Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
200306 AI導入は5分で0円 -RPA AI事例と初動- 若井さん
Search
RPACommunity
March 06, 2020
Technology
420
1
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
200306 AI導入は5分で0円 -RPA AI事例と初動- 若井さん
RPACommunity
March 06, 2020
More Decks by RPACommunity
See All by RPACommunity
201023 Automation Anywhere「A2019」を触ってみた Ayy
rpabank
0
1.1k
201023 DX Suiteを触ってみた Ayy
rpabank
0
1.1k
201023 RPA超初心者がWinActorにチャレンジしてみた ユーコさん
rpabank
0
680
201023 PowerPlatform はじめの一歩 みさみささん
rpabank
0
680
201023 アシロボで実際に沼ってみた たまいさん
rpabank
0
740
201018 RPAの本質とトレンド Mitz
rpabank
0
550
201006 僕がいまRPAで伝えたいことのすべて いろはまるさん
rpabank
0
520
201006 UiPath MVP 2019-2020 はなっち!さん
rpabank
0
510
201006 今からでも間に合う!UiPathトーク一気に振り返り たまいさん
rpabank
0
460
Other Decks in Technology
See All in Technology
作り直せるコードは迅速に 作り直せないDBは慎重に - AI時代のプロダクトエンジニアが「判断の不可逆性」で開発速度を変える話
kinosuke01
0
280
AIで仕事のやり方を変える
matsu7874
3
1k
2026-09-04 SRE Tech Talk #15 怠惰なTerraform / Lazy Terraform
masasuzu
0
230
AIで実装は速くなった。なのにプロダクトは速くならない。職能の壁を越えて価値のフローを設計する
nwiizo
7
7.5k
When Does a Local Qwen Start to Break
morshoto
0
190
Snowflakeで実現する全社横断の顧客の声(VOC)分析・活用基盤@Snowflake World Tour Tokyo 2026
yuto16
0
120
「重なり」は迎える側がつくる ― 人もAIエージェントも歓迎するプロダクトエンジニアリング ―
go0517go
PRO
0
270
Oracle Cloud Infrastructure IaaS 新機能アップデート 2026/6 - 2026/8
oracle4engineer
PRO
0
130
Tab5をRubyで動くパソコンにする
kishima
2
260
[DroidKaigi 2026] Making UI specifications visible: Android UI development in the AI agent era supported by Compose Screenshot Testing and galleries
syarihu
0
610
2026-09-11 【Snowflake World Tour Tokyo 2026】Snowflakeを起点に、AI Agentが自律稼働し続ける未来へ / Driving AI Agents with Snowflake
civitaspo
0
220
Bet AI Day 2026丨AIを「使う」から、AIが「働く」へ ― LayerXが進める「組織AI」の社会実装
layerx
PRO
3
2.8k
Featured
See All Featured
Conquering PDFs: document understanding beyond plain text
inesmontani
PRO
4
3k
Code Review Best Practice
trishagee
74
20k
Making the Leap to Tech Lead
cromwellryan
135
10k
Digital Projects Gone Horribly Wrong (And the UX Pros Who Still Save the Day) - Dean Schuster
uxyall
1
2.7k
Technical Leadership for Architectural Decision Making
baasie
3
560
Building a A Zero-Code AI SEO Workflow
portentint
PRO
0
710
Faster Mobile Websites
deanohume
310
32k
Sam Torres - BigQuery for SEOs
techseoconnect
PRO
0
540
We Have a Design System, Now What?
morganepeng
55
8.3k
Exploring the relationship between traditional SERPs and Gen AI search
raygrieselhuber
PRO
2
4.3k
Data-driven link building: lessons from a $708K investment (BrightonSEO talk)
szymonslowik
1
1.3k
The #1 spot is gone: here's how to win anyway
tamaranovitovic
3
1.2k
Transcript
1 AI導入は 5 分で 0 円 - RPA AI事例と初動 -
RPA勉強&LT会!RPALT AI支部 vol.01@大阪 転載用資料
@se_kamo 名前: 若井 信一郎 職業: Webエンジニア 所属: 株式会社ハマヤ(手芸屋さん) コミュニティ: GFEO(200人規模のイベント)主催
MKU30(30歳未満のコミュニティ) RPA Community 2
@se_kamo 今回の話は 3
@se_kamo AIは何ができるのか そして、まずは 何をすればいいのか 4
@se_kamo AIは何ができるのか 5
@se_kamo 事例を見て いきましょう 6
@se_kamo メーカー 医療 不動産 7
@se_kamo メーカー 在庫/売上/利益率 予測 過去の実績から各データを予測 → データ予測 問い合わせの振り分け 問い合わせ分類をAIに任せる →
文章解析 8
@se_kamo 医療 病名診断 画像から病名を診断 → 画像認識 病状予測 画像から病気の状態を予測する → 画像認識、データ予測
9
@se_kamo 不動産 物件分類 画像から物件の要素を分類 → 画像認識 推定土地価格予測 画像から土地の価格を予測 → 画像認識、データ予測
10
@se_kamo 大きく3つに 分類します 11
@se_kamo 画像認識 文章認識 データ予測 12
@se_kamo それを知った上で 何をすればいいのか 13
@se_kamo 最小限で AIを 使ってみよう 14
@se_kamo ある程度の知識が あったほうが 依頼の精度があがる 15
@se_kamo どうするのか? 16
@se_kamo Google AutoML 17
@se_kamo Google AutoML とは? 最小限の労力と機械学習の専門知識で、高品質の カスタム機械学習モデルをトレーニングできるサービ ス。 GUI操作だけで扱えることが特徴。 300ドル分の無料トライアルが付与される。 18
@se_kamo 関西弁翻訳 19
@se_kamo Google AutoML とは? マウスカチカチだけで ええ感じにAI 20
@se_kamo Google AutoML の3つの要素 21
@se_kamo AutoML Vision AutoML Natural Language AutoML Tables 22
@se_kamo AutoML Vision ⇒ ええ感じに 画像認識 AutoML Natural Language ⇒
ええ感じに 文章認識 AutoML Tables ⇒ ええ感じに データ予測 23
@se_kamo AutoML Vision ⇒ ええ感じに 画像認識 24
@se_kamo 25 識別モデル 猫です アップロード モデル生成 推論
@se_kamo 26 識別モデル 猫です クリック 待ち クリック
@se_kamo 5 分で 0 円 27 待ち時間を抜くと、
@se_kamo 28 識別モデル 傷あり アップロード モデル生成 推論
@se_kamo AutoML Natural Language ⇒ いい感じに 文章認識 29
@se_kamo AutoML Natural Language 30 カテゴリ 問い合わせ内容 注文 A商品を2つください。 クレーム
商品に傷がついておりました。 在庫確認 B商品はまだありますか? 注文 C商品とD商品をください。 ・ ・ ・
@se_kamo 31 識別モデル 注文 アップロード モデル生成 推論 問い合わせ内容: E商品を3つください。
@se_kamo 32 識別モデル 注文 クリック 待ち クリック 問い合わせ内容: E商品を3つください。
@se_kamo 5 分で 0 円 33 待ち時間を抜くと、
@se_kamo AutoML Tables ⇒ いい感じに データ予測 34
@se_kamo AutoML Tables 35 ・ ・ ・ 消費金額 顧客 性別
年齢 地域 興味 10000 顧客A 女性 20代 東京 美容 20000 顧客B 男性 30代 東京 ゲーム 100000 顧客C 男性 60代 大阪 スポーツ 150000 顧客D 女性 40代 京都 手芸 ? 顧客E 男性 50代 東京 スポーツ 予測する
@se_kamo 36 識別モデル 8000円 アップロード モデル生成 推論 男性 50代 東京
ゲーム の顧客E 消費金額予測は?
@se_kamo 37 識別モデル 8000円 クリック 待ち クリック 男性 50代 東京
ゲーム の顧客E 消費金額予測は?
@se_kamo 5 分で 0 円 38 待ち時間を抜くと、
@se_kamo ぜひ試して みてください 39
@se_kamo その他の場合は? 別業界の事例は? 40
@se_kamo Twitterで 連絡ください 41
@se_kamo 1 分で 0 円 42 で済むかもしれません。
@se_kamo まとめ 43 最小限でAIを試してみよう
“ AIのある素晴らしい生活を。 44
45 ご清聴 ありがとうございました