス配属の新任者に必要と思われる知識と考え方を網羅的にお話するものですが、情報システム部門の新任者のみならず、IT 企業や SIer 企業の営業研修(顧客を知る、顧客の課題を見つける、顧客とシステムの雑談をする)にもご利用頂けると思います。

アジェンダは以下の通りです。

 

「新任システム管理者のための社(庁)内ネットワーク・IT システム管理入門」

 

 

 

 


eyecatch-1200x786.jpg
Tomoyuki HAYASHIDA
22/10月/2020

9 月以降のセミナーについて、開催予定をお知らせします。

開催にあたっては、主催者との協議の上、入場の際の検温および手指消毒、常時マスク着用、教室内の社会的距離レイアウト、定期的な換気と空気清浄、講師および演習発言者のフェースシールド着用など感染防止を徹底した上で実施されます。

[su_box title=”セミナーの開催予定” style=”glass” box_color=”#556b2f”]

1. 2020/9/3(木):パンデミック感染症に対する危機管理/ BCP 構築のポイント(名古屋)詳細はこちらから

2. 2020/9/11(金):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(東京)詳細はこちらから

3. 2020/9/17(木)~18(金):社会福祉法人向け新型コロナウイルス感染症危機管理/ BCP 構築(非公開セミナー)

4. 2020/10/9(金):新任システム管理者のための社(庁)内ネットワーク・IT システム管理入門(名古屋)詳細はこちらから

5. 2020/10/16(金):「New Normal」を生きる企業の感染症 BCP 構築とその対策(東京)詳細はこちらから

6. 2020/10/19(月):製造業における事業継続計画(BCP)の構築と実例(東京)(非公開セミナー)

7. 2020/11/10(火):テレワーク・在宅勤務におけるセキュリティ対策(名古屋)詳細はこちらから

8. 2020/11/20(金):大災害から学ぶ BCP への新たな視点と対応策(東京)詳細未定

9. 2020/12/4(金):リモートセミナー、「New Normal」を生きる企業の感染症 BCP 構築とその対策(大阪)詳細未定

10. 2020/12/9(水):観光業における感染症の危機管理及び行動変容・文化変容に備えた AI 化の推進と手法(京都)詳細未定

[/su_box]

なお新型コロナウイルス感染拡大状況によって、一部キャンセルとなることがありますので、ご承知おきください

 


eyecatch-1200x786.jpg
Tomoyuki HAYASHIDA
22/10月/2020

 

6 月まで、全ての集合型セミナーはキャンセルされていましたが、7 月から、再開されることになりました

 

開催にあたっては、主催者との協議の上、入場の際の検温および手指消毒、常時マスク着用、教室内の社会的距離レイアウト、定期的な換気と空気清浄、講師および演習発言者のフェースシールド着用など感染防止を徹底した上で実施されます。

 

以下、当方で、予定している BCP /危機管理セミナーをご紹介します。

 

[su_box title=”危機管理/ BCP セミナーの開催予定” style=”glass” box_color=”#556b2f”]

1. 2020/7/3(金):BCP 監査の視点と具体的手法(東京)詳細はこちらから

2. 2020/7/16(木):大災害から学ぶ BCP への新たな視点と対応策(東京)詳細はこちらから

3. 2020/7/21(火):パンデミック感染症に対する危機管理/ BCP 構築のポイント(大阪)詳細はこちらから(満席のため受付終了となりました)

4. 2020/7/28(火):地震・自然災害に対する新たな危機管理行動計画の策定の必要性とポイント(名古屋)詳細はこちらから

5. 2020/9/3(木):パンデミック感染症に対する危機管理/ BCP 構築のポイント(名古屋)詳細はこちらから

[/su_box]

なお大阪と名古屋で実施致しますパンデミック感染症 BCP セミナーは、新型コロナウイルスばかりでなく、今後も発生し得る新型インフルエンザ等への対応も含まれています。

9 月以降も、自然災害 BCP 構築セミナー、IT 管理者養成セミナー、テレワーク構築/情報セキュリティセミナー、AI セミナーなどを予定しております。追って詳細が決まり次第、ご報告いたします。

 

 

 


cloud.jpg
Tomoyuki HAYASHIDA
22/10月/2020

二、三年ほど前に東大で医療データベースの分析研究発表会のようなものが行われ、日本の医学研究のトップの大学医学部、医学研究所の先生方と、日米の民間の AI 先端企業の何社かが発表されていたの拝聴したことがありましたが、その際に感じたのは、日本の医学研究の中で、ビッグデータ分析に対するデータサイエンティスト的な研究発表をされている研究者がほとんどいないなと感じていました。

さすがに現時点では、医学研究ばかりでなく、通常の医療にもデータサイエンスが活用されている、と信じていますが、世界中の新型コロナウイルスによる莫大なデータが、データマイニングとしても、多くの知見を導き出しているのでは、と想像されます。

もちろん厚生労働省や大学、研究所では、これらのビッグデータの AI 分析が当然のように行われていて、ただ現時点で外部公表するには、リスクが大きく公開されないのだろうということも容易に想像されますが、世界に目を向けると、AI の先進国である、米中に、やはり自国としても莫大なデータがあり、いろいろな分析が行われて知見を積み重ねているのだろうと考えられます。

下記は、ジョンズ・ホプキンズ大学の集計数字(2020/4/17現在)を単に計算(割り算)しただけの数字ですが、こんな単純な比較においても何らかのことが言えそうな気がします。

回復率を、回復者数/累積感染者数と仮定すると、欧米とアジアのいくつかの国の数字は、

・中国: 89.3 %
・韓国: 73.6 %
・台湾: 39.2 %
・ドイツ:59.4 %
・スペイン:40.4 %
・イタリア:23.8 %
・フランス:22.7 %
・アメリカ:8.4 %
・日本:10.1 %

となっています。この数字の元のデータの信頼性の問題や各国で定義が異なるなどの問題、感染した人の免疫力の差や医療サービスの違いなどがあるため、これだけで何かを計ることに無理がありますし、上記の一瞬の比較に何ら意味はないのですが、もしこの数字を日々追うことで出来る曲線やベクトルを分析してみれば、想像しうる何かにあたりそうな気もします。

データサイエンスの力が試されていると感じることしきりです。


t_service_021.jpg
Tomoyuki HAYASHIDA
22/10月/2020

新型コロナウイルスに対応するため、いくつかの企業は、特に IT リテラシの高い企業を中心に、リモートコンピューティングによる在宅勤務への移行がはじまっています。

在宅勤務に関しては、直ぐに始められるものではなく、また仕組みを保持していても、日常的に稼働させ運用していなければ、混乱や急なトラブルへの対応が出来ず、失敗に帰することが容易に予想されます。

労務管理においては、在宅勤務における「労働」の定義(労働時間とその管理、出勤のタイミングと安全配慮義務、賃金、有給休暇の問題など)と、事前に整備しておく事柄は多岐にわたります。

このことは、疑い感染者、陰性感染者、濃厚接触者(社内、社外、家族)へのそれぞれの対応も絡みます。

また情報セキュリティ的な検討も必要となり、特に公衆インターネットを経由するために、自宅からのアクセスに対応した認証システムやネットワーク上の暗号化(SSLは、非常に弱い)、オンプレミスサーバやクラウドサーバ側のセキュリティ強化など、これも事前に準備していなければならない大きなポイントです。

東京オリンピック時には、東京本社企業の従業員が都内への通勤に大きな支障が出ることや、働き方改革の一環として、これらの検討をはじめている大企業は急増しています。

一方、中堅中小企業では、リモートアクセスの導入には、その高額な費用や、構築の困難さ、対応する人材不足などを理由に遅々として進んでいないのが現状です。

企業や組織が、このような喫緊の課題を突き付けられている今、短期的な在宅勤務への対応のためのリモートアクセス整備や業務の RPA 化を行う一方で、企業の規模に関わらず、中長期的な業務システムの改革としてデータトランスフォーメーション、つまり AI の導入タイミングをもう一度見直し、そのロードマップの前倒しを強く推奨します。

特に、現在最も非効率と指摘される管理業務系ホワイトカラー業務の AI 化を進めることは、企業にとって非常に重要な経営課題であると考えられます。

人の労働力を奪うパンデミック感染症の脅威(危機管理)と事業継続を考えた時、企業における「労働」者とは、業務システムとは、など、中長期的なビジョンの方向性や AI 化の推進も、併せて突き付けられているのかもしれません。


landscape.jpg
Tomoyuki HAYASHIDA
22/10月/2020

2020 年 1 月 ~ 3 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”]

  • 1/21(火): 地震・自然災害 BCP セミナー in  NOMA 名古屋(地震・自然災害に対する新たな危機管理行動計画の策定の必要性とポイント)
  • 1/23 (木):BCP 監査セミナー in NOMA 東京(BCP監査の視点と具体的手法)
  • 2/20(木): AI(人工知能)セミナー in NOMA 東京(AI 導入のポイントと基本プロセス)
  • 3/3(火): 地震・自然災害 BCP セミナー in NOMA 大阪(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)
  • 3/10(火):自然災害 BCP セミナー in NOMA東京(自然災害に対する新たな危機管理行動計画の策定の必要性とポイント)

 

※ 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


cloud.jpg
Tomoyuki HAYASHIDA
22/10月/2020

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
22/10月/2020

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
22/10月/2020

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
22/10月/2020

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

——————————————-

 

 


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