金食い虫の「機械学習」と実用に堪えない「ディープラーニング」
統計アプローチではない新たな手法の発見など、機械学習やディープラーニングの根幹技術の飛躍的な発展でもない限り、ビジネスでの活用を通じて世界を変えるには、多くの課題を抱えている。
実は、そのデータの量と質は、統計学に縁の無い人の想像を超える水準が求められる。技術や実現性を検証する段階でも、高い水準が要求される。AIを取り入れた新サービスや業務改革の検討を進めている企業では、たとえデータ量が多くても、属性項目が少ないうえに空欄や形式不備があり機械学習に使える属性項目に乏しいか、あるいは使える属性項目はあるがデータ量が足りないかなど、既存のデータ自体の問題に起因して検証が進まない。検証しても精度が低くて、導入のメドが立たないという状況を引き起こしている。
その問題解決のためには、2つのアプローチがある。1つは、既存データを検証可能な状態にメンテナンスすること。もう1つは、検証に必要な条件をそろえデータを新たに取り直すことだ。だが、いずれにしても大量の工数や多額のコストが発生してしまう。
読者の中には、次のように考える人もいるかもしれない。「標準化はされていなくても、必要なデータをデジタル形式で保存している企業もあるんじゃないか」。だが、少なくとも民間企業においては、それはあり得ないと断言できる。現時点の業務に不要なデータを多額のコストを投じて管理しておくなど、合理的な経営判断の下では選択されないからである。
しかも事態をさらに複雑化している点は、データの量と質を確保するための業務は、情報システム部門の範疇外の可能性が高いことだ。そのため、システムだからといって情報システム部門に丸投げしてはいけない。業務部門や経営層こそがAIの原理を理解し、適切なコスト感覚を持った上でのビジネス判断が求められる。
人気ホテルが最大78%OFF
200社の予約サイトから料金を一括比較
最安値の宿泊プランをご案内
www.trivago.jp 
