AIの得意不得意とは？導入後によくある課題と解決方法も紹介

「AIを導入すれば自社の課題を解決できる」と認識している人もいるのではないでしょうか。

実際にはAIにも得意分野・苦手分野があり、どのような問題も解決できるわけではありません。また、AI導入後も「ある課題」を抱えて悩んでいる企業が多い傾向にあります。

今回は、AIの得意なこと・苦手なことや、AI導入企業の抱える課題について説明します。

【基本知識】AIが得意なこと・苦手なことは？

まずは、あらためてAIが得意なこと・苦手なことを押さえておきましょう。

AIが得意なこと

AIが得意なことは下記のとおりです。

得意なこと	詳細	例
予測	過去のデータ（ユーザーの行動履歴、取引データなど）をもとに未来を予測する	・商品の受発注予測 ・商品のレコメンド
画像認識	AIカメラの映像から、映っているものを認識・判断する	・自動車の自動運転 ・顔認証システム
音声認識	音声をテキストデータに変換する	・スマートスピーカー ・会議の議事録作成
自然言語処理	人間の言葉をコンピュータが理解できる形に処理する	・機械翻訳（Google翻訳など） ・検索エンジン ・チャットボット
異常検知	通常時のデータを学習し、異常・異常が発生する予兆を検知する	・製造品の外観不良（傷や汚れ）の検査 ・自動車の制御センター ・会計処理（仕分け、不正検知）

製造品の外観検査や、医師による判断が難しい異常の発見など、幅広い分野でAIが活用されています。

AIが苦手なこと

一方、現状のAIは下記が苦手な傾向にあります。

苦手なこと	詳細	例
パーソナライズ化	個人の状況にあわせて臨機応変に対応を変える	個人の悩みに適した受け答え
クリエイティブな作業	0から新しいアイデアや物を生み出す	・作曲 ・小説の執筆
人の気持ちを考えた コミュニケーション	人間の心理を予測し、先回りして行動する	・カウンセリング ・商談

AIは過去のデータを学習させる過程が欠かせないため、0からまったく新しいものを生み出す能力は高くありません。

最近話題のAIによる作曲や創作も、実際の作品データを読み込ませることで実現しています。

このように、さまざまな業界で活用されているAIですが、AI導入企業には共通の課題があることがわかりました。続けて見ていきましょう。

AIを導入した企業における課題とは？

株式会社MM総研が、国内の2,059社に「AI導入の前後で障壁になったこと」についてアンケートを実施したところ、下図のとおりでした。

 

出典：株式会社MM総研

1～4位はAI人材・ノウハウの不足や、既存システムとの連携方法など、皆さんもすでにご存知の課題が多いのではないでしょうか。

しかし、1～4位の課題をクリアした後にもっとも問題になるのが、5位の「学習データの収集・品質が不十分」です。

主に下記3つの問題が発生するため、AIに学習させるデータを適切な品質で取集しにくい現状があります。

問題	詳細
技術的な問題	既存システムは古い技術で作られたシステム（＝レガシーシステム）が多い →AI用のデータを取得するために、システム開発・改修の必要がある
セキュリティの問題	既存システムのデータを閲覧できる人が限られている →データ分析する人材が必要なデータを閲覧できないため、権限を付与する必要がある
データ構造の問題	既存システムは、業務効率化を目的に作られていることが多い →AIが使用できるデータ構造になっていないため、構造を変更する必要がある

AI導入の効果を高めるには、適切なデータを収集して管理することが重要です。

弊社の経験からしても、AI活用の目的に合ったデータ収集をおろそかにしている場合、うまくいかないケースが多いです。

そこで、ここからは「学習データを漏れなく集める」ために必要な準備について説明します。

学習データを漏れなく集める準備3ステップ

AIに学習させるデータを漏れなく集めるには、下記のステップで準備を進めていきましょう。

 

1. AIの効果を出すために有効なデータを知る
2. 現状のデータであるもの・ないものを洗い出して整理する
3. 今ないデータを蓄積できる環境を作る

1つずつ紹介します。

ステップ1.AIの効果を出すために有効なデータを知る

まずは、AIを導入してビジネスに効果を出すために、どのようなデータが有効か知るところから始めましょう。AI予測の精度を上げるには、「実現したい目的」に合ったデータを収集する必要があるからです。

例えば、AIで「売上予測」をしたい場合、下記のようなデータが必要になります。

 

特に、過去の「販売実績データ」はどの企業にも大体ありますが、「販売するまでの営業活動データ」は保管されていないケースも多いです。

AIで実現したい目的をあらためて振り返り、必要なデータの種類を理解しましょう。

ステップ2.現状のデータであるもの・ないものを洗い出して整理する

目的に応じたデータを理解した後は、現状のデータであるもの・ないものを洗い出して整理します。今ないデータを明確にすることで、過不足なくデータを収集でき、データ分析の精度を高められるからです。

例えば、次のように「すでにあるデータ」と「ないデータ」に分類分けしましょう。

あるデータ	ないデータ
・商品ごとの売上高 ・月ごとや年度ごとの売上高 ・サービスの平均契約期間	・受注までにかかった日数 ・訪問回数、商談回数 ・見込み顧客へのアプローチ内容

営業データを管理するシステムに、最新データしか残されていない場合、AI予測の精度が落ちてしまいます。

時系列で「どのタイミングで、どのような点が変わったのか」というデータまで収集できれば、より正確なデータ分析が可能です。

ステップ3.今ないデータを蓄積できる環境を作る

次に、「今ないデータ」を蓄積できる環境を整備しましょう。

現状のままでは必要なデータを収集できないので、既存の業務プロセスを変えたり、CRMシステムを開発・改修したりする必要があります。

「売上予測」に足りないデータを蓄積する方法の一例は、下記のとおりです。

 

環境を整備した後は、営業担当者に活動データの入力を徹底してもらい、数値として残していきましょう。

このように、業務プロセスやシステム導入を実施することで、1年後にはデータが蓄積されます。必要なデータが揃っている状態でAIを活用すれば、精度の高い分析ができ、売上向上につながる可能性が高いです。

AI導入を成功させるカギは「必要なデータを集める」こと

これまで説明したとおり、AIをビジネスに活用するには「目的の達成に有効なデータを集める」ことが欠かせません。

しかし、どのようなデータを収集するべきかは、企業によって変わります。そのため、ビジネスの課題を理解した上で、必要なデータ収集・分析できる体制づくりが必要です。

弊社TDSEでは「データ分析・データ利活用サービス」を提供しています。

貴社のビジネス課題を丁寧にヒアリングして、必要なデータを検討・収集し、精度の高いデータ分析を実施することが可能です。

「自社の課題を解決するには、どのようなデータがあれば良いか」などの相談も受け付けておりますので、ぜひ下記から30分の無料相談をご利用ください。

【30分の無料相談】お申し込みフォームはこちら
※問い合わせ内容を送信後、弊社から日程候補をご連絡いたします

また、詳しいサービス内容は下記の資料で紹介していますので、ぜひお気軽にダウンロードの上、ご覧ください。

データ分析・データ利活用の資料をダウンロードする
※無料でダウンロードいただけます