人工知能の社会実装に向けたNTTデータ経営研究所の取組み(情報未来 No.52特集レポート) | NTTデータ経営研究所
NTT DATA Global IT Innovator
NTTデータ経営研究所
English  お問い合わせ  サイトマップ
戻る サイト内検索
戻る

『情報未来』

当社の研究、コンサルティング、事例から厳選された、お客様の問題解決に役立つ情報誌です。

No.52(2016年10月号)

特集:デジタルコグニティブサイエンス

人工知能の社会実装に向けたNTTデータ経営研究所の取組み

神田 武
神田 武
NTTデータ経営研究所 情報未来研究センター ニューロイノベーションユニット マネージャー

かんだ たけし
大手シンクタンク、大手WEBサービス企業を経て、2014年より現職。情報通信分野における先進技術動向・社会動向の分析と構想、人工知能技術やエージェント技術の社会実装に向けた実証やコンサルティング・情報発信を中心に活動。人工知能技術を中心とする情報技術全般、技術・市場観点での新規事業立案支援、シナリオプランニング、研究企画等を得意とする。

期待と不安 ー 人工知能を商機と捉えるベンダー/話について行けないユーザー

 2016年現在、人工知能はIoTと並んで情報通信分野で最も注目されるキーワードである。米グーグルの開発した最先端の「人工知能」や、トヨタやリクルートなど業界大手による「人工知能」への開発参入が連日報道されるとともに、政府でも第4次産業革命を牽引する最重要技術との認識の下で総務省、文部科学省、経済産業省による三省を挙げた研究開発投資が進行する※1。8月31日に公表された2017年度政府概算要求でも特別枠として三省連携での次世代人工知能研究等が計上されたところである。
 一方で、一般の企業の方々からは戸惑いや不安の声を聞くことが多い。「経営層から人工知能の導入について検討を進めてくれと言われているが何から手を付けていいのか分からない」「そもそも人工知能で何ができるのか、IoTとロボットとの違いは何なのか」「人工知能のような高度なシステムを構築してもそれを使いこなす人材がいない」等々。
 本稿では人工知能の現時点の実体と可能性、事業活用の際の留意点を説明したい。これまでも人工知能の専門家(主に大学教員やシステムベンダー)が解説を行ったものは数多存在する。しかしそれらの殆どは、発信者が自身の研究費獲得や自社の販路開拓を目的に研究の可能性(理想論)や技術の利点を解説することに終始したものではなかっただろうか。手順やリスクに目を向けたものは驚くほど少ない。この問題意識のもと本稿ではできる限り利用者の目線に立って人工知能の活用を検討する際の考え方や心構えをお示しするよう心掛けた。

可能性と現状 ー 混同して語られる「研究」と「技術」

 人工知能はコンピュータサイエンスの一分野に位置づけられるが、心理学、言語学、哲学、統計学、ロボット工学等との境界領域でもあり、その定義は専門家の間でも見解が一致していない※2。そもそも人間の「知能」の原理や振る舞いが解明されておらず様々な解釈があり得る上に、それを「人工」的に再現する方法論も一つに定められないからだ。
 その意味では「脳全体の働きのシミュレーション」や「人の感情を理解し適切にコミュニケーションするロボット」といったサイエンスフィクションの題材となるようなテーマも人工知能研究の範疇ではある。人工知能研究の潜在的な可能性の広さは、ある人には過大な期待を、またある人には得体の知れない不安を感じさせる一因となってしまっている。
 一方で人工知能はすでに実現した技術の集合体としての側面もある。本稿ではこの立場に立ち以下の定義で人工知能をとらえることとする。
 「人工知能とは、人間の認識(見る・聞く・読む)や思考(探す・学ぶ・判断する)に類似する機能を、コンピュータを用いて再現するための技術群、及びそれら技術群を実装したシステムの総称である。「音声認識」「画像認識」「自然言語処理」「探索」「知識表現・推論」「機械学習」等の要素技術から構成され、すでに様々な産業で基盤技術としての活用がされている」
 昨今話題のディープラーニング(深層学習)は機械学習の一手法である。また囲碁のトッププロを破った米グーグルのAlphaGo、企業のコールセンターや医療診断への応用が進む米IBM Watson、コミュニケーションロボットのPepper、これらは例外なく先述した技術の組み合わせか発展形として説明できる。(図1)

図1:人工知能技術の構成

図1:人工知能技術の構成

出所:NTTデータ経営研究所にて作成

拡大

ビジネスの潮流 ー 人工知能はすでに社会に浸透した技術

 人工知能は3度目の世界的ブームのただ中にある。その実態を一言で表現すると「ビッグデータへの機械学習の適用」となる。2000年代に入ってインターネット経由で大量のデジタルデータを取得可能となったことにより、集約したデータから規則や意味合いを抽出し、分類、予測、発見に生かすアプローチが機能するようになった。規則や意味合いを抽出するために利用できるのが機械学習技術である。
 過去のブームとの違いはふたつある。ひとつは分類や予測のために利用される技術が従来の論理・言語的手法から統計解析的手法に移行したことである。機械学習においては重回帰分析、ベイズ推計、ニューラルネットワークといった統計解析的な手法が通常用いられる。もうひとつは技術開発の担い手が大学等の研究機関から民間企業に移行したことである。2012年のディープラーニングの衝撃以降、米グーグル、米フェイスブック、中国バイドゥなど世界的WEB企業が人工知能研究所を設立するなど技術開発や人材獲得を強力に推進してきた。日本でも数年遅れではあるがリクルート、トヨタ、ドワンゴといった各業界の大手を中心に研究開発投資の流れが本格的に開始したところである。
 今日の人工知能は、指数関数的に増大する情報を人間の為に取捨選択する役割を担う。動画サイトのYoutube上で毎秒のように公開される動画コンテンツ、購買サイトのAmazon上で刻々と変動する在庫情報、求人サイト上で日々更新される求人情報・・・これらの情報をすべて表示することは不可能だ。必然的に情報を選別するための方法論が必要となる。膨大に発生する音声・画像・動画・時系列数値データを選別、加工するために機械学習が有効に機能するのだ。
 データ活用への要請はWEBサービスの業界に留まらない。日々蓄積される監視カメラの画像情報、産業機械の稼働情報、倉庫の在庫情報、気象情報、遺伝子と疾患の情報等々。すでにこれらのデータを機械学習によって自動的に処理する動きは着々と進んでいる。人工知能はすでに社会に浸透した技術であり、直接・間接的に我々は恩恵を受けながら生活を営んでいるのだ。(図2)

図2:産業別の人工知能活用例

図2:産業別の人工知能活用例<

出所:NTTデータ経営研究所にて作成

拡大

ビジネス活用の類型と留意点

 では、機械学習等の人工知能技術の活用を検討する際にはどういった手順を踏む必要があるのか。まず「自社において人工知能を活用するとはどういうことか」を考える必要がある。筆者としては大きく3つの可能性があると考えている。

  1. ① 人工知能技術やそれを用いたパッケージを開発しソリューションとして提供する
  2. ② 既存の人工知能技術を活用して新規事業を創出する
  3. ③ 既存の人工知能技術を活用して既存の業務を改善する

 ①はソリューションベンダーやシステムインテグレーターが取組むビジネスであり、殆どの非IT企業においては直接関係がない。ユーザーの立場から見ると人工知能のビジネス活用とは、②と③のどちらかが該当することになる。それぞれのケースにおいて考慮すべきポイントを以下に説明する。

人工知能技術を活用して新規事業を創出する際の考え方

 機械学習を用いた新規事業の検討を始める際、参考になるのはX-Techと呼ばれる事業群である。X-TechとはIT技術による既存事業の再定義の流れを示すキーワードであり、現時点ではFinTech(金融)、EdTech(教育)、HRTech(人材)、ReTech(不動産)等が特に注目を集めている。
 これらX-Techに取り組む企業の多くはITを用いた効率化の観点から機械学習を用いていることが多い。X-Techを推進する先進企業が、それぞれの業界でどのように機械学習を組み込み、データから規則や意味合いを抽出し、分類、予測、発見に生かしているかを把握しておくことは自社で新たに検討を進める際にも有用である。
 加えて、機械学習を軸にどのように競合企業との競争優位を確立するかも考えなければならない。機械学習は学習に利用するデータの種類や量が増えることで、その精度を向上させることができる。事業の永続性を考えると、データ集積、データへの機械学習アルゴリズムの適用、サービス改善、ユーザーやキャッシュフローの拡大、追加投資によるデータ収集といった一連のフローを意識して業務の設計を行うことが肝要である。(図3)

図3:人工知能活用による新規事業創出の留意点

図3:人工知能活用による新規事業創出の留意点

出所:NTTデータ経営研究所にて作成

拡大

人工知能技術を活用して既存業務を改善する際の考え方

 人工知能を活用した業務改善においても、一般的な業務改善プロジェクトと同様に現行業務の棚卸から開始することが有効である。通常業務における一連の業務プロセスを洗い出した上でどの業務プロセスにどの技術を適用すべきか、現状のシステム化の状況を踏まえて精査する。ここで人工知能を適用すべき業務は、①現状システム化されておらず人手で業務を遂行しており、②その業務の内容が機械学習の課題として定義できる程度に非定型的である業務となる。
 定型業務/非定型業務の切り分けについては、業務の難易度に応じて以下のレベル1~4に整理することが有効である。

  • レベル1(定型業務):
    単純なルールに従って指示通り遂行
  • レベル2(定型業務):
    業務マニュアル等、明文化された知識やルールに従って遂行
  • レベル3(非定型業務):
    ルール化は困難であるが、過去の事例から成功パターンを学習することで対応可能
  • レベル4(非定型業務):
    過去事例だけでは適切に対応できない(状況や概念の理解が必要)

 定型業務に位置付けられるのがレベル1~2である。すでにExcelのマクロやERPパッケージで実現されているような業務と捉えるとイメージしやすいかもしれない。このレベルの業務は機械学習を用いずともシステム化が可能である。
 レベル3の業務は、過去の事例に基づいて学習すべきデータと正解・非正解データの特定を行えば機械学習の問題として定義できる。曜日・天気・時間帯などから店舗への入店数を予測する業務や、電話対応における単純な質問への回答などが該当する。
 レベル4の業務は過去の事例だけでは成功例を学習できない本来的にイレギュラーな業務である。例えば熟練した美容師は、お客さんの服装やコミュニケーションの取り方から性格や嗜好を把握し、お客さんごとの嗜好にあった髪型を提案し、さらには顔つきや頭の形に合わせて微調整を行いながら髪を切るという極めて個別性が高く難易度の高い業務を行っている。このような業務を人工知能やロボットにそのまま代替することは当面難しい。
 人工知能で支援すべき業務を選定するためには現場の担当者へのインタビューや業務見学を通して、各業務の「入力情報」「処理内容」「出力結果」「データや処理のシステム化状況」といった情報処理的な面を詳細に整理しておく必要がある。その際に見落としがちなのが「業務において暗黙知的に参照している判断基準・判断材料」である。我々人間は業務を進める際に、目の前にある資料や画面(いずれも入力情報)だけではなく、過去の経験や研修を通じて身につけたノウハウや知識を思い浮かべて業務を行っている。そういったブラックボックスとなっている「判断材料・判断基準」も含めて業務の内容を抽出・整理し、機械学習の問題として定義し直すことが求められる。(図4)

図4:人工知能を用いた業務分析の考え方

図4:人工知能を用いた業務分析の考え方

出所:NTTデータ経営研究所にて作成

拡大

求められる企業間連携の姿と日本企業の課題

 人工知能の活用用途が広がるにつれて、今後はこれまでITとは無縁であった業界にも技術導入が進むと考えられる。その過程では人工知能技術の提供者と、それぞれの業界で事業を営む事業者との協力が不可欠となる。
 昨年来、日本でも人工知能に関わる企業間連携が急増している。産業用ロボット大手のファナックと国内屈指の人工知能ベンチャーであるプリファードネットワークスとの提携や、ホンダとソフトバンクとの人工知能分野での共同研究、また企業間ではないが「産総研ーNEC 人工知能連携研究室」等がすでに始まっている。
 ただしこれらの事例には共通する点があることに気づかれないだろうか。そう、いずれも既に技術的なシーズを持ったベンダー同士の協業という点である。
 実は日本ではベンダー企業とユーザー企業間での連携が十分に進んでいない。弊社は2016年の初頭に、人工知能技術を保有するベンダー企業が他の企業と協業する際のパターンをニュース記事にもとづいて日米間で定量的に比較したことがある。日本では「ベンダー企業同士の協業」が過半数を占めたのに対して、「ベンダー企業とユーザー企業間の協業」は15%に留まった。一方で、米国では、「ベンダー企業とユーザー企業間の協業」が「ベンダー企業同士の協業」と同割合(33%)に上った。
 特に日本においてベンダー企業とユーザー企業間の協業が進みづらいと考える背景として、国内のIT人材のおよそ4分の3がシステムベンダーやメーカーに偏在することや※3、その結果としてユーザー企業にIT投資の意義が十分に浸透していない現状がある。またシステムベンダーによる課題解決能力の不足、リスク回避の姿勢も現場で感じることが多い。ユーザー・ベンダー間での連携がなかなか進まないことが人工知能に留まらず、産業のIT化の妨げになっていることは間違いなく、今後どのように協創を促進していくかが我が国では重要となるだろう。(図5)

図5:日米での企業連携パターンの比較

図5:日米での企業連携パターンの比較

出所:NTTデータ経営研究所にて作成

拡大

企業間連携に向けた弊社の取組み

 以上の問題意識のもと、弊社では人工知能に関する様々な取組みを推進する。
 本稿では取組みの一例として「応用脳科学コンソーシアム」における近年の活動を紹介したい※4,5。「応用脳科学コンソーシアム」は脳科学分野における学術界と産業界の橋渡しを目的として2010年に組成された。2016年時点で、各産業分野の大手企業を中心に40社超の民間企業に参画いただいている。当初は脳科学分野での検討が中心であったが、昨年度より人工知能分野を強化してきた。本稿では特に「エージェントAIと環境知能研究会」「NTTメディアインテリジェンス研究所ワークショップ」「応用脳科学アカデミー 人工知能コース」の3つを紹介する。

エージェントAIと環境知能研究会

 最近話題になることの多いコミュニケーションロボットやチャットボットといった音声対話型の人工知能を広く「エージェントAI」としてとらえ、その事業活用の可能性を議論や実験を通じて検討するための取組みである。エージェントAIの事業活用を検討する「ユーザー企業」、音声対話やセンシングなどの要素技術を有する「ベンダー企業」、学術的な知見を有する「研究者」の3者が一体となって事業活用の可能性を探る。今年度は家庭やオフィスといった屋内環境を実験のフィールドとして、エージェントAIを活用するためのビジネスモデル、サービスのユースケース、適切な対話のシナリオ、利用者への働きかけのためのデバイス構成などを検証する予定である。

NTTメディアインテリジェンス研究所ワークショップ

 NTTメディアインテリジェンス研究所の研究領域である「人工知能」「超高臨場映像通信」に関する最新研究内容を紹介しながら、 領域にとらわれず社会実装に向けたメディア研究の事業化模索を行うための新設ワークショップである。当ワークショップではNTTが5月に報道発表した人工知能関連技術のブランド「corevo(コレボ)」や、東京オリンピック等に向けて技術検証を進める超高臨場映像通信技術を中心に紹介する※6。研究所の保有する技術を参画企業に説明し、各社とのコラボレーションの可能性を議論する予定である。参画企業としては、電機メーカーなどのいわゆる「ベンダー企業」に限らず、住宅メーカーや飲食業、建設業など多様な業界を予定している。(図6)

図6:「corevo」を構成する4種のAI

図6:「corevo」を構成する4種のAI

出所:NTTによる報道発表資料 http://www.ntt.co.jp/news2016/1605/160530b.html

拡大
応用脳科学アカデミー 人工知能コース

 応用脳科学コンソーシアムでは、第一線で活躍する研究者による講義「応用脳科学アカデミー」を提供している。今年度より「人工知能コース」を新設し、人工知能の最新研究動向や現在の課題、およびビジネスへの活用状況等の知識を習得するための講義を開始する※7。人工知能学会前会長の松原仁先生や、現会長の山田誠二先生をはじめとして国内第一線の研究者8名を講師として招聘し、人工知能を構成するそれぞれの技術の基礎から応用までを4日間かけて講義いただくものである。以下URLの後段にプログラム構成が記載されているため、ぜひ参照いただきたい。個人会員として入会いただき当コースのみを受講いただく場合は、12万円からの受講が可能である。 http://www.keieiken.co.jp/can/academy/index.html

まとめ

 これまで述べてきたように、人工知能がバズワード化する過程で研究・開発・ビジネスの話が混同され、関係者全体がコミュニケ―ション不全に陥っている現状がある。ただ、これは早晩落ち着くであろう。将来 にわたってより本質的に重要な観点としては、人工知能が先端技術である上に新規事業としての側面も有することである。そもそも論文レベルでしか発表されていない先端技術の実装可能性(フィージビリティ)やパフォーマンスを目利きすることが難しい上に、それを取り入れる場合には事業としてのリスクも大きくなる。例えばディープラーニングの可能性が大学教員やシステムベンダーによって取り上げられることが多いが、そういった最新技術を自社に導入し運用した場合にどれだけの効果があるのか、さらには研究開発や人材獲得の投資に見合う利益貢献があるのか、また中長期にわたって他社との競争優位をどう確保するのか。これらのことを見通せなければ経営判断をできないのは当然である。
 ユーザー企業の立場からすると、技術そのものの目利きを行ってくれて、その技術の事業への適用可能性を判断し、小規模であっても技術検証を行い、検証結果を迅速かつ安価に提示してくれるベンダーと組むことが、今後は筋の良い進め方となるだろう。筆者としてはこういった一連のプロセスを企画し、コーディネートする役割として、弊社のような先進技術に強いコンサルティングファームが貢献できる余地が大きいのではないかと考えている。


  1. ※1 省庁横断での人工知能研究の取組については国立研究開発法人新エネルギー・産業技術総合開発機構の「AIポータル」に情報が集約されている。http://www.nedo.go.jp/activities/ZZJP2_100064.html
  2. ※2 書籍「人工知能とは 」(監修:人工知能学会) ISBN: 978-4764904897
  3. ※3 IT人材を巡る現状について」(経済産業省資料)http://www.meti.go.jp/committee/sankoushin/shojo/johokeizai/it_jinzai_wg/pdf/001_04_01.pdf
  4. ※4 応用脳科学コンソーシアム http://www.keieiken.co.jp/can/
  5. ※5 応用脳科学コンソーシアム 研究会・ワークショップ 一覧 http://www.keieiken.co.jp/can/consortium/rd.html
  6. ※6 NTTグループのAI技術「corevo™(コレボ)」によるコラボレーションを展開 http://www.ntt.co.jp/news2016/1605/160530b.html
  7. ※7 応用脳科学アカデミー 人工知能コース シラバス http://www.keieiken.co.jp/can/academy/index.html