ARTICLE

デジタルトランスフォーメーション(DX)の実現にAIは不可欠

入門
2020-06-17

AIの開発により「予測」の仕方が変わってきている

改めて言うまでもなく、私たちが送る日常生活やビジネスには、「データ」が欠かせません。レントゲンの画像診断から企業の業績予測まで、あらゆる事象は「データを基に将来を予測」されているからです。

かつて、この予測は人間が考え、手計算や感覚で結論を導き出していました。次の時代にはデータをコンピューターに打ち込み、計算させることで予測スピードを上げていきました。

AとBという条件が重なった場合にはCという結果になった、などの過去実績データをコンピューターに入力しておき、同じ条件に当てはまるものがあった場合に、「おそらく今回も以前同様Cという結果になるだろう」ということを予測していたのです。

ほんの10年ほど前まではこのスタイルでしたが、AI(人工知能)が開発されたことにより、予測スピードと精度が以前とは比べ物にならないほど上がってきました。

デジタルトランスフォーメーション(DX)の実現にAIは不可欠

今はレントゲンの診断もAIが行う

例えば、これまで医療の現場ではレントゲンの画像診断を医師が目視で行っていました。たった1枚のレントゲン画像を見て「肺の部分に少し白い影が見えるから肺炎になりかけているかもしれない」などの所見を医師の経験値から導き出していたのです。

今はレントゲン、内視鏡、超音波画像診断装置などの医療機器をすべてITにつなぎ、画像データを統合処理することで、その予測精度を高められるようになりました。

さらに、画像認識技術を高め、「事実としてのデータ」と「事実としての結果」を数多くAIに深層学習(ディープラーニング)させることにより、「患者の年齢、性別、既往症、この右肺の横にある白い影とこの脈拍、心拍数が重なると、2週間以内にこのような症状が出てくる可能性が高いだろう」などの予測を、医師ではなくAIが導き出します。

これまでレントゲン画像による診断は経験値の低い研修医には任せられませんでしたが、AIが開発されたことにより、多くの経験を積んでいない研修医でも的確な予測や所見を出すことができるようになったのです。

デジタルトランスフォーメーション(DX)と聞くと身構えてしまう方も多いかもしれませんが、私たちの身近なところでも、AIを活用してDXを実現しているところが増えているのですね。

デジタルトランスフォーメーション(DX)の実現にAIは不可欠

デジタルトランスフォーメーション(DX)とAIは切り離せない

スマホの爆発的な普及やIoTの普及により、世界中のデータ量は爆発的に増えています。多くの企業がそのデータを活用してデジタルトランスフォーメーション(DX)に取り組もうとしていますが、今一つ具体的なイメージが沸かないという方も多いようです。

ここでAIを活用してデジタルトランスフォーメーション(DX)を実現している企業の事例を紹介しましょう。

あなたは配車サービスのUberを使ったことがありますか?Uberは、私たちのタクシーの使い方を激変させました。今までは街中でタクシーに乗りたいと思ったら、流しているタクシーを見つけ、空車ランプを確認し手を挙げて乗り込み、目的地に着いたら精算してタクシーを降りる、という流れでしたね。

急いでいるからタクシーに乗ったのに、渋滞にはまり時間が予想以上にかかったり、比例してお金も想定以上に多く支払う羽目になったり、と苦い経験をしたことのある方も多いでしょう。

Uberの場合は、スマホアプリに自分がいる場所と目的地を登録するだけでUberタクシーが自分のいる場所まで来てくれます。料金も事前確定料金に同意しておけば、アプリで自動決済され、現金で支払わなくて済むため、とてもスムーズです。
これまでに世界中で9,000万人以上が利用しているそうです。便利な世の中になりましたね。

と、ここまではユーザー側の視点でしたが、今度はUber運営側の視点で見てみましょう。Uberは、より良いサービスをお客様に提供するために「需要予測」「配車最適化」「ダイナミックプライシング」などにAIを活用し、日々改善を重ねています。

少し難しい話になりますが、需要予測は、BNN(Bayesian Neural Network:ベイジアンニューラルネットワーク)という不確実性推定と時系列予測を行えるフレームワークを採用しています。BNNの導入により、突発的な気候変動やイレギュラーなイベント開催などがあった場合でも、しっかりと需要予測ができるようになっています。

また、配車最適化については、ユーザーが配車をリクエストしてから到着までの待ち時間を全体で最適・最短になるように設定しています。

複数配車リクエストがあった際に、単純にユーザーに一番近い車を向かわせるのではなく、その他のリクエストが発生した場所と、現在配車可能な車両の位置を計算し、どこにどの車を向かわせるのが最も「全体として」ユーザーを待たせる分数が少なくて済むか、ということをAIが自動計算しているのです。

配車リクエストが同時に2台程度なら人間の感覚で判断できるかもしれませんが、同時に10台の配車リクエストが入った場合などは、AIで処理しなければ、決して対応できなさそうですね。

ダイナミックプライシングはご存知でしょうか?飛行機やホテルなどは、ハイシーズンは値段が高く、ローシーズンは安いですよね。

Uberは同様に需要予測をエリアや時刻ごとに勘案し、金額を変更しています。金曜日の20時以降の繁華街では乗車価格を高くするなど、利用料金の計算もAIが行い、リクエストが入った際に見込み客のアプリに「目的地〇〇までは料金が〇円」などの金額提示を瞬時に行っているのです。

いかがでしょうか?Uberのように私たちユーザーが「なんか便利でいいな~」と感じて使っているサービスの多くには、AIが活用されています。

デジタルトランスフォーメーション(DX)を実現したいと考えている方は、身近なところでAIを活用して良いサービスを提供している企業の事例を収集するところから始められても面白いかもしれませんね。

弊社では、AIを活用してデジタルトランスフォーメーション(DX)の実現をご支援する『Orizuru』というサービスをご提供しています。

自社サービスにAIを活用してみたいという場合は、ぜひこちらをご覧くださいね。

無料でお読みいただけるお役立ち資料

pagetop