2020/12/07

AI導入とは?RPAとの関係、プロセス、事例、メリット、費用を詳細に解説 

AIプロジェクト

ライター:

近年、業務に人工知能(AI)を導入して生産性を向上させるなど、AIでビジネス課題を解決する動きが強まっている。

AIは「人工的に人間の知能や知的活動を再現したもの」という認識でおおむね一致しているものの、世間一般のAIに対する共通認識というものは未だない。AIは専門家によってさえ、下表のように定義が異なっている。

そのため「AI導入」と一口に言っても、実にさまざまなアプローチが存在する。AVILEN AI TrendではAI導入の事例を取り上げながら、そのプロセスやメリット、費用について解説する。

(出典)総務省「情報通信白書」

AI導入とは?

字面の通り、AI導入とは、業務にAIを導入することを指す。このとき業務が多種多様にわたっており、またAIの定義が曖昧であるため、決まったアプローチは存在しない。

このため本記事では、まず三つのAI導入事例を取り上げて、企業がどのようなアプローチでAIを導入して、どのような課題を解決したか、詳しく紹介する。

AI導入の事例(1):原材料不良品検知AI

一つ目は、キユーピーの原材料不良品検知AIだ。キューピーでは生産工場で食品の目視検査を行っていたが、目視検査は8時間に及ぶ過酷な業務であり、従業員に大きな負担がかかっていた。

従業員の負担軽減のため、自動検査システムをいくつか導入してトライしてみたが、不良品のパターンをいちいち登録する必要があり、なかなかうまくいかなかった。そこでディープラーニングの技術を用いた検査システムの開発・導入に踏み切った。数十社に及ぶ検討の末、Google社からの紹介でブレインパッド社に開発を打診し、プロジェクトがスタート。

ブレインパッド社の開発チームはGoogle のオープンソース化された深層学習ライブラリ「TensorFlow」を使用し、ディープラーニングの画像認識技術で食品工場の製造ラインに流れる食品を撮影した画像を解析。「教師なし学習」の手法で製品汎用性の高い不良品検知アルゴリズムを開発した。

今後は原料検査の速度を2倍に上げることを目標としており、生産効率の向上を目指すという。

出典:ブレインパッド

AI導入の事例(2):画像認識での安全行動サポート技術

二つ目は、JFEスチールが、NECグループの画像認識技術を用いて開発した国内業界初の安全行動サポート技術だ。

JFEスチールは、世代交代の進行とともに作業経験の少ない若手社員が増加したため、最新のITを取り入れてさらなる安全な職場づくりを実現することとした。そこで、最先端のAIを用いた画像認識技術を持つNECおよびNECソリューションイノベータのノウハウを活用した作業者の安全行動サポート技術の開発を開始。

製鉄所の工場内は場所によって照明の条件が異なり、多種多様な装置が配置されていることに加え、作業者も様々な姿勢で作業を行うため、人物検知そのものが困難な環境だった。

この問題の解決策として、大量の人物画像を撮像してディープラーニングに学習させる手法を採用し、実用レベルの人物検知が実現。条件によって立ち入り禁止エリアが変わる特殊な工場内でも、AIが正しくエリアを認識する技術を確立した。

この技術を応用して、製鉄所内でAIが特定した「立ち入り禁止」となっているエリアに人が侵入すると自動で検知し、警報を鳴らしてラインを止めるシステムを開発した。また立ち入り禁止のエリアが変わっても認識できる。このAIシステムは既に試験運用を経て、JFEスチールの全製鉄所で実装されている。

出典:JFEスチール

AI導入の事例(3):業務可視化・働き方改革システム

三つ目は、国内大手電機メーカーの富士通と、世界的IT大手の米マイクロソフトが共同で提供している業務可視化・働き方改革システム「Zinrai for 365 Dashboard」だ。

業種や規模を問わず職場では、雑務を減らして、本来の業務に集中する時間を増やすことで、生産性や効率を向上させることが求められている。富士通のサービスデザイン戦略企画統括部でも同様の課題に直面していた。日々の業務に課題を感じながらも、感覚的なことであるため何をどのように変えなければならないのかがわからず、改善を実行できていなかった。

そこで、従来は感覚的に捉えていた業務の無駄をデータで見える化して、改善が促せるようなシステムの開発に着手した。システムはまずマイクロソフトの「Microsoft 365」を用いて「Microsoft Azure」に蓄積されたメールや文書のタイトル、PCの利用状況などを把握する。富士通の自然言語処理技術と知識処理技術を用いて、データから業務内容を分類し、「作業」「対象」「テーマ」という三つの角度から解析する。

このように業務内容を分類、可視化することで、どのような仕事にどれだけの時間を費やしているかを把握できる仕組みだ。コロナ禍でテレワークが増えつつある現在は、従業員の仕事状況を把握することが以前よりも困難になっているため、以前より圧倒的に需要が増加している。

出典:富士通

このように、AIを導入することでビジネス上の課題の解決に成功している会社はいくつもある。各社に共通していることは、(1)業務上の課題を明確化している点、(2)自社の条件に適した導入方法を選択している点(自社開発・他社開発・既存サービスの活用など)、(3)導入後の運用まで見通した導入計画(プロジェクト)を立ち上げている点、だ。この3点においてさまざまなアプローチが存在するからこそ、AI導入を一概に定義することは難しい。

AI導入とRPAの関係

AIと比較される技術にRPAがある。AI導入にも関連するため、ここで解説しておく。

RPAとは、Robotic Process Automation(ロボティック・プロセス・オートメーション)」の略で、人間が行う定型業務をソフトウエアに自動化させる技術だ。このとき、ユーザー側にプログラミングなどの専門知識は必要ない。

RPAの技術には3つのクラス分けが存在する。最も基本的な、人間が設定した基準やルールに従って作業を実行する技術は、クラス1のRPAと呼ばれる。さらに、人間が教えた基準やルールのほか、AIを搭載して自律的に判断できる高度なRPAも存在し、クラス2、3と呼ばれる。

RPAが導入されるのは、帳簿入力や伝票作成、ダイレクトメールの発送業務、経費チェック、顧客データの管理、ERP、SFA(営業支援システム)へのデータ入力、定期的な情報収集など、主に事務職が携わる定型業務だ。

クラス 主な業務範囲 具体的な作業範囲や利用技術
1 RPA(Robotic Process Automation) 定型業務の自動化 ・情報取得や入力作業、検証作業などの定型的な作業
2 EPA(Enhanced Process Automation) 一部非定型業務の自動化 ・RPAとAIの技術を用いることにより非定型作業の自動化

  • 自然言語解析、画像解析、音声解析、マシーンラーニングの技術の搭載
  • 非構造化データの読み取りや、知識ベースの活用も可能
3 CA(Cognitive Automation) 高度な自律化 ・プロセスの分析や改善、意思決定までを自ら自動化するとともに、意思決定

  • ディープラーニングや自然言語処理

出典:総務省

RPAは煩雑で定型的な事務業務が多い金融業界で先行して導入され、高い効果を発揮している。このため、他の業界の企業・団体も導入を進めている。

具体的な業務 効率化・削減効果 今後の展開(方向性)
 

 

大手都市銀行

 

煩雑な事務処理作業

(20種類の事務処理)

年間8000時間(1人1日8時間労働で約1000日分に換算)の事務処理作業を削減
・業務の効率化により、事務を担当していた社員が他の重要な業務に稼動をあてられるようになった。
・複数のシステムを使う事務処理にRPAを適用することで、システム連携による業務の単純化も視野に入るようになった。

出典:総務省

このようなRPAを場合に応じて活用し、AIと組み合わせて導入することにより、さまざまな業務を効率化することが可能になる。

AI導入のプロセス

AI導入は、一般的に、次の五つのプロセスからなる。

  1. 1.AIで実現可能なことを理解する
  2. 2.AIをどう活用できるかを考える
  3. 3.AIを開発・導入する
  4. 4.AIを運用する
  5. 5.AIをさらに進化させる

以下で、各プロセスについて解説する。

①AIで実現可能なことを理解する

AI導入を検討するにあたり、第一のプロセスとして、まずAIで実現できることを正しく理解することが重要だ。その上で、導入するAIによって、どのようなビジネスの成果を出そうとしているのかを明確にする必要がある。

AIの4分類

世の中には現在、人工知能と称される多種多様なものが存在しており、大きく次の四つに分類できる。

仕組み
レベル1 制御プログラム 自動で温度調節するエアコンや冷蔵庫など
レベル2 古典的人工知能 チェスや将棋のプログラム、掃除ロボットなど
レベル3 機械学習を用いた人工知能 検索エンジン、天気予報など
レベル4 ディープラーニングを用いた人工知能 顔認証、自動運転、需要予測、部品不具合検出、

人間よりも強い将棋や囲碁のアルゴリズムなど

AIにできること

AIにできることは日々広がり続けている。人間が日常で使う言語をコンピュータに処理させる「自然言語処理」技術、画像や動画に映っている物体を認識する「画像認識」技術、人間の声などを認識してテキストに書き起こしたりする「音声認識」技術、大量のデータから特徴を抽出して未知のデータに対する解を見つける「推論・分析」技術などがある。

自然言語処理 人間が日常でつかう言葉や会話をコンピュータに処理させる技術。機械翻訳や検索エンジンなどがある。
画像認識 画像や動画のデータの中に映っている人間やものなどを認識する技術。スマートフォンの顔認証や自動車の自動ブレーキ機能などがある。
音声認識 人間の声などを認識してテキストに書き起こしたりする技術。iPhoneに搭載されているSiriやスマートスピーカーなどがある。
推論・分析 大量の学習データから特徴を抽出し、未知のデータに対する解を見つける技術。ECサイトのレコメンドエンジンなどがある。

②今のビジネス・業務に対してAIをどう活用できるかを考える

次に、AIで実現可能なタスクを理解したうえで、AIを導入することで何を実現したいかを考えなければならない。先述の事例でいえば、キューピーなら「人手で行っていた目視検査の自動化」、JFEスチールなら「作業経験の少ない若手社員でも安全に行動できる環境づくり」、富士通なら「業務の可視化による生産性向上」といった具合である。

このプロセスにおいては収益向上や需要予測、品質向上など、ビジネスでの活用シーンを想定し、最適なソリューションについて仮説を立てる必要がある。また、AI導入後の業務フローや、AI導入の費用対効果についても合わせて検証しておくことが求められる。

③AIを開発・導入する

第三のプロセスは、いよいよAIの導入・開発だ。AI導入の手法は、大きく分けて、他社AI系サービスの活用と、独自システム開発という二つの選択肢がある。

他社AI系サービスの活用

1つは、他社が開発・販売しているAI系サービスを活用する方法だ。この方法は、比較的初期費用を抑えつつ、短い開発期間でAIを導入することが出来るというメリットがある。一方で、導入するAI系サービスが会社に不適合ならば導入は不可能だし、場合によってはサービスの方に合わせるように業務プロセスの設計を変えて行く必要がある。まずは、世の中にどんなAI系サービスがあるのかを知り、それが自分たちの会社にマッチするかを考えることが大切だ。

AI系サービスの多くはサブスクリプション形式のSaaS系ソフトウェアとして提供されている。SaaS(読みは「サース」または「サーズ」)とは、インターネット経由で提供されるサービスとしてのソフトウェアを指す。代表的なサービスとして、米グーグルが提供している生産性向上グループウェアツール「Google Workspace(旧G Suite)」がある。

他にSaaSのAI系サービスの例として、AI開発企業のABEJAが小売・流通業界向けに提供している小売業の店舗解析サービス「ABEJA Insight」が挙げられる。ABEJA Insightは、ネットワークカメラや赤外線センサーなどのIoTデバイスから取得したデータを解析。来店人数、年齢性別推定、動線分析など、実店舗での来店から購買までの顧客行動をデータとして可視化し、収益改善をサポートしている。

自社の課題に適したAI系サービスを選択することができれば、後述の開発よりもコストを抑えてAIを導入できる。いきなり開発に目を向けるのではなく、まずは既存ツールの活用を検討しよう。

独自システム開発

他社が開発したSaaSサービスなどの既成パッケージでは自社の課題に適合しないという場合は、ゼロから独自にAIを開発するという手法もある。他社サービスを利用する場合と比べて、初期費用は高く、開発期間が必要になる。一方で、より会社に適合したAIシステムを構築することが可能だ。

その場合のプロセスとしては、開発を得意とするIT企業やAIシステム開発企業に依頼する、または共同開発するケースが多い。先述の事例で言えば、キューピーはブレインパッドに依頼し、JFEスチールはNECに依頼している。また富士通はマイクロソフト社との共同開発という選択肢を取っている。

このほか、自社でAI開発プロジェクトを立ち上げて進めるケースもある。ただ、新技術でもあるAIの開発を全て内製化することは現実的とは言い難い。自社のビジネス・事業を理解し、かつ、信頼できるようなAIの専門家やパートナー企業を選定するのが得策だろう。

④AIを運用する

AIを導入したら、実際の現場での運用が始まる。つまり、日々AIシステムを動かしていくわけだ。サーバを起動・停止したり、決まった時間にデータを入力したりといった、定型化されたオペレーションを遂行することで、システムが提供するサービスを滞りなくユーザーに届けていく。

そのためにはシステムを監視して、状態を把握しておく必要がある。またトラブル発生時には、適切な対処を施してサービス提供を維持することも必要となる。

AIシステムの運用には、導入・開発チームとの連携が欠かせない。AIを導入・開発するチームと、運用チームが連携・協力して導入・開発から運用に至るまで一連のライフサイクルを管理する基盤・体制「MLOps(エムエルオプス)」を構築することが理想的だ。

⑤AIをさらに進化させる

AIシステムは導入・運用して終わりではなく、最適な状態、つまり精度を保った状態で運用を継続していく必要がある。AIシステムの精度維持に必要なのがデータ活用だ。例えば需要を予測するAIの場合、顧客の好みに変化が生じれば、新たに入力するデータにも変化が生じて、AIシステムにも影響する。新たなデータが長期的に蓄積されることで、AIは学習を繰り返して成長し続ける。

AI導入のメリット・デメリット

AI導入はケース・バイ・ケースであることから、メリット、デメリットについても一概に言うことは困難だ。このためあくまで一般的なものを取り上げることとする。

メリット

AI導入のメリットは、特定の人が担当する業務、いわゆる「属人化」された業務を軽減することができることだ。また、24時間365日体制で稼働可能、かつ複製可能であることから、人件費の削減・業務の迅速化に大きく寄与することになる。

  • 「属人化」された業務が減る
  • 24時間365日体制で稼働可能→人件費削減に寄与
  • AIは複製が可能→業務の一段の円滑化・迅速化へ

AI導入のデメリットとその対策

一方、AI導入のデメリットは、AIシステムのダウンによって業務の遅延・停止が発生することだ。また想定していた精度を本番環境のデータで出すことができない可能性もある。

例えば、さいたま市で、AIを用いて認可保育所への入所者を選考するシステムがトラブルを起こし、職員が休日返上で確認作業に追われていたケースがある。

さいたま市ではシステムが稼働しなかったケースだが、AIが十分な精度をだせない場合などもデメリットになる。しかし本質的に、完全に予防することは困難であることから、テスト運用を十分に行うとともに、本番での運用時に万一、十分な精度が出ない場合でも、改善しやすい運用フローを整備するなど、事前に万全な対策を講じておくことが重要だ。

運用体制が最適化されていなければ、莫大な追加コストがかかる可能性もある。このためAIの導入・開発前の段階で、運用体制を含めて綿密な企画を練っておくことが肝要となる。

  • AIシステムのダウンで業務に支障が出るリスクあり→テスト運用をしっかりやる
  • 想定していた精度が本番のデータで出ない→本質的には完全に防ぐのは困難。モデル開発時にしっかり訓練用とテスト用で分ける、精度が万が一出なくても改善しやすい運用フローを整えておくなどの対策を講じておく
  • 適切な運用体制でないと膨大な追加コストの可能性→運用まで見据えた導入・開発企画

AI導入の費用・期間

ここではAI導入の費用と期間について、具体例を挙げて解説する。ここでは、問い合わせ対応を効率化するために、チャットボットを導入すると仮定する。IBMのWatsonを搭載したチャットボットだけでも、実に数多くのサービスが提供されており、各サービスによって価格もまちまちだ。

まず、SaaSサービスを活用する場合で考えてみよう。たとえば、大塚商会によると、基本コースで、導入支援と環境構築のために最低40万円かかり、毎月7万円の利用料金がかかる。導入支援の期間は3カ月だ。

一方、AIを開発する場合で考えてみる。ほとんどの企業は、開発費用や期間を基本的に公開していないが、外注・アウトソーシングのメディア(※)が公開している関連情報に基づくと、AI開発は数百万円から数千万円に及ぶことが多い。導入までにかかる期間は数カ月~1年程度だ。これにコンサルティング料が数十万円~数百万円かかる。

※「外注BOOK」や「アイミツ」「システムインテグレータ」「ナカシマ未来研究所」など

AI開発費用の内訳は、それぞれの工程にかかるエンジニアの人件費がメインになり、要件によっては合計1000万円以上かかることもある。開発期間は3カ月~1年程度となるケースが多いようだ。

工程 費用の相場
コンサルティング 40万円から80万円
モックアップ開発 200万円から
AIモデル(最終型)の開発 月額50万円から200万円
運用 開発プロジェクトの規模などにより変動

出典:アイミツ

アイミツによると、コンサルティングの相場は40~80万円前後。AIモデルを試作品を制作する「モックアップ開発」は最低200万円前後かかり、AIの機能・仕様によっては数百万円以上かかることもある。

AIモデル開発はエンジニアの人数にもよるが、月額60~250万円前後が発生する。仮に開発期間が仮に3カ月なら180~750万円、6カ月の場合には360~1500万円規模になる計算だ。

またAI開発会社によってはコンサルティング費とは別に、AIモデルの実現可能性や費用対効果を検証するための費用がかかることもある。さらに、本番環境での運用開始後、AIに追加学習させる場合にその都度、費用が発生するのが一般的で、検証費用として数十万円単位、追加学習に100万円以上の費用が必要なケースも少なくないという。

まとめ

AIを導入することで業務上の課題を改善することができれば、大きな効果を見込める。ただし、さまざまなAI、さまざまな課題があるため、そのアプローチは千差万別であり、教科書的な唯一の最適解はない。

このため、AIの利活用に際してはビジネス・業務上の課題、費用対効果、導入プロセス、運用フローなどを綿密に計画しておくことが肝要だ。AI導入に失敗した企業では、この計画が疎かになっていたために、費用対効果が見込めなかったり、運用に失敗したりすることがほとんどだ。

計画に際しては、自社のビジネス・事業を理解し、かつ、信頼できるようなAIの専門家やパートナー企業などとともに、最先端の機械学習・ディープラーニング手法のトレンドを収集して総合的に判断することをおすすめする。

 

AVILEN社はディープラーニング技術を用いたAI開発・導入コンサルティングを行っています。詳しくはこちらよりご確認いただけます。

(totalcount 2,103 回, dailycount 51回 , overallcount 7,401,766 回)

ライター:

AIプロジェクト

single-banner

COMMENT

コメントを残す

メールアドレスが公開されることはありません。
*は必須項目です。




CAPTCHA