本記事で紹介したいこと：

企業の約４割がAIデータ分析の導入を検討しているものの、実際にAIデータ分析の実用化を達成できた企業は、全体の１割程度と言われています。何故、AIデータ分析プロジェクトがPoC倒れに終わってしまうのか、いくつかの想定される原因をご紹介します。

目次  Table of Contents

1. 業務知識不足により発生する課題
2. 課題の解決策
3. 課題解決に必要なプロジェクトメンバーとスキル
4. AIデータ分析プロジェクトのステージとフェーズ
5. AIデータ分析プロジェクトの流れ
6. まとめ
7. RapidMinerの紹介

1. AIデータ分析の業務知識不足により発生する課題

昨今のオープンデータの利用促進、Deep Learningの登場、計算機能力の向上により、第３次AIブームが到来しました。企業でAIデータ分析をビジネスに活用することが現実的となっています。しかし、企業の約４割がAIデータ分析の導入を検討しているものの、実際にAIデータ分析の実用化を達成できた企業は、全体の１割程度と言われています。一部の成功の裏で多くの企業がPoC（Proof of Concept、概念実証）倒れに終わっていると考えられます。では、何故、AIデータ分析プロジェクトがPoC倒れに終わってしまうのでしょうか。いくつかの想定される原因をご紹介します。

• 業務課題を洗い出してAIを活用できるテーマを選定できない
• 機械学習モデルの精度で業務上のKPIを達成できるかを判断ができない
• 機械学習モデルを使った業務システムが安定稼働できるかを判断できない

2. PoC倒れで終わらせないための課題の解決策

AIデータ分析プロジェクトをPoC倒れで終わらせないためには、「業務知識」が必要です。業務課題を認識し、どう改善するか、AI活用のポイントなどの現場視点が必要です。ただし、業務知識を持った現場の担当者がAIデータ分析プロジェクトに参加するだけでは不十分で、次のような解決策が必要です。

• 現場の担当者が業務課題の洗い出しを行い、データの専門家がAIを活用するために必要となるデータを検証した上で、実現可能性のあるテーマを選定する
• 現場の担当者と機械学習の専門家によってモデルの精度、それにより影響される業務上のKPIを判断する
• 現場の担当者、機械学習の専門家、インフラ担当者によって業務システムが安定稼働できるか、目標とおりの業務効率化が達成できるかを判断する

3. AI機械学習プロジェクトを進めるために必要なプロジェクトメンバーとスキル

業務課題からテーマを選定し、プロジェクトの推進とビジネスに適用するかの判断ができるのは人間だけです。

AI機械学習プロジェクトを進めるために必要なメンバーとスキルについて説明します。

4. AIデータ分析プロジェクトのステージとフェーズ

プロジェクトは、３つのステージと９つのフェーズから構成されます。

5. AIデータ分析プロジェクトの流れ

下の図は、３つのステージと９つのフェーズ、プロジェクトの進行を左右する判定内容、そして、各判定に関係するメンバーと業務知識を保有する度合いを表しています。

• モデル作成実施判定

ビジネスユーザー、データエンジニア、データサイエンティストが協働して意思決定を行う、課題からAIが活用できるテーマを選定するという業務担当者の視点、データを統合、管理するというデータ管理者の視点、機械学習モデル作成に必要なデータが確保できるかというデータ分析者の視点が必要

• モデル精度判定

データサイエンティスト、ビジネスユーザーが協働して意思決定を行う、作成した機械学習モデルの精度が十分かというデータ分析者の視点、機械学習モデルの精度によって目標のKPIが達成できるかという業務担当者の視点が必要

• 本番稼働判定

インフラエンジニア、データサイエンティスト、ビジネスユーザーが協働して意思決定を行う、機械学習モデルと連携した業務システムが安定稼働できるかという運用担当者の視点、継続的に機械学習モデルの精度を維持できるかというデータ分析者の視点、目標の業務効率が得られるかという業務担当者の視点が必要

6. まとめ

「自分たちもAIを導入して業務を効率化したい」という思いから、元々AIに向かない業務を対象としたことで、PoC倒れで終るケースが多いとされています。最初のステージで各分野の専門家の知見を活用して、業務課題、テーマの選定、AIに向いているかなどを見極めないとプロジェクトを成功に導けません。

次のステージやフェーズに進むタイミングで、ビジネスユーザー、データエンジニア、データサイエンティスト、インフラエンジニアが協働して意思決定を行うことにより、AIデータ分析プロジェクトのPoC倒れを抑止できる可能性があります。

7. RapidMinerの紹介

Rapid Minerはデータサイエンティスト向けの高度さからビジネスユーザーのための簡単さまでカバーした、世界中で使われている機械学習プラットフォームです。（RapidMinerについてはこちら）

RapidMiner データ分析チュートリアルはこちら

AI機械学習トレーニングはこちら

本記事は、日商エレクトロニクス株式会社アプリケーション事業本部アプリケーション事業推進部ビジネスデザイン課によるオリジナル考察です。

ご質問等は　こちらのページからお願い申しあげます。

2021年8月23日