ビジネスAI導入最前線からみた「失敗ポイント」
第三次人工知能(AI)ブームと言われて久しい昨今。ビジネスでも、企業が対峙するビジネス環境の急激な変化への対応と、課題解決のために注目され続けています。
tdiでは「ビジネスAI導入サービス」を提供しており、数多くの企業に対しビジネス向けのAI導入をご支援してきました。
「それなら、当然たんまりとAI導入に関する知見をもっているんでしょ。教えてよ!」と思った企画業務担当の私は、ビジネスAI導入支援最前線に立つわが社のコンサルタント・技術者によるAIチームに、「正直、AI導入に失敗してしまうポイントはあるの?」と質問をぶつけてきました。

AIを導入することが目的になっている
―AI導入の失敗“あるある”って思い浮かびます?よく課題になるようなもの…
AIチーム(以下、AI):「AIでやりたいことがある」と聞いていたけれど、実際はとてもふんわりとしていてアイデアが固まっていない、とかですね。
―やりたいことが決まっていない?
AI:AIを入れることが目的になっていることがあります。『まずは何が何でもAIを入れろ』と(組織の)上から言われて困ってしまっている方が、そこそこいらっしゃいます。
・・・
「話題の技術、AIを取りあえず入れよう!」と、AI導入を進めているパターンがあるようです。
AIの導入はあくまで課題の解決手段であり、目的ではありません。課題に対するアプローチとして、AIではなく、RPA(Robotic Process Automation /ロボティック・プロセス・オートメーション。定型業務の自動化に有効。)や普通のWebシステムが適切なケースがあります。
とはいえ、「AIがどこまでできるのか」を見るために、まず導入したいこともあるでしょう。その場合はスモールスタートを心掛け、本格導入前にPoV(Proof of Value:価値実証)を実施した方がよいそうです。
AIで分析するデータがない?!
AI:「AIで分析したいデータがある」と聞いていたけれど、実際は無い、とかあります。AIに学習させるには大量のデータが必要です。
―“大量”って、どれくらいですか?
AI:実現したいことによりますが…100、200ではないです。1000、2000でもないかも…1万、10万というレベルで“大量”です。
―万単位のデータで“大量”!
AI:量だけ、という問題ではないです。<質>も必要です。
・・・
「AIに何をさせたいか」「アウトプットに何を求めるか」によりますが、もしディープラーニングをさせたいのであれば、万単位のデータ量が必要と考えた方がよいそうです。
またデータはできる限り「きれいな状態」が望ましいです。例えば、金額数値は円やドルなどが混在せずに単位が統一されているべきです。また、属性内容の意味が、途中で変わってしまっていると分析が難しくなります。作業報告書のデータで「日時」という属性があった場合、当初は作業実施日時を記載していたのに、いつの間にか報告書作成日時を記載していると、分析結果がずれてきます。他にも、データをよくよく見てみたら「特になし」というコメントばかりで、実質的にはデータがなかった、ということもあります。
利用したいデータが適切かどうか判断つかない場合は、プロジェクト開始前に、ベンダー企業などに相談し、データの量と質を分析してもらいましょう。適切なデータが不足している場合でも、AI導入を諦めることはありません。導入と並行して徐々にデータを増やしていく方法もあります。
AI導入に失敗するポイント10
他にも多くのあるある失敗ポイントが集まり、まとめて10個になりました。
- AIに過度な期待を持っている
- AIの定義が関係者で共有されていない
- AIを導入することが目的になっている
- 主体性をもったプロジェクトになっていない
- データの量と質が揃っていない
- アウトプットの精度をチームメンバーで合意できていない
- アジャイル型ではなくウォーターフォール型で進めている
- PoVフェーズがない
- AIのメンテナンスを考慮していない
- AIシステムの改修を考慮していない
これらすべてのポイントの詳細をここでお伝えするのは難しいので、PDF資料にまとめました。ご興味ある方は、下記からダウンロードください!
執筆者プロフィール

- tdi 経営企画室
- 経営分析、新規ビジネス、Webプロモーションなど担当。「市場へのアンテナを高くする」という名目で、日夜ネットサーフィンで情報収集。
この執筆者の最新記事
Pick UP!2020.06.152020 APN AWS Top Engineers に選ばれた理由――受賞社員インタビュー
デジタルサイネージ2020.06.01技術者から見た、デジタルサイネージ導入チェックポイント
デジタルサイネージ2020.04.28デジタルサイネージ導入に失敗する10のポイント
AI2019.11.22AI導入に失敗するポイント10