AIがビジネスのインフラになる vol.2

AIのビジネス活用の課題

AIがビジネスのインフラになる vol.2

櫻井 義尚（明治大学 総合数理学部 准教授）

近年、機械学習を中心としてAIのビジネス分野での応用が進んでいます。しかし、海外の企業と比べ、日本の企業はAI戦略において明らかに立ち遅れているといいます。AI活用のポイントと今後の発展についてお話を伺いました。

◇AIのビジネス活用の課題

AIブームといわれ、機械学習に期待して、その導入を検討している企業が多くなっています。ところが、課題は山積です。その多くはAIに対する理解不足から来ています。

一つは、AI適用の環境です。

機械学習にはデータが必要ですが、社内データすら縦割り化によって各部門で独自にもち、部門間のつながりがないため、全社統一のデータベースも構築できない企業が多いのです。

海外の企業などは、データやシステムを扱う技術者を配置し、データの管理、システム投資の一貫性を担保する役割を担う技術組織を社内に設け、そのトップをCIO（Chief Information Officer）として、経営層の一員とする企業が多くなっていますが、日本では情報システム部の部長レベルまでで、まだまだデータやシステムを全社レベルで整備することの重要性が十分に認識されていないのが現状です。

AIの適用抜きでも、データは企業の資産で、システムはビジネス活動のベースとなるものですが、AI活用においては、この2つは不可欠なものになります。

もう一つは、AIの適用の仕方です。

先程ご紹介したRPAは、人の業務をAIに置き換えるものでした。最近、日本企業の中で「今〇〇さんがやっている作業をRPAで自動化して経費削減と効率化を図りたい」という検討を部署毎に行っているという話をよく耳にします。

これのどこが問題なのかというと、属人化してしまっている業務をAIに置き換え、ブラックボックス化をより進めてしまっていること、全体設計を考慮せずに、部分だけで構築し、システムとしての整合性を危うくしているかもしれないということなどです。

もう一つは、AIに対する評価方法です。

また、AIの機械学習による効果は、かつてのOA化やIT化のように、すぐに目に見えるような形で現れるものばかりではありません。そのため、結果が出る前に頓挫するケースも多いのです。特に機械学習はデータが重要となりますが、システムによっては初期のデータでは不十分でシステム稼働後にデータ収集を行い、その予測や分類の精度を向上していく場合もあります。機械学習によるシステムは「投資」の観点での評価が必要になります。

AIを本格的に導入するためには、システムをパーツのようにもってくるのではなく、社内組織の改革も含め、全体設計をした上で、取り入れなければ有効に機能しません。それは、日本の企業が早急に取り組むべき課題であると思います。

※取材日：2019年1月

次回：AIが有能な秘書になる「意志決定支援システム」（3月12日8時公開予定）