Upgrade to Pro — share decks privately, control downloads, hide ads and more …

「新規事業×AI」をはじめよう

Ryosuke Yoshizaki
August 28, 2018
2.1k

 「新規事業×AI」をはじめよう

Ryosuke Yoshizaki

August 28, 2018
Tweet

More Decks by Ryosuke Yoshizaki

Transcript

  1. 「新規事業×AI」を
    はじめよう
    株式会社キカガク
    代表取締役社長 吉﨑 亮介

    View full-size slide

  2. 2018 Kikagaku, Inc. All Rights Reserved 2
    会社概要
    *機械学習とディープラーニングを含む
    協力会社
    会社名 株式会社キカガク
    設立日 2017年1月
    代表 吉崎 亮介
    所在地 東京都豊島区池袋
    PLAN
    ACTION
    DO
    CHECK
    We provide education in the best style for you
    人工知能(AI)*における教育と
    コンサルティングサービスを提供

    View full-size slide

  3. 2018 Kikagaku, Inc. All Rights Reserved 3
    吉 崎 亮 介
    株式会社キカガク
    代表取締役社長
    代表者紹介
    人と人とが教え合える
    優しい世界をつくる
    ✓日経ビッグデータ -「機械学習のデータはそ
    もそも企業内にない、地道に整える企業が
    優位に立てる」 (2017.10.20)
    ✓共同通信社 -AIどう使う? 教育で
    社会への橋渡しを 26歳社長「好き
    なことで生きる」(2018.1.23)
    掲載された
    記事の紹介
    1991年生まれ
    京都出身
    舞鶴工業高等専門学校
    画像処理とロボット制御の
    研究に従事
    ITベンチャー
    企業へ就職
    京都大学大学院
    機械学習による
    製造業のプロセ
    ス改善に従事
    株式会社
    キカガク
    設立
    東京大学
    客員研究員
    へ就任
    コンサルティング現場で
    得た知見を教育へ
    教育
    コンサル
    ティング

    View full-size slide

  4. 2018 Kikagaku, Inc. All Rights Reserved
    今回の話の構成
    4
    • 機械学習が民主化された後の世界
    • PoCの後に進まない
    • これからの新しいの学び方
    • 「AI×新規事業」のケーススタディ

    View full-size slide

  5. 2018 Kikagaku, Inc. All Rights Reserved
    現在AIについて議論されていること
    5
    ✓ どの手法を選択するか
    ✓ どのプログラミング言語を使うか
    ✓ どのフレームワークを使うか
    ✓ どのインフラを使うか
    ✓ 予測性能をどの指標で測るか
    → もう少し広い視野が必要だなぁとなればゴール

    View full-size slide

  6. 2018 Kikagaku, Inc. All Rights Reserved 6
    機械学習が民主化された
    後の世界

    View full-size slide

  7. 2018 Kikagaku, Inc. All Rights Reserved
    機械学習が民主化された後の世界
    7
    ✓ Azure Machine Learningなどの登場により、だれで
    もGUIで使える機械学習という民主化が始まる
    ✓ エンジニア・ビジネスサイドの両方にとってメリット
    がある
    ✓ ビジネス:ノンプログラミングで組める
    ✓ エンジニア:プログラミングの工数が減らせる
    機械学習の民主化

    View full-size slide

  8. 2018 Kikagaku, Inc. All Rights Reserved
    機械学習が民主化された後の世界
    8
    ✓ 誰でも容易に扱え、実作業時間を大幅に減らせる
    ✓ 引継ぎやプロジェクトメンバーのスケールが可能
    ✓ ビジネスの本質を見定めながらツールを使うため、
    作ることが目的にならない
    ✓ 中身はわからなくても、その出てきた値を人間が理解
    してビジネスに使う時代へ
    GUIでモデル構築できることのメリット

    View full-size slide

  9. 2018 Kikagaku, Inc. All Rights Reserved
    機械学習が民主化された後の世界
    9
    ✓ モデル構築だけでなく、前処理やデプロイまで
    ボタン1つで行える
    ✓ データサイエンティストやデータ(機械学習)エンジ
    ニアを雇わなくても仮説検証が進められる
    ✓ 費用対効果を簡単な検証で終えることができれば、プ
    ロフェッショナルを雇ったチーム構成も可能になる
    GUIでモデル構築できることのメリット

    View full-size slide

  10. 2018 Kikagaku, Inc. All Rights Reserved
    機械学習が民主化された後の世界
    10
    ✓ ビジネスで機械学習を使う場面で特徴量と目的関数の
    設計を行うことが鍵となる
    ✓ 特徴量の設計にはビジネスのドメイン知識が必要とな
    る(ex. Airbnb)
    ✓ ただし、ある程度どの変数によって予測できるかの見
    当がついており、データがそろっていれば、ツールを
    使ってモデル構築ができる
    そんな世界で機械学習を学ぶ必要はあるのか?(特徴量)

    View full-size slide

  11. 2018 Kikagaku, Inc. All Rights Reserved
    機械学習が民主化された後の世界
    11
    ✓ 目的関数はビジネスに合わせて、それぞれ設計
    ✓ Airbnbの例では、良い価格を求めるという問題設定に
    対して、予約されれば安い価格、予約されなければ高
    い価格という目的関数の設計方針を取っている
    ✓ 目的関数の設計が必要な場合は、汎用的なツールでは
    難しく、独自の問題として定式化するためにデータサ
    イエンティストが(一時的にでも)必要となる。
    ✓ 今後の展望として、目的関数の設計などもパターンが
    それほど多くないため、需要に合わせて半自動的に設
    計してくれるツールの開発が進むことが期待される
    そんな世界で機械学習を学ぶ必要はあるのか?(目的関数)

    View full-size slide

  12. 2018 Kikagaku, Inc. All Rights Reserved 12
    PoCの後に進まない

    View full-size slide

  13. 2018 Kikagaku, Inc. All Rights Reserved
    PoCの後に進まない
    13
    ✓ データを使って何かしたいけれど、実際に良いものが
    できるかわからない
    ✓ 小規模にPoCをして、その結果が良ければ本格的な開
    発に進むという流れで合理的
    ✓ データサイエンティストの人件費高騰により、小規模
    なPoCといえど結構な費用がかかる
    機械学習案件にProof of Concept(PoC)が必要な理由

    View full-size slide

  14. 2018 Kikagaku, Inc. All Rights Reserved
    PoCの後に進まない
    14
    ✓ 企画者や発注者側から、社内にあるこれらのデータの
    中から何かを使ってビジネスにしてと、本来ビジネス
    の知見を持っている人がするべき仕事を振られる
    ✓ 過去のデータは大量にあるからと言われて、とにかく
    大量に何も意味をなさないデータだけある
    ✓ 機械学習に使うための、データの取得、データ整理、
    前処理、特徴量設計、教師データ作成が何もされてお
    らず、まずはデータを集めるところから
    ✓ 上記の行為はクライアントにとって無価値である
    こんなPoCはいやだ

    View full-size slide

  15. 2018 Kikagaku, Inc. All Rights Reserved
    PoCの後に進まない
    15
    ✓ データだけ渡されて、予測性能を測る指標までエンジ
    ニア側で決めると、最終的に到達したい目標が定まら
    ず、いつまでたっても終わる気配がない
    ✓ 手元のデータでは足りないが、どの程度のデータを逆
    に収集すればよいか検討がつかない
    ✓ 検証結果を提示して、所望の予測性能が出ていたとし
    ても、あくまで過去のデータに対する結果であるため、
    本当の検証ではないとクライアントが納得しない
    ✓ 契約書に明記すれば良いが、契約書に書いてあるから
    と人情のない選択をすると次につながらないジレンマ
    PoCの罠

    View full-size slide

  16. 2018 Kikagaku, Inc. All Rights Reserved
    PoCの後に進まない
    16
    ✓ 所望の予測性能が出たとして、次の段階で現場のシス
    テムへのつなぎこみなど、各案件ごとによって要件が
    異なり、技術の汎用化が困難である
    ✓ 予測精度が100%でない以上は、人間側でカバーする
    運用とする必要があるが、先方が人間をAIで代替す
    る気満々であれば、人手を介さない自動化を強要され
    る可能性あり
    PoCのさらに次の罠

    View full-size slide

  17. 2018 Kikagaku, Inc. All Rights Reserved
    PoCの後に進まない
    17
    ✓ 人手による運用までを最初のPoCの設計図の中に含め
    てしまう必要がある
    ✓ ビジネスにとっての価値(ex. 〇〇%コスト削減)で
    測る必要がある
    ✓ 精度が悪くても、ないよりはマシというケースもあり、
    必ずしも予測性能が高いことがすべてではなく、使い
    手のユーザー体験(UX)が向上することが大事
    ✓ ただし、データサイエンティストやアプリケーション
    寄りのエンジニアも巻き込む必要があり、PoCである
    かが不明になってくる
    望ましいPoCの姿

    View full-size slide

  18. 2018 Kikagaku, Inc. All Rights Reserved
    PoCの後に進まない
    18
    ✓ ビジネスサイドの人がツールを使う感覚でモデル構築
    やデプロイまで行うことができれば、データサイエン
    ティストが初期は不要
    ✓ 機械学習の民主化に伴い、ビジネスサイドでも簡単に
    作ることができるサービスも期待され、アプリケー
    ションのエンジニアも不要で始められる可能性がある
    ✓ 課題を常に意識しているビジネスサイドの人が、デー
    タサイエンティストなどプロフェッショナルが不要の
    真の意味のPoCができれば、検証後に導入されるイ
    メージが付きやすい
    機械学習の民主化によりPoCに希望が見える

    View full-size slide

  19. 2018 Kikagaku, Inc. All Rights Reserved
    PoCの後に進まない
    19
    ✓ ビジネスサイドの人間がツールの感覚で機械学習を使
    うことになり、単なる解析でなく、実現場への応用ま
    でサポートされるため、一人でPoCを行うことも可能
    になる
    ✓ エンジニアサイドはビジネスサイドのPoCを終えた後
    に招集される需要が高まるため、よりプロフェッショ
    ナルとして求められる
    ✓ 結論:どちらも需要は高まる
    機械学習の民主化後の世界

    View full-size slide

  20. 2018 Kikagaku, Inc. All Rights Reserved 20
    これからの新しい学び方

    View full-size slide

  21. 2018 Kikagaku, Inc. All Rights Reserved
    これからの新しい学び方
    21
    ✓ 参考書の数式が難しく閉じてしまう人があふれる
    ✓ 現場で導入されている事例がわからず、AIという言
    葉がふわふわしている
    ✓ AlphaGoみたいなAIを作りたい
    ✓ AIで人間を超えるすごいマッチングしたい
    キカガク設立から1年半の需要の変化(創業前)

    View full-size slide

  22. 2018 Kikagaku, Inc. All Rights Reserved
    これからの新しい学び方
    22
    ✓ AIとディープラーニングの違いってなに?
    ✓ 最近、画像と自然言語処理の領域が熱いらしい
    ✓ NumpyとScikit-learn使えばこんなに簡単に作れるの、
    すげー!
    ✓ AIといえど、主は機械学習だから、人間の作った
    教師データありきで動くよね
    ✓ 人間を超えるものを作ることは難しいけど、少ない
    コードで模倣するものはできるかも
    1年半で変わったこと

    View full-size slide

  23. 2018 Kikagaku, Inc. All Rights Reserved
    これからの新しい学び方
    23
    ✓ AIを学べる環境が増えた(キカガク、Aidemy、...)
    ✓ 学習と推論というプロセスを理解できる人が増えた
    ✓ それに伴って、教師データが必要なことも理解できる
    人が増えた
    ✓ 大学院で情報系を専攻しなくても、学んでAI人材と
    して働けるようになった
    1年半経ったいま

    View full-size slide

  24. 2018 Kikagaku, Inc. All Rights Reserved
    これからの新しい学び方
    24
    ✓ E-learningの登場により手軽に学べる時代の登場!
    しかし、ほとんどの人が最後までやり切れない
    ✓ オフラインの研修でどうにか学び終えられた
    しかし、定期的に学ぶことが難しい
    ✓ AI人材が2020年に5万人足りず、給料も高い
    しかし、実績のない人は採用されない
    ✓ AI教育を行う企業が増え、学ぶ敷居も下がった
    しかし、どの企業も入門編ばかりで業界に特化したも
    のがない
    それでも、まだまだ課題がたくさんある

    View full-size slide

  25. 2018 Kikagaku, Inc. All Rights Reserved
    これからの新しい学び方
    25
    ✓ オフラインに比べると、遥かに低単価で、講師の質も
    担保されている
    ✓ E-learningのオンライン研修を最後まで終えられると
    回答する人は約20%(当社調べ)
    ✓ Udemyで90%以上終えられている人は約12%
    ✓ 短期的なモチベーションが続かずに終わってしまう人
    が多い
    → この解決策がオフラインの研修
    E-learningの罠

    View full-size slide

  26. 2018 Kikagaku, Inc. All Rights Reserved
    これからの新しい学び方
    26
    ✓ 2~3日間の研修は内容がE-learningと同じレベルで
    も全員が受講し終えることができる
    ✓ ただし、長期的に学ぶことが難しい
    ✓ 理由は、会社に案件がないから学ぶモチベーションが
    続かない
    ✓ 一方、会社は実績のない人に案件を任せられないジレ
    ンマ
    → この解決策がteach4meでの教え合い
    短期研修のその先

    View full-size slide

  27. 2018 Kikagaku, Inc. All Rights Reserved
    これからの新しい学び方
    27
    ✓ 学んだことを次の人に教える知識のバトンパスを行え
    るプラットフォーム
    ✓ 教わるに加え、教えるもカリキュラムの一種
    ✓ 教えることで知識のブラッシュアップが行われる
    ✓ 教えるという小さなゴールを設定することで、モチ
    ベーションが維持できる
    ✓ 教えることでポイントを獲得でき、次のコースをその
    ポイントで受講できる
    teach4me
    https://teach4me.jp/

    View full-size slide

  28. 2018 Kikagaku, Inc. All Rights Reserved
    これからの新しい学び方
    28
    ✓ 技術力の向上だけでなく、教えることによるコミュニ
    ケーション能力の向上
    ✓ 実はスキル要件が確実にマッチしていても、コミュニ
    ケーション能力や協調性が足りない場合、約70%の
    企業が採用しないと回答(当社調べ)
    ✓ 真の意味で市場価値の高い人材の輩出
    teach4meが狙っている未来
    https://teach4me.jp/

    View full-size slide

  29. 2018 Kikagaku, Inc. All Rights Reserved
    これからの新しい学び方
    29
    ✓ ドメイン領域を持った人がAIを学び教えることで、
    これを業務に活かしてみようと考える
    ✓ そのシナジーが「〇〇×AI」のカリキュラムを誕生
    させる
    ✓ これまで入門編しかなかった教育ビジネスが応用編も
    教えられるようになる
    ✓ teach4meであればプロフェッショナルの育成が不要
    であるため、カリキュラムと同時に講師も確保できる
    さらにもうひとつ先のビジョン
    https://teach4me.jp/

    View full-size slide

  30. 2018 Kikagaku, Inc. All Rights Reserved
    これからの新しい学び方
    30
    これからの展望
    https://teach4me.jp/
    教わる
    教える
    ドメイン知識×AIで
    カリキュラムに還元
    教育した人材に
    実践の場を提供
    teach4meは
    講師不足、カリキュラム不足、プロフェッショナル人材不足
    これら全てを解決するプラットフォーム
    知識
    企業の
    実データ

    View full-size slide

  31. 2018 Kikagaku, Inc. All Rights Reserved 31
    「AI×新規事業」の
    ケーススタディ

    View full-size slide

  32. 2018 Kikagaku, Inc. All Rights Reserved
    「AI×新規事業」のケーススタディ
    32
    ✓ 吉崎が現在取り組んでいる別の新規事業を紹介
    ✓ 受講生に技術を教えながら、どのように取り組むと
    堅実にうまくいくかを考え続けた
    ✓ ポイントは労働集約型
    今回題材として取り扱うケーススタディ

    View full-size slide

  33. 2018 Kikagaku, Inc. All Rights Reserved
    「AI×新規事業」のケーススタディ
    33
    ✓ 機械学習は人間が与えた教師データによる規則性を
    再現するため、新規の価値創造を行うものではない
    ✓ 精度100%が出ないため、人間によるオペレーショ
    ンのカバーが必要
    ✓ AIによって成り立つビジネスではなく、AI抜きで
    成り立つビジネスが超重要
    ✓ 基本的に労働集約型が多く、無駄も多いが、人間によ
    る不確実性をカバーできる力が強い
    ✓ このビジネスが成り立っている状況の無駄をAIに
    よってどのくらい削減できるかがポイント
    労働集約型ってAIとは真逆じゃないの?

    View full-size slide

  34. 2018 Kikagaku, Inc. All Rights Reserved
    「AI×新規事業」のケーススタディ
    34
    ✓ マーケティング用語でAIという言葉もよく見かける
    ✓ 自動車メーカーがAIによって作った車とは言って
    いないが、内部ではAIを多用している
    ✓ 人が介在するビジネスはスマートでないが単価が高い
    ✓ それに対し、人が介在しないシステムは人が介在して
    いないという感情的な理由で安いこともある
    ✓ AIを打ち出さず、ビジネスが成立すれば、単価を高
    く取り、内部でAIによる削減できたコストが利益に
    なる
    表面上にはAIと出さない方が良い

    View full-size slide

  35. 2018 Kikagaku, Inc. All Rights Reserved
    「AI×新規事業」のケーススタディ
    35
    ✓ 「AIによる〇〇」と打ち出さなくてもビジネスが成
    立するもの
    ✓ 人間側でオペレーションしながら、内部のプロセスを
    継続的にAIによって改善していけるよう設計
    AI事業化のポイント

    View full-size slide

  36. 2018 Kikagaku, Inc. All Rights Reserved
    「AI×新規事業」のケーススタディ
    36
    ✓ AIに丸投げしたいという人間の欲望
    ✓ 深掘りしてみると、日頃の業務フローを言語化できる
    人すら少ない
    ✓ そのため、チームで引継ぎ可能なプロジェクトになっ
    ていない
    ✓ ミーティングひとつとってもまともにできていない
    ✓ AIを使えるレベルには到底ない
    AIブームの背景を考えた

    View full-size slide

  37. 2018 Kikagaku, Inc. All Rights Reserved
    「AI×新規事業」のケーススタディ
    37
    ✓ アジェンダも決められず始まる
    ✓ 報告だけがだらだらと続く
    ✓ ネクストアクションも決まらない
    ✓ 進捗管理もろくにせず、一切PDCAが回っていない
    ✓ 発言せずにいる意味のない会議も多数
    ✓ 支援ツールを導入するも、次第に誰も記入しなくなる
    ミーティングがやたらと多い日々

    View full-size slide

  38. 2018 Kikagaku, Inc. All Rights Reserved
    「AI×新規事業」のケーススタディ
    38
    ✓ 資料作成やWebサイトのデザインも自分の思っている
    ものと異なり、手戻りが非常に多い
    ✓ デザイナーとの共通用語がないため、指摘しようにも
    適切な言葉が見つからない
    ✓ レストランの予約をオンライン秘書に頼むも、どの人
    とどんなシチュエーションで...と伝えている時間があ
    れば自分で予約できる
    ✓ 背景が共有できていない人に依頼することが難しい
    全然機能しないアウトソーシング

    View full-size slide

  39. 2018 Kikagaku, Inc. All Rights Reserved
    「AI×新規事業」のケーススタディ
    39
    ✓ ミーティングのファシリテーター代行
    ✓ 小学2年生以降のお子さんをお持ちのお母さんを
    ターゲットにファシリテーターとして働いていただく
    ✓ だらだらとしたミーティングからの解放
    ✓ 議事録やアクションシートを整理する簡単だが
    ストレスのたまる作業からの解放
    ✓ 進捗管理も書いて終わりではなく、子供に宿題をさせ
    るフィックス力をフル活用して、大人にも進捗を意識
    させて注意喚起する
    ソリューション

    View full-size slide

  40. 2018 Kikagaku, Inc. All Rights Reserved
    「AI×新規事業」のケーススタディ
    40
    ✓ 雑務から解放され、本質的な業務に専念できる
    ✓ 上司に良い報告しかできなかった部下と、確認したい
    が何度も言うと機嫌を損ねる部下の関係に、第三者が
    介入することで、報告の正当性が確保できる
    ✓ ファシリテーションを行う中で、会社の考えているこ
    とや企業文化などの背景をファシリテーターが理解で
    き、アウトソーシングのハブになってくれる
    解決できること(企業側)

    View full-size slide

  41. 2018 Kikagaku, Inc. All Rights Reserved
    「AI×新規事業」のケーススタディ
    41
    ✓ これからの子育てにお金がかかるが、パートタイムで
    は時給が低い、だがフルタイムは難しい問題を解決
    ✓ ミーティングのファシリテーションに1日1時間行き、
    それ以外は在宅勤務OKであるため、単価の高い仕事
    がほぼ在宅勤務で行える
    ✓ コミュニケーション能力と管理能力が高い人が多く、
    その価値を発揮できる
    解決できること(働く側)

    View full-size slide

  42. 2018 Kikagaku, Inc. All Rights Reserved
    「AI×新規事業」のケーススタディ
    42
    ✓ 採用戦略が練りやすい(時給による差でOK)
    ✓ ファシリテーション事業は一度導入されると長期的な
    付き合いとなるため、営業コストが高くても良い
    ✓ 根幹を取れば、それに付随する資料作成や日程調整な
    どの業務も請け負えるアップセルも行いやすい
    ✓ 初期は研修を対外向けに行い、その研修費用で最初の
    キャッシュを回しながら、受講生の企業側に営業をか
    ける戦略でプルに近いプッシュ営業が永続的にとれる
    ✓ 労働集約型であるため、社内ツールを開発し、その一
    部に機械学習を使うプロセスを組み込める
    解決できること(ビジネス作成側)

    View full-size slide

  43. 2018 Kikagaku, Inc. All Rights Reserved
    「AI×新規事業」のケーススタディ
    43
    ✓ 「作り」「売り」「キャッシュフロー」の戦略
    新規事業のポイント
    ✓ 「AIによる〇〇」と打ち出さなくてもビジネスが
    成立するもの
    ✓ 人間側でオペレーションしながら、内部のプロセスを
    継続的にAIによって改善していけるよう設計
    AI事業化のポイント
    ポイント:まずは「働き方1.0」から始めよう

    View full-size slide

  44. 2018 Kikagaku, Inc. All Rights Reserved
    仲間募集!
    44
    新しい教育を提案するteach4meや
    新規事業のファシリテーション代行の
    事業を一緒に作ってくれる
    仲間を随時募集しています!
    [email protected]
    または
    Twitter: @yoshizaki_kkgk
    まで連絡お待ちしています。

    View full-size slide

  45. ご清聴ありがとうございました。

    View full-size slide