AI時代のイノベーションとサービス再考
•Als PPTX, PDF herunterladen•
0 gefällt mir•308 views
AIは人間の「意思決定」の一部あるいはかなりの部分を代替する。そうなれば、製品やサービスのデザインは根本的に変わる。そこで、従来の方式に対比してAI時代はどのように変化するのかに焦点を当てる。基本的にはAIはデータ駆動で問題解決ループを永続的に回転させ、最新のソリューションを提供し続けると考えられる。そこで、まず、そのモデルを設定し、このモデルに該当しそうな例としてNetflix,Airbnbをサーベイする。その後、AI方式の従来方式との根本的相違を考える。最大の相違はAI方式が従来方式に比較して、「規模、範囲、学習」の従来方式の３制約条件を排除あるいは大きく改善する点にあると思う。この視点からAI時代の新たな取組みを考える。
Empfohlen
Weitere ähnliche Inhalte
Ähnlich wie AI時代のイノベーションとサービス再考
Ähnlich wie AI時代のイノベーションとサービス再考 (20)
Mehr von Hiroshi Takahashi
Mehr von Hiroshi Takahashi (20)
Kürzlich hochgeladen
Kürzlich hochgeladen (8)
AI時代のイノベーションとサービス再考
- 2. 問題意識 • AIは人間の「意思決定」の一部あるいはかな りの部分を代替すると言われている。 • そうなると、従来の製品やサービスの設計・ 開発などはどのように変わるのだろうか？ • また、AIは従来方式の設計・開発の制約条件 をどのように変更あるいは克服するのだろう か？ • しかし、このような視点での情報は必ずしも多 くない。 • そこで、探索してみる。
- 3. 目次 1. はじめに・・・課題設定 2. 事例による探索 3. 新方式の枠組み 4. AI時代の新たな取組み
- 4. 従来方式 • 従来方式は基本的に人間の「意思決定」に依 存している。これはかなりの労力を強いる。 – 個々のユーザー毎に異なるソリューションの提供 は事実上不可能である。 – 従って、ユーザーセグメントに対して、「設計」「製 造」「使用」を時系列に実施するしかない。 – そして、例え、市場が変化したり、新技術が生ま れたり、顧客「使用」についての新たな洞察を得 たとしても、そのフィードバックは次のサイクルま で凍結される（下図）。 1.はじめに・・・課題設定 設計 開発 使用 設計 開発 使用 洞察をﾌｨｰﾄﾞﾊﾞｯｸ 次のサイクル 凍結期間が存在
- 5. AIによる新たな方式 • 一方、AI方式ではAIエンジンが顧客とのやり取り、 AI利用企業エコシステムのメンバー企業とのや り取りを一括して統括する。 • そして、これら情報から、オブジェクト認識、自然 言語処理、予測、結論引き出しなどを行う。 • 結果、適切に考察されたアルゴリズムは人間の 労力無しに個別ユーザー毎の正確なソリュー ションを自動的に生成する。 • 更に、新しいデータの継続的収集とAIエンジンの 学習機能により、ユーザーニーズと行動の予測 を改善し、時間の経過とともに、より優れたソ リューションを提供する。 ⇒このビジョンを次頁図に示す。
- 6. AIによる新たな方式図 設計 問題解決 使用 データ AI 問題解決ループ ソリューション提供 センサー • 問題解決ループは永続的に展開される。 • ソリューションは最新のものが提供され続ける。
- 7. 課題設定 • 基本設定：２つのモデル、とりわけ、AIによる 新たな方式は適切と考えられるか？ • 実際にこのような処理を実行している事例は あるか？ ⇒ 第2節 • AI方式は、どの程度の範囲でこのような「問 題解決ループ」を適切に展開させていると考 えられるか？ ⇒ 第3節
- 8. NetflixでのAI処理の例 ① 類似と見做された顧客のアクションと結果 （選んだ映画など）で構成されるラベル付き データセットを作成する。⇒それらから効果 的な推奨事項の作成と提示を行う。 ② 特定のデータを前提とせずに、関連する顧 客グループを発見したり、様々なユーザーイ ンタフェースを作成する。⇒更に最初のコンテ ンツを予測する。 ③ 更に、提示する映画の選択を洗練させ、 ユーザーと推奨事項の最適化を図る。⇒特 定ユーザーに向けて改善されたビジュアルで多 数の推奨事項を提示する。 ２.事例による探索
- 9. NetflixのAI処理とAIアルゴリズム ①：「教師あり学習」の利用 – ラベル付きデータセットの作成で、従来の人間による 設計・開発に類似の機能を実現する。 – 但し、多様な関連情報による学習で、「問題解決ルー プ」の出力は従来方式以上によりユーザー中心にな る。 ②：「教師なし学習」の利用 – 前提を置かないデータの活用により、先入観や仮定 なしの洞察を発見しうる。 – 非常に大量のデータを永続的に処理していくので、 新たな洞察に結実しうる（新たな発見という点では「デ ザイン思考」に類似の側面を持つ）。 ①、②、③とAIアルゴリズムとの関係
- 10. NetflixにおけるAI処理の例（続） • ③：「強化学習」の利用 – 開始点とパフォーマンス関数を設定して始める。 – 「より多くの時間をかけてコンテンツの複雑性を更 に調査するか」 vs 「これまで構築されたモデルを 活用して意思決定とアクション設定を行うか」のト レードオフを判断する時点がある。 – 非常に大量のデータを永続的に処理していくこと で、複雑な人間の好みを最も深く学習し、ユｰ ザーのエンゲージメントを長期に渡って最適化し うる（「反復」＊の原則に類似の側面がある）。 ＊：満足の行く結果が得られるまで、ソリューションがテストされ改良されるプロセスのこと
- 11. Netflix発展の歴史 • 元々はビデオレンタル屋で、DVDの出荷管理 で構成されていた（この段階では顧客の視聴 行動を監視することはできなかった）。 • 2007年、ストリーミングサービスを開始した（こ の結果、視聴行動を監視できるようになった。 ここからＡＩモデルに転換した）。 • コンテンツ予想（②）は2013年頃から始めた。 • この頃から既に「Netflixは3,300万の異なる バーションがある」と言われていた。 • 最近では一層進んだ活動を行っている。（例： 次頁）
- 12. • 既に新規映画製作などの製作事業に参入 している(2013年頃から）。 • そして、既存映画スタジオと競合して久しい。 最近のNeflixのサービス例 Netflixオリジナルシリーズ • Ｎｅｔｆｌｉｘオリジナル作品が アカデミー賞なども受賞し ている。 • また、オリジナルTV番組も 開始している。
- 13. AirbnbでのAI処理の例 • ホスピタリティビジネスは人々の中心性を実現し ようとするため、文化、年齢、背景、旅行目的な ど、様々な要素の多様性によって特徴付けられ る。 • 従って、本質的に非常に複雑である。 • この様な複雑性に直面して、従来のモデルは、 – 不動産（ホテルとそのスペース、部屋など） – 労働集約的なプロセス（雇用、教育、調整、など） への多額の投資に依存してきた。 • このモデルでの資産の大きい企業は何らかの標 準化を行い、その結果、一定期間サービスは静 的なままになっていた。 ホスピタリティビジネスの従来の方式
- 14. デザイン思考による改善の取組み • このような状況に対し、「デザイン思考」で有名な IDEOによるインターコンチネンタルホテルグルー プでの取組みを例示する。 – 例１：短期滞在の旅行者を対象とした便利な体験の 訴求プログラム – 例２：ビジネス旅行者を対象とした会議や仕事のため の適切なスペースの設計プログラム – 例３：チェックイン方式から部屋自体の見栄えまで全 てを再設計して別ブランドを作成、など • 全体的には対象セグメントへの効果的体験の策 定に焦点を当て、特定ソリューションのプロトタイ ピングに依存していた。 – しかし、この段階では本質的改善は道半ばである。
- 15. AirbnbのAIによる取組み • 運用管理の責任をホストに委託することで多様 性と規模拡大の従来のボトルネックを克服した。 • そして最先端のソリューションを提供した(下記)。 – デザインオプションの圧倒的な幅の広さ – 2017年段階で190ヶ国、8万都市で300万ホスト（大手 ホテルの3倍以上）。そして、300万の部屋のデザイン は全て異なる。 – この膨大な選択肢からの最適選択にAIを導入する。 • ゲスト（顧客）が見ているものに対するUI（洞察）の支援と、 • ホスト（貸主）に効率的ソリューションを提供してもらうため の問題解決の支援（例：価格の設計）を両立させる。 • AIがプラットフォームの両側（ホスト、ゲスト）にそ れぞれ独立して問題解決ループを実行すること で、従来モデルの制約であった様々な利害関係 者の要件のバランスを確保する。⇒次頁図参照
- 17. AIについての基本認識 • AIは（デジタル化による製造の自動化のよう な範疇を超えて）製品やサービスの設計の自 動化に及ぶ。 • 即ち、AIによる設計の自動化は直接的な問 題解決（ソリューション提示）を導く。 • 結果、従来のデザイナーやエンジニアの役割 は変わる。彼等は設計をAIに委任するので、 単にそれらを実施しないだけでなく、新たな役 割は問題解決ループを設計することに変わる。 ３.新方式の枠組み
- 18. AIアルゴリズムは人間のようには機能 しない • 但し、AIは、エンジニアやデザイナーの思考を コピーして自動化している訳ではない。 • それらは異なる方法で機能する（大量のデー タに基づき何百万回も“反復”することで人 間の能力を超えた複雑な予測を提示する）。 • 従って、今までのエンジニアやデザイナーは 過去のノウハウのみで問題解決ループを設 計することはできない。 • しかし、現状では新たな教育も実施されてい ない。
- 20. 適用範囲を考察するためのTeslaの事例 • TeslaはNetflixやAirbnbのようにハードウェア （車）を自動的に設計している訳ではない。 • しかし、車のデザインそのものを再考している。 – 物理的に相互作用する全ての要素（ボタンなど） を取り除き、殆どのコントロールをデジタルユー ザーインタフェースに埋め込むようにしている（下 図の左側）。 • 次に、データを収集するた めのセンサーを取り付けた。 • これにより、問題解決ルー プで提示された処理がか なりの機能を実現している。
- 21. AIは規模、範囲、学習という３つの 制約条件を排除する 従来方式 AIによる新たな方式 人間ベースの活動のため、リ ソースや時間に制約があった。 製品/サービスは特定の業種向 けに設計される（別の文脈に適 応される可能性は殆どなかった）。 特定ソリューションの開発が機械で 実行されるので基本的制約はない。 設計概要は流動的であり、製品/ サービスがリリースされた後でも再構 成が可能である（別業種向けへの適 応など新たなパターンを見つけ出し 易くなった）。 [規模」 [規模」 [範囲」 [範囲」 [学習」 [学習」 学習は既存プロジェクト内に限 定される。 また、学習の成果は次のバー ジョンでのみ活用される。 学習の成果はループを介して広く伝 搬される。 また、学習効果によりソリューション は常に最新のものに更新される。 ・ ・ ・ ・ ・ ・ ・ ・
- 23. イノベーションへの影響 • AI方式は、改めて“創造とは何か？”という問 題と絡む可能性がある。 • 従来の「創造性とは問題解決に他ならない」 と考えられていた（Simon、1988）。 • しかし、問題解決をAIが行ってしまうと、「創造 性とは問題発見である」（Csikszentmihalyi, 1988）との意見も登場する。 • 換言すれば、良い問題を見つけ、その解決に 関連するデータを発見することが実際上は 重要と考えられる。
- 24. 新方式の枠組み（中間まとめ） • 新方式は従来方式の制約条件をかなりの程 度緩和する。 • 適用分野は、自動車産業のような物理産業 においても、デザインを再考することで適応 性を拡大できる。 • そして、よりリアルタイムに顧客ニーズに対応 するソリューションを提供し続けられる。 • 即ち、既存業種は従来の常識をAI時代に向 けて如何に再考できるかがポイントになる。
- 25. AIと組織変革 • AIは人間の活動に取って代わるだけでなく、 企業の概念を変える可能性がある。 • AIの真に劇的な影響は組織の性質と組織が 我々の周辺世界を形作る方法を変えることか もしれない。 • 例：AIは企業の運営方法や競争方法を変える かもしれない。 ⇒ 次頁参照 ４. AI時代の新たな取組み
- 26. AIによる組織変革の例 • 運営方法： – Google,Facebook等は、膨大な画像データ収集か ら、顔認証、写真並べ替え、画像強調などのアル ゴリズム改善で今や驚くべき予測を提示する。 – 人間活動のデジタル表現は、アナログでは不可 能な方法でそれ自体を学習・改善できる。これは 企業経営の運営方法を根本的に変える。 • 競争方法： – 前例のないレベルの規模、範囲、学習能力を身 に着けた企業が登場する。 – これは従来の競合他社を粉砕する可能性が高い （Netflix, Airbnb, SNS企業、モバイル企業など）。
- 27. AIによる企業成長のメカニズム 1.生産性向上の推進力としてのAI – 一部の仕事で人的労働を代替（⇒単位当たりの人件 費削減） – より良い予測と意思決定による効率の向上 2.新製品/サービスや新市場拡大の推進力としての AI – 顧客の好みやニーズに合わせた製品・サービスの 提供の可能性 – 適切な予測により一連の対象顧客の拡大の可能性 ⇒新しい市場や地政学的拡大に繋がる。 2.の効果の方が大きいと実証されている・・（Babina、2021）
- 28. AI時代の新たな取組み（まとめ） 1. AIはイノベーションの中核である「意思決定」 や「学習」を自動化する。 2. AIは人間中心の設計で一般的であった制約 条件（規模、範囲、学習）を大幅に取り除く。 3. しかし、この可能性を具現化するには、組織 を根本的に再構築する必要がある。 4. AIを活用した組織での人間の役割は、「完全 なソリューションを開発することから、どのイノ ベーションが意味があるかなどを理解し、問題 解決ループを設計する」ことに移る。
- 29. AI時代の新たな取組み（まとめ）（続） • 換言すれば、「問題解決」から「問題発見」へ のプロセス移行が求められる。 • しかし、現状ではよく分からないことも多い。 – 組織はどうすれば人間中心のイノベーションシス テムからAI中心のイノベーションシステムに移行 できるか？ – どのような能力変更が必要か？ – それらの能力を身に着けるには何が重要か？ • 但し、成功企業は既に登場している。そして、 成功企業の持つ従来の制約条件克服能力は ただちに従来企業の脅威になる。
- 30. 今後の課題 • 結局、AIを含むデジタル化が本質的にどのよ うな変化を招来させているのか？また、 • このような新たな環境における製品・サービ スの設計・開発はどうすべきか？を根本から 問い直す必要がある。 • 想定される切り口の一つはデザイン思考の考 え方をより新しい環境に適合させて進化させる ことかもしれない。 • そうすることで、適切な「問題発見」の可能性 を具体化させられるかもしれない。