「新規事業×ＡＩ」をはじめよう

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
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
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
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
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
6. 2018 Kikagaku, Inc. All Rights Reserved 6 機械学習が民主化された 後の世界
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
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
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
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）
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）
12. 2018 Kikagaku, Inc. All Rights Reserved 12 ＰｏＣの後に進まない
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
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
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
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
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
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
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
20. 2018 Kikagaku, Inc. All Rights Reserved 20 これからの新しい学び方
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）
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
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
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
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
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
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/
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/
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/
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
31. 2018 Kikagaku, Inc. All Rights Reserved 31 「ＡＩ×新規事業」の ケーススタディ
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
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？
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
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
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
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
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
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
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）
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）
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）
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
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！ ryosuke.yoshizaki@kikagaku.co.jp または Twitter: @yoshizaki_kkgk まで連絡お待ちしています。
45. ご清聴ありがとうございました。