まだまだ成功例が少ない、実ビジネスでのAI活用

 いよいよ身近なものとなってきたAI。アマゾン、グーグル、マイクロソフトやIBMなどの大手ベンダーがそれぞれパブリッククラウド型のAI基盤を開発・提供しており、サービスの選択肢は広がっている。

 AIに関わる要素の1つが機械学習だ。学習モデル作成を支援するサービスも多数登場しており、例えば、Google AutoMLは、学習させたいデータを与えるだけで、最適なモデルを自動的に作成してくれるサービス。Amazon SageMakerは、データのクレンジングや前処理、学習アルゴリズムなどがあらかじめ用意されており、モデル開発で手間のかかるプロセスを肩代わりしてくれるものだ。また、活用フェーズに向けても、各社が「顔認識」「オブジェクト認識」といったパブリッククラウドサービスをそろえており、APIを使うだけで様々なことにチャレンジできる環境が整いつつある。

 ただ、これらが現実のビジネス成果につながっているかといえば、そう上手くはいかない。紹介したようなツールは、あくまで土台。成果を得るには、企業自身が保有するデータを投入し、目的に沿った結果を得るための仕組みを並行して考える必要があるが、そこには様々な課題が潜んでいる。

 例えば、データの置き場所の問題。顧客/商品データのほか、金融業のトランザクションデータ、通信業のログデータ、製造業の設備の稼働データ――。企業が保有する膨大なデータは、多くの場合オンプレミスにあり簡単にクラウドで活用することはできない。大量のデータをどう移行するかという問題に加え、情報の機密性なども担保する必要があるからだ。

 ではオンプレミスにAI環境を構築すれば良いかというと、インフラの設計や構築の苦労、コスト、GPUの手配やリソース運用の難しさといった問題がのしかかる。結果、多くの企業がPoCレベルでは成功しているものの、全社横断的なビジネス成果を上げるには至っていないのが現状なのである。

この先は日経 xTECH Active会員の登録が必要です

日経xTECH Activeは、IT/製造/建設各分野にかかわる企業向け製品・サービスについて、選択や導入を支援する情報サイトです。製品・サービス情報、導入事例などのコンテンツを多数掲載しています。初めてご覧になる際には、会員登録(無料)をお願いいたします。