Viscovery SOMine

お見積りお見積りお見積りお見積り

* シングルユーザー期限付きライセンス、1年間、消費税別。

AIブームで失敗された企業様を救済します。

2012年以降のAI/機械学習ブームに便乗して、雨後の筍のようにAIベンチャーが出現しました。それらの新規参入企業からの誘いに乗って、社内にAI開発プロジェクトを立ち上げられたクライアント企業様も多数に上りました。高額な年収を保証してデータサイエンティストを採用された企業様もありました。さて、それらのプロジェクトは今どうなったのでしょうか？

順調に当初の期待どおりの成果を上げられた企業様は、おめでとうございます。その調子でこれからも頑張ってください。しかし、「思うような成果が上がらなかった」という企業様もかなりあったのではないでしょうか？その原因は何だったのでしょうか？

AI/機械学習プロジェクトが上手くいかない理由を探すとキリがないほどたくさんあるかと思います。そもそも目標（解決する課題）の設定が間違っていたということが、たぶん一番多いのかと思います。技術のことがわからない上層部が担当者に無茶苦茶な要望をしたのかもしれませんし、また逆に経営のことがわからない若手の社員に全部丸投げでやらせてみたのがいけなかったのかもしれません。いずれにせよ、問題の核心は、「技術と経営の橋渡し」ではなかったでしょうか？

皆さんが導入されたAI/機械学習の技術は、とても複雑なものでした。じつは、それは技術が未成熟だということを示しているのです。優れた技術はシンプルです。経営管理者は、計算の数式だとか、プログラムのコーディングなど、技術の枝葉末節について知る必要はありませんが、その技術についての重要なコンセプトは理解しておく必要があるかと思います。たとえば、自動車が走るにはガソリンが必要だとか、エンジン・オイルを定期的に交換する必要があるなど、ガソリン・エンジンの基本構造に関する知識がなければ、適切に自家用車を管理することもできません。つまり、技術者ではない一般のユーザーでも、その程度の技術知識は理解しておく必要があります。

ところが近年流行したAI/機械学習では、その程度の理解もなかなか難しかったのではないでしょうか？つまり、アルゴリズムの専門的・詳細な部分まで理解しないまでも、それがだいたいどんな原理で動作しているかぐらいは理解していないと、そこから出てきた結果を経営的な観点から評価することもできないはずです。経営管理者がそれを理解しないで、データサイエンティストに全部任せているというのでは、いったいその会社は誰が経営しているのか？ということになります。

ところが、近年流行したAI/機械学習では、たくさんの学習アルゴリズムがあります。そんなものを全部理解している人はどれぐらいいるでしょうか？ノーフリーランチ定理と言って、通常、「万能な機械学習アルゴリズムは存在しない」と信じられています。それは”科学的には”正しいことです。データサイエンティストたちは、たくさんの手法を駆使しなければならないと教え込まれています。これこそが”技術”として未成熟なことを示している根本問題なのです。

技術というのは、どの分野でも、代替手法は無数に存在します。技術は常に他の技術で代替可能なものであって、唯一絶対の技術なんか存在しません。しかし、実用に供するための技術は”経済性”も考慮しなければなりません。たくさんの代替手法があるからその全部を採用しなければならないというのは、科学的かもしれませんが、”技術”の観点からするとナンセンスなのです。たいてい自動車には1つの方式に基づくエンジンが1個積まれていたら十分です。異なる方式のエンジンを10個も積んだ自動車なんてありえないことぐらいすぐにわかることかと思います。近年流行したAI/機械学習は、これをやっているから技術的にダメなんです。

もうちょと好意的な言い方に変えるなら、流行のデータサイエンスは、F1のレーシングカーをチューニングするような世界だと言えるでしょう。ビジネスの世界にそんな技術を持ちこむのはナンセンスです。高級車から大衆車までさまざまなグレードはあるにせよ、普通のユーザーが手軽に扱えるように、安定して動作するツールを使用するべきです。

Viscovery^® SOMine^®は、近年のブームとはまったく関係なしに、1990年代から開発されてきた完成度の高いデータマイニング＆AIモデル構築ツールです。大雑把にいうと自己組織化マップ（SOM:self-organizing maps)と多変量統計解析を融合させたハイブリッド技術です。ユーザーは、それほどたくさんのことを勉強する必要はありません。

• 質的データ、量的データのいずれにも対応して適切な前処理を自動で実行
• 変数間の非線形な関係性をモデルすることができる（もちろん線形も）
• 教師なし（クラスタリング）から教師あり（クラス分類、回帰）までカバーしているだけでなく、
• SOM上でさまざまなモデルを統一的に理解できる。したがって、
• ラベルなしのデータからセグメンテーション・モデルを作成して、
• それに基づく判断を再現するクラス分類モデルを実行するという
• 既存の機械学習では実現できない最先端のソリューションが可能
• APIによって実行系システムにモデルを簡単にデプロイして、リアルタイム実行できる。

というものです。SOMのマップの見方さえ習得すると、企業のトップもデータ分析を理解することができます。それはまさに、その会社の戦略を表現した「戦略マップ」そのものであり、経営コンサルタントが作成する「絵にかいた餅」ではなく、戦略マップがコンピュータ上で動作して、戦略に基づく個別の判断（たとえば、どの顧客にどの施策を割り当てるか）をリアルタイムで判断することができるようになります。