INFORMATION

landscape.jpg
Tomoyuki HAYASHIDA
20/2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

——————————————-

 

 


eyecatch-1200x786.jpg
Tomoyuki HAYASHIDA
20/2月/2019

< 2018 年>

  • 11/9(金): BCP セミナー in NOMA東京(大災害から学ぶ BCP への新たな視点と対応策)
  • 11/16 (金): BCP セミナー in NOMA大阪(BCP対策の基本と見直しのポイント)
  • 12/14(金): マイナンバー監査セミナー in NOMA東京(マイナンバー対応監査の進め方と留意点)

< 2019 年>

  • 1/21(月): BCP セミナー in NOMA名古屋(BCP対策の基本と見直しのポイント)
  • 1/24(木): BCP 監査セミナー in NOMA東京(BCP監査の視点と具体的手法)
  • 1/29(火): マイナンバー監査セミナー in NOMA大阪(マイナンバー対応監査の進め方と留意点)
  • 2/20(水): AI セミナー in NOMA東京(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)

※ NOMA : 一般社団法人日本経営協会(https://www.noma.or.jp/)

詳しい内容については、お問い合わせください


cloud.jpg
Tomoyuki HAYASHIDA
20/2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
20/2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
20/2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
20/2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
20/2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
20/2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。


t_service_021.jpg
Tomoyuki HAYASHIDA
20/2月/2019

先日、とある IT 大企業の展示会に行ってきましたが、ほとんどのブースが「AI」をうたっていました。8 割方が「 AI を活用した○○○」のような展示コピーです。

中には、AI ?と思うようなものもありましたが、確かに、システムの一部に AI が使われているようで、エキスパートシステムでもいいんじゃないかと思うようなシステムにも、やはり AI なんですね…

当研究所でも、複数の AI プロジェクトが走っていますが、大きく分けると、① AI Chatbot、② BigData 分析の AI 活用、③ ディープラーニングによる画像解析です。

直ぐに実用化が見えているのは、① AI Chatbot ですが、私の生業である危機管理や事業継続計画に大いに利用が見込まれます。実際の有事に人が対応するのではなく、AI が対応する意味は非常に大きいと考えています。

BigData 分析の AI 活用については、BI 分野で、高度なスキルと経験が必要なデータサイエンティストの作業を AI が代行してくれるというもので、いわゆる市民データサイエンティストと呼ばれる層が活用出来る AI です。BigData 解析のデータマイニングを、よりホワイトボックスとして説明可能なので、多くの企業で採用される分野だと感じています。当研究所では、例えば ① で収集したデータを ② で分析するということを考えています。

ディープラーニングによる画像解析は、精度という点について、ユーザとベンダーの意識合わせがポイントになりそうです。例えば、製造業における製品の検品というテーマに、この技術がより多く活用されようとしていますが、中には、その精度の「感覚」で、プロジェクトが上手く運ばないこともあるようです。つまりベンダー技術者は、90 % 精度を高いと考え、ユーザ経営者は 100 % じゃないことに怒りを覚えるといった具合です。

AI が人間が出来ることを補助する役割と考えば、ある程度のスキルが必要な作業を行う従業員の経費や人材確保という観点で言えば、大いに意味がありますが、せっかく機械(コンピュータ)にやらせて高いお金を払うのに、100 % じゃないのかとユーザ経営者は考えるわけです。

必要な雇用が少子化で益々難しくなっている昨今、より技術的な作業を AI が代行する意味を、ユーザも、ベンダー側も、よくコミュニケーションした上で利用推進すべきかなと感じています。

当研究所では、③については、ヘルスケア IT システムに導入することを考えています。未病を画像として AI 管理することで、健康への意識を高め、予防医学にも貢献するようなフレームワークの構築が目標です。

 


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