『DECLab』を『trans plus』にリニューアルしました!

trans plus(トランスプラス)

いまさら聞けない「AI・機械学習」の基礎知識【6月7日大阪AIセミナー1/3】

いまさら聞けない「AI・機械学習」の基礎知識【6月7日大阪AIセミナー1/3】

トランスコスモスは大阪にて2018年6月7日(木)にプライベートセミナー 「AI・機械学習の活用法と現場の最前線」を開催しました。 今回から全3回に分けてセミナーレポートをお届けします! 本セミナーは、AI・機械学習の基礎知識に始まり、AIや機械学習がどのように現場での運用業務に活かされ、データ活用ビジネスへと繋がっていくのか、実際の事例を交えながらご説明する内容、以下3つのアジェンダから構成されています。   ▼本セミナーのアジェンダ

・いまさら聞けない「AI・機械学習」の基礎知識 ・機械学習を自動化する「DataRobot(データロボット)」活用事例特別公開! ・「日本直販」担当者が語るデータ活用の施策・運用術

 本稿にてご紹介する第1部では、トランスコスモス株式会社DM・EC・CC統括サービス開発本部 アナリティクスセンター統括部 北出大蔵が、いまさら聞けない「AI・機械学習」の基礎知識〜データを活用した先端技術を運用現場に実装するための勘所〜について講演させていただきました。  

第1部にて登壇した北出
第1部にて登壇した北出

 

デジタル化が進む、消費者コミュニケーションの最前線

北出ははじめに、「企業と消費者のコミュニケーションとは、企業と消費者の商取引と表裏一体で発生する『対話』を通じて、情報を効果的に①収集②分析③活用し、顧客体験創出と収益拡大をもたらす仕組みである」と説明しました。  

企業と消費者とコミュニケーションで行われていること
企業と消費者とコミュニケーションで行われていること

  そして、「好きなときに好きなコミュニケーション手段で情報収集や問題解決ができ、そこで良質の顧客体験を提供できることが、ブランド価値や企業収益を左右する」と続けます。  

消費者のコミュニケーション体験の良し悪しが企業の価値や収益を左右する
消費者のコミュニケーション体験の良し悪しが企業の価値や収益を左右する

  実際に、トランスコスモスが設立したAI研究所であるCommunication Science Labが提供する、【消費者と企業のコミュニケーション 実態調査2017】によると、近年、消費者はスマートフォン(スマホ)を中心に複数チャネル間を自由に行き交い情報収集、商品購入、顧客サポートをシームレスに利用するようになっています。 もはやスマートフォン無しの生活に戻ることがイメージしづらい現代であり、ご自身の身の回りの生活を振り返ってみても、きっとご納得いただけるでしょう。  

スマートフォンはもはや消費者の生活には欠かせないツールとなっている
スマートフォンはもはや消費者の生活には欠かせないツールとなっている

  では、日々急速に変化するユーザー行動に対して、企業の対応は十分と言えるのでしょうか。 以下、実際のデータを見る限り、企業側のデジタル化への対応は不十分であると言え、消費者の期待とのギャップはまだまだ大きいのが実態です。  

消費者の期待に応えられている企業は少ない
消費者の期待に応えられている企業は多くない

  コミュニケーションチャネルのデジタル化が急速に進む消費者と、マルチチャネル・マルチモーダルなチャネル統合型コミュニケーションの整備が遅れている企業側という構図が理解できます。 では、多様化するチャネルと、加速するデジタルトランスフォーメーションの狭間において、企業はどのように対応していくべきなのでしょうか。 方向性を考えるヒントとして、スマートフォンを起点としたサービスが一番進んでいると北出は言います。 その理由として、LINE、Facebook、チャットサポートなどのスマートフォンファーストのチャネルは、従来は分業化されていた消費者の認知・購入・サポートのプロセスを一貫して行うことが可能であるからだと説明しました。  

LINEでは認知・購入・サポートまで一貫してサービス提供可能
LINEでは認知・購入・サポートまで一貫してサービス提供可能

  最近では、LINEやFacebookでの消費者の閲覧履歴や購買履歴などを、統合されたデータとして蓄積・処理して、そのデータを機械学習により分析・モデリングし、AIやMA(Marketing Automation:マーケティング活動の効率化・最適化のために用いられるツール)に反映することが、企業のデジタルマーケティング戦略に必要不可欠になってきています。 では、多くの企業が今注目するAIについて、次項から詳しく解説していきます。  

AIに対する正しい向き合い方

AIテクノロジーの進化により、AIとヒトの協業によるハイブリットな消費者サポートが可能になっています。 たとえば、スマートIVR(Interactive Voice Response:「自動音声対応」)などの音声認識技術やWatson(ワトソン:IBMが開発した質問応答・意思決定支援システム)などの自然言語処理技術の登場で、ヒトがAIを育て、AIがコールセンターの自動化やオペレーター応対を支援できるようになりました。 また、近い将来、AIスピーカーやAR(Augmented Reality:「拡張現実」)/VR(Virtual Reality:「仮想現実」)の普及により、次世代の音声駆動型のWebサービスやコールセンターが登場するのではないかとも噂されています。 こうした流れの中で、英オックスフォード大学マイケル・A・オズボーン准教授の有名な論文や、日本のディープラーニングの第一人者である松尾豊准教授の著作『人工知能は人間を超えるか ディープラーニングの先にあるもの』(角川EPUB選書)によると、コールセンターや分析業は「AIの発展で10〜20年後になくなる仕事」の代表格とされているのです。  そのような未来は、現実に起こりうるのでしょうか。このような研究の影響もあり、世間では、「AIが人間の仕事を奪う」「AIは人間の敵か味方か」といった、まるで一昔前であればSF映画の中の話のような議論が、現実世界で飛び交っています。 ガートナー、「先進テクノロジのハイプ・サイクル:2017年」によれば、AIやディープラーニングは『過度な期待のピーク期』を過ぎて『幻滅期』に突入しており、これからは、AIを正しく理解したうえで、現場に役立つ『等身大』の活用を検討すべき時期を迎えていると説明しています。 これを受けて、「まずはAIを正しく理解すること。そして、過大な期待も過少な評価(幻滅)もしないことが、現状のAIに対する正しい向き合い方」だと北出は述べました。  

引用元:ガートナー「先進テクノロジのハイプ・サイクル:2017年」
引用元:ガートナー「先進テクノロジのハイプ・サイクル:2017年」https://www.gartner.co.jp/press/html/pr20170823-01.html

  ▼北出が考察する、企業のAI導入目的の変遷

・2016年:AIのPoCブームを受けた技術検証目的として導入 ・2017年:新規事業創出等の成長戦略手段としての導入 ・2018年:過重労働・業務効率化等の改善目的としての導入

 

そもそも「AI」とは

「AIを正しく理解する」上で、そもそもAIとは何なのか。そして、何ができるのか、について考える必要があります。 まず、AIは、人間のように理解して自律的に判断する能力をもつ「汎用AI」と、人間が行う特定の作業の一部を支援する「特化型AI」の2種類があります。  

現状、AIとは「特化型AI」のことを指す
現状、AIとは「特化型AI」のことを指す

現状では「汎用AI」は空想に過ぎず、現在実現されているものはほとんど存在しないと言えるでしょう。一方で、実用化されているのは、AIスピーカーや、チャットボット、将棋AIなどの「特化型AI」のみとされており、これらは3種類に分類されます。  

特化型AIは3種類に分類でき、それぞれ別物
特化型AIは3種類に分類でき、それぞれ別物

  特化型AIには、識別や検知を行う「認識系AI」と、分類・スコアリングをする「予測系AI」、誘導や最適化をする「制御系AI」があり、それぞれ別物として考えるほうが正しい理解が得られます。 たとえば、自動運転というざっくりした概念のAIは存在せず、子供の飛び出しを「検知」し、このまま進むとぶつかると「予測」し、ブレーキとハンドルを自動で「制御」するという複数の特化型AIを組み合わせた仕組みと理解すべきです。 近年、AIが注目を集めているのは、機械学習による技術革新がきっかけとなっています。対象データが文章や音声、画像であったりしますが、ほとんどの場合は機械学習が応用されています。その中でも、実用化されているAIの大半は教師あり機械学習を活用した特化型AI」です。  

実用化されているAIの大半は「教師あり機械学習を活用した特化型AI」
実用化されているAIの大半は「教師あり機械学習を活用した特化型AI」

  「教師あり機械学習」とは、過去の教師データから反復学習し、未知のデータに予測スコアをつける技術のことを指し、AIは教師データを使って、同じ失敗をしないように機械学習していきます。 ここでポイントなのは、最後は、AIがはじき出した『確率』を見て、人間が判断しなくてはならないということです。  

教師データから機械学習して導き出した確率を見て、人間が判断する
教師データから機械学習して導き出した確率を見て、人間が判断する

  北出は、上記の図を説明するとともに、ここで重要なのは、AIではなく、アルゴリズムでもなく、教師データであることを力説し、その上で人間が判断を下すことがなにより重要であるということを強調しました。  

「AI・機械学習」を活用し、改善を実現した3つの事例

では、実際にAIを導入することで課題解決に結びつけることに成功した、デジタルマーケティングやコールセンターでの弊社事例を3つご紹介いたします。  

1.機械学習によるネット広告改善

従来、リターゲティング広告の配信セグメントは、広告プランナー個人の能力に依存しがちです。そこで、属人的な取り組みを脱却するため、DECode(トランスコスモスのDMPサービス)とDataRobot(データロボット)を用いて、ユーザーの行動履歴から作成したコンバージョン確率スコアに基づくセグメントを構築し、リターゲティング広告の配信を実現しました。 結果的に、高精度の予測スコアの生成に成功し、スコアに基づく広告運用でリターゲティング広告ROI改善に成功しました。この成功をうけ、現在はモデルのさらなるチューニングと自動配信システムの開発を進めています。

DECodeとDataRobotを活用したリターゲティング広告配信の事例
DECodeとDataRobotを活用したリターゲティング広告配信の事例

 

2.音声認識によるコールセンター応対品質管理

コールセンターの応対品質管理は、一般的にモニタリングチェックといって、SV(スーパーバイザー:オペレーターを育成・管理・指導する管理職)やQC(クオリティ・コントロール:サービス・業務などの品質向上・改善を目的とした品質管理活動)担当者が音声を一件ずつ聞いて、評価項目を人手でチェックしています。 しかし、管理者が多忙なためモニタリングに十分な時間が割けない、評価項目設計ができていない、オペレーターのスキル成熟度に合わせた個別指導ができていない、といった問題がありました。 そこで、音声認識システムを活用しテキストデータ化、応対品質モニタリングの「全件自動評価」や自動応答・応答支援による顧客対応業務の時間短縮を実現しました。 その結果、コールセンターの顧客満足度向上と業務効率化に成功し、日経産業新聞の2018年6月26日の記事などでも大々的に取り上げられました。現在は、基礎応対評価AIだけでなく「案内すべき内容」を伝達できているかどうかを自動評価するAIの開発に向けたトライアルを進めています。 詳しくは弊社プレスリリース「トランスコスモス、コンタクトセンターにおける応対品質自動判定AIを開発」をご参照ください。  

応答品質モニタリングに音声認識の技術を活用した事例
応答品質モニタリングに音声認識の技術を活用した事例

 

3.機械学習によるコールセンター夏季呼量予測

コールセンターにおいて過去の入電に基づき未来の入電予測を行い、適切なオペレーター数を配置することができれば、コスト削減や顧客満足度向上につながると言えるでしょう。 しかし、統計手法による需要予測や呼量予測は、言葉でいうほど簡単ではないのが現実です。 そこで、家電メーカーの呼量予測をする際、過去3年分の入電量データと、曜日・休日や天気・気温などの要因仮説となるデータなどをもとに、入電量の予測値を割り出しました。その結果、過去の資産であるデータを学習データとして再利用し、その予測結果をもとにオペレーターの必要席数を自動算出することに成功しました。  

コールセンターの呼量予測に機械学習を活用した事例
コールセンターの呼量予測に機械学習を活用した事例

 

「AI・機械学習」まとめ

現場での実際の活用事例を振りかえったとき、AI・機械学習は人間の仕事を奪う存在と言えるでしょうか。 確かに、人間よりもAI・機械学習が優れているポイントはあり、その点では仕事を奪う存在と言えるかもしれません。 ですが、以下のように、AIには代替できない人間ならではの価値を発揮できる仕事というものは、必ず存在すると言えるのではないでしょうか。

1.機械学習によるネット広告改善

セグメント配信は自動化できますが、リストシュリンクの防止策や広告・LPの改善策を立案・実行するのは依然として人間の仕事

2.音声認識によるコールセンター応対品質管理

音声認識なら全権自動評価が可能ですが、その精度向上にはアノテーションなどの人間による教師データ生成やチューニング作業が不可欠ですし、なにより大事な指標設計や教育研修は人間の仕事

3.機械学習によるコールセンター夏季呼量予測

AIや機械学習により呼量予測を自動化することはできますが、呼量や必要席数を予測しても、それに基づきシフト作成やリソースコントロールを行うのは現場の役割です。結局、何をどう予測し、その予測結果を使って現場で何を実行するのかを考えるのは人間の仕事

  「これからは、人間らしい・人間でないとできない仕事に人間は集中し、人間にとっては本来不得意・苦手なところに、AIを使っていくことが重要になります。AIをうまく活用する企業や現場の最前線ではそういう使い方をしています。」と北出が述べるように、AIだけで完結する仕事は一部であると言え、AIが介入できない人間の役割は多く残されており、AIが人間の完全なる代替にはならないと言えるのではないでしょうか。 むしろ、人口減少や働き方改革などが社会問題になっている現代の仕事環境では、AIと人間は仕事を奪い合うのではなく、共存し、補い合う関係になっていくという考えのもと、AIと向き合うことが、ますます重要になるでしょう。   最後に、日本企業でAI/機械学習の活用やデジタルトランスフォーメーションがまだまだ進んでいないことに対して、北出はこう述べました。 「多くの場合、AIにデータを入れたら自動的に問題が解決してうまくいくというイメージを持ちすぎなのかもしれません。ですが、実際は、人間が考えるべきことを、泥臭く地道に考え続けなければなりません。 まずは、AIを自社の現場の業務に入れたらどんな課題が解決してどうなるか、AIを自分達がどう使うか、そのための教師データが今あるのかなど、『自分ゴト化』して考える風土づくりが重要です。それが無いまま、現場にAIを導入しても、デジタルトランスフォーメーションは進まないでしょう。」   AIは1を10にすることはできても、0から1は生み出せない。 0から1を生み出せるのは人間だけ、ということですね。     次回、第2部ではDataRobot(データロボット)社の中野様のご講演をレポートします!DataRobotについて予習したい方は、こちらの記事もぜひご覧ください。   ↓↓↓↓↓↓↓↓↓   AI活用に初挑戦! へっぽこエンジニアに立ちはだかった3つの壁とその解決策    

お問い合わせ

CTA-IMAGE お気軽にお問い合わせください。

レポートカテゴリの最新記事