例えば、多くの電化製品で用いられているトランジスタは、非連続な飛躍的イノベーションを起こした代表的な例でしょう。トランジスタそれ自体ができることはそれまでの真空管と変わらなかったものの、劇的にダウンサイジングできたところに実用上の本質的な価値がありました。電化製品の小型化の道を切り開いたトランジスタラジオを開発したソニーの功績は、従来の真空管ラジオと同じ機能であっても、小さくして持ち歩けるようになれば消費者にとって全く違う価値を持ったものになると見抜いた点にあります。トランジスタをラジオに適用したソニーという企業は、まさに技術と消費者とを見事に「つなぐ存在」であったと言えます。
 
また、最近の例ではインターネットも同様です。インターネットの普及を加速的に促進させたのがGoogleの検索エンジンであり、彼らが発明したページランク（PageRank）というアルゴリズムは、まさに革命的なイノベーションと呼んで差し支えありません。このアルゴリズムは、Webページの重要度を決定し検索結果として抽出するものですが、その手法はもともと学術論文の重要性を測るために発明されたもので、実はインターネットの登場以前から存在していました。学術論文は他の論文で引用されるほどその重要性が高いと判断できます。一方、インターネットという仕組みの本質を考えると、「重要性の高いページを素早く見つけたい」という消費者ニーズが見えてきます。Googleは、この両者の類似点を見抜いて実用に結びつけた存在、やはり、技術と消費者の双方を深く理解した「つなぐ存在」でした。
 
昨今のAI・人工知能ブームもそうかもしれませんが、世の中で新しいテクノロジーが日の目を見ると、私たちは技術そのものや、誇張されたサクセスストーリーだけに 目を向けがちです。ですが、とくに私たちの生活に大きなインパクトを与えるようなイノベーションには、テクノロジーと実用との本質を正しく捉えて、それらを「つなぐ存在」が必ず重要な役割を担っているのです。
 
私たちLaboro.AIという企業の使命は、AI・機械学習の分野で「つなぐ存在」になり、テクノロジーと実用とを価値ある形で結びつけることに他なりません。

AI特有に求められる、「産業に入り込む」という工夫

では、世の中にイノベーションを起こすテクノロジーとして期待されるAI・機械学習の領域で、「つなぐ存在」としてあるためには何が必要なのでしょうか。
 
私の答えは、「産業のプロセスに入り込んでいく」ということです。
 
一般的にイノベーションとは、トランジスタラジオやインターネットがそうだったように、消費者の目に触れやすいものを指して言われがちです。言い換えれば、「産業プロセス」ではなく「消費者プロセス」に入り込むことの方が、イノベーション誕生の近道だと思われる節があります。ですが、AI・機械学習はこれらの進化とは異なる歩みをしていくと考えています。なぜなら、イノベーションの所在がBtoCか、BtoBか、これらは絶対的な答えがあるものではなく、その技術の特性によるものだからです。
 
インターネットを例にすれば、それまで世の中で流通していた情報は、新聞社や出版社が多くの費用を投じて収集し発信してきたものでした。ですが、インターネットによって消費者が一瞬のうちに情報に手に入れられるようになったとき、直接恩恵を受けたのはそれらの企業ではなく、それを代替する安価なサービスと消費者でした。情報プラットフォームを変革するというインターネット特有のイノベーションは、BtoCにベクトルがあったからこそ、大きなインパクトを生むことができたのです。
 
ではAI・機械学習はと言うと、たしかに消費者向けの多くのプロダクトが生み出されているものの、本質的にはBtoBのテクノロジーであり、ビジネスや産業に向けて活用されるべきものだと考えています。その理由は、（この点は誤解が多くあるところですが）AI・機械学習は、SFで描かれるようにそれ単体で動き出すロボットではなく、あくまでデータを元に計算を行うツールだということと大きく関係しています。
 
AI・機械学習の価値を最大限に享受するためには、良質なデータを欠かすことが出来ません。なぜなら、これらのデータをインプットしてAIが学習することによって、正確なアウトプットを算出できるからです。そして、このデータを収集・蓄積しているのが誰かと言えば、消費者個人ではなく、企業です。つまり、AI・機械学習は、データとそれを収集・蓄積するための産業資産（アセット）を保有・構築している企業と結びつくことがなければ、その力を発揮できないのです。
 
AI・機械学習でイノベーションを起こすためには、産業・企業のコアなプロセスやバリューチェーンを深く理解し、課題にあったソリューションをデザインして適切に応用していく存在「テクノロジーと産業をつなぐ存在」になる必要があります。Laboro.AIは、まさにこうした存在になることを目指しています。AI・機械学習とビジネスのコア領域を理解し、つなぐことができるプロフェッショナルとして存在することが、Laboro.AIの価値であり、いまその役割を国内屈指のレベルで築きはじめています。

世界が変わる瞬間を、ご一緒に

そもそも私たちがLaboro.AIの設立を決意したのは、AI・機械学習の世界に与えるインパクトが、インターネットに匹敵するほどに大きいものであることを目の当たりにしたからでした。偶然にもこの領域に携わっていた自分自身が、その可能性にチャレンジしないという答えはありませんでした。
 
AI・機械学習の産業への実装はまだ始まったばかりです。すでに多くの分野で影響をもたらしていることを考えれば、これから国内のあらゆる産業でイノベーションを起こすことは間違いないでしょう。そして忘れてはいけないこと、それは、その「産業」を作っているのはまさにこれをお読みの皆さんの企業だということです。業界に先駆けて革新を起こしたいという思いをお持ちの方こそが、私たちLaboro.AIのパートナーです。
 
Laboro.AIは、AI・機械学習と皆さんの企業とを「つなぐ存在」です。目の前で世界が変わるというまたとない機会を、ぜひご一緒に経験していきましょう。

1つめは、技術とビジネスプロセスの適切な融合です。

人工知能は何でもできる万能の存在という感覚を持ってらっしゃる方は多いかと思います。しかし実際には、現時点の技術水準では誤りも多く、多くの領域では訓練された人間には及びません。そのため、人がやっていた事をそのまま代替するというやり方では、思った通りの効果は表れなかったという話はよく耳にします。
 
では人工知能/機械学習技術は役立たずかと言うともちろんそうではありません。誤りは避けられないという前提で、最も効果の出る使い方を模索することが必要なのです。そのやり方は企業ごとに異なりますが、ビジネスプロセスを紐解き、俯瞰する取り組みが不可欠で、必要に応じてビジネスプロセス自体をも大胆に変革させる必要があります。

2つめは、武器となるデータの戦略的な管理です。

機械学習/人工知能技術では学習と呼ばれるプロセスが必要で、大量のデータで機械を訓練します。それには、教師ラベル（データに対して"正解"をラベル付けしたデータ）が必要になり、その質によって性能は大きく変わります。機械学習技術の活用には、データと教師ラベルをいかに準備できるかが成功の鍵となります。実際、社内に存在するはずのデータなのに、様々な理由で活用できず、十分な性能が出なかったという例は多いです。
 
そのためには、自社が持ちうるデータの中で何が教師ラベルとして使えるかを棚卸しし、そのようなデータを適切に蓄えて行く仕組みが必要となります。特に、自社が優位性を持てるデータ、自社しか持ち得ないデータが、今後は会社の競争力の源泉になり得ますので、それらを戦略的に特定する取り組みが不可欠になります。

Laboro.AIの強みは、ビジネス面と技術面の両面で最先端の知見を持つメンバーで構成されていることです。

ビジネス面では、戦略コンサルティングの知見から、みなさまのビジネスモデルを理解し、技術活用のポイントやボトルネックを見いだします。技術面では、最新技術を理解しながら、自社開発ソリューションやその他の人工知能サービスを組み合わせ、みなさまのビジネスに最適な方法をご提示します。
 
上記の強みを活かして、Laboro.AIはみなさまのビジネスに最先端技術を導入するためのパートナーとなり、みなさまと共に歩んでいきたいと考えます。

Laboro.AIは最新技術で既存ビジネスのあり方を改革し、社会の発展に貢献していきます。