課題解決に効く、次世代AI活用術 の商品レビュー

藤原健真(著者)

2024/04/29

課題解決に効く、次世代AI活用術
著：藤原 健真

AIは、1つの手段であり、課題解決のツールである。そのためには、解決すべき課題を見極め、適切な設計と運用をしていく必要がある。

AIは、DXを推進するための1つのツールとして位置づけられている。AIは、BIやRPAといったシステムが生成したデータを読み取ることで、判断・予測・シュミレーションといった高度なアウトプットを行う。さらに運用を継続することで、より多くのデータが蓄積されれば、AIはそれらから「学習」し、アウトプットの高速化、精緻化、正確性が増すなど、より成長し賢くなってくる。AIは自律的に学習する性質を持つがゆえに、さまざまな課題解決ができると期待を集めている。

本書の構成は以下の5章から成る。
①なぜ、AI活用は現場でうまくいかないのか？
②AIプロジェクトの効果的な進め方と成功させるポイント
③課題解決の鍵は、適切なAIを選ぶこと
④適切な手法を選択肢、ビジネスにAIを役立てる
⑤日本企業が世界で勝つためのAI戦略

AIを大局的に捉えるのみならず、現状でメジャーとなっている「ディープラーニング」だけではなく、「スパースモデリング」という「エコなAI」（省データ・省電力・省時間）を活用してのDXへの変革を提案している。

DXの意味やそもそもの運用における課題等を体系的にまとめ、所学者としてもわかりやすい構成であり、学問的な側面ではなく、運用する側への配慮が十二分にも感じられる内容となっている。

技術・仕組みよりも運用が大切であるも、DX・AIにおいては導入段階での初期での目標・目的がブレていると運用やＡＩ自身の学習の方向性に問題があれば、有意義なデータが蓄積できず、意味を持たないことが多い。

いかに、初期段階や導入の前段階からＡＩを知り、そして業務の課題を理解することが大切であるかが理解できた。それを前提としての試行錯誤で正解を模索していくことが求められる。

2022/03/27

スパーズモデリングの紹介
⇆ディープラーニング
日本でのAIの向き合い方としては、人が介在するモデル
ディープラーニングでのブラックボックスをどのように向き合うか。

2022/01/26

第1章　なぜ、AI活用は現場でうまくいかないのか？
今、AI活用が求められている背景とは？
半世紀かけてAIは大きく進化した
AIにブレイクスルーをもたらした機械学習
ディープラーニングがビジネスに活用されにくい理由
現場の導入の仕方、プロジェクトの進め方にも問題がある
現場でのAI活用を妨げる、5つの壁とは？
ディープラーニングの問題を解決する新たな選択肢
第2章　AIプロジェクトの効果的な進め方と成功させるポイント
Aープロジェクトは、この5つのステップで進める
ステップ①課題設定
ステップ②概念検証(POC)
ステップ③試験運用（バイロット）
ステップ④本導入
ステップ⑤運用
AI導入を成功させるためのポイントとは？
ポイント１これからAI導入に取り組むステージ
ボイント２これから本導入を行うステージ
ポイント３すでに導入しており、今後も積極展開していくステージ
第3章　課題解決の鍵は、適切なAIを選ぶこと
そもそもAIとは何か？
ディープラーニングがここまで発展した理由
進化を続けるディープラーニング
ディープラーニングの課題①大量のデータが必要
ディープラーニングの課題②ブラックボックス
ディープラーニングの課題③エネルギー問題
スパースモデリングを活用した「エコなAI」という選択肢
第4章　適切な手法を選択しビジネスにAIを役立てる
スバースモデリングで、いかに課題解決をしていくか？
ケース１「複雑な創薬R&Dの効率化をAIでいかに実現するか」
ケース2「少量多品種生産における検査の省力化に向けた挑戦」
ケース３「医療の最前線に立つ医師をAIはどうサポートできるか」
ケース４「オフラインの環境で、いかにスピードと質を両立するか」第5章　日本企業が世界で勝つためのAI戦略
日本と世界のAI事情の違い
海外の研究開発費用は、日本の2倍以上
業界問わず重要視される「説明責任」
ヒューマン・イン・ザ・ループこそ日本企業の戦い方