製造業に多い「○○.com系サイト」について

製造業には、「○○.com」という名前をつけたWEBサイトによって、SEO対策に取り組んでいる会社が多く存在します。今回、「○○.com系サイト」についてまとめてみました。

「.com系サイト」について

日本の「.com系サイト」は独特なので、少しその誕生の背景をご説明します。1990年代後半、世界的なインターネットブームで、インターネット中心にビジネスを展開する会社が増加し、その中の1つにドットコム企業がありました。

アメリカで商用を意味する「.com」を取得し、そのまま社名にした企業が多いことから、これらの企業を「ドットコム企業」と呼んでいました。代表的な会社としては、「Amazon.com」などがあります。

ここから先は個人的な考察が含まれますが、日本ではこの「.com」が別の形でビジネスに展開されていると考えます。

具体的には、会社の公式WEBサイトとは別のポータルサイトの名前に「.com」を使うことです。こちらを「.com系サイト」と名付けました。

「.com系サイト」の目的はSEO対策、つまりWEBサイトへのアクセス数や問い合わせ数の増加を狙ったものです。会社のWEBサイトをリニューアルしてSEO対策を実施するより、新しいWEBサイトを作ってしまった方がコストを抑えて効果を上げることが可能な場合もあり、この手法は選択肢の1つとして優れていると考えます。

製造業においても、「.com」をつけたポータルサイトが多くあり、まとめてみましたので参考にしていただければと思います。

カテゴリ分けについて

「○○.com」とつけられた製造業のサイトを、下記3つのカテゴリに分類しました。

  • 加工技術系
  • 加工対象のサイズ・形状系
  • 加工対象の材質系

加工技術系

WEBサイト名が「製造業における加工技術や方法」になっているカテゴリです。

切削加工・板金加工.com

サイト名 切削加工・板金加工.com
運営会社 株式会社ツクノ
設立 1939年12月
業務内容 電気機械器具製作
一般産業用機器、装置及び各種盤の設計製作
昇降機(エレベータ)関連機器製作
車両用関連機器製作
半導体製造装置関連機器製作
航空機関連製品製作
スプレードライヤー関連機器製作

旋盤加工.com

サイト名 旋盤加工.com
運営会社 有限会社齋藤製作所
設立 1958年2月5日
事業内容 金属機械部品加工及びそのものに付帯する一般業務、製造

精密プレス加工.com

サイト名 精密プレス加工.com
運営会社 姫路東芝電子部品株式会社
設立 1985年
事業内容 電子機器部品の製造販売
精密金型及び金型部品の製造販売

冷間鍛造.com

サイト名 冷間鍛造.com
運営会社 株式会社ミナミダ
創業 昭和8年4月

加工対象のサイズ・形状系

WEBサイト名が「製造業における加工対象のサイズや形状」になっているカテゴリです。

大物旋盤.com

サイト名 大物旋盤.com
運営会社 株式会社宝角合金製作所
創業 1948年
事業内容 各種産業機械部品機械加工、
銅合金・アルミニューム合金鋳物の鋳造
青銅製美術工芸品製作、FAシステム開発

薄肉旋盤.com

サイト名 薄肉旋盤.com
運営会社 有限会社杉山製作所
創業 1950年
業務内容 旋盤加工、NC旋盤加工、フライス加工、マシニングセンター加工

加工対象の材質系

WEBサイト名が「製造業における加工対象の材料」になっているカテゴリです。

アルミ切削.com

サイト名 アルミ切削.com
運営会社 株式会社カジテック
設立 1992年3月1日

樹脂切削加工.com

サイト名 樹脂切削加工.com
運営会社 斎藤樹脂工業株式会社
設立 1971年4月1日
事業内容 合成樹脂機械加工及び粗材販売

まとめ

製造業の「○○.com系サイト」についてまとめてみました。

「○○.com系サイト」は、WEBサイトのタイトル=できること・得意なことになっているため、提供できる価値がわかりやすく、SEO対策の効果は高いと考えらえます。

もし保有している技術があって、「○○.com系サイト」がまだ存在していない場合、「○○.com系サイト」の製作を検討してみてはいかがでしょうか。

The post 製造業に多い「○○.com系サイト」について first appeared on モノカク.

製造業におけるAIの導入目的

製造業×AIをテーマとした連載の第5回は、前回の「製造業におけるAIの利用率と課題」に続き、AI白書2020の「企業におけるAI利用動向アンケート調査」から、製造業におけるAIの導入目的などに触れてていきたいと思います。

AI白書2020と注意点

本記事に掲載しているAI白書2020の調査内容について、「製造業におけるAIの利用率と課題」内に記載していますのでご確認ください。

調査結果について気を付けなければないないのが、調査対象期間が2019年であることです。
本のタイトルがAI白書2020であるため、2020年のデータであると勘違いしやすいですが、調査結果はあくまで2019年のものです。

そのため、新型コロナウイルスの影響を受けていないこと、約2年前のデータであることを気を付けなければなりません。AIの利活用は現在進行形で進んでおり、新型コロナウイルスの影響でAI含むDXが急速に進んだことから、現時点はAIはより企業にとって身近になっていると予想できます。

また、もう1つの注意点が、調査対象に小規模企業が含まれておらず、大企業の回答が多いことです。製造業は99%が中小企業であることから、こちらのデータは大企業中心の結果であることに気を付けなければなりません。

企業におけるAIの利用率

調査に回答した525社の、AIの利用率の結果が下記のグラフになります。

調査に回答した525社のうち、4.2%が「既に導入している」、4.8%が「現在実証実験(PoC)を行っている」、1.1%が「過去に検討・導入または実証実験(PoC)を行ったが現在は取り組んでいない」となっています。

AIの導入・検討に取り組んでいる会社は全体の約10%と、調査された2019年時点では低い結果となっています。

AI導入の効果

AIを「既に導入している」企業に、AI導入の効果を尋ねた結果が下記のグラフになります。

回答数が22社と少ないですが、3割程度が「期待通りの効果が出た」と満足されている一方で、9.1%が「どちらともいえない」、4.5%が「期待外れ」と回答されています。

2019年時点でAIを導入している企業の多くは、AIの第3次ブームの初期で導入されていると考えられ、まだまだ世の中にAIをビジネスとして活用するノウハウがない中で導入したことが、満足度が低い理由であると考えられます。また、AIを提供しているベンダー側にもまだまだノウハウが少なく、満足度が高くなかったのではと考えました。

4割以上の方が「導入したばかりのためまだ効果がわらない」と回答されており、こちらの結果がわかるAI白書2022が楽しみですね。

AIの導入目的(導入段階別)

AIを「既に導入している」、「現在実証実験(PoC)を行っている」、「検討/関心あり」と回答した企業に対して、AIの導入目的を尋ねた結果が下記のグラフになります。こちら複数回答ありの内容となっています。

業務効率化による業務負担の軽減」が、すべてのグループで1位となっており、関心が高いことがわかります。AIの活用事例に関するニュースも、業務効率化というキーワードはよく出てきますね。

検討中/関心ありの企業におけるAIの導入目的(製造業)

AI導入について検討中/関心ありと回答した企業の中から、製造業(プロセス製造業および加工組立製造業)のAI導入目的を抜粋した結果が下記のグラフになります。こちら複数回答ありの内容となっています。

製造業においても「業務効率化による業務負担の軽減」は高いですが、業界特有の回答として「ヒューマンエラーの低減・撲滅」と「生産性向上(自動化・機械化の推進」が高いことがわかります

検討したい/関心があるAI技術(製造業)

AI導入について検討中/関心ありと回答した企業の中から、製造業(プロセス製造業および加工組立製造業)の検討したい/関心があるAI技術を抜粋した結果が下記のグラフになります。こちら複数回答ありの内容となっています。

「ディープラーニング(深層学習)」と「データ分析技術」が高いですが、業界特有の回答として「画像認識(静止画処理)」、「画像認識(動画処理)」、「診断技術(異常、故障予知など)」が高いことがわかります

AI検討中/関心ありの企業における将来的な導入時期

AI導入について検討中/関心ありと回答した企業に対して、将来的のAI導入時期を尋ねた結果が下記のグラフになります。

未定と回答した企業が6割と多いため、導入企業数が大きく増加することは、数年は起こらないかもしれませんね。
1年以内(202年中旬頃まで)、2年以内(2021年頃まで)と回答した企業は約2割で、この結果がAI白書2022で確認できますので、今から楽しみですね。

まとめ

2019年時点では、AI導入で「期待通りの効果が出た」と満足されている企業は少ないことがわかりました。
「導入したばかりのためまだ効果がわらない」と回答している企業も多く、AI導入は現在進行形で進んでいるため、AI白書2022では2019年とは違った結果が確認できそうで楽しみです。

製造業(プロセス製造業および加工組立製造業)のAI導入目的としては、「業務効率化による業務負担の軽減」、「ヒューマンエラーの低減・撲滅」、「生産性向上(自動化・機械化の推進」が高いことがわかりました。

製造業(プロセス製造業および加工組立製造業)の検討したい/関心があるAI技術としては、「画像認識(静止画処理)」、「画像認識(動画処理)」、「診断技術(異常、故障予知など)」が高いことがわかりました。

製造業におけるAIの利用率と課題

製造業×AIをテーマとした連載の第4回は、製造業のお客様がAIをどの程度利用しているか、またどのような課題をもっているかまとめてみました。AI白書2020の「企業におけるAI利用動向アンケート調査」から、製造業の現状を把握していきたいと思います。

AI白書2020の調査概要

下記がAI白書2020の調査目的および調査概要です。

調査目的

この調査は、民間企業など(事業者団体などを含む。以下、「企業」という)のAIの活用実態と課題を把握することを目的としている。

調査対象

経済産業省の情報処理実態調査で調査対象になっている68業種の中から7,000事業者を調査対象として、質問表を郵送にて送付した。回答は郵送及びWEB受付を併用(回収率7.7%)

調査対象期間

2019年7月24日~2019年9月9日

調査件数

541件(信頼水準95%としたときにの標本誤差は±4.21%)

留意点

調査対象企業に小規模企業は含まれていない。また、日本の産業統計と比較すると回答企業には大企業が多い。

ライターコメント

調査結果について気を付けなければないないのが、調査対象期間が2019年であることです。本のタイトルがAI白書2020であるため、2020年のデータであると勘違いしやすいですが、調査結果はあくまで2019年のものです。

そのため、新型コロナウイルスの影響を受けていないこと、約2年前のデータであることを気を付けなければなりません。AIの利活用は現在進行形で進んでおり、新型コロナウイルスの影響でAI含むDXが急速に進んだことから、現時点はAIはより企業にとって身近になっていると予想できます

また、もう1つの注意点が、調査対象に小規模企業が含まれておらず、大企業の回答が多いことです。製造業は99%が中小企業であることから、こちらのデータは大企業中心の結果であることに気を付けなければなりません。筆者が運営する「切削工具の情報サイト タクミセンパイ」にて、中小企業のAI戦略を紹介していますので、ご興味がある方はご覧ください。

回答企業の属性

調査に回答した企業の属性を理解することが、データの結果を確認する上で重要であるため、簡単にまとめてみました。

業種

調査に回答した540社の業種の構成は、下記のグラフの割合になっています。

調査に回答した540社のうち、24.1%がプロセス製造業、22%が加工組立製造業で、全体の46.1%が製造業となっています。AI白書における業種について、プロセス製造業は「食品、繊維、印刷、化学など」、加工組立製造業は「金属加工、機械、自動車、コンピュータなど」とされています。

売上高規模

調査に回答した541社の売上の構成は、下記のグラフの割合になっています。

50億円未満の企業が28.5%で他のグループより多いものの、それ以外は比較的まんべんなくデータがとれていることが分かります。

従業員数規模

調査に回答した540社の従業員数の構成は、下記のグラフの割合になっています。

3,000人以下の企業については、比較的まんべんなくデータがとれていることが分かります。

企業におけるAIの利用率

AIの利用率の結果が下記のグラフになります。

どの業界も、「関心はあるがまだ特に予定がない(緑色)」が高いです。

製造業(プロセス製造業+加工組立製造業)のAI利用は、金融業より遅れており、流通業より進んでいることがわかります。プロセス製造業と加工組立製造業では、AI利用の進捗はほとんど違いがありません。

AIを導入/検討する上での課題

企業におけるAIの利用率にて「検討中/関心あり」と回答した企業において、AIを導入検討するに当たっての課題が下記となります。こちら複数回答の結果となっています。

AIのついての理解不足が1位で、経営者や社内関係者の理解が得られないなどの回答もあり、こちらについてはプロジェクトを進める上でのAIリテラシー向上が必要であることがわかります。また、導入効果に対する不安や費用も上位に入っており、期間・費用も大きくなるAIプロジェクトに対して不安を持っている方が多いことがわかります。

まとめ

製造業(プロセス製造業+加工組立製造業)のAI利用率は、他の業界と比較すると、金融業より遅れており、流通業より進んでいることがわかりました。

AI白書2020の調査は2019年時点のものなので、最新のデータでどのように変化しているかが気になります。今のところAI白書2021の出版予定が公開されていないため、おそらくAI白書2022(調査期間は2021年)でわかると思います。

また、AI導入の課題については、AIリテラシーの向上、AIプロジェクトに対する納得と周囲の同意が必要であることがわかりました。これらは、AI技術を提供する会社に求められる要素であり、契約先を決める指標の1つとなります

事例で学ぶAIの技術分野

製造業×AIをテーマとした連載の第3回は、AIの技術を事例で学べる記事を書きました。

事例はできる限り製造業に関連性の高いものを選びました。AI技術の基礎を学ぶのに役立てばと思います。

AI OCR(光学文字認識)

AI OCRの「OCR」は、「Optical Character Recognition/Reader」の略で、「光学文字認識」と訳されます。

スキャナーで作成したPDFやスマホで撮影した画像から、文字を認識してテキストデータに変換します。印刷された文字(活字)だけでなく、紙に書かれた手書きの文字を読みとることも可能です。

元々OCRという技術は存在しており、AIが搭載されて読み取り精度が向上したものがAI OCRです。古い資料やFAXから出力されたノイズやかすれなどが多い資料であっても、AIによる前処理によって認識しやすい状態に変換して文字を読みとり、高い精度を実現しています。

AI OCRが盛んな領域は見積書や請求書などの受発注関連の書類に対応したサービスです。AI inside株式会社のDX Suiteが有名です。製造業においては、製品ラベル読み込みに特化したものなどもあります。

紙の資料の活用を検討されている方は、AI OCR技術が強い会社に相談するとよいでしょう。

NLP(自然言語処理)

「NLP」は「ONatural Language Processing」の略で、自然言語処理とも呼ばれます。

人が会話や文章で使用する日本語や英語などを自然言語といい、それを処理・分析するのがNLPです。NLPはディープラーニングによって、飛躍的に成長しました。NLPの活用領域として、問い合わせ対応のために利用されるチャットボットなどがあります。大量のテキストから情報を抽出したり、チャットボットを活用されたい方は、NLPR技術が強い会社に相談するとよいでしょう。

画像解析

画像認識はディープラーニングが最初に適用された技術分野で、第3次AIブームの火付け役といっても過言ではありません。

画像認識の用途としては、犬と猫の画像の分類や、自動運転に代表されるような物体検出などがあります。動画も瞬間を取り出せば画像なので、基本的には画像解析の領域です。製造業では画像検品サービスの開発が盛んで、株式会社ALBERTのタクミノメなどがあります。製造業以外では、医療の分野で病気の早期発見などで活用されています。

画像の活用を検討されている方は、画像認識技術が強い会社に相談するとよいでしょう。

音声解析

音声からテキストデータを生成する技術です。iPhoneのSiriや、Googleのスマートスピーカーなどに搭載され、身近な技術になりました。

音声認識の技術はあくまでテキストを生成するまでであり、その後の意味理解や情報の抽出にはNLP技術が使われています
そのため、音声認識はNLPと一緒に活用されることが多いです。雑音などのある環境で高い認識精度を出すなど、ディープラーニングの活用が進んでいます。製造業では、Hmcomm株式会社のFAST-Dなど、設備の異音検知などのサービスが増えてきています。

音声データの活用を検討されている方は、音声認識技術が強い会社に相談するとよいでしょう。

まとめ

AIの技術を事例で学ぶ記事、いかがでしたか。上記にはない技術としては、ビックデータを扱ったデータアナリティクス分野があります。例えば、機械の稼働と故障データから故障を予知したり、過去の販売実績から需要を予測するようなことが取り組まれています。

現在お持ちのデータがどのカテゴリに分類するかで、相談先が変わってきますので、技術ベースで探すことをオススメします。

AIをマーケティングに活用する4つの方法

製造業×AIをテーマとした連載の第2回は、「AIをマーケティングに活用する4つの方法」について書きました。

AIをマーケティングに活用する方法は、4つあります。

  1. AIというテーマで取り上げてもらって認知向上につなげる
  2. AIシステムにユニークな名前をつけて興味関心を高める
  3. AIシステムによってマーケティング業務を自動化する
  4. AIを組み込むことで製品価値を向上させる

1、AIというテーマで取り上げてもらって認知向上につなげる

AIをマーケティングに活かすために、メディアにAIというテーマで取り上げてもらうことで、認知向上につなげることができます。この方法は、AI活用の全てのケースで実現することができます。

AIをテーマとしたプレスリリースを発信することで、多くの方に会社や製品、技術を認知させることができます
自社HP内のニュースでは気づいてもらえる確率が低いため、PRTIMESなどのプレスリリース配信サービスを使用して広く拡散することで、多くの媒体への掲載が期待できます。この方法は、広告費用をほとんどかけずに認知度を向上させることができます

AIの場合、AIの活用事例として取り上げてくれることも期待できます。AIに関する事例紹介サイトにはLeadge.aiなどがありますが、これらに掲載されることで、瞬間的なメディア掲載だけでなく、長期でAIの活用事例として露出することができます。AIの活用は現在進行形で進んでおり、顧客は事例を求めています。そのため、事例を探しているメディアが複数存在しています。

プレスリリース配信サービスなどを活用して、積極的にAIに関するニュースを発信しましょう。

2、AIシステムにユニークな名前をつけて興味関心を高める

AIをマーケティングに活かすために、AIシステムにユニークな名前をつけることで、顧客の興味関心を高めることができます。この方法は、AI活用の全てのケースで実現することができます。

有名な事例として、日本マイクロソフトが開発した会話ボットの「女子高生AI りんな(現在は元女子高生AI りんな)」があります。一度は目にしたことがあるのではないでしょうか。

AIは人に変わって業務を自動化することができますが、あたかも人のように動作することから名前やアイコンで擬人化されることが多いです。

株式会社ALBERTが提供するAI・画像認識サービスのタクミノメは、キャッチ―で覚えやすいネーミングです。製造現場で働く匠の眼をもつ職人さんの技術がAI化されたとイメージ連想できます。

ちなみに、ネーミングにおいては、下記の要素が重要だとされています。(抜粋:ここからはじめる実践マーケティング入門 グロービス著)

  1. 短い
  2. 覚えやすい
  3. 言いやすい
  4. 悪い連想を起こさない
  5. 何を言おうとしているかが伝わる
  6. 商標登録できる
  7. 見た目も良い
  8. 戦略と整合性がとれている

上記の要素をクリアしつつ、ユニークな名前をAIシステムにつけて、興味関心を高めてみましょう。

3、AIシステムによってマーケティング業務を自動化する

AIをマーケティングに活かすために、AIシステムによってマーケティング業務を自動化し、業務を効率化することが可能です。マーケターの仕事の1つである、大量のデータから特徴を発見するような業務は、AIが得意な領域です。

テクノスデータサイエンス・エンジニアリング株式会社が提供するNetBaseは、ソーシャルデータを自然言語処理(NLP)で解析し、様々な角度で分析を行うことできます。人では到底処理できないような膨大なソーシャルメディアデータをリアルタイムで分析することで、自社の評判調査や市場調査、需要予測が可能となっています。

マーケターは対応しなければいけない業務の範囲とボリュームが大きいことが多いため、定期的に発生する業務を自動化するメリットは大きいです。

マーケティング業務をAIで自動化できないか、検討してみましょう。

4、AIを組み込むことで製品価値を向上させる

AIをマーケティングに活かすために、AIを組み込んで製品価値を向上させることができます。AIが搭載されることで、製品の差別化ができたり、勝負の土俵を変えるゲームチェンジャになることができます。製品はハードウェア、ソフトウェアどちらであってもAI導入が可能です。

例えば、アルム株式会社が開発するARMCODE1は、切削加工の業務を自動化するソフトウェアです。加工物の形状を解析して最適な工具を選定し、加工条件設定や材料・工具セットの指示表示を自動化するなど、これまで人が行っていた業務が、AIによって自動化されています。
アルム株式会社のARMCODE1を事例としたAIシステム開発のノウハウが、タクミセンパイの「事例で学ぶ中小企業のAIシステム開発」で紹介されています。

ARMCODE1はAIによって、その他の自動化ソリューションとの差別化を実現しています

自社の製品にAIを導入して差別化できないか、自社の業務をAIで自動化しつつサービスを外販できないか考えてみましょう。

まとめ

AIをマーケティングに活用する4つの方法を、事例をまじえて紹介いたしました。

紹介したAIをマーケティングに活用する4つの方法は、全て同時に実現することが可能です。全て同時に実現できている状態とは、自社のマーケティング業務を自動化し、そのサービスを外販し、サービスにユニークな名前をつけて、プレスリリースを発信することです。

全てを実現できているAIソリューションの事例を紹介します。大成建設株式会社は、AIを活用した設計支援システムに「AI設計部長」と命名し、設計技術データベースを適用することで従来の設計業務が大幅に効率化され、お客様に対して高付加価値な提案を迅速化かつ的確に実施することが可能としています。

AI活用を検討される場合は、4つの方法を全て同時に実現できるように取り組み、マーケティング効果を最大化しましょう。

ビジネスマンなら知っておきたい、AIの基礎とよくある間違い

はじめまして。「切削工具の情報サイト タクミセンパイ」を運営し、切削工具および製造業におけるDX(デジタルトランスフォーメーション)・AIの情報を発信している服部です。

私の経歴について、簡単に紹介させていただきます。

バリ取りを自動化する工具を開発・製造・販売するメーカーにおいて、営業を5年、マーケティングを4年経験しました。製造業での経験を活かし、現在はAIスタートアップで営業として製造業のDXに取り組んでいます。

現場で見聞きした、製造業におけるDX・AIの最新情報をお伝えできればと思っております。

はじめに

2021年現在、AIに関するニュースを毎日目にするほど、AIが当たり前の世の中になりました。コロナの影響もあり、国がDXを推進したり、ソーシャルディスタンス対策としてのAI活用が注目されています。

製造業においても画像解析技術を使った検品など、AIに関するニュースを見ることが増えてきました。AIスタートアップに勤務する私も、製造業のお客様からの問い合わせが増えていることを肌で感じております。

AIに関するプレスリリースを打てば多くの媒体に掲載され、反響が非常に大きいことから、マーケティングの視点においても見逃せないテーマとなっています。そこで、製造業×AIをテーマに記事を書いていきたいと思います。

今回は、「AIの基礎」と「AIのよくある間違い」についてご紹介します。

AIの基礎

AIの基礎といっても、ビジネスマンとして知っておくべきことを中心に説明します。

AIは「Artificial Intelligence」の略称で、1960年ごろから研究が進み、2021年現在は第三次AIブームに位置します。2000年代初頭のディープラーニング(深層学習)の登場により、第三次AIブームに突入しました。

ただ、ディープラーニングはブームのキッカケに過ぎず、AIが実用的なものになったのは、データが容易に集められるようになったことと(IoTでビッグデータ収集など)、データの処理能力が向上したからです。

JCER(日本経済研究センター)が2019年3月に実施した「日本企業のAI・IoTの導入状況」調査より、製造業のAI導入率は11.2%となっております。2020年以降はコロナの影響もあり、AIの導入が進んで15~20%くらいになっているのではないかと予想しますが、まだ全体の1/5程度です。

AIと関連性の高いキーワードとしてIoT・データサイエンス・DXがあり、こちらについても簡単に説明します。

IoT

IoT(Internet of Things)は、モノのインターネットとも呼ばれています。インターネットに接続されていなかったモノが、サーバーやクラウドサービスに接続し、相互に情報を交換できるような仕組みのことです。この仕組みによってビックデータの取得が可能になり、集まったデータを活用するという流れで、第三次AIブームが起こりました

DX

DX(デジタルトランスフォーメーション)は、コロナ以降よく目にするようになりましたが、媒体によって定義が少し異なっています。2018年に経済産業省がまとめた「DX推進ガイドライン」を定義としている媒体が多いので、そちらを紹介します。

「企業がビジネス環境の激しい変化に対応し、データとデジタル技術を活用して、顧客や社会のニーズを基に、製品やサービス、ビジネスモデルを変革するとともに、業務そのものや、組織、プロセス、企業文化・風土を変革し、競争上の優位性を確立すること。」
引用:経済産業省 DX推進ガイドライン

データサイエンス

データサイエンス(DSと略すこともあります)とは、データを軸として統計などの手法を用いて、ビジネスにおける新たな価値を発見する学問および学術分野のことです。1970年ごろから使われていた言葉ですが、ビックデータやAIの登場によって注目されました。データサイエンスに携わる人をデータサイエンティストといい、AIのテーマではこちらの方がキーワードとしてよく登場します。

IoT・DX・DS・AIの関係

IoT、DX、データサイエンス、AIの関係がわかるように、図で表してみました。

DXの手段としてIoT・データサイエンス・AIがあり、IoTによって集めたビックデータの活用としてデータサイエンスやAIがあります。

AIをビジネスで利用する際によくある5つの間違い

私自身も遭遇した、AIをビジネスで利用する際のよくある5つの間違いを紹介します。

  • 現在のAIは全てディープラーニングである
  • AIは人より精度の高いことができる
  • AIは人が出せない答えを出せる
  • AIは人の仕事を奪う
  • AIは自動で学習して精度が上がる

現在のAIは全てディープラーニングである

第三次AIブームのキッカケとなったのは、ディープラーニングです。しかし、ディープラーニングは画像や音声、テキストを認識することができる技術であり、これらのデータを対象としたケースにおいては、今までのAIシステム以上の精度を出すことができます。しかし、すべてのデータにおいて万能というわけではありません。

ディープラーニング以外のマシンラーニング(機械学習)には、決定木、ランダムフォレスト、回帰分析など様々な手法があるのですが、現在もこれらの手法は現役で採用されています。AI、マシンラーニング(機械学習)、ディープラーニング(深層学習)の関係を下図にまとめてみました。

ちなみに、AIでどうにかしたいと相談受けた内容が、AIがなくても実現できるケースもあります。2021年現在、AIで課題を解決する手法は、ディープラーニングが全てではないことを知っていただければと思います。

AIは人より精度の高いことができる

AIを魔法のようなものと勘違いされている方が結構います。

機械学習は、大量のデータから高次元・複雑な法則を読み取ることが可能であり、人が今までやっていたことを自動化できます。魔法のようだとも言えますが、人より精度が高い結果を出せることはほとんどありません。

AIには学習というフェーズがあるのですが、例えば100点の学習データを使っても、90点くらいの結果が出るといった感じです。結果を出すまでの時間(スピード)に関しては、AIの方が優れているケースはあります。

AIは人を超えた万能なシステムにはなれないことを、知っていただければと思います。

AIは人が出せない答えを出せる

AIの出せる結果は、学習に用いたデータのあくまで延長となります。つまりは、学習データにない結果を出すことはほとんどの場合できません。あくまでAIは人とセットで成立する仕組みであり、AIがわからないことは人がサポートしなければなりません。

AIは人の仕事を奪う

こちらはAIが注目された初期によくメディアなどで取り上げられた間違いです。AIのシステムを構築する上で、どのような結果を出すべきかを指示し、その結果を評価できるのは人です。つまり、AIシステムを構築し、そのシステムを維持・向上させるのに、必ず人が必要になるのです。

また、AIは完璧なものを作り出すことはできないので、AIと人が共同する仕組みをつくることが理想的といえます。AIによって人が全く不要になることはなく、AIができる範囲の仕事を自動化し、人がAIの結果をチェックするような体制になることを知っていただければと思います。

AIは自動で学習して精度が上がる

AIは勝手に学習して賢くなるものだと思われている方が多いのですが、技術的に自動学習は可能ではありますが、実用性は低いです。その理由は、インプットされたデータが全て学習すべき質の高いデータであるとは限らないため、人がデータを選別した上で学習させないと、精度が落ちる可能性があるからです。そのため、AIシステムの運用が始まったあとも、しっかりAIのアウトプットを人が確認し、何を学習させるべきか都度判断してアップデートする必要があります

まとめ

  • 反響の大きさから、AIはマーケティングにおいても重要なテーマである
  • ディープラーニングはブームのキッカケに過ぎず、AIが実用可能なものになった理由は、データが容易に集められるようになり、データの処理能力が向上したから
  • 2019年3月時点で、製造業のAI導入率は11.2%
  • DXの手段としてIoT・データサイエンス・AIがある
  • ディープラーニング以外の手法も現役で利用されている
  • 多くの場合、AIは人より高い精度を出すことができず、万能ではない
  • AIはあくまで学習したデータの延長上の答えしか出せない
  • AIが人の仕事を奪うことはなく、AIと人が共同する仕組みをつくることが理想形である
  • AIは自動で学習することが可能であるが、実用的なレベルには達成していない

ビジネスマンなら知っておきたい、AIの基礎とよくある間違い

はじめまして。「切削工具の情報サイト タクミセンパイ」を運営し、切削工具および製造業におけるDX(デジタルトランスフォーメーション)・AIの情報を発信している服部です。

私の経歴について、簡単に紹介させていただきます。

バリ取りを自動化する工具を開発・製造・販売するメーカーにおいて、営業を5年、マーケティングを4年経験しました。製造業での経験を活かし、現在はAIスタートアップで営業として製造業のDXに取り組んでいます。

現場で見聞きした、製造業におけるDX・AIの最新情報をお伝えできればと思っております。

はじめに

2021年現在、AIに関するニュースを毎日目にするほど、AIが当たり前の世の中になりました。コロナの影響もあり、国がDXを推進したり、ソーシャルディスタンス対策としてのAI活用が注目されています。

製造業においても画像解析技術を使った検品など、AIに関するニュースを見ることが増えてきました。AIスタートアップに勤務する私も、製造業のお客様からの問い合わせが増えていることを肌で感じております。

AIに関するプレスリリースを打てば多くの媒体に掲載され、反響が非常に大きいことから、マーケティングの視点においても見逃せないテーマとなっています。そこで、製造業×AIをテーマに記事を書いていきたいと思います。

今回は、「AIの基礎」と「AIのよくある間違い」についてご紹介します。

AIの基礎

AIの基礎といっても、ビジネスマンとして知っておくべきことを中心に説明します。

AIは「Artificial Intelligence」の略称で、1960年ごろから研究が進み、2021年現在は第三次AIブームに位置します。2000年代初頭のディープラーニング(深層学習)の登場により、第三次AIブームに突入しました。

ただ、ディープラーニングはブームのキッカケに過ぎず、AIが実用的なものになったのは、データが容易に集められるようになったことと(IoTでビッグデータ収集など)、データの処理能力が向上したからです。

JCER(日本経済研究センター)が2019年3月に実施した「日本企業のAI・IoTの導入状況」調査より、製造業のAI導入率は11.2%となっております。2020年以降はコロナの影響もあり、AIの導入が進んで15~20%くらいになっているのではないかと予想しますが、まだ全体の1/5程度です。

AIと関連性の高いキーワードとしてIoT・データサイエンス・DXがあり、こちらについても簡単に説明します。

IoT

IoT(Internet of Things)は、モノのインターネットとも呼ばれています。インターネットに接続されていなかったモノが、サーバーやクラウドサービスに接続し、相互に情報を交換できるような仕組みのことです。この仕組みによってビックデータの取得が可能になり、集まったデータを活用するという流れで、第三次AIブームが起こりました

DX

DX(デジタルトランスフォーメーション)は、コロナ以降よく目にするようになりましたが、媒体によって定義が少し異なっています。2018年に経済産業省がまとめた「DX推進ガイドライン」を定義としている媒体が多いので、そちらを紹介します。

「企業がビジネス環境の激しい変化に対応し、データとデジタル技術を活用して、顧客や社会のニーズを基に、製品やサービス、ビジネスモデルを変革するとともに、業務そのものや、組織、プロセス、企業文化・風土を変革し、競争上の優位性を確立すること。」
引用:経済産業省 DX推進ガイドライン

データサイエンス

データサイエンス(DSと略すこともあります)とは、データを軸として統計などの手法を用いて、ビジネスにおける新たな価値を発見する学問および学術分野のことです。1970年ごろから使われていた言葉ですが、ビックデータやAIの登場によって注目されました。データサイエンスに携わる人をデータサイエンティストといい、AIのテーマではこちらの方がキーワードとしてよく登場します。

IoT・DX・DS・AIの関係

IoT、DX、データサイエンス、AIの関係がわかるように、図で表してみました。

DXの手段としてIoT・データサイエンス・AIがあり、IoTによって集めたビックデータの活用としてデータサイエンスやAIがあります。

AIをビジネスで利用する際によくある5つの間違い

私自身も遭遇した、AIをビジネスで利用する際のよくある5つの間違いを紹介します。

  • 現在のAIは全てディープラーニングである
  • AIは人より精度の高いことができる
  • AIは人が出せない答えを出せる
  • AIは人の仕事を奪う
  • AIは自動で学習して精度が上がる

現在のAIは全てディープラーニングである

第三次AIブームのキッカケとなったのは、ディープラーニングです。しかし、ディープラーニングは画像や音声、テキストを認識することができる技術であり、これらのデータを対象としたケースにおいては、今までのAIシステム以上の精度を出すことができます。しかし、すべてのデータにおいて万能というわけではありません。

ディープラーニング以外のマシンラーニング(機械学習)には、決定木、ランダムフォレスト、回帰分析など様々な手法があるのですが、現在もこれらの手法は現役で採用されています。AI、マシンラーニング(機械学習)、ディープラーニング(深層学習)の関係を下図にまとめてみました。

ちなみに、AIでどうにかしたいと相談受けた内容が、AIがなくても実現できるケースもあります。2021年現在、AIで課題を解決する手法は、ディープラーニングが全てではないことを知っていただければと思います。

AIは人より精度の高いことができる

AIを魔法のようなものと勘違いされている方が結構います。

機械学習は、大量のデータから高次元・複雑な法則を読み取ることが可能であり、人が今までやっていたことを自動化できます。魔法のようだとも言えますが、人より精度が高い結果を出せることはほとんどありません。

AIには学習というフェーズがあるのですが、例えば100点の学習データを使っても、90点くらいの結果が出るといった感じです。結果を出すまでの時間(スピード)に関しては、AIの方が優れているケースはあります。

AIは人を超えた万能なシステムにはなれないことを、知っていただければと思います。

AIは人が出せない答えを出せる

AIの出せる結果は、学習に用いたデータのあくまで延長となります。つまりは、学習データにない結果を出すことはほとんどの場合できません。あくまでAIは人とセットで成立する仕組みであり、AIがわからないことは人がサポートしなければなりません。

AIは人の仕事を奪う

こちらはAIが注目された初期によくメディアなどで取り上げられた間違いです。AIのシステムを構築する上で、どのような結果を出すべきかを指示し、その結果を評価できるのは人です。つまり、AIシステムを構築し、そのシステムを維持・向上させるのに、必ず人が必要になるのです。

また、AIは完璧なものを作り出すことはできないので、AIと人が共同する仕組みをつくることが理想的といえます。AIによって人が全く不要になることはなく、AIができる範囲の仕事を自動化し、人がAIの結果をチェックするような体制になることを知っていただければと思います。

AIは自動で学習して精度が上がる

AIは勝手に学習して賢くなるものだと思われている方が多いのですが、技術的に自動学習は可能ではありますが、実用性は低いです。その理由は、インプットされたデータが全て学習すべき質の高いデータであるとは限らないため、人がデータを選別した上で学習させないと、精度が落ちる可能性があるからです。そのため、AIシステムの運用が始まったあとも、しっかりAIのアウトプットを人が確認し、何を学習させるべきか都度判断してアップデートする必要があります

まとめ

  • 反響の大きさから、AIはマーケティングにおいても重要なテーマである
  • ディープラーニングはブームのキッカケに過ぎず、AIが実用可能なものになった理由は、データが容易に集められるようになり、データの処理能力が向上したから
  • 2019年3月時点で、製造業のAI導入率は11.2%
  • DXの手段としてIoT・データサイエンス・AIがある
  • ディープラーニング以外の手法も現役で利用されている
  • 多くの場合、AIは人より高い精度を出すことができず、万能ではない
  • AIはあくまで学習したデータの延長上の答えしか出せない
  • AIが人の仕事を奪うことはなく、AIと人が共同する仕組みをつくることが理想形である
  • AIは自動で学習することが可能であるが、実用的なレベルには達成していない