AIベンチャーのリアルが語られた記事

元記事のタイトルはアレですが、どちらかというと内容はちょっと違いますね。

「PoC、ぶっちゃけいくら？」製造業とAIの“リアル”をベンダー3社が語る | Ledge.ai

AI系ベンチャーが語る、今のAI事業の現状が載せられています。

タイトルにある通り、PoC(Proof of Consept、つまりコンセプト実証)にかかる費用の話も出てました。同じようなことを会社でやってますけど、外に頼むとこんなにかかるのか・・・なんだか私、安く使われて・・・

という話はともかく、どちらかというとそれ以外の話の方が参考になりました。

その中で特に気になった部分は、以前は「異常検知」が多かったのが、今は「匠の技術を継承する」ことに主軸を置く会社が増えてきた、という話です。

ユーザーからの要望が変化したということは、いわゆるAIの技術を理解できるユーザーが増えたということのようです。

私の周辺では、どちらかというと異常検知の話が多いですね。これはこれで大事な話なんですが、世の中は一段先に進んでいるのがここから読み取れます。

ほかにも、リードタイムや失敗事例の話など、読むべきものは多いです。実際に取り組んでいる人だと、納得する部分は多いと思いますね。

ROI(費用対効果)の分からない問題へのアプローチというのも課題ですね。これが分からないという理由で、AI技術に否定的な人が多いのは事実。

なにせ、責任が負えないですからね、こういうものって。日本人って、責任の所在を求める人がものすごく多いです。なぜでしょうね？

私も、今取り組んでいるテーマで、どれくらい効果があげられるか分からないものは多いです。

でも、何もしなければ改善が進まないテーマもあって、そういうのはダメで元々、その時は現状維持をするというものが多いです。逆に言えば、もし少しでも改善に結びつけられたなら儲けものというものです。

未だ手つかずの現場があれば、そういうテーマはごろごろしています。

さらに言うと、ビッグデータ分析技術というのには2種類あって、「意思決定支援」と「自動化」があります。

いわゆるAIというのは、後者の「自動化」、つまり機械に判断まで任せて、機械で完結させるものを指すことが多いですが、私は最近、どちらかというと前者の「意思決定支援」をさせてます。

例えば、異常検知で異常が出た場合、それを見える化するところでとどめる。その異常の有無は人間が判断する。そんな感じのことを「意思決定支援」と呼んでます。

これを繰り返していると、なんとなく異常と正常の境目が見えてきて、最終的には「自動化」につながります。仮に意思決定支援にとどめたところで、異常にすぐに気付けるというメリットがあります。

そういう小さなところから始めるというのが、この技術の基本ですね。ここ最近、それを実感します。

こういう実感ができる人材が増えることが、いわゆるAIというものの活用の、第一歩でしょうか。

この記事を読みながら、そんなことを考えてました。

エンジニアなら知っておきたいAIのキホン 機械学習・統計学・アルゴリズムをやさしく解説