数十件の学習データで「人の判断」を再現する

人工知能の強みをあげるとすると、「処理の早さ」があげられます。第3次人工知能ブームが起こったのは、「ビッグデータ」と「コンピューティングパワー」の発達のおかげと言われていますが、現代はまさに「データの世紀」。昔の大型コンピュータ並みの処理能力を持ったスマートフォンを1人1人が持ち、そのデータがクラウド上の大規模なシステムに集められることで、一昔前には考えられなかった解析ができるようになっています。（但し、データが多ければ良い訳ではありません。後ほど説明します。）このようなデータが無ければ、人工知能を動かす意味も、強みである「処理の早さ」を発揮することもありません。また人間が目で見て、パッと判断ができるぐらいの内容や少ない量であれば、人工知能を使う必要はありません。「簡単に人が見られない大量のデータ」をどう扱うかが人工知能の活用の始まりです。

図1. 人工知能が扱うデータ

人工知能が扱うデータには色々なものがあります〈図1〉。ここではテキストデータに着目してみましょう。あなたが「スマホからクラウド上に集められたビッグデータ」を持っていなくても、普段仕事する中で使っている、身近なものも人工知能に与えるデータになります。FRONTEOは、2016年度から2018年度の人工知能による国内言語解析市場でシェア1位を達成^※1していますが、この「言語解析」で扱っているデータとは主にテキストデータで、その多くが身近なものです。会社で日々やりとりしているメールや毎日書いている文書、電話での会話をテキストに変換したもの、面接の記録、ネットサービスへの書き込みなど、様々なテキストデータ〈図2〉が存在し、FRONTEOが独自に開発した人工知能「KIBIT」が解析を行っています。近年、「デジタルトランスフォーメーション（DX）」が広く唱えられるようになっていますが、これはまさに日々接している身近な行動や取組みをデジタル化し、ICT、IoT、AIの力を使って、生活や産業、社会の構造や仕組みを変えていこうとする動きです。

図2. 様々なテキストデータ

次に重要なのは、人工知能を活用する目的、どんな成果（アウトカム）が欲しいか、です。データを集めても、何のために、どう使うのか決まっていなければ、人工知能は活用できません。“人工知能を使うことが目的”となっている場合や、“PoC（概念検証）で傾向を出すことはできたけれど、その次にどうしたらいいかわからない”ケースの多くは、目指す「成果」の設定が曖昧なことが多く見られます。FRONTEOの人工知能KIBITが日々行っている言語解析では、〈図3〉のような成果を得ることを目的に、現在、累計で200社以上の企業に活用されています。

図3. 多岐にわたる「成果」

「データ」と目指す「成果」が固まったら、次は、最適な機械学習の手法を選択します〈図4〉。第3次人工知能ブームは「ディープラーニング」がもたらしたと言われています。「ビッグデータ」と「コンピューティングパワー」の発達がディープラーニングの特性とマッチし、従来無かったブレークスルーをもたらしました。一方で、ディープラーニングは万能ではなく、データの種類や目指す成果によって得意・不得意がある、とも言われています。機械学習手法の選択には、その他にも導入・稼働までに必要な時間、ランニングコスト、学習プロセス、精度を出すためのチューニング、様々な要素をトータルに考えて、運用・実装までを見据えた設計を行う必要があります。FRONTEOが自社開発した人工知能エンジン「KIBIT」は、独自のアルゴリズムを用いています。テキストデータに特化し、少量の教師データで解析を行うことができ、導入までの時間が短い、大規模な計算リソースが不要で、処理が軽いことが特徴です。

図4. 最適な機械学習の選択が活用のポイント

このような準備や選択を行って、人工知能を導入したら、具体的にはどんな成果が得られるだろう？と考えられると思います。FRONTEOは、2014年より企業に人工知能KIBITによるAIソリューションを提供しており、目的や目指す成果に応じて、〈図5〉のような結果が出ています。

ここまで説明を行った要素とFRONTEOが提供している人工知能活用の領域は、〈図6〉のとおりです。

図5. KIBITを活用したAIソリューションの成果

図6. FRONTEOが提供する人工知能活用領域