先端ITサービス ‐AIを使用したサービスに焦点を当て- .pdf

116 Views

April 10, 22

スライド概要

AIを使用したITサービスとは何者なのか?・・将来のAI活用が恐れられたり、GAFA、Netflix等のAI活用の大成功がある一方で、一般企業のAI活用は期待したほどには進まなかったりと、AI活用には謎の部分がある。このような問題を、IoT,ビッグデータ、AIの循環モデルとプラットフォームモデルの組合わせをキーにして、より深く理解することを試みる。AIサービスが消費者にもたらす多様なAI体験の側面にも触れる。

profile-image

定年まで35年間あるIT企業に勤めていました。その後、大学教員を5年。定年になって、非常勤講師を少々と、ある標準化機関の顧問。そこも定年になって数年前にB-frontier研究所を立ち上げました。この名前で、IT関係の英語論文(経営学的視点のもの)をダウンロードし、その紹介と自分で考えた内容を取り交ぜて情報公開しています。幾つかの学会で学会発表なども。昔、ITバブル崩壊の直前、ダイヤモンド社からIT革命本「デジタル融合市場」を出版したこともあります。こんな経験が今に続く情報発信の原点です。

シェア

埋め込む »CMSなどでJSが使えない場合

関連スライド

各ページのテキスト
1.

先端 ITサービス -AIを使用したサービスに焦点を当て- B-frontier研究所 高橋 浩

2.

AIには期待と不安が交錯 • 「AIは人間のインテリジェンスを強化する 技術で、概して、AIは人間のパートナーで ある」・・元IBM CEO Ginni Rometty 2017 • 「完全なAIの開発は人類の終焉をもたら す可能性がある」・・Stephen Hawking 2014 • 「人間は、AIによってもたらされる脅威につ いて心配する必要がある」・・Bill Gates 2015 2

3.

AIとはいったい何者なのか? AI解釈の例:想定されるAIの3つの段階説 将来 近い未来 人工(超越:Super)知能 現在 人工(一般:General)知能 人工(狭義:Narrow)知能 ANI (弱い、人間レベ ル以下のAI) ✓ 特定の領域にのみ適用 ✓ 他の分野の問題を自律的 に解決できない。 ✓ 特定の領域で人間と同等 あるいはより優れている。 AGI (強い、人間レベ ルのAI) ✓ 幾つかの領域に適用可能 ✓ 他の分野の問題を自律的 に解決できる。 ✓ 幾つかの分野で人間と同 等あるいはより優れている。 ASI (意識的/自己認識、 人間レベル以上のAI) ✓ 任意の領域に適用 ✓ 他の分野の問題を瞬時に 解決できる。 ✓ すべての分野で人間よりも 優れている。 3

4.

外界との不断の接点を持つデータ主導の循環 ANI AGI ASI モノ ウェアラブルデバイス IoT スマートスピーカー リアル世界 ビッグデータ AI サイバー世界 グルグル廻ることが重要 Alexa スマホ 4

5.

Alexaでできることは徐々に拡大 ・会話編 ~ANI ニュースを聞く 天気予報・災害情報を聞く スポーツの結果を聞く 交通情報を聞く 映画の上映情報を聞く 会話や雑談をする ・生活お助け編 ~ANI/AGI ToDoリスト、ショッピングリストへ 追加する スケジュール管理をする アラームやタイマーをセットする 辞書をひく、知らないことを調べる 翻訳してもらう 買い物をする 周辺施設の検索 タクシーを呼ぶ 口座残高を聞く 英語の勉強をする ゴミ出しの日に通知をもらう ・メディア編 ~ANI 音楽を聴く ラジオを聞く Amazonプライム・ビデオをひらく YouTubeをひらく 本の読み上げ ・スマートホーム編 ~AGI スマートリモコンを経由して家電を操作する スマートプラグを経由して家電を操作する スイッチボットを経由して家電を操作する 部屋の温度確認と調節をする 家電を一斉、または自動で制御する 現在 • だいたいはANIレベル • 一部はAGIレベル • ASIレベルは未登場 今後 • どんどん増加 • (基本的に人間の構造と同じ) 5

6.

外界との接点を担うIoT利用シーンも着実に拡大 吸入器とスマホを接続。クラウド経由で 1 吸入器の使用時期を予測・伝達 遠隔からインターネットでスマホによるド 2 アロック。 ホテルでは、スマホからのロッ ク制御で、迅速なチェックイン スマホに小さなクレジットカードリーダー 3 をプラグインすることで、どこからでもビジ ネス実施 Amazon Dash Button ボタンを押すとあらかじめプログラムされ 4 た項目のWi-Fi注文を実行 スマホユーザー向けに位置情報や情報 5 提供を送信するセンサー。 センサーは店 のマネキンや棚の中に統合 ハンズフリーオーダーピッキングを可能 6 にする「ピックバイビジョン」 置き忘れて残しておくとコネクテッド傘か 7 らアラートが送信。 6

7.

AIの典型機能は自動化、分析、予測 世界最大手の農機メーカー • Café X:ロボットパリスタが1時間あ たり最大120杯のコーヒーを提供 • • • 雑草など作物の育成を阻害する対象物が存 在する場所にのみ除草剤をピンポイント散布 除草剤の使用量を90パーセント減らした。 種子、肥料などの使用量も減らした。 Stitch Fix:AI予測とスタイリスト(人間)の組合せ • 登録者のニーズ情報を元にAIで予測。スタイリストの知見も加えておまかせ配送 7

8.

消費者に選ばれるサービスが無ければならない! • データは消費者がサービスを利用する際に発生 • そのデータを収集・一目瞭然化する手段がIoT • ビジネスモデルと関係付けるには大きな視野が必要 消費者 サービスを消費する 経験を改善する AI サービス データ マネタイズはデー タ分析から データを生産する ビッグデータ IoT サービス提供だ けでは不十分 グルグル廻ることが重要 Pr. Annabelle Gawer’s slideshare 8

9.

デジタル化による根本的変化 • 今日、データは推定80%が非構造化デー タ*と言われ、構造化データに比して15倍 の速さで成長している。 *: 画像、動画、音声、センサーログ、デザ インデータ、テキスト、オフィス文書など、 各種 • AIは膨大な非構造化データを処理し、最終的 に知識に変換できる。 • 従って、企業のAI導入は必然的である。 9

10.

AIの歴史において最も重要なアプリ ケーションは意思決定(支援) • 人間が関与する意思決定で、AIアルゴリズム に依存する場面は急激に増えている。 – 医学(手術の実施/割当て) – 心理カウンセリング(治療的会話エージェント) – ヒューマンリソース管理(採用決定) – 銀行(信用リスク予測) – 科学(さまざまな専門家として) – 交通(自動運転車) – 行政(移民決定) – 法律カウンセリング(保釈決定) – など 10

11.

AIシステム/サービスの事例から考える 非構造化データ活用はどんなことまで可能にするか? • Amazon が映 • Netflix が映画 制作に参入。既 画制作に参入。 存の映画スタジ 既存の映画スタ オと競合 ジオと競合 「Amazon Prime Video」 Netflixオリジナルシリーズ Amazonプライム会員なら対象作品が見放題

12.

Netflix発展の歴史 • 元々はビデオレンタル屋で、DVDの出荷管理で 構成されていた。 – この段階では顧客の視聴行動を監視することはでき なかった。 • 2007年、ストリーミングサービスを開始した。 – この結果、視聴行動を監視できるようになった。 – ここからAIモデルに転換した。 • コンテンツ予測は2013年頃から始めた。 • この頃から既に「Netflixは3,300万の異なるバー ションがある」と言われていた。 – 3,300万人毎に予測

13.

NetflixでのAI処理 ① 類似と思われる顧客の行動(選んだ映画など) からラベル付きデータセットを作成する。⇒それ から効果的な推奨事項の作成と提示を行う。 • 「教師あり学習」の利用 • 従来の人間による設計・開発に類似の機能を実現 するが、よりユーザー中心になる。 ② 特定のデータを前提とせず、関連する顧客グ ループを発見したり、様々なユーザーインタ フェースを作成する。 • 「教師なし学習」の利用 • 非常に大量のデータを永続的に処理するので先入 観や仮定なしの洞察を発見しうる。

14.

NetflixでのAI処理(続) ① ③ 更に、提示する映画の選択を洗練させ、 ユーザーと推奨事項の最適化を図る。⇒特 定ユーザーに向けて改善されたビジュアルで多 数の推奨事項を提示する。 • 「強化学習」の利用 • 非常に大量のデータを永続的に処理していくこ とで、複雑な人間の好みを最も深く学習し、ユー ザーの視聴を長期に渡って最適化する。

15.

最近のNeflixのサービス例 • 既に新規映画製作などの製作事業に参入 している(2013年頃から)。 • そして、既存映画スタジオと競合して久しい。 • Netflixオリ ジナル作品 がアカデミー 賞を受賞し ている。 Netflixのレコメンデーション システム パワーオブザドッグ Netflixオリジナル映画と しては過去最高の21個の 作品賞を受賞

16.

AirbnbでのAI処理 前提:従来のホスピタリティビジネス • ホスピタリティビジネスは、文化、年齢、背景、 旅行目的など、多様性によって特徴付けられ る。 – 本質的に非常に複雑! • 従来モデルは、 – 不動産(ホテルとそのスペース、部屋など) – 労働集約的なプロセス(雇用、教育、調整、など) への多額の投資に依存してきた。 • 資産の大きい企業は何らかの標準化を行い、 一定期間サービスは静的なままになっていた。

17.

ホスピタリティビジネスに対するAirbnbの取組み • 運用管理の責任をホストに委託することで多様 性と規模拡大の既存のボトルネックを克服した。 – 最先端のソリューション: • デザインオプションの圧倒的な幅の広さ 現在は400万ホスト • 2017年段階で190ヶ国、8万都市で300万ホスト(大手ホテル の3倍以上)。300万の部屋のデザインは全て異なる。 • 膨大な選択肢からの最適選択にAIを導入する。 • ゲストが見ているものに対する洞察の支援 • ホストに効率的ソリューションを提供してもらうための問題 解決の支援(例:価格設定案の提示) • AIがプラットフォームの両側(ホスト、ゲスト)に それぞれ独立して問題解決ループを実行すること で、様々な要件のバランスの確保に成功した。

18.

AIを活用したAirbnbのサービス サービス 消費者 ゲストがAirbnbサイトへアクセス 例:物件情報、人出の動き、季節 変動要因、地域特性、流行、など データ キートとなる情 報のDB 市場洞察サーバー ・洞察を生み出す ・注意深く調べる ビッグデータ AI IoT 各種情報媒体 からのデータ 各種センサーか らのデータ 対ホスト向け 価格設定 支援サービス 対ゲスト向け サイト検索支 援サービス https://medium.com/airbnb-engineering/helping-guests-make-informed-decisions-with-market-insights-8b09dc904353より引用

19.

AIサービスを消費者の立場から考える AIサービス利用で消費者はどんな体験をするか? 消費者を取り巻く環境にはAIベースのサービスが溢れている。 ⚫ウェアラブルデバイスによる健康状態の監視 ⚫リコメンデーションシステム(Amazon, Netflixな ど)によるアドバイス情報の提供 ⚫スマート家電(スマートスピーカー他)用品に よる安心の提供 ⚫音声起動の仮想アシスタント(Alexaなど)によ る利便性の提供 19

20.

消費者の4つのAI体験 ⚫ 体験1:AIに個々のデータを提供する。 AIの能力 ・データの収集と保存 各種データ収集デバイス データ提供 /取得 消費者、パート ナーとの通信 AIの能力 ・相互作用(通信) ソーシャル AIの能力 ・予測(統計と計算の手法) 消費者 各種アルゴリズム 分類 ⚫ 体験2:AIのパーソナライズ された予測を受け取る。 ⚫ 体験4:AIパートナーとのインタラ クティブなコミュニケーションを行う。 委託 AIの能力 ・生成(結果の出力) 各種応答結果の生成 ⚫ 体験3:AIが消費者に代わって幾つかのタスクを実行する。 20

21.

消費者のAI体験における3つのC 4つのAI体験に対応して Confidence 信頼 Change 変化 Control 制御 消費者は、AIシステムの 能力や推奨事項に対して 信頼を持って取り組める か? 競合社に比して、より優 れたハードウェアやデータ を使用して、永続的にパ フォーマンスを向上させて 行けるか? 国や第三者機関は、管理 者、従業員、機械、消費 者、競合他社のエコシス テムを巧みに管理して行 けるか? ⚫ データ提供:役立つ反 ① 面、悪用される危険性も ⚫ 分類:理解される反面、 ② 誤解される危険性も ⚫ 委託:力を得る反面、 ③ 置換される可能性も ⚫ ソーシャル:連携できる反 ④ 面、疎外される可能性も ⇒ 次頁以降に4つのAI体験について記述 21

22.

① AIへのデータ提供/取得体験 事例 ✓ 顔認証技術を搭載したAIが店舗の買物客を閲覧 ✓ iRobot ルンバが住宅空間の地図を作製 ➢ Googleフォトをインストール ✓ 完全に受け身 ➢ メリットとのトレードオフ ◆ システムに組込まれるのを合意 ➢ Facebookをインストール ◆ヘルスケア(スマホ、ウェアラブルデバイス、環境 センサー、ヘルスケアサービスのセット) 課題 • 消費者はデータ提供の手続きが煩わしくなる。 • 時間の経過やコンテンツの流れを充分認識できない。 • 透明性や説明責任が欠けることがある。 22

23.

悪用される消費者 悪用(監視社会) • ジョージ・オーウェル 1984年 – 個人データの所有権の欠如 – 人間の行動の監視 – 自分の運命を制御できない抑制のシステム 経済的資産 一方で、膨大な経済的資産も生む。 VS • Facebookのビジネス – “いいね!”の分析から推測される性格特性に基づ いてターゲット広告に有効な情報を抽出 – カスタマイズされた広告販売で莫大な収益を獲得 23

24.

② AIによるデータ分類の体験 • 企業はAIの予測機能を利用して極度にカスタ マイズした製品/サービスを開発し、顧客満足 度を最大化 – Netflixは個人の過去の視聴履歴、他視聴者の履 歴だけでなく、曜日、時刻、デバイス、場所などま で考慮してお薦め映画情報を提供 • 消費者はアルゴリズムの仕組みに気づいて いないことが多い。 • しかし、消費者が「自分は特定グループに不 正確に割り当てられた」と感じると誤解が発 生する危険がある。 24

25.

誤解される消費者 • 理解された感覚と誤解された感覚間の根底 には緊張感がある。 – AIによって暗示される自らのアイデンティティが不 正確と感じた場合には特に – 例:「私は何年も前にロックを聴くのを止めたのに、 それでもロックを推奨する事項が今でも送られてく る。」 • このような誤解を変えられないとの認識も不 満を増大させる。 25

26.

事例 ③ AIへの委託の体験 • Googleアシストが消費者に代わって美容師に電 話をかけて美容院の予約を取る。 • GmailのSmart Composeを使用して、消費者 がメールを書くのを代替あるいは支援してもらう。 • NestのThermostatが消費者の温度設定を学 習し、室内の温度を調節する。 課題 • 選択肢が多すぎると満足度は低下する。 • 消費者に力を与える反面、人間が置換される側面も ある。 • 両者間には緊張が発生する。 26

27.

置換される消費者 • 「人間の限界を超える技術が最終的に全能 の超人になり新しい標準の発生を暗示すると いう見方」(例は下記)を刺激する。 – ルンバの掃除機 • 人間よりも効率的に仕事ができる。 – 23andMeの約束 「DNAのスクリーニングを全ての人に提供」 • 特定の危険遺伝子の保有が明らかになれば長期的に 将来に向けて準備できる。 • AI体験が人間の生産面からの事実上の排除 や失業に繋がる懸念が発生する。 27

28.

④ ソーシャルの体験 事例 • AIにより消費者が自然に企業と情報交換する 場面が増えている(裏側にある自動チャット ボットなどの使用によって)。 • AppleのSiriなどを使用して多様な話題につい てインタラクティブに相互コミュニケーションが 行えるようになる。 課題 • しかし、消費者がコミュニケーションの相手がAI だと気付いた際、一気に違和感を持つ場面も存 在している。 • 消費者からの否定的反応があった場合、失望は 非常に早く広がる傾向がある。 28

29.

疎外される消費者 • 人間化されたAI(~AGI)に対する文化的好 みは擬人化されたチャットボットや音声アシス タントなどによって増幅される。 • その結果次のような2面的影響が登場し得る。 – より人間的タッチを追求することで義務的、従順 的、熱心なモデルへの指向が一方向 – その一方、社会の特定グループの社会的疎外を 拡大させる側面も登場しうる。 29

30.

実際の実現方法から考える AIサービスはどんな仕組みで提供されるか? • AIは製品やサービスの設計の自動化に及ぶ。 • AIによる設計の自動化は直接的な問題解決 を導く。⇒ソリューションを提示 • 結果、従来のデザイナーやエンジニアの役割 は変わる。 • 彼等は設計をAIに委託するので、単にそれら を実施しないだけでなく、新たな役割は問題 解決ループを設計することに移る。

31.

AIによる新設計方式 問題解決ループ 消費者 設計者 設計 問題解決 ソリューション提供 使用 センサー AI AI グルグル廻ることが重要 IoT データ ビッグデータ • 問題解決ループは永続的に展開される。 • ソリューションは最新のものが提供され続ける。

32.

如何に指数関数的成長を取り込めるかが勝負 「複利の成長めざすソニー」(日経,2022.2.24)より データ量が増大。 問題解決ループ の回転が加速化 参加者が指数関 数的に増大。 指数関数的成長 Y = a (1 + r) 売上高 元本 t 利率 年 =0.28 年単位で回転 32

33.

プラットフォームの仕組み • 指数関数的な増殖の仕組みが組み込ま れているのがプラットフォームの特徴 t: 改善率が低くても回 転数が多ければ良い Y = a (1 + r) Y:成長 A:元の 水準 t グルグル廻ることが重要 r:一回当た りの改善率 33 AI分野で著名な東大・松尾教授の講演内容を参考にした

34.

APIは問題解決ループを回転させるイ ンタフェースの代表例 代表的APIを持ったアピリの例 • • • • • • • • • Twitter Google Facebook Netflix AccuWeather eBay Sabre WordPress など APIは多様なアプリから利用される入口 • 1日に10億回を超 えるAPI呼び出しが あるものもある。

35.

APIを利用する様々な方法 • 代表例: – 様々なビジネスモデル(購読、ライセンス、 無料、または従量課金など)を通じた既存 デジタル情報へのアクセスで – 既存APIを統合する「マッシュアップ」作成で – など 特定サービスのアナウンス 地図案内付きサービス のアナウンス Google Map など Google Map API • API利用の視点の重視 • アフォーダンス概念との融合

36.

アフォーダンスとは? • アプリ(人間)はその品質/機能では なく、特定の用途の文脈での 価値生成のために物理的オブ ジェクトと対話する。 • 「私たちが物を見る時、私たちが知覚 するのは、その品質/機能では無く、そ のアフォーダンス」である。 • アフォーダンスは個人レベルだけで なく、組織レベルでも可能 James Gibson 知覚心理学研究の 一環として、人間の 知覚世界を探る目 的で「アフォーダン ス」の概念を導入

37.

デジタルプラットフォームとは デジタルプラットフォームは、 • 内部イノベーションに依存するだけでなく、 • 自律的に各種アプリのエコシステムを統合・調 整して価値を共創する場を提供する。 これを実現するために、 • デジタルプラットフォームは補完者のエコシス テムが付加価値を作成するために使用でき る境界資源をアフォーダンスを通じて提供する。 API

38.

プラットフォームの概念図 デジタルプラットフォーム デジタル化 ・デジタルデー タ収集/格納の 容易化 ・多くのシステ ム/デバイスで 利用可能に エコシステム デジタル補完品(各種アプリ)など API プラットフォーム化 デジタルインフラストラクチャ (インターネット、スマホ、GPS,IoT他) 場所の依存性 の除去 ・新しいビジネ スモデル登場 ・まったく新し い市場へ ・潜在市場の 拡大 デジタルプラットフォーム アーキテクチャ • デジタル化は場所への依存性を取り除く。 • 場所に依存しないことが物理経済を凌駕する巨大デジ タル経済圏を生み出す。 38

39.

AIサービスをビジネスモデルの立場から考える AIサービスはどんな風に開発されるか? • AIは、エンジニアやデザイナーの思考をコ ピーして自動化している訳ではない。 – AIアルゴリズムは人間のようには機能しない。 • それらは異なる方法で機能する。 • 大量のデータに基づき何百万回も“反復”す ることで人間の能力を超えた複雑な予測を 提示する。

40.

「AIによる新設計方式」での2つのプロセス 新方式ではサービスの青写真は存在しない。 従来同様の人間中心の設計 フェーズ AIによる反復的設計フェーズ ・ アルゴリズムによって特定ユーザー 向けの特定ソリューションを開発 • ソリューション空間の考察 • 問題解決ループの設計 ・ ユーザーの要求に対応して実時間 で個別ユーザー毎に活性化 ・ 毎回、利用可能な最新のデータと 学習結果を活用して実施

41.

プラットフォームビジネスは多様 ソーシャルメディア プラットフォーム (例:Facebook, コミュニケーションプ ラットフォーム (例:WhatApp, Skype,WeChat,LINE) サーチ プラットフォーム (例:Google, Bing, Yahoo and Safari) シェアリングエコノミー プラットフォーム LinkedIn and Twitter) マッチング プラットフォーム (例:TaskRabbit, Tinder, e-Harmony) プラットフォーム ビジネスモデル の種類 コンテンツとレビュー プラットフォーム(例: Netflix, YouTube, TripAdvisor ,Yelp) 容量に制約のある資産,リソースの共 有(車、自転車、宿) ・ピアツーピア共有(例:Airbnb,Uber) ・プラットフォーマー提供の共有 資産(例:ZipCar, WeWork) 容量に制約のない共有リソース(ファイ ル、音楽、情報の共有; 主にピアツー ピア)(例:Appstores,gaming consoles) 開発 プラットフォーム ブッキング プラットフォーム (例:Appstores and (例:Booking.com, gaming consoles) Expedia, Pagoda) 小売り プラットフォーム ペイメント プラットフォーム (例:Amazon,楽天,メ (例:PayPal, Alipay and ルカリ,Etsy,Ebay, Craiglist) Visa) クラウドソーシング クラウドファンディング プラットフォーム (例:InnoCentive and Kickstarter)

42.

AI活用は時系列的にも変化する AIの3つの段階との関係では 想定されるAIの3つの段階説とも相関 感覚AI 思考AI 機械的AI 規模と効率 パターン認識⇒カスタマイズ 関係性⇒顧客満足

43.

AIの歴史において最も重要なアプリケーションである・・・ 意思決定における人間とAIの組合せの可能性 人間の意思決定 AIベースの意思決定 (1). 完全な人間から AIへの委任 結 論 (2). ハイブリッドな順 次意思決定 AIから人間へ 人間からAIへ (3). 集約された人間と AIの意思決定 結 論 人間の意思決定への入力 としての初期分析 結 論 AIによる意思決定への 入力としての初期分析 集約 結 論 43

44.

(1) 完全な人間からAIへの委任 • AIベースの探索空間が広く具体的に制限され ている時に特に有効 • 多くのユーザー行動の集約パターンは時間経過ととも に急激には変化しないので、ユーザーの好みを大規 模かつ高精度で予測するのに向いている。 ➢リコメンデーションシステム (Amazon,Youtube,Netflix) ➢ダイナミックプライシング(航空会社、ホテルの価格 設定、広告オークション、高頻度取引、など) AI活用が”旬“の世界 但しこの領域は現在かなり限定されている。 44

45.

(2) ハイブリッドな順次意思決定 AIから人間へ 人間の意思決定への入力としてのAIアルゴリズムによる決定 • 第1フェーズ(AIベースの意思決定) – AIは最初の選択肢のフィルターの役目を果たす。 • 第2フェーズ(人間の意思決定) – 人間は多数の選択肢を含む状況を(第1フェーズ を設けることで)効果的に処理できる。 45

46.

人間からAIへ AIアルゴリズムによる意思決定への入力としての人間の意思決定 • 第1フェーズ(人間の意思決定) – 人間は最初の多数の選択肢から比較的小さい セットを選択する。 – 人間が優先代替案に高い信頼を寄せるシナリオ では効果的である。 • 第2フェーズ(AIベースの意思決定) – 小さなセットを効果的かつ長期に渡って大量の データを処理して評価するのにAIを利用する。 – 人間が少数の選択肢から最良の選択をするのに 確信が持てない場合に有効である。 46

47.

米国プロ野球オークランドアスレ ティックスのジェネラルマネジャー ビリー・ビーン氏 ビリー・ビーン氏は勝率を上げるため「得点期待値(三死までに獲得が見込まれる 得点数の平均)」を設定し、それを向上させられる選手を「良い選手」とした。 その結果、2001年、2002年と連続でシーズン100勝を達成。2002年には年俸 総額1位のニューヨーク・ヤンキースの1/3の年俸総額で全30球団中最高勝率・最 多勝利数を記録した。 「状況(運)」によって変動する数値を判断基準から排除し、本人の能力のみが反 映される数値だけに絞り込んで評価したことが最大の特徴。 47

48.

(3) 集約された人間とAIの意思決定 • 人間、AIそれぞれの強みに基づいて意思決 定する。 • 各々の意思決定が出た後に、多数決、(加 重)平均などの集約ルールを使用して集合的 に決定する。 • AIベースの意思決定者は意思決定グループ の「メンバー」と見做される。 48

49.

AI時代の人間の新たな取組み 1. AIはイノベーションの中核である「意思決定」 や「学習」をも自動化する可能性がある。 2. AIは人間中心設計で一般的であった制約条 件(規模、範囲、学習)を大幅に取り除く。 3. この可能性を具現化するには、組織を根本 的に再構築することも必要になる。 4. AIを活用した組織での人間の役割は、「完全 なソリューションを開発することから、どのイノ ベーションが意味があるかなどを理解し、”問 題解決ループを設計“する」ことに移る。

50.

このような変化は新たな可能性を登場させる AIを利用したサービス創造のメカニズムとは? AIの特性 ビジネスモデルの特性 ・機械的タスクは自動化へ ・分析的対応も出来るだけ高度化 ・感性的サポートも可能な所は活用 ・サービスの満足度は向上 ・但し、一方でリスクも存在 ・リスクを回避しメリットを享受するバ ランス確保に注力 ・ソリューション空間をつぶさに観察 ・サービスをトータルに発想 ・問題解決ループを設計 ・サービス設計をAIに委託 ・問題解決ループを永続的に展開へ ・次の問題解決ループを構想 プラットフォーム ・指数関数的増殖を生み出すプラットフォームを組込む インフラストラクチャー IoT ビッグデータ AI 50

51.

プラットフォーム構築の選ばれた人になるために • • 製品/サービスはプラットフォーム なしでは役に立たない。 より正確かつ厳密には、プラット フォームのない製品/サービスは常 に同等のプラットフォーム化された 製品/サービスに置き換えられる。 Amazon創業者 ジェフ・ベゾス 【Eat your own dog food】 ユーザーに提供するサービスは、提供者である自分自身で使ってからリリースせよ 1.すべてのチームはデータを公開しなさい。 2.チームはインターフェースを介して通信する必要がある。 3....他の形式のプロセス間通信は許可されない。 4.インターフェースは、例外なく、外部化可能でなければならない。 5.これを行わない人は解雇される。 Francisco J. Jariego’s slideshare 51

52.

AIベースの新たな世界 • 消費者のサービス体験から生成されるデータを 起因に価値創造を循環させられる仕組みの可能 性は大きい。(デジタル化はあらゆる分野をこの サイクルに取り込む。) そこから そこから • 産業境界の見直しが発生し、 • 新たな働き方が可能になり、 • 新たなライフスタイルが登場する。 • 人間と機械の新たな共生の世界へ 52

53.

まとめ 1. 今後もAIを利用したサービスは続々と登場する。 2. その出発点は新たな顧客ニーズを取込むソ リューション空間の考察(気づき)から始まる。 3. その先はIoT/BD/AIと連動した消費者起因のデー タ循環とプラットフォーム化で肉付けされて行く。 4. このような世界では人間(特に設計者)はAIを日 常的に活用する意識変革と更には組織改革が 必須である。 5. 新たなサービスを利用する消費者も、メリットとリ スクを常に観察し、適切に対処できるAIリテラ シーを装備した賢い消費者になる必要がある。 53