Help us understand the problem. What is going on with this article?

企業におけるAI導入方法「AI Transformation Playbook」の日本語版まとめ

More than 1 year has passed since last update.

本記事は、アンドリュー・ウ(Andrew Ng)先生が書かれた

「企業における段階的なAI活用のためのPlaybook(脚本)」である

「AI Transformation Playbook」How to lead your company into the AI era

を、日本語でまとめたものです。

ai_transformtion_playbook.PNG
画像引用[1]

AI Transformation Playbookの日本語版まとめ

補足0:著者のアンドリュー・ウ(Andrew Ng)先生って誰?

330px-Andrew_Ng_WSJ_(2).jpg
画像引用[2]

著者のアンドリュー・ウ(Andrew Ng)先生は、人工知能の研究者です。

博士号の指導教員は、RNNの研究で有名なマイケル・I・ジョーダン先生です。

マイケル・I・ジョーダン先生の指導教員は、バックプロパゲーションを提唱したラメルハート先生なので、アンドリュー・ウ先生はラメルハート先生の孫弟子になります。

アンドリュー・ウ先生は博士号取得後、2002年からスタンフォード大学の教員になります。

博士論文の内容が強化学習関連であったこともあり、

・自動運転ヘリコプターの開発
・STAIR (STanford Artificial Intelligence Robot) project
 (※ロボット開発で現在とても重要なROSの原形)

などに携わりました。

当時のスタンフォードでの機械学習の講義が大人気で、2012年にはDaphne Koller先生と一緒に

・オンライン学習サービスのCoursera

を立ちあげます。

Coursera上で、Machine Learning講義を一般公開しました。今はディープラーニング講義も実施されています。

スタンフォード大学での教員を続けながら、
2011年から2014年までGoogle
2014年から2017年までBaidu(百度:中国で最大検索エンジン企業)
で働いて、
現在は、企業のAI活用を支援するスタートアップ Landing.aiを立ち上げています。

Googleでは、
・TensorFlowの原形となったDistBeliefの開発
・Google Brain(Googleの機械学習部隊)の立ち上げ
ディープラーニングによるGoogleの猫認識

などに携わった先生になります。

AI Transformation Playbook はじめに

本Playbookは、アンドリュー・ウ(Andrew Ng)先生がGoogle、BaiduをAI企業へと変革していった経験をもとに、強いAI企業になるための変革シナリオをまとめたものです。

「時価総額500億円($500M)以上の企業向けの記述ですが、どのような規模・業種の企業でも、強いAI企業に変革するために役立つシナリオです。」

It is possible for any enterprise to follow this Playbook and become a strong AI company, though these recommendations are tailored primarily for larger enterprises with a market cap/valuation from $500M to $500B.

と記載されています。

※ちなみに東証1部上場企業(約2000社)の平均時価総額がだいたい2000億円。
時価総額500億円以上の企業というと、日本企業の時価総額上位1000位以上くらいです。

AI Transformation Playbookは5つのステップからなります。

図1.png

  1. パイロットプロジェクトの実施(Execute pilot projects to gain momentum)
  2. 社内AIチームの構築(Build an in-house AI team)
  3. 社内へのAI講義・トレーニングの提供(Provide broad AI training)
  4. AI活用戦略の構築(Develop an AI strategy)
  5. 社内外に対しAI活用戦略を説明(Develop internal and external communications)

です。

各ステップを解説していきます。

1. パイロットプロジェクトの実施(Execute pilot projects to gain momentum)

初期のAIプロジェクトであるパイロットプロジェクトの成功は、非常に大切です。

パイロットプロジェクトの成功が、社内でAIをなじみ深いものにし、AIへの投資に説得力を持たせてくれます。

「パイロットプロジェクトが満たすべき要件」としては

・社内の人がtrivial(ささいな、つまらない、簡単で自明な)に思うプロジェクトではない

they should not be so small that others would consider it trivial.

さらに、その他の「パイロットプロジェクトが満たすべき要件」として

・社内新チームもしくは外部AI専門家チームが、自社のビジネスチームと連携し、6~12カ月で、なんらかの成果を示せる

・技術的に実現可能と自信が持てる内容である
※多くの企業が、現在の技術では実現不可能な大きな内容を、プロジェクトの目標にしてキックオフしている。そうならないように、外部のAI技術者に実現可能性を調査してもらうのも良いかもしれない。

・ビジネス価値の創出につながる、明確に定義され、測定可能な目標を持つ

が挙げられます。

私の場合、Googleに携わりはじめたころ、当初Googleはディープラーニングに懐疑的でした。

そこで、一緒にパイロットプロジェクトで連携する社内のビジネスチームとして、Google Speech teamを選びました。

(※アンドリュー・ウ先生がGoogleに携わりはじめたのが2011年なので、ヒントン先生のImageNetで高成績を出し、ディープラーニングが脚光を浴び始める2012年より前になります。ですが、2011年時点で既にヒントン先生はディープラーニングの原形を発表しており、成果が出つつありました。)

そしてGoogle Speech recognition の認識精度向上に取り組みました。

Googleにおいて音声認識の重要性は、Web検索や広告に比べると低いです。

ですが、ビジネスの本丸であるWeb検索や広告にディープラーニングを活用するところからではなく、ある程度重要で、かつ上記の「パイロットプロジェクトの要件」を満たす「音声認識」からAI活用をスタートしました。

(※音声認識のディープラーニングの場合、2009年にヒントン先生が既に成果を発表し、さらに2011年には電話会話音声の認識コンテストでディープラーニングが活用されて優勝していたので、技術的に実現可能性に自信が持てていたのだと思います。)

この音声認識のパイロットプロジェクトでディープラーニングの活用に成功し、Google社内でのAI活用への勢いがつきました。

社内でもディープラーニングをやりたいというビジネスチームが現れるようになりました。

音声認識の次に組んだのが、Google Mapsのチームです。地図データの高精度化にディープラーニングを活用しました。

この2チームの成功のあと、本丸である広告チームと連携を始めました。

(社内の本丸に突然AI活用を試みるのではなく、6~12カ月での成果出しに技術的自信が持てないプロジェクトでもなく、)

上記の「パイロットプロジェクトの要件」を満たすプロジェクトを立てて、徐々に成果を上げ、社内のAIへの関心と投資に勢いをつけることが重要です。

図5.png

補足1:パイロットプロジェクト実施

ここまで読んでまず思うのが、

「いや、まずうちの会社には、アンドリュー・ウがいないんですけど・・・」
です。

ステップ1を開始する前に、アンドリュー・ウ先生みたいな人を社内で探すのが、本当はステップ0としてあります。

そもそもなぜ2011年に、アンドリュー・ウ先生がGoogleに携わり始めたのか整理しましょう。

まずGoogleでは2010年から、「Moonshot Factory(めっちゃ壮大な挑戦)」として、Google Xというプロジェクト群を開始しました。

Google Xのプロジェクトには、
・ARヘッドマウントディスプレイ(Google Glassへ)
・ロボットカー(自動運転のウェイモへ)
など、

成功したもの、失敗したものいろいろありますが、その一つに「人工知能プロジェクト」がありました。

この「人工知能プロジェクト」を担当したのがJeff Deanです。

おそらくこのJeff Deanが、Google Xとして人工知能プロジェクトを始めるにあたって、
アンドリュー・ウ先生を誘い、そこからタッグでGoogleでのディープラーニング活用が始まります。

ということで、「自社でアンドリュー・ウ先生のような人を雇いたければ、まずJeff Deanを雇えば良いのか」と思います。

と思いきや、Jeff Deanみたいな人を探すのも困難です。

Jeff Deanは、コンピュータサイエンスの分野で博士号を取得し、DECの研究所で働いた後、Googleに入った人です。

人工知能の専門家ではないですが、ソフトウェアの専門家であり、超人です。
Jeff Deanの超人度合いはこちらの記事が良いです。
●全盛期のJeff Dean伝説

ただ、ここで重要なのは、アンドリュー・ウ先生は2011年からGoogleに携わりながらも、スタンフォードの教員を続けていた点です

なので、自社でアンドリュー・ウを雇わなくても、外部のAI専門家を探し、一緒にプロジェクトができれば良いです。

「パイロットプロジェクトの要件」にも

・社内新チームもしくは外部AI専門家チームが、自社のビジネスチームと連携し、6~12カ月で、なんらかの成果を示せる

とあるように、外部のAI専門家として、大学、AIベンダー、SIerとタッグを組むという作戦があります。

ここまでを整理すると、2011年のGoogleの場合、関係者として

・GoogleXの人工知能プロジェクトのスタートさせた人:?さん
・人工知能プロジェクトのビジネス側リーダー?:Jeff Dean
・人工知能プロジェクトのAI側の外部専門家:アンドリュー・ウ

でスタートしました。

自社でもパイロットプロジェクトをスタートさせるために、上記のような構成でうまく関係者を巻き込むことを検討する方向性が考えられます。

2011年とは状況が違うので、頑張ればこのような関係者を用意することができると思います。

重要なのは、上記「パイロットプロジェクトの要件」を満たすプロジェクトを、提案・実行できる能力を持つ、ビジネス側リーダーとAI側のリーダーを用意することです。

2. 社内AIチームの構築(Build an in-house AI team)

ステップ1のパイロットプロジェクトでは、外部のAI技術専門家とタッグを組んで実行することも効果的ですが、中長期的には、社内でAIチームを構築する方が効率的です。

ここで重要なのは、Cレベルマネジャー(CIOやCTOなど)を起点に社内AIチームを構築することです。

It is important to have buy-in from the C-suite to build this internal team.

インターネット時代の立ち上がり期において、CIOを用意した企業がうまく活躍できた一方で、Cレベルマネジャーを用意せずに、社内でバラバラに対応した会社が失敗していたことを思い出してください。

AI時代においては、AIチームをCTO、CIO、もしくはCDO (Chief Digital Officer) の直下に置き、社内全体を支援できるようにします。

「AIチームが果たすべき責務」は次の通りです。

・会社全体を支援できる、AI機能・能力を構築する
・まず最初の支援プロジェクトを完遂する。その後、連続的にプロジェクト支援を繰り返せるプロセスを構築する
・AIチームのメンバーの離職防止と中途採用のために、一貫した基準を作る
・社内の個別部門では開発できない、複数の部門/事業部門にまたがる、重要な全社プラットフォームを開発する
(例えば、統合データウェアハウスのルール作りなど)

AIチームはどこか個別部門内ではなく、Cレベルマネジャー直下に独立したAIチームを作ることで、社内の様々な部門のプロジェクトを支援できます。

一方で昨今、AI人材の需要が供給を超えているため、独立したAIチームを作るための、
・機械学習エンジニア
・データエンジニア
・データサイエンティスト
・AIプロダクトマネジャー
を雇うのが、難しくなっています。

また、AI人材に特有のジョブディスクリプションを用意する必要もあります。

そこで、AIチームを築くのに、外部のリクルートエージェントを利用するのは、ひとつの良い作戦です。

一方で、既存の社員・チームにトレーニングを提供する作戦も、多くの新しい才能を社内で生み出せる良い作戦です。

図6.png

画像引用[3]

3. 社内へのAI講義・トレーニングの提供(Provide broad AI training)

自社で十分な数のAI人材を保有している会社は存在しません。

AI人材の給与が高いという報道は過度に誇張されています(報道されている数字は外れ値の傾向がある)。ですがAI人材を見つけにくいのは事実です。

一方で、最近はCoursera, ebooks, YouTubeなど学習のためのデジタル・コンテンツが充実しています。

企業の教育担当者は、自身でコンテンツを作成するのではなく、社員が学習を完了できるようにプロセスを確立するのが重要です。

10年前は研修トレーナーを読んで対面講義を行うのが普通でしたが、対面講義だけでは不十分ですし、ROIも不明です。

一方で、デジタル・コンテンツは安価であり、また個人のペースで進められます。

もし、対人講義を行う教育研修費の余裕があるのであれば、デジタル・コンテンツ(online content)の補完となる研修を行うべきです。

これは“flipped classroom”(日本語では反転授業)と呼ばれる講義方法です。
私も現在、スタンフォードのディープラーニング講義ではこの方法で講義をしています。

AI専門家を雇用して、社員に直接講義を実施するのも、社員がAIスキルを学ぶモチベーションアップに効果的です。

AIは多くの業務を変革するでしょう。

自社の社員に、"各自の業務がAI時代のものへと変革されていく時代の流れ"に適応できるよう、AIの知識を伝えるべきです。

外部のAI専門家と相談することで、チーム・自社のためのカスタマイズされたカリキュラムを作成することができます。

ですが、想定される教育計画は次のようになります。

「役員および上級ビジネスリーダー向け(4時間以上のトレーニング)」
Goal:
経営幹部が
・AIが自社でできることを理解する
・AI戦略の構築を開始する
・適切なリソース配分を決定する
・AIチームと円滑に協力できる
という状態になること

カリキュラム:
1. ビジネスレベルでのAI知識を学ぶ(AIの技術的内容、データ、そしてAIに何ができて何ができないか、などの知識)
2. AIが会社の経営戦略に与えるインパクト、影響を理解する
3. 自社の業界および隣接業界での、AI活用事例をケーススタディで学ぶ

「AIプロジェクトを実行するビジネス部門のリーダー向け(12時間以上のトレーニング)」
Goal:
プロジェクトリーダーが、
・AIプロジェクトの方向性を設定
・リソースの配分
・プロジェクトの進捗状況を監視
・必要に応じてプロジェクトの軌道修正を行い、AIプロジェクトを確実に成功に導ける
という状態になること

カリキュラム:
1. ビジネスレベルでのAI知識を学ぶ(AIの技術的内容、データ、そしてAIに何ができて何ができないか、などの知識)
2. 標準的なAIの技術的知識を学ぶ(主要なアルゴリズムの内容と使用する際の必要要件)
3. AIプロジェクトの流れとプロセス、共に働くAIチームの役割と責任の理解、AIチームのマネジメント方法、を学ぶ

「AIエンジニアを目指す人向け(100時間以上のトレーニング)」
Goal:
AIエンジニアを目指す人が
・データを適切に収集できる
・機械学習モデルを構築できる
・AIプロジェクトをビジネス部門に提供できる
という状態になること

カリキュラム:
1. 機械学習とディープラーニングについて技術的に深く理解すること、そして、その他のAI関連手法の標準レベルの内容を理解すること
2. AIとデータシステムを構築するために必要なソフトウェア、ライブラリなどのツールの使い方を理解すること
3. AIチームのワークフローとプロセスを実装できるようになること
4. 加えて、進化し続ける最新のAI技術を継続的に学ぶ教育機会を受けること

4. AI活用戦略の構築(Develop an AI strategy)

AI活用戦略の構築は、会社の価値創造と他社に売上・利益などを奪われるのを防ぐことへ、つながっていきます。

一部の経営層は、企業におけるAI活用に向けたAI変革の第一歩を、「AI活用戦略の構築」であると考えます。

ですが私の経験では、ほとんどの企業は、いきなりAI活用戦略の構築をうまく行うことはできません。

つまり、ここまでのステップ1~3の部分的な進歩を通してAIの基本的な経験を積むまで、よく考えられたAI活用戦略(a thoughtful AI strategy)を構築することは難しいです。

各ステップ

・パイロットプロジェクトの成功
・Cクラスマネジャー下にあるAIチームによる他部門のAIプロジェクト支援
・社員のAI理解の進展

の実行に伴い、最も重要な社内の本丸で、AI活用とリソースの集中が可能になり、合わせて、よく考えられたAI活用戦略(a thoughtful AI strategy)を構築できるようになります。

そして戦略には、次のような内容を盛り込めるよう考えるべきです。

・一貫性のある戦略と紐づいた、他社の模倣が困難なAI資産をいくつか構築する

・自社の業界で、業界内競争力を持つ独自のAI活用戦略とAI資産を構築し、AIリーダー企業を目指す
(Googleのように業界に依存しない汎用なAI技術の開発よりも、自社業界での競争力確保をおススメする)

・好循環が生まれる戦略を構築する
(データがカギである。データが良いプロダクトを生み→ユーザが集まり→データが集まる、の繰り返し)

・ネットワーク効果を持つプラットフォームを創り出し、顧客やデータを他社よりも早く囲い込む

・以下のようなデータ戦略を持つ

  1. 戦略的データ取得
    例えばGoogleは利益化ではなく、データを集めるための無料サービスを提供する

  2. 統合データウェアハウス
    部門ごとにデータベースが分かれ、50以上のデータベースが存在する状態では、AIチームは機能しづらい。1つ(せめて少数)のデータウェアハウスに集約させておく

  3. データ価値の理解
    無駄にデータを集めても、AIチームには無意味である。無意味や価値の低いデータを集めるのを防ぐために、データ取得プロセスの初期段階で、どんなデータを取得・保存するべきかAIチームに相談するのが良い

5. 社内外に対しAI活用戦略を説明(Develop internal and external communications)

AIが企業のビジネスに及ぼす影響は大きいので、重要なステークホルダーとの交流機会を用意し、AI活用戦略を説明するべきである。

投資家:
・自社においてAIが生み出す価値に対する自社の考え
・自社のAI能力の成長計画
・AI戦略(a thoughtful AI strategy)
を、投資家に伝える

政府関係者:
自動運転や医療など規制が強い業界においては、自社のプロジェクトが産業と社会に良い影響を与えることを、規制当局と継続的に対話し続ける

顧客:
AIは顧客に大きな利益をもたらす可能性が高いため、適切なマーケティングおよび製品ロードマップを顧客にきちんと伝えるようにする

外部の人材:
AI人材は不足しており、強いブランド力があれば有利である。
AI人材はexciting and meaningful projectsで働くことを望んでおり、自社の最初の成功プロジェクトを広報するために、ほんの少しでも努力すれば人材採用に効果的に働く。

社内:
現在AIに対する理解は不足しており、誤った人工知能のイメージや恐怖も広がっている。
多くの社員は自身の業務がAIに代替されることを恐れてる(この傾向は日本よりアメリカでより顕著)
AIの正確な説明と社員の懸念を解決する説明を行うことで、AI活用に対する内部の抵抗を軽減できる

AI Transformation Playbook 最後に

AI活用のための企業変革に、「インターネットが引き起こした変化を理解すること」が役立ちます。

私たちはインターネット時代において、

Shopping Mall + Website ≠ internet company

という関係を学びました。

ショッピングモールがウェブサイトを作り、商品を販売しても、それはインターネット時代におけるショッピングサイトの形ではなかったです。

(※真のインターネット時代のショッピングサイトはAmazonなどをイメージすると良いです)

「インターネットの本当の力をうまく活用できるように組織編成した企業」こそが、真のインターネット時代の企業でした。

例えば、真のインターネット企業は、サイト上でA/Bテストを活用し、数百のパターンを同時に実験します。

またインターネット企業は毎週新製品を出荷することができるため、四半期に一度だけその製品を更新するショッピングモールよりもはるかに速く学習することができます。

そしてインターネット企業は、プロダクトマネジャーやソフトウェアエンジニアなど特有のジョブディスクリプションを持ちます。そして特有の業務プロセスに従ってこれらの社員が働きます。

AI、とくにディープラーニングの活用も、「企業のインターネット時代への真の対応」と同じです。

Any typical company + Deep Learning technology ≠ AI company

という関係があります。

AIを活用し、業界のリーディングカンパニーになるためには、AIの本当の力をうまく活用できるように会社を組織編成する必要があります。

AIを活用し、業界のリーディングカンパニーになるためには、

・複数のAIプロジェクトを実行できるリソース
・AIの一般的な理解と、適切なAIプロジェクトを特定・選択・実行させるプロセス
・AI活用が拡大する将来を見据えて、成功に向けて練られた経営戦略

を有する必要があります。

会社を偉大なAI企業に変えることは非常に挑戦的ですが、良いパートナーの支援を得れば実現可能です。

Landing AIの私のチームは、パートナー企業のAI変革の支援にコミットし、ベストプラクティスの共有を続けます。

AI変革には2~3年かかります。しかし、6~12ヶ月以内に最初の具体的な結果に期待してください。

AI変革に投資することで、競合他社の先を行き、AIを活用して自社を大きく成長させることができます。

I welcome your feedback on this article at transformation@landing.ai.

Andrew Ng
Chairman and CEO, Landing AI

最後に

以上、アンドリュー・ウ(Andrew Ng)先生が書かれた、企業がAIを活用できるようになるまでの「段階的な企業変革のPlaybook(脚本)」である

「AI Transformation Playbook」How to lead your company into the AI era

を、日本語で私なりにまとめ、補足を追加しました。

勘違いしている部分がありましたら、コメント欄や修正リクエストなどでご教授いただければ幸いです。

以上、ご一読いただきありがとうございました。

画像引用[1] https://landing.ai/ai-transformation-playbook/
画像引用[2] https://en.wikipedia.org/wiki/Andrew_Ng
画像引用[3] https://landing.ai/ai-transformation-playbook/

sugulu
(株)電通国際情報サービス、AI トランスフォーメーションセンター、AIテクノロジー部に所属。小川雄太郎。主著「つくりながら学ぶ! PyTorchによる発展ディープラーニング」。 機械学習、ディープラーニング関連技術を活用したアジャイルなサービス構築、人材教育に興味があります。
https://github.com/YutaroOgawa/about_me
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした