１.AIの導入が進まない理由
昨今、AI（人口知能）は、生成AIなどの登場により世界中で注目が集まり、日本国内でもその活用を試みる企業が増えています。しかし、日本におけるAIの導入率は、依然として低水準のままです。AIの導入が進まない理由として、次の３つがあると考えられます。
①AIの専門知識不足：業務知識とAI開発に必要な専門知識持つ人材が不足しています。
②最適なデータ不足：企業内のデータからAIの学習に適したデータを選別できないケースが多く見られます。
③課題とAIのミスマッチ：AIが業務課題の解決策として最適でないケースにおいても、AIを採用しているケースがあります。
２.業務課題の特定
AIを導入する場合、初めから「AIありき」で導入を進めると失敗するケースが多くなります。その理由は、業務課題の解決策とAIのミスマッチにあります。このようなミスマッチを防ぐためには、「業務の現状（As-Is）」と「あるべき姿（To-Be）」との「ギャップ」を認識して、優先順位を明らかにして取り組むべき「課題」を特定する必要があります。
３.課題の解決策の選定
次に、特定した「課題」に対する最適な「解決策」を選定していきます。通常、解決策の選択肢として、ルールベース、BI、AI、数理最適化があります。
・ルールベース（従来型のシステム）：
事前に定義されたルールや条件に従って結果を求めるシステムです。例えば、IF-THENルールを使って特定のアクションを実行するようなシステムです。
・BI（ビジネス・インテリジェンス）：
過去のデータを可視化して傾向を把握することにより、目標を達成するアクションを選択するシステムです。例えば、先月の来店者数や店舗の売上を左右する要因を把握します。
・AI（人工知能）：
過去のデータを機械が学習してモデルを作成します。次に、そのモデルを使って将来を予測・分類するシステムです。例えば、来月の来店者数や店舗の売上を予測したり、クーポンに反応しやすい人を分類します。
・数理最適化：
様々な制約条件の下で結果を最大化または最小化するための最適解を求めるようなシステムです。例えば、物流の最適ルートを計算したり、製造業の生産計画の作成などに利用されます。
４.BIとAIを使いこなす
会社の上司から「うちもAIで何かできないか？」と言われたり、「AIなら何か新しい発見があるかも？」と考えて、とりあえず「AIありき」でスタートするプロジェクトも少なくありません。しかし、あえてAIを使わなくてもBIで解決できるケースもあります。そこで、BIとAIを組み合わせて使うことをおすすめします。具体的には、既存の仮説を検証するためにBI、新しい仮説を発見するためにAIを利用します。仮説の例としては、「子育て中のお父さんは、紙おむつと缶ビールを買う傾向がある」などがあります。
５.まとめ
①業務の現状とあるべき姿の間のギャップから課題を特定する。
②AIありきで考えずに課題に対する最適な解決策を選定する。
③BIとAIを組み合わせて使うことを検討する。
BIによって短時間に既存の仮説検証や仮説の深堀りができるので、その結果をもとに有効な解決策が見つかる可能性もあります。
なお、「AI機械学習を利用したデータ分析」を支援するサービスを提供させていただいております。是非、一度、ご検討いただければ、幸いです。
