AI導入の失敗あるある、「PoC死」の罠とは。
コメント
注目のコメント
インタビュー頂きましたアイデミー代表の石川 聡彦（いしかわ あきひこ）です。イニシャルがAIです。
2020年はAIの実運用が進んでくる段階になると考えています。今後は、実運用のためのインフラ寄りのスキルセットを持つ「機械学習エンジニア」が足りないという議論や、プランニングに強みを持つよつな「機械学習プランナー」が足りない、という議論のように「AI人材不足」というテーマの解像度が上がり、細分化されていきます。
その上で、「機械学習プランナー」の人材不足が最も深刻です。「AI案件がPoCで止まりで実案件に行かない」という問題の原因仮説は、「PoCが上手くいっていないから」ではなく、「PoCの成功の定義が明確でない状態でスタートし、成功の可否が判断できないから」でたり、AIの案件ではこうした期待値調整なしに成功は難しいと読んでいます。（多くのAIベンチャーがコンサルティングファーム出身者を積極採用している背景にはこうした事情があります。）
AIdemyでは「企業の内製化支援」というコンセプトでこのメソッドをフレームワーク化しており、AIベンチャーの「受託開発」ではないビジネスモデルでお客様にサービスを提案しています。ご興味ある方は是非HPもご覧くださいませ！
Aidemy Business
https://business.aidemy.net/↓その通りだと思います。
> 「例えばよくあるのが「とりあえず作ってみよう。PoCの精度は高ければ高いほどいいね！」とゴールが曖昧なままスタートすることがあります。これでは、機械学習エンジニアとプランナー、マネージャーとで認識が違った状態でプロジェクトが進んでしまいます。そしてPoCを作った後に、こうした認識の違いが明らかになり、炎上に近い「PoC死」を招くのです。
具体的には、「最低でも不良品の検知率を99％以上にしたい。現状の人間の検知精度が99％なので、それを超えたら自動化でき、人件費として120人分（≒1.2億円）/月 ほどのインパクトがある」とか、「現状の検知精度を超えなくても、不良品の検知率が90％を超え、不良品と判断された製品のなかで、本当は正常である割合が50％を下回るのであれば、Wチェック用途として機械学習モデルが有用になり、お客様への付加価値向上として500万円/月ほどのインパクトがある」とか、求める性能を明確に定義することで、PoC死を回避できる可能性がぐっと上がります。」一人歩きしがちなAIの定義がわかりやすく解かれていました。
またよくあるAI時代、人工知能が人の仕事を奪うという話ではなく、
自社の事業に関する専門知識とAIの技術に関する知識、
両者を有する人材がAIを駆使して企業課題を解決する、
要するにこれから稼ぐ人材、育成すべき人材ということ。
テクノベートがビジネススクールの科目になる時代。
マーケティングや経営企画畑どとんがりたい人にとってもAIの技術を学ぶことがアドバンテージ、ユニークネスになる。
