AI技術を使ったシステム導入を検討する上で気を付ける4つのポイント(システム編)
この記事ではAI技術を使ったシステム企画・導入時に気を付ける4つのポイントを解説します。なお、ここで対象とする”AI”は近年話題になっている深層学習(ディープラーニング)、機械学習を主に想定して記載しています。
目次
AI技術の導入目的と範囲を絞る
システム導入の例にもれず、AIの導入においても適切な導入目的の設定が必要となります。
ただ、AI技術を使ったシステムは、一般的なシステム導入に比べると
- 最新技術というイメージから期待値が高くなりやすい
- そもそもAIの出来る事、得意な事を把握している人が少ない
などの点から、設定する目的が広範囲になってしまう場合があります。そして、目的が広範囲になると評価方法が複雑化し、導入コスト、運用開始までの期間も増加してしまいます。
成功に繋げる為には、目的(目標)を一つに絞る、範囲を限定させる、など現実的な導入目的と範囲を定めながら進めていくことを第一に推奨します。
目的、かつ業務内容・プロセスを踏まえた定量的な評価指標(KPI)を複数設定する
AI技術を使ったシステム導入目的が決定した後に必要となるのは、達成度を測定する適切な定量的な評価指標(KPI)です。
特に通常システムに比べ、AI技術が出来る事、得意なことを把握している人が少ないことから、以下を実施し、目的、かつ業務内容・プロセスを踏まえた定量的な評価指標をいくつか用意することを推奨します。
- AIソリューションベンダーや、類似業種や目的で利用しているAI技術を使ったシステムの評価指標をヒアリングする
- 業務内容やプロセスを理解している担当者を導入メンバーに加える
補足すると後者は導入検討時にも必要ですが、開発・運用時にもサポートが必要になるので、早期にメンバーに加えることをお勧めします。
開発体制を構築する
AIの導入において、通常システム導入と同様に適切な開発体制を構築することが重要となりますが、以下の部分で通常システムと違いがあり、それを踏まえて解説をします。
- 通常システムは入力に対して出力内容が変わらないが、AIはチューニング、学習内容によって変化する
- 通常システムに比べ、AIの処理内容は外部から分かりにくい
上記の理由から、仕様を変える頻度が高くなるため、開発手法は、通常システムの開発でみられるウォーターフォール型より、導入効果の検証、要件の変更に短期で対応・確認ができるアジャイル型が向いています。
運用体制を構築する
最後に運用体制についてです。AI技術を使ったシステム運用時は、学習データの評価や重みづけ、業務プロセスとの整合性が求められますが、その両方に対して業務内容・プロセスに詳しいメンバーの知見が必要となります。
-学習データの評価や重みづけ-
AIでは深層学習、機械学習であっても学習データに意味を持たせる評価・重みづけが必須となります。例を挙げると、インフラを自動検査するAIを導入する場合、何をもって正常・故障・劣化しているかAIは判断できないので、検査に詳しい担当者に確認して、音や画像の差異によってスコアリングをしてもらう必要があります。
-業務プロセスとの整合性-
AI技術を使ったシステムを導入する際、自動化、無人化、省人化を期待する声があがります。一方で、一部の効率化を実行するために、全体では業務負担が増加し、かえって業務効率が下がる、もしくは期待値を下回るといった声が多いことも事実です。これは、工場の生産ラインを一部早くしたところで全体の生産効率が高くなるわけではないことと同じです。そのため、業務プロセスを見渡せるメンバーを加え、プロセス全体の中からAI導入による影響と有効性を検証する必要があります。
まとめ
- AI導入検討時に目的は絞り込むことが第一に必要となる
- 適切な導入効果検証のため目的、かつ業務内容・プロセスを踏まえたKPIの設定が重要となる。
- AI導入時の開発体制はアジャイル式が望ましい
- 開発・運用体制に業務内容・プロセスに詳しいメンバーを入れる必要がある。
メールマガジンに登録しませんか?
本サイトを運営しております株式会社Will Smartは公共交通・物流・不動産などの社会インフラの領域においてIoT技術やモビリティテックを活用したGX×DXの取り組みに注力しております。
メールマガジンではWill Smartの最新の取り組み事例やミライコラボのコンテンツ情報をなどお届けします。下記の登録フォームよりぜひご登録ください。