Skip to main content
← ライブラリに戻る手法

人工知能 (AI)

人工知能(AI)とは、パターン認識、言語理解、意思決定など、通常人間の知能を必要とするタスクを実行するコンピュータシステムを指す。

人工知能とは、パターン認識、言語理解、予測、意思決定支援など、通常人間の思考を必要とするタスクを解決できるシステムを構築することに焦点を当てたコンピュータサイエンスの一分野である。現在使われているほとんどのAIシステムは機械学習に依存している。明示的にルールをプログラムされるのではなく、大量のデータで訓練され、そこから統計的なパターンを学習する。よく知られた例が大規模言語モデルであり、膨大な量のテキストから学習したパターンに基づいて、次に来る可能性が最も高い単語を繰り返し予測することでテキストを生成する。有用な区別として、特定の一つのタスク向けに構築された狭いAIと、あらゆる領域で人間レベルの思考に匹敵する汎用AI(まだ存在しない)がある。

ビジネスの現場では、AIは広範な一般的問題解決よりも、狭く定義されたタスクに使われることが多い。よくある例としては、書類の自動分類、写真の中の欠陥検出、機械データを分析して故障を予測すること(予知保全)、あるいはカスタマーサービス用のチャットボットの運用が挙げられる。AIモデルは在庫管理や生産スケジューリングなど、計画や予測業務も支援する。RPA(ロボティック・プロセス・オートメーション)と組み合わせると、AIが判断ロジックを提供し、RPAが業務システム内での実際のステップを実行することが多い。

AIシステムは、それが訓練されたデータと同じ品質しか持たず、真の理解ではなく確率に基づいて意思決定を行う。これは、自信を持って聞こえながらも間違っている、あるいは作り話の回答を生成しうることを意味し、この問題はハルシネーションとして知られる。そのため、特に結果が法的、財務的、あるいは安全上の影響を伴う重要な意思決定については、人間による監督が依然として不可欠である。AIを導入する企業は、小さく始め、結果を抜き打ちで確認し、ミスが早期に発見され被害が小さい場面からまず適用するのが賢明な場合が多い。

実践例

従業員18名の職人企業が、入荷検品において損傷部品を検出するためにAIによる画像認識を活用している。以前は、一人の従業員が1日約200点の入荷部品を手作業で検査し、およそ3〜4パーセントの欠陥を見逃していた。AIチェックを導入した後、見逃し率は1パーセント未満に下がり、その従業員は1日あたり約45分の余力を得て、それを苦情対応やサプライヤーとの対話に充てるようになった。AIは従業員を置き換えるのではなく、検査の反復的な部分を引き受け、微妙なケースは引き続き人が判断する。

Leanshiftの活用方法

Leanshiftにとって人工知能はプロセスを改善するための道具であり、それ自体が目的ではない。プロセスの特定のステップを目に見えて改善し、時間を節約し、ミスを減らす場面で活用する価値がある。その判断基準は他のあらゆるKaizen施策と同じである。これによって焦点は、できるだけ多くのAIを使うことではなく、人々が自分自身のプロセスを理解し改善できるようにすることに保たれる。

よくある質問

AIとアルゴリズムは同じものか?

いいえ。すべてのアルゴリズムは固定された計算手順であるが、すべてのアルゴリズムがデータから学習するわけではない。AIシステムは、すべてのケースについて明示的にプログラムされるのではなく、例から自らパターンを導き出すアルゴリズムを使用する。

中小企業は自前のAIモデルを必要とするか?

通常は不要である。既製のAIツールやサービスは、文章生成、画像認識、予測といった典型的なタスクを既にカバーしている。独自モデルの訓練は、非常に特殊で繰り返し発生するユースケースに対してのみ価値がある。

AIの結果はどれくらい信頼できるのか?

タスクと訓練データに大きく依存する。画像認識のような狭く定義されたタスクではエラー率は低く測定しやすいことが多いが、文章生成のようなオープンエンドなタスクは常に抜き打ちで確認すべきである。