ビジネスAIの実用的アプリケーションの理解

今日は人工知能についてこれまで以上に多くのことが書かれています。 DeepMindのAlphaGoのように、技術が成功したマイルストーンについて読んだ世界最高のゴー・プレイヤーを打ち負かす Facebookの顔認識は、写真をタグ付けする際に人間より優れています。感情主義者の侵入がなければ、技術進歩に焦点を当て始めていますが、多くの人がAIが実際に自分の仕事にどのように適用できるのか疑問に思っています。

ほとんどの人にとって、AIが職場にどのように適合するかを理解することは、解決すべき問題を定義することから始まります。（あなたは機械学習から始まり、ビジネス上の問題を解決したくありません）問題点を明確にした後で、AIが提供するソリューションを調べることができます。

認知的に単純なタスク

下の写真とつぶやきを見てください。写真に何が入っているのか教えていただけますか？あなたはツイートの背後にある感情を判断できますか？これらは人間がかなり簡単に行うことができる作業ですが、AIを使って大規模かつ大成功を収めています。これにより、基本的な認知課題を軽減し、問題のより難しく創造的な部分に焦点を当てることができます。

認知的に複雑なタスク

AIは複雑な認知課題にも役立ちます。いくつかの情報（部屋の数、場所など）を考慮して、家の販売価格を予測したいとします。私たちは複雑な認知を必要とするため、説明的な表やグラフを見て問題を解決することはできません。経験豊富な不動産業者がこの情報を処理して価格を見積もることができるかもしれませんが、このアプローチには2つの制限があります。まず、この情報を正確に使用するためには、適切な経験が必要です。第二に、たとえあなたがその経験を持っていたとしても、プロセスを拡大することはできません。

適切なデータを使用することで、機械学習モデルはデータ内のパターンを理解し、適切な予測を行うことができます。これを簡単に拡張して数百万の家屋の価格を数秒で予測できます。

適切なデータとトレーニングにより、AIは、コンピュータビジョンを使用して悪性腫瘍部位や翻訳のための言語処理を見つけるなど、より複雑なシナリオで、認知的に簡単なタスク（画像内のものを見ることなど）を処理するためにも使用できます。

カスタマイズされた顧客体験

これらの機能をビジネス環境に適用する場合、最初の例は常にパーソナライズされたカスタマーエクスペリエンスです。顧客の行動や興味を使って、自分の製品を使用している間の経験を調整することができます。たとえば、Netflixは以前視聴した映画と他のデータを使って映画を推薦します。また、この情報を使用して、作成する新しいコンテンツを決定します。

さまざまなユーザー、さまざまな関心事、背景などを使って、それぞれのユーザーの推奨事項をカスタマイズすることは非常に難しいため、この種のサービスには機械学習が不可欠です。あなたができるので、単に勧告を提供しないでください。自分のプライバシーを尊重しながら、実際にどのようなカスタマイズが貴重なものになるか自問自答してください。

内部プロセスの最適化

AIを適用するもう1つの方法は、内部プロセスを最適化することです。これはいろいろな形を取ることができますが、あなたのチームが日々行っていることを見てください。 Excelや画像、テキスト、またはオーディオのデータを使用して、退屈で反復的な作業は何ですか？これらのタスクには、通常、創造性や複雑な問題解決は含まれませんが、チームにとっては時間がかかります。

私たちの住宅価格の例に戻ると、不動産業者のチームに、自宅の売却価格を知りたい顧客からの要請が氾濫しているとしましょう。収集しているデータを使用してマシン学習モデルを構築し、この問題を解決することができます。

このアプローチにはいくつかの利点があります。まず、実際に財産を売るなど、チームが他のことに取り組む貴重な時間を解放します。次に、適切なデータを使用して、AIは様々な異なる入力について大きな予測を行うことができます。家ごとに数百の情報があるとしましょう。これは経験豊富な不動産業者でさえ処理するのは非常に難しい作業ですが、AIがそのようなデータを組み込むのは比較的簡単です。第三に、このソリューションでは、人間のチームが応答を待つのではなく、数秒で顧客に応答することができます。

意思決定を支援する

これまでは、AIが決定全体を担当する例を見てきましたが、AIは意思決定プロセスを支援することもできます。

たとえば、来年の会社予算を把握しているとします。昨年の値から推定するのではなく、機械学習を使用して費用を予測することができます。または、新しい市場に投資するかどうかを知りたいとします。モデルを使用して、その市場についてのつぶやきを処理し、公的感情を分析することができます。この1つの信号だけでは決断が決まらず、そうではありませんが、それはあなたをそこに連れて行くのを助けることができます。

このようにAIを適用することは、決定が非常に敏感で複雑な場合に特に有用です。我々の腫瘍検出モデルに戻って、医師はAIが患者に直接報告することを信頼すべきではありません。しかし、モデルの結果を診断に使用することができます。特に、逃したものを拾うときに役立ちます。

事実上、すべてのビジネスがこれらのタイプのアプリケーションの恩恵を受けることができます。しかし、心に留めておくべきことはほとんどありません。まず、ビジネス上の問題から始め、「自分たちのデータを有効に活用する必要がある」などとは決して言わないでください。単純な方法（表、グラフ、単純なコードなど）を使用して問題を解決できるかどうか自問し、そうでない場合はAIを使用することを検討してください。

Goku Mohandasは、シリコンバレーのAI研究者であり、自然言語処理に深い学習を使用することに重点を置いています。また、ビジネスのための実用的なAIを民主化し、スケーラブルな機械学習ソリューションを戦略的に公開。