ロカラボは日本のモノづくりを全力で応援する会社です

メイドインジャパンを盛り上げる!

・AI/IoT/RPAの導入支援
・地に足のついたムダのない適切な技術活用
・大手にはできない柔軟性と親身な対応

御社の価値を最大限に引き出し一緒に成果を出していく一歩を踏み出しませんか?

詳細はこちら

AI導入プロジェクトのありがちな失敗3選と失敗しないためのポイント

AI・機械学習・ディープラーニング

こんにちは、荒井(@yutakarai)です。

ありがたいことに、弊社が携わらせていただくAI導入プロジェクトの実績が増えてきました。

今回は、その中で気づいた「AI導入プロジェクトのありがちな失敗3選と失敗しないためのポイント」を紹介します。

AI導入プロジェクトのありがちな失敗3選

まずは、AI導入プロジェクトでありがちな失敗例を3つ紹介します。

お金と時間ばかりかかって結果が伴わない

よくある失敗のケースです。

要件定義や設計もそこそこにプロジェクトを始めてしまったばかりに、陥る失敗です。

まず認識しておくべきことは「AI導入は時間がかかる」ということです。

また、こうやって作れば期待したとおりの動きをしてくれるというわけではありません。

実際の開発に入る前に
やりたいことの定義、ゴールの設定をしっかり決めておくべきです。

そうしなければ、なんとなくでプロジェクトが進んでしまい、いつまでもお金と時間が出ていくだけです。

システムはできたけど使いものにならない

これもよくある失敗例です。

やっとシステムが完成したけど、全然使いものにならない。
これなら従来のシステムのほうがよっぽどマシだ。

というケースです。

これも1点目の失敗例と同じく
やりたいことの定義とゴールの設定の甘さがそもそもの原因です。

最初は盛り上がっていたけど、尻つぼみで結果的にプロジェクトが頓挫

AI導入にかかわらず、業務にシステムを導入する場合は、様々な人の協力が必要です。

・該当する業務の担当者
・部門長
・経営層

など、たくさんの人の協力がある上でプロジェクトが成功に向かって進みます。

ひとりでも非協力的な人がいると
途端にプロジェクトが停滞してしまいます。

ことAIシステムの導入に関して言えば
「いま流行りのAI」ということで最初は盛り上がっていたのに
プロジェクトを進めるうちに、飽きてしまうのか尻つぼみになってしまいがちです。

使えるシステムを導入することも大事ですが
それを使う人々のモチベーションの維持もプロジェクトの成功には不可欠です。

失敗の原因はAIに対する期待

失敗例を3つ挙げてみましたが、原因は1つに集約されると考えています。

それは、
AIに対する期待と誤解
です。

あなたの会社がAIビジネスを始めるためにするべき5つのステップ
こんにちは、荒井(@yutakarai)です。AI(機械学習)をビジネスに活用する方法を探していますか?AIが話題になる昨今では、多くの企業が、AIや機械学習が未来の重要な方法であることを知っています。主な活用領域だと、例えば以下の...

上の記事でも書きましたが、AI技術をビジネスに活用する意義がはっきりしていても、「AIに対する過度な期待と誤解」によって実際のAI活用までに至らないケースが多いです。

特に、AIの導入自体が目的になってしまうというのが一番よくありません。

導入する目的を持ち続けることが大切です。

失敗しないためのポイント

最後に失敗しないためのポイントを2つ紹介します。

データの整備をしっかり行う

データの整備が非常に大切です。

中には、過去のデータは全て紙で保存されていたり
スキャンしたPDFドキュメントしかないというケースも多いです。

その場合は、ドキュメントをOCRで読み込んで、名寄せや突合などのデータ調整が必要です。

・どういったデータが使えるのか
・どういった前処理が必要か
・データの質はどうなのか

一番手間や時間もかかる工程ですが
このデータの整備をしっかりすることでAIシステム自体の質を決めます。

データ活用は目的ではなく手段
こんにちは、荒井(@yutakarai)です。「我が社もビッグデータを活用するんだ!」といわれてもなにをどうすれば良いかわかりません。データを活用して何がしたいかが明確になっていないからです。まずは課題や目標を明確にすること...

AI活用が適切か都度判断する

プロジェクトの進めかたは大まかに以下の流れになります。

1.要件定義
2.データ整備・検証(PoC)
3.システム構築
4.運用

順々に進めていくのですが
上記2の検証のところで、現状どのくらいの精度が出るか、小さなプロトタイプのAIシステムを作って検証します。

基本的に運用をしていくなかで
AIが学習し精度は上がっていくのですが
この検証の段階で、許容できる精度かどうかを判断するわけです。

問題なさそうであれば、システム構築に入るという流れです。

ただ、データの内容や要件によっては
精度が出ない場合があります。

そのときは、場合によってはプロジェクトの方向性を変えるという英断も必要になります。

まとめ

大事なのは、流行りに流されない適切なテクノロジーの活用です。

せっかくお金と労力をかけるのですから、ムダのない適切な活用をすることが大切です。

本当にAIはビジネスを進化させるのか?
こんにちは、荒井(@yutakarai)です。最近、アマゾンがAI採用システムの利用をやめたことがニュースになりました。このニュースは、技術の本当の姿を伝えてくれていると感じました。IT技術は負を加速させることもあるA...