最近は今までに増して機械学習を検討する企業が増えています。 しかし、導入検討にあたり、機械学習でなにを改善するのか/なにを解決するのかという、導入目的を決めあぐねているケースも多いと耳にします。

本記事では機械学習はどのような業種で、どんな目的で導入されようとしているのかを紹介し、機械学習の活用例と解決できる課題(導入効果)をお伝えします。

『こんな使い方が自社に役立つな』や『機械学習でこんなことをやりたい』を発見してもらえると嬉しいです。

検討段階のシフト

2018年にIBMがおこなった調査によると、企業の82%はAIの導入を検討しています。
また、AIの運用と最適化を開始している企業は、2016年と比較すると、33%増加しています。導入に向けて成果を上げている企業は概念検証のテストや実験の域を超えて進んでいます。

経営層の目の向く先は、

『機械学習を導入すべきか』
から
『どのようにして機械学習を導入するか』
へと移行しているようです。

機械学習は技術的な進歩がめざましいと紹介されていますが、それに沿うようにして機械学習への期待も膨らんでいます。

機械学習の導入・活用実績

機械学習の導入率はテジタル化が進んでいる業界で高く、そのスピードも今後上がっていくと見込まれます。

例えば金融サービス業界では既に16%の企業が 機械学習システムを運用または最適化し、次いで製造業が追いかけています。

しかし自動車やヘルスケア業界にもこの傾向は見られており、機械学習は今後も大きな期待をされていることがわかります。

機械学習に期待すること

情報技術 (IT) と情報セキュリティー (IS)が、最も優先すべき業務として挙げられています。

例えば 機械学習を利用したヘルプデスク仮想アシスタント、 プロセス自動化、脅威検知アルゴリズムの活用があります。
その他に、イノベーション、顧客サービス、リスクの領域があります。
イノベーション領域には戦略的な機会が不可欠ですし、顧客サービスの領域は多くの企業が仮想アシスタント機能を試験的に導入しています。 そしてリスクの領域では不正の防止と検知が重要です。

幅広い領域で機械学習は活用できますが、効果的な導入にするためにはどの領域で/何を達成するのかという設定が必須です。

コスト削減より、顧客満足度を重視

企業として売上増加はこの 2 年間で一層重視されるようになりました。

調査によると、経営層は顧客満足度と顧客維持率をAI投資の主な目標に掲げており、これはコストに対する考慮を大きく上回りました。
もちろんこれはコストが重要ではないという意味ではあり ません。

多くの 機械学習プロジェクトの中を見てみると、目的のひとつにはやはりコスト削減の要素が含まれているので、『コスト削減は当然で、次の視点として顧客満足度を重視している』とも言えます。
また、運用コストの削減も 3 番目に重要なものとされています。しかし、このランキングでの順位をを押し上げたのは最高財務責任者 (CFO) と財務部門かもしれません。

加えて、多くの企業は製品やサービス よりも顧客体験を重視しています。
何を売るかよりも、その製品やサービスを通じてどんな体験ができるか、ということです。体験は購入後だけではなく、購入前の検討時もその対象です。　

顧客体験の向上は、顧客に対面するその企業の担当者次第であることが少なくありませんが、
そのような場面で AIを的確に利用した仮想アシスタントを使用すれば、既存の専門知識を拡大して、顧客の質問により速く、正確に、しかも経済的に答えられるようになります。

機械学習活用例

ここまで、機械学習が活用されている業種と目的をお伝えしました。
次に業種ごとにお客様満足に繋がる機械学習の活用例をご紹介します。

製造業

『製造ラインでの不良品検知』

課題
食品製造ラインで不良品は手作業で弾いている。

• 個人ごとに判断がばらつく場合がある
• 同じ体勢で長時間いるため作業者への負荷が大きい

導入後
製造ラインにカメラを設置し、良品/不良品を自動で仕分けする。

• 作業者は別の業務にあたることができ、より利益追求や改善が進んだ。
• 生産性の向上も実現し、労働時間を短縮できた。

飲食業

『顧客の消費予測で廃棄、機会損失の減少』

課題
いつ、どれくらい売れるかを肌で感じ、仕入れをしている。

• 店長のスキルで売上、利益が大きく異なる。
• 仕入れを絞ると機会損失が生じ、仕入れを増やすと廃棄が多くなる。

導入後
過去の売上から未来の売上を予測する。

• 廃棄や機会損失の減少
• 常に欲しい物が適切量ある店舗で、顧客満足度も向上

小売業

『チャットボットでユーザー好みの商品をオススメ』

課題
ECサイトでの売上が伸び悩んでいる。

• 試着ができないため、ユーザーは意思決定できない。
• 電話での個別問い合わせはハードルが高く、利用されない。

導入後
ユーザーが質問に答えると似合う商品が分かるチャットボットを利用。

• 廃棄や機会損失の減少
• 常に欲しい物が適切量ある店舗で、顧客満足度の向上

『SNSから商品評価分析』

課題
商品のリアルな評価が不透明で新商品開発で悩んでいる。

• どのようなシーンで、誰が商品が使われているか知りたい。
• 口コミサイトや直接の評価は極端なものが多い。

導入後
SNSから自社商品が写っている写真を分析する。

• 利用されている季節や雰囲気が分かり、より顧客に寄り添った商品開発が出来る。

おわりに

機械学習は幅広い活用方法があり、お客様ごとの活用方法の提案が必要です。
運用までこのような流れで進めることが多いです。

アクセルユニバースではみなさまの課題やお困り事を一緒に解決していきます。
下記にご興味がありましたら、問い合わせ口からご連絡ください。

• 活用事例についてもっと詳しく知りたい
• 機械学習・深層学習は他になにが出来るのか興味がある

アクセルユニバースのご紹介

私達はビジョンに『社会生活を豊かにさせるサービスを提供する。』ことを掲げ、このビジョンを通して世界を笑顔にしようと機械学習・深層学習を提案しています。
例えば、現在人がおこなっている作業をシステムが代わることで、人はより生産性の高い業務に携わることができます。

Twitter・Facebookで定期的に情報発信しています！
Follow @acceluniverse