AI導入のメリット、コスト、気にすべきデメリット
2020.11.13公開 2024.2.16更新
概 要
AIの導入を検討する企業が増加している今、そのトレンドや導入によるメリットやデメリットを押さえることも必須です。画像認識や自然言語処理のトレンドを紹介しつつ、AIによる三つのメリットとさまざまなコスト、そして気にすべきデメリットを紹介します。
目 次
・AIは何ができるのか
・AI導入によるメリット
・作業の効率化
・顧客のビジネスの成功を支援
・画期的な新サービスの創出
・高い精度でのデータ分析
・コスト削減
・事故のリスクを下げる
・言語を超えたコミュニケーションが円滑になる
・従業員満足度の向上
・AI導入によるコスト、気にすべきデメリット
・初期費用が必要
・導入後も努力が必要
・人の役割の変化
・気にすべきデメリット：プロセスのブラックボックス化
・情報漏洩のリスク
・AI導入による活用例
・在庫管理の最適化
・需要予測
・チャットボット
・広告効果の向上
・故障の予測
・医療現場
・農業
・AI導入のトレンド
・画像認識技術の応用
・自然言語処理の応用
・時系列データの分析
・AI導入の事例紹介
・施工計画の最適化
・対話テキスト自動生成
・防衛装備品の外観検査
・献立提案
・波形解析による管内外面の損傷検出
・人材マッチング
・メリット、コスト、デメリットを踏まえて導入を考える
AIは何ができるのか
まず、AIと呼ばれる技術でできることを簡単に整理します。
AIが得意とする処理は一言で言えば、パターン化されたデータの分析や膨大なデータを元にした推論などです。AIは人間の知能と同等の機能を有するわけではなく一つのAIモデルは目的に合わせたシンプルな機能やアルゴリズムで構成されています。
AIは、入力された情報に対して何らかの処理をした上で予測結果を出力する点が従来のコンピュータよりも優れた点として言われます。しかしパターンから外れた処理が苦手な点は従来と変わりません。AIが優れている点の一つに、ビッグデータという、量と質を兼ねたデータの処理を素早く、正確に行うことに長けていることがあります。
AI導入によるメリット
AIを導入すると、どんなメリットがあるのでしょうか。さらに考えなければならないコストやデメリットも紹介します。なお、本稿で言うコストはもちろん、金銭的コストだけでなく、人的や時間的、心理的コストも含みます。
作業の効率化
AIはパターン化された処理はもちろん、パターンや特徴を見いだすことも得意としています。それゆえ人間より遥かに早く、正確にタスクを完了させることができます。比較的単純で、しかもリソースを圧迫しがちなルーチン作業をAIに任せることで、人がより創造的で生産的な作業に集中できるようになることが期待されます。
例えば、配送ルートの最適化はAIによる業務効率化の代表的な事例です。小売り大手イオンは、自社トラックの総輸送距離を2024年をメドに1割減らすとしています。AIを活用して数億通りの配送ルートから最短の道を選ぶ仕組みを導入し、トラック運転手が効率的に働けるようにします。その効果は、トラックの輸送距離を年間で最大2800万キロメートル、使用トラック数を15万台減らせるとしています。
出典：日本経済新聞「イオン、物流網を再構築 トラック輸送距離を1割削減へ」
顧客のビジネスの成功を支援
AI導入によって消費者の顧客満足度が向上したり、顧客企業のビジネスを成功に導けたりするケースもあります。特にカスタマーサポートは、こうしたAI導入の恩恵を受けやすい領域の一つです。
例えば楽天グループは、楽天市場の出店者向けに生成AIを活用した運営サポートサービスを順顧客のビジネスの成功を支援顧客のビジネスの成功を支援次導入する方針を示しました。登録する商品の説明文の作成や顧客からの問い合わせ対応などで生かし、出店企業の業務負担を下げながら効率を上げるとしています。同グループは2030年までに国内EC事業の流通総額を10兆円まで伸ばす目標を掲げており、達成するために欠かせないとしているAI活用の一環でもあります。
出典：日本経済新聞「楽天、出店者サポートにAI活用 商品登録や顧客対応で」
画期的な新サービスの創出
AIをうまく活用することで、新規性の高いサービスが創出されていくことも期待されます。例えば、書籍の内容を要約した上で朗読するサービスはその一つでしょう。単なる読み上げサービスではなくAIによる要約が可能になったことで、マイカーでの移動中や家事をしている間にも聞ける音声サービスが広まっています。
他には、世界的にも大きな関心を集めるサービスとして挙げられるのが店舗の無人化です。アマゾンが2018年にサービス開始した「Amazon Go」は、AIによる行動データの取得・分析、オムニチャネルでの決済やID情報の統合など、これからの新たな店舗の在り方として注目を集めました。アマゾンは2020年にはレジレス決済システム「Just Walk Out」も始め、これらを導入している小売店舗は、2022年10月現在で欧米に90以上あります。国内のコンビニでも店舗の無人化が進められるなど、こうした動きはより活性化していきそうです。
出典：Yahoo Japanニュース「アマゾンの宅配専用スーパーとは？コロナ禍で需要急増」
日経クロストレンド「Amazon Goはその後どうなった？ 3つの最新・進化ポイントが判明」
高い精度でのデータ分析
AIの特徴として、データの分析を高精度に行えるという点があります。特にビッグデータと呼ばれるような大量のデータの処理においては、AIのアドバンテージは高く、人間では発見できないような規則性を導き出したり、大量のデータを学習することで精度を上げたりすることができる可能性があります。
こうしたAIの特徴は、例えばマーケティングの分野にも生かされています。商品の売上予測を行ったり適切な発注数を計算したりするには、販売実績の他、天候や広告の配信などさまざまな関連データを使用します。データの変数が少なければ人間でも計算できるかもしれませんが、10、20、100と増えていけばその予測はより難しくなります。
コスト削減
コスト削減のためにAIを活用することも方法です。AIを導入するためにはコストが必要であり、ランニングコストも考慮しなければなりませんが、上手く導入できれば人件費を削減し全体のコストを抑えられる可能性があります。また、業種によっては設備投資や在庫の確保なども最小限で抑えられるようなケースも生まれてきています。
事故のリスクを下げる
AI活用の一つとして、工場などに設置したカメラから故障や事故につながる異常を検知し、素早く知らせる異常検知システムがあります。カメラで撮影した映像や画像から故障や事故につながりそうな特徴を抽出し、可能性が高まったときにアラートをするという仕組みです。報告された「異常」が本当に異常であるかどうか、さらにはそれに対して何か対応をするかどうか、そして対応するならどのようにするのかは、人間が判断します。
言語を超えたコミュニケーションが円滑になる
自然言語処理を活用することで、AIを使ったコミュニケーション支援も可能になります。身近な活用例としては、自動翻訳機能が挙げられ、言語を共にしない人同士でも一部のコミュニケーションが取れるようになります。
従業員満足度の向上
サービス利用者だけでなく、会社や店舗で働く従業員の満足度向上にもAIは寄与できます。例えば、AIは定型業務に導入できることがあり、さまざまな経営リソースを空けられるようになります。余ったリソースは新規事業開発やアイデア創出など創造的な仕事や、従業員へのさまざまなケアに割けるようになるかもしれません。
AI導入によるコスト、気にすべきデメリット
初期費用が必要
AIを導入・運用するにはさまざまなコストがかかります。特に注意しなければならないのが、開発・導入時にかかる初期費用です。
まず、AIシステムの開発をベンダーに発注するための費用が発生します。さらに、AIは単に導入すれば良いというものではなく、業務フロー全体を見直す必要があるケースも多くあります。利便性だけに注目するのではなく課題を解決するための手段としてAIを選択し、既存の社内システムを一新するような大規模な改革を検討することも重要です。この場合、導入には長い期間を必要とし、日々の業務を進めつつどう社内に浸透させていくかを検討する必要があります。
導入後も努力が必要
AIは導入後にも継続的なメンテナンスや再調整、再学習などを行うことが重要なプロセスになります。AIは従来のITのようにルールに基づいた決まった答えを出すのではなく、「どのような出力を出すかは、やってみるまで分からない」という特徴があるからです。
そのため「導入した後に正しい出力が得られているか」「ビジネス運用に伴って調整する必要はないか」「再学習やパラメータ調整によってより精度を高めていく余地はないか」といった導入後の検証・調整が重要です。このコストを最初から見積もっておかなければなりません。
人の役割の変化
AIの技術が発達し、今後もさまざまな活用例が増えていくにつれ、ある意味、人間の仕事が奪われていく状況が出てくるでしょう。野村総合研究所が2015年に発表した「15年後には日本の労働人口の約49％がAIなどにより代替できるようになる」という報告は話題となりました。
一方、国際労働機関（ILO）は2023年に「大半の仕事はおそらく生成AIに完全に取って代わられることはないだろうが、代わりに業務の一部が自動化され、他の業務に従事できるようになる」との見解を示しています。さらには「大半の仕事と産業は自動化の影響を部分的にしか受けていないため、AIに取って代わられるというよりも、むしろ補完される可能性が高い」とも指摘しており、生成AIに対する懸念をなだめるものではなく、定着が進んでいる生成AIへの対応が必要であることを促しています。
AIが人間の仕事を奪うといっても、人間の歴史では技術革新が人間の仕事を代替してきました。さらには、技術によってさまざまな利便性が増し、人間はそれに応じては新しい仕事を創出してきました。
自分が現在任されている仕事だけを見てしまうと、AIの発達は自分の仕事を奪うリスクがあるように思えるかもしれませんが、仕事がより創造的な仕事や複雑な判断を伴う内容にシフトしていく見た方がいいかもしれません。
出典：野村総合研究所「日本の労働人口の 49％が人工知能やロボット等で代替可能に」
ロイター「大半の仕事、生成ＡＩに完全代替される可能性低い＝ＩＬＯ」
気にすべきデメリット：プロセスのブラックボックス化
AI導入によってコンピュータがさまざまなデータを学習し、これまで人では気づかなかったような知見が得られることも期待されます。しかし、特にディープラーニングでは、入力から予測結果を出力するまでの過程がブラックボックス化してしまうというデメリットがあります。
アルゴリズムそのものは人間が設計しますし、細かいパラメータ（変数）の調整も人間がします。しかし、それに基づいて出力される結果はシステムに依存する面が大きく、「なぜそのような出力をしたのか」を説明できなくなることがあります。説明責任や他のタスクへの再現・応用が求められる場合では、この点はデメリットになり得ます。
情報漏洩のリスク
AIでは個人情報を含む膨大なデータを取り扱うこともあるため、情報セキュリティー上のリスクが常にあります。AIを導入する際は、セキュリティー対策も同時に施す必要があります。また、情報漏洩は内部から起こることもあります。悪意ある情報漏洩だけでなく、従業員の知識が足りないために起こる事故もあるため、関わる従業員の教育も重要です。
AI導入による活用例
AI導入によるメリットやかかるコストをしっかり把握して活用することで、さまざまな分野で恩恵を受けることが可能です。ここでは、七つの活用例をご紹介します。
在庫管理の最適化
商品在庫を持つタイプの事業であれば、在庫管理の最適化にAIを活用することができます。在庫管理はデジタル化が進んでいる分野と言えますが、AIを活用することで発注量・時期の提案が出てくるようにしたり、減ってきたタイミングで自動で発注をかけるなどの自動化ができたりもします。
AIによる在庫管理についてはこちらもご覧ください。
製造業に求められる「しなやかさ」。AI活用のスマートファクトリーで実現へ
需要予測
商品やサービスの需要を予測することは、材料の発注や在庫の保持などにもつながり、利益を向上させるために重要です。需要を予測するためには複数のパラメータを考慮する必要があり、人間が行うには相応の経験と時間が必要ですが、AIであれば大幅に効率化できる可能性があります。
AIによる需要予測についてはこちらもご覧ください。
需要予測AIよ、需要は予測するものでなく作るものだ。
チャットボット
既に広がっているサービスとして、ウェブサイトに設置するチャットボットがあります。ウェブページの端などに設置されていることがあり、やり取りをAIに任せることで、簡単な問い合わせには人間を介さずに対応できるようになります。
チャットボットについてはこちらもご覧ください。
仕組みから知る生成AIと技術研究の今
広告効果の向上
広告は出稿してみなければ効果のほどが分かりません。しかし、掲載後に効果を評価して改善することで、費用対効果を向上させることができます。この解析にAIを用いることで、例えば無駄となっているクリエイティブを減らし、効果の高いクリエイティブをより多く展開するといった判断ができるようになります。
AI活用で得られる広告効果についてはこちらもご覧ください。
答えのない、マーケティング×AIの世界への挑戦
故障の予測
工場で稼働している機械などには、多かれ少なかれ常に故障のリスクがあります。AIを活用したモニタリングを行うことで、故障前にその予兆を見いだせる可能性があります。
AIであれば、人には分かりにくい見た目や音の細かな違いでも抽出できる可能性があります。故障につながりかねない異常を基に点検をするのももちろんコストがかかりますが、ある日突然故障して、そこから修理や買い替えをするよりコストが低くて済む、ということもあり得るでしょう。
AIによる故障予知についてはこちらもご覧ください。
AI×センサーで見通せ。「故障予知」から始まる未来
医療現場
健康や人命を扱う医療現場では、AIに限らず新技術の導入には慎重にならざるを得ません。しかし例えば、大量のレントゲン画像データを学習したAIが病気の種類を提案し、医師が最終的に診断するという体制をつくることはできます。
医療とAIについてはこちらもご覧ください。
いのち守るためのAI。医療現場へのAI導入の壁
農業
農業においても、AIの活用が進められています。例えば、作物の品質や価格を決定する上で重要な選別においては、AIによる画像認識で正確かつ素早いシステムを組めることがあります。
農業とAIについてはこちらもご覧ください。
守れ、農業。AIが描く第一次産業の進化像
AI導入のトレンド
2012年に開催されたILSVRCという画像認識コンペティションをきっかけに始まったとされる第３次AIブームですが、その背景にはディープラーニング技術の登場が大きな要因になっています。
ディープラーニング（深層学習）は、機械学習の一部で、人間の脳内にあるニューロンの構造を模したネットワークを持っています。入力された膨大なデータから共通する特徴を見分け、それを基に分類、推論、認識といったタスクをこなしていきます。そのため、十分な量と質の学習データと処理能力が必要になり、そのためのコストがかかりますが、ビジネスシーンでのAI活用のさまざまなトレンドを生み出しています。
画像認識技術の応用
AIやディープラーニングの活用分野として代表的なものが、画像認識技術です。写真を見てそこに何が写っているのかを判断したり、分類したりする技術はディープラーニングにより飛躍的に進化し、技術を応用したさまざまなサービスが登場しています。
身近なところでは、カメラの顔認識機能が挙げられます。カメラが写している範囲から人間の顔を検出し、そこにピントを自動で合わせるだけでなく、瞳にまでピントを合わせて追従するといった機能も登場しています。
その他にも、店舗内でのトレイやカゴの中身の商品を認識して自動で会計するシステムや、撮影対象の名称を調べるスマホアプリ、店内の映像からどんな人が何を手に取ったかを認識してマーケティングに活かせるデータを収集するシステム、自動車の自動運転技術などにも画像認識の技術は活用されています。
Laboro.AIでも、デジタル地図データの制作のために航空写真から道路の停止線や横断歩道を検出するプロジェクトや、インフラ設備の劣化箇所を検出するプロジェクトなど、画像認識技術を用いたさまざまなプロジェクトを行っています。
ご参考：プロジェクト事例 航空写真からの横断歩道・停止線の検出
ご参考：プロジェクト事例 インフラ設備の劣化箇所検出
自然言語処理の応用
私たちがコミュニケーションを取るのに欠かせないのが言語です。そうした言語情報を扱うAI分野である自然言語処理も、ディープラーニングによって飛躍的に進化した領域です。これまでは文字や音の羅列からコンピュータがその内容を把握することには限界がありましたが、大量のデータからパターンを学習することで、まるで意味を理解しているかのように言語情報を処理する技術も誕生しています（実際には、学習したデータに基づいて同様のパターンとして判断しているだけで、人間のように意味を理解しているわけではありません）。
自然言語処理技術の応用例としては、Laboro.AIの代表的なソリューションに文書分類・評価ソリューションがあります。ある大手通信企業で課題となっていたのが、申込書内に書かれたテキスト情報の振り分け作業でした。内容に応じて文書を担当部署に割り振るという工程が手作業で行われ、担当者が処理する書類の数は膨大になっていたのです。Laboro.AIではニューラルネットワークによるカスタムAIを開発、書類に書かれた申し送り事項や個別の要望などのテキスト情報を自動で分類し、適切な部署へ振り分けるAIソリューションを提供し、担当者のサポートツールとして活用していただいています。
ご参考：プロジェクト事例 文書分類による業務自動化率の向上
時系列データの分析
例えば、特定の商品がいつどれだけ売れるのかを分析したい場合など、分析したいデータの内容や目的によっては、時系列による分析が重要になります。アイスクリームは冬よりも夏によく売れますが、具体的にどのくらいの差があるかを知るには季節ごとの売り上げなどの変数を知る必要があります。
時系列データ分析はさまざまな業種で活用が進められており、小売業界における販売予測や金融、機材の故障予知・予測などにも及びます。Laboro.AIでも、設備の損傷検出に時系列データ分析によるAIを用い、検査品質を担保しつつ処理数を大幅に増加させる試みを進めました。
ご参考：プロジェクト事例 波形解析による管内外面の損傷検出
AI導入の事例紹介
AI導入の実際の事例を6件紹介します。
施工計画の最適化
土木工事に関わる諸々の条件をインプットに、各種の制約条件の中で最適な施工計画を自動的に立案するための強化学習ベースのAIを開発・提供した例です。立案作業の自動化による業務効率化はもちろん、それまでのマニュアル作業や数理最適化手法では変動要素が大きすぎて見つけることが困難だったコスト最適な計画の立案が可能となりました。詳しくは下記のページをご覧ください。
対話テキスト自動生成
大広様と協働し、ChatGPTをカスタマイズして、ブランドにふさわしい対話を自動生成する独自のテキスト自動生成エンジン「Brand Dialogue AI（ブランド ダイアログ エーアイ）」のプロトタイプの開発に取り組んだ例です。ブランドコミュニケーションの起点となるブランド人格を反映してオリジナルの言語生成AIとして構築、さらにユーザーおよび対話内容に応じて瞬時にプロンプトを入れ替える「ダイナミックプロンプト」を活用し、各企業が保有するパーソナルデータや商品データ、コンテンツデータを対話に反映させました。詳しくは下記のページをご覧ください。
防衛装備品の外観検査
沖電気工業様が防衛装備庁様との契約に基づいて取り組まれてきた、防衛装備品の製造工程への先進技術の適用について、実証実験を進めた例です。製造装置の検査作業に画像分類AIによる外観検査を適用し、目視確認を補助した上で精度向上と効率化を実現しました。詳しくは下記のページをご覧ください。
献立提案
Laboro.AIがベンダーとして開発・提供を行った例として、味の素様が提供しているパーソナライズ献立提案「勝ち飯®AI」があります。
これは部活生の食事を作る保護者やアマチュアアスリートなどに向け、トップアスリートの食事のノウハウを提供するために作られるアプリです。ユーザーは基礎情報や目標を入力し使い続けることで、嗜好も考慮した献立の提案を得ることができます。詳しくは下記のページをご覧ください。
波形解析による管内外面の損傷検出
波形解析をAIが行うことで、非破壊検査を効率的に行えるようにした事例です。非破壊検査とはインフラの検査を分品の破壊を行うことなく検査方法で、インフラなどの稼働をできるだけ止めずに行える点がメリットです。
この事例では取得したデータの解析にAIを用いており、従業員の負担軽減と検査の精度向上が期待できます。詳しくは下記のページをご覧ください。
人材マッチング
人と仕事のマッチングといった分野でも、AIによる支援が可能です。パーソルテクノロジースタッフでは、分野やスキルの種類が多種多様なエンジニアのマッチングに課題がありました。AIを導入することで、それまではキャリアコーディネーターが膨大な項目を時間かけて確認していたところ、ある程度のマッチングを自動化できました。
詳しくは下記のページをご覧ください。
メリット、コスト、デメリットを踏まえてAI導入を考える
AIはまだまだ、「万能ツール」「魔法」「なんでもできる」といったイメージで語られることが少なくないかもしれません。ですが、実際には人手による設計や調整、運用、検討など、多くの手間と努力が必要な領域です。手間を含めたコストがどれくらいかかるのか、コストに対して得られるメリットと起こり得るデメリットは何か、それを踏まえて自社開発が良いか、AIベンダーへの委託が良いか、こうしたポイントをAI導入前に入念に検討することが重要です。
Laboro.AIでは多面的な視点からのコンサルティングも含めてご支援をさせていただいていますが、こうした現場視点からAI導入時の検討課題についてより詳細に考察したコラム「AI導入現場から。企業が抱える検討課題の実際とは」も公開しています。よろしければこちらもご覧ください。
その他のおすすめコンテンツ
・「教師あり学習」「教師なし学習」とは。文系ビジネスパーソンのための機械学習
・AI導入現場から。企業が抱える検討課題の実際とは
・AIと機械学習、ディープラーニング（深層学習）の違いとは
