●石川 聡彦:株式会社アイデミー代表取締役社長。東京大学工学部卒。同大学院中退。研究・実務でデータ解析に従事した経験を活かし、法人向けAIシステムの内製支援クラウドソリューション「Aidemy Business」を開発・運営している。著書に『人工知能プログラミングのための数学がわかる本』(KADOKAWA/2018年)など。「Forbes 30 UNDER 30 JAPAN 2019」選出。
目次
■CHAPTER 1 9割のAI導入は“知らず損”で失敗する! 人工知能は早くも幻滅期へ突入した! PoC死の多さに多くの人が幻滅している! エンジニアとプランナーの“歩み寄り”はあるか PoC死はPoCの前工程から決まっている! 本当に機械学習が必要なことを見極める ML BUSINESS CANVASの概念を押さえる 「制約条件」を意識して取り組んでいるか? 成功要件を事前に定義しておくことが大切
AIを使いこなすための必読書
「DX時代のビジネスパーソンの新しい教養はこれだ。」経団連会長 中西宏明 氏 推薦!
50,000人の人材育成と、
120法人以上へのサービス提供から導かれた、
AI導入の鉄則とは?
本書は、AI(機械学習)の導入を始めたり、検討したりしているが、
うまくいかない企業および担当者の方々に、
最初の“ボタンの掛け違い”を理解していただき、
AI導入を成功させる“ルール”を伝授するものです。
「AIのビジネス活用における考え方」を、
「7つのルール」にまとめています。
難しい理論や複雑な数式は登場しません。
機械学習の理論を易しく解説した上で、
ビジネスで活用するうえでの、
押さえておくべきポイントを解説していきます
2020年現在、「機械学習を学ぶことはコスパが良い」といえます。
機械学習のプロフェッショナルはまだ少なく、
学ぶハードルも下がってきました。
機械学習の技術の素養を身に着ければ、仕事の幅が大きく広がるでしょう。
本書は、AIなどのデジタルテクノロジーを使いこなすための、必読書です。
【こちらの方々に最適】
・AIのビジネスへの応用を考えているビジネスプランナー
・企業や応用領域で機械学習の活用を考えているエンジニア
・AIを使ってビジネスを革新したい経営者
【本書で扱うルール】
ルール1. 機械学習の投資対効果を明確にすべし
ルール2. 「使えないデータ」と「使えるデータ」を把握すべし
ルール3. 機械学習で狙うべき領域を同定すべし
ルール4. インプットとアウトプットの解像度を高めるべし
ルール5. 機械学習の性能を正しく評価すべし
ルール6. 実運用のイメージを高めるべし
ルール7. ステークホルダーとのエコシステムをつくるべし
著訳者プロフィール
目次
人工知能は早くも幻滅期へ突入した!
PoC死の多さに多くの人が幻滅している!
エンジニアとプランナーの“歩み寄り”はあるか
PoC死はPoCの前工程から決まっている!
本当に機械学習が必要なことを見極める
ML BUSINESS CANVASの概念を押さえる
「制約条件」を意識して取り組んでいるか?
成功要件を事前に定義しておくことが大切
■CHAPTER2 投資対効果を最大化する企業が守るAI導入7つのルール
7つのルールでAI・機械学習の効果を最大化
【ルール1】機械学習の投資対効果を明確にすべし
「とりあえず、AI使ってよ!」で大損する
性能とインパクトを関連づけて仮説を立てる
すぐに人間を超えられる!? それは大きな勘違い
機械学習は高コスト体質!?
【ルール2】「使えないデータ」と「使えるデータ」を把握すべし
意外に多い!「使えないデータ」
ゴミの山でも磨けば宝の山に!?
競争優位につながるデータを収集していく
IoTと組み合わせてハードは「常に未完成」に
【ルール3】機械学習で狙うべき領域を同定すべし
PDCAを無目的に回さない
スイートスポットを狙い撃て!
1つのプロジェクトに一点投下は危険
【ルール4】インプットとアウトプットの解像度を高めるべし
Garbage in, garbage outを回避せよ!
AIには得意・不得意がある
【ルール5】機械学習の性能を正しく評価すべし
正解率99.9%に仕掛けられた罠
プランナーの性能とエンジニアの性能
【ルール6】実運用のイメージを高めるべし
「頭脳」はどこに置くのが最適なのか
機械学習モデルは再学習で性能が保たれる
“足場がくずれる”のを察知する
【ルール7】ステークホルダーとのエコシステムをつくるべし
機械学習プロジェクトは後戻りできない!
できる大人は頼み方を知っている
AIの分野にも完璧な超人は存在しない
■CHAPTER3 実例でよくわかるビジネスAI導入「企画書」の鉄則
機械学習プロジェクトの企画書を公開!
事例1:工場の機器故障検知を機械学習で実現したA社
事例2:製品の不良品検知を機械学習で実現したB社
事例3:商材の法人営業ソリューションを機械学習で実現したC社
■CHAPTER4 これからの企業とAI活用
AutoMLやDataRobotの登場で機械学習は変革期を迎えた
事業定義がすべてを決める
社内に「AI人材」を増やす処方箋