「Google Cloud Vision API」「Google Natural Language API」などの「Google Cloud」サービスを使用することで、Unileverはソーシャルメディアで個人向けにカスタマイズした革新的なマーケティングキャンペーンを展開している。
「新たな石油」と称されるデータをどう活用するのかという課題が企業を悩ませる。データは膨張しクラウドを含めあらゆる場所に散在する。これらを正しく保護・管理し、価値を引き出すための画期的な方法が生み出された。
AIテクノロジーの活用を進めているのは一般企業だけではない。政府機関も利用を進めており、既に具体的なメリットを得ている。米国での事例を紹介する。
膨大なデータの活用を課題に掲げる企業がある一方で、少ないデータからどう知見を得るか悩む企業もある。いずれにしても解決の鍵はAI技術にあるようだ。メキシコのローン会社の事例からAI技術の可能性を探る。
バークリー音楽大学は、ボストン音楽院との統合を受けて、2校のシステムを連携し、共通のデータ分析基盤を構築する必要があった。そのためのデータ統合ツールとして、SnapLogic製品を選んだ理由は何か。
金融系企業がAI技術を使うと、これまで従業員や顧客に手入力を求めていたプロセスを自動化・効率化し、業務の速度を上げることができる。実例を基に、AI技術が金融業務にもたらす効果を示す。
多くの組織が直面している「ナレッジ継承」の問題を解決する方法として、AIの活用が注目されている。言語化が難しい「暗黙知」、検索が困難な「形式知」という2つの側面から、AIがどのように貢献するのかを解説する。
農業機器大手のAGCOは「Amazon Redshift」「Amazon SageMaker」などのAWSサービスを利用して、AIベースの新しいマーケティングツールと顧客向けポータルの開発を進めている。競合がひしめく市場で勝ち残るためだ。
ゲームにおける人工知能（AI）技術の活用は、キャラクターやゲーム世界の自動開発以外にも広がっている。ゲーム会社は既存プレイヤーと新規プレイヤーを対象とするマーケティングにもAI技術を活用している。
Eコマースだけでなく、実店舗でも最新のAI技術が導入されつつある。「コンピュータビジョン」を中心に、小売業者のAI技術活用例を取り上げる。
多様な業務領域での活躍が期待されるAIだが、その導入ハードルは高いと思われがちだ。ただ、身近なビジネス課題に対して、用途に応じたAIサービスを適用するなら、数週間という短期間で導入することも可能になっている。
「コンピュータビジョン」は、小売業者がレジ会計や買い物の動線の改善に活用できる。無人コンビニ「Amazon Go」も活用しているコンピュータビジョンの可能性に迫る。
機械学習導入の最初のステップは、質が高くクリーンな学習用データを用意することだ。研究機関と企業の事例から、学習用データの質を高める方法について解説する。
AIシステムのバイアスはリスクとなる一方、有益な結果をもたらすこともある。本稿では、AIシステムのバイアスの長所と短所を取り上げる。
消費財メーカーでは、商品の需要に合わせた在庫の最適化が常に課題となっている。AI技術やロボットを使った物流の最適化について、事例を基に説明する。
食品や生活用品を扱う消費財業界でも、AI技術の導入が進みつつある。Coca-ColaやPepsiCo、P＆Gなどの事例から、AIシステムを利用したサービスの提供について考える。
本人確認と決済承認手段の方法として、人工知能（AI）技術を利用する実験的取り組みが始まっている。ただしAI技術には、依然として倫理的な課題が残っている。
膨大なデータを有効に活用し、顧客とより密接につながるために、決済処理に人工知能（AI）技術を利用する動きが広がっている。事例を基に、その実態を探る。
小売企業で、実店舗とオンラインでの購買履歴を活用したマーケティングが進んでいる。AI技術の活用やデータ分析によって、顧客に合わせて商品を提案し、需要を生み出すことができる。
ヤフーが新しいデータ分析サービスを発表した。「Yahoo!ショッピング」や「Yahoo!ニュース」「Yahoo!検索」など、同社サービスのユーザーの利用データを基に、消費者の関心を可視化できる。
デジタルカスタマーエクスペリエンスの強化に向け、いかに小売り業務を転換すべきか。Forresterの「Digital Store Playbook」から抜粋して紹介する。
小売業者は何年も前から顧客情報を収集してきた。だが人工知能（AI）の普及により、この情報をもっと効率的に利用する機会が開ける。その課題とチャンスについて解説する。
オンライン小売業のZulilyは、予測分析を強化するために「BigQuery」や「Tableau」を使用しており、それによりマーケティングの取り組みを効率化している。
TensorFlowやPyTorchなどのフレームワークばかりが注目されるが、ディープラーニングを支援する周辺ツールにも注目したい。今後さらに多くのツールが誕生することだろう。
ファッションデザイナーやアパレルショップは、人工知能（AI）技術を利用して人気商品を予想したり、製造やサプライチェーンの効率を高めたりしている。AIとファッションは、自然な組み合わせになりつつある。
アクセンチュアは銀行向けシステム「Chat Co-Robot」を発表した。ローン申し込み対応や口座開設を自動化し、行員や顧客の負荷軽減につなげる。
さまざまな業界でAI技術の活用が広がっている。AI技術を使うと業務がどのように変わるのだろうか。また、どのような業務がAI技術の活用に適しているのか。各業界に広がるそのユースケースを紹介する。
製造業系企業にとってマニュアルなどのテキストコンテンツは重要な役割を担う。分かりにくければ、商品イメージの低下にもつながる恐れがある。カスタマーエンゲージメントを高めるために、テキストコンテンツの品質向上は重要な課題だ。
ストックマークは2018年11月、営業活動における意思決定プロセスを支援するサービス「Asales」を発表した。営業活動にまつわるテキストデータを分析し、AI技術によって情報を推薦する。
インディーズのゲーム開発者は、プロシージャル生成を活用してゲームにさまざまな要素を組み込んでいる。その世界にAIが生み出す音楽が加われば、活気に満ちた現実のような世界を作り出せるかもしれない。
航空業界はデータ活用によって、大きな変革が起こりつつある。高速インターネット接続が可能で、自己メンテナンス機能を備えた航空機用電子システムの開発も進んでいる。
不動産業務にAI技術を取り入れる動きが広がりつつある。反復作業によるミスを減らすといった日常業務の効率化だけではなく、顧客が好む物件を提案するなど、人の判断を代替する用途も現実的になってきた。
企業はソーシャルメディアマーケティングにAI技術を利用することで、マーケティングオートメーションを進めている。ソーシャルメディアとAI技術を組み合わせた、意外な分野のユースケースも登場し始めた。
化粧品会社L'Orealでは、年間求人応募数が200万人に上る。145人の採用担当者で対応しているが、さらなる効率化のために人材採用プロセスを補助するチャットbotを導入した。
日本IBMが企業のAI技術活用を支援するためのサービス／ツール群の提供を開始した。中でも注目のツールは、AIエンジンが使った判断材料を分析し、検証する「Trust and Transparency capabilities」だ。
人工知能（AI）の活用はスポーツの分野でも進んでいる。ファンとのつながりを強めたり、試合中の判定の精度を高めたりするのにAIが役立っている。
AI技術の教育機関での利用が進みつつある。その用途は学習メニューの提供から入学プロセスの自動化まで多岐にわたる。技術は教師と生徒にどのような効果をもたらしたのか。
GoogleとNASAは、機械学習技術の一つであるコンボリューショナルニューラルネットワークを用いて、新惑星を発見した。惑星探索に機械学習技術をどう活用したのか。
バックオフィスの煩雑な作業を自動化するロボティックプロセスオートメーション（RPA）が注目を集めているが、いざ導入してみるとさまざまな課題が浮上する。解決策は。
高度なセンシング技術を必要とする自動運転。ここで鍵となるのがAI技術だ。デンソーが取り組む自動運転技術の開発やAI技術の活用について、具体的な研究事例とともに解説する。
IT分野におけるAIの活用はコンプライアンスとセキュリティに役立っている。その他、物流、マーケティング、ファイナンスなど各分野におけるAI活用の最前線を紹介しよう。
データドリブンな意思決定を志向する企業が増えつつあるが、たくさんのデータを持っていればビジネスに有利といえば、必ずしもそうではないようだ。
機械学習ツールを活用できる分野はデジタルマーケティングだけではない。自動車保険会社のHiRoad Assuranceは、保険加入者の安全運転に機械学習ツールを役立てている。
「なぜ生産部門ではラインごとに部品生産数のばらつきが大きいのか？」と質問を受けた工場長。BIを使った生産データ分析へ挑んだが予想外の展開が……。
企業と消費者とを結ぶ「接点」が複雑化しつつある。これは課題であると同時にチャンスでもある。業務を効率化しつつ、新たな顧客価値を創造するために企業は今何をすべきか。
日本生命保険は40年以上IBMメインフレームを活用し、今回、新たに災害対策用として新モデルを採用した。同社のIT基盤を支える2社にこれまでの歴史と採用の理由を聞いた。
データ量が多いからといって、必ずしも予測分析の精度が上げるわけではない。データを予測モデルに適用する前に、データを吟味して理解することが肝要だ。
未来の象徴として描かれてきた空飛ぶ車が、技術的に実現可能になりつつあるという。Uber Elevateの試みを紹介する。
日立製作所は、Hitachi Vantara（日立ヴァンタラ）の設立とIoT基盤「Lumada」の商用リリースを掲げ、デジタル変革市場の競争に参入した。
民泊サービスのAirbnbは、起業当初からデータの価値を認識していた。同社は、データを「民主化」するツールを構築し、トレーニングを考案した。その結果、従業員はデータサイエンティストへと変貌を遂げた。
Amazon の音声アシスタント「Alexa」を調理場で活用する米バーベキューレストランチェーン Dickey’s Barbecue Pitの事例を見ていこう。
フランスのスタートアップ企業マジェンシーは、タブレットによる情報共有を可能にする会議ソリューションに、人工知能（AI）を活用した音声認識機能やデータ分析機能を追加した新製品を発表した。
顧客サービスに人工知能（AI）とチャットbotを導入しても、人間のサポート担当者が不要になるわけではない。人間とチャットbotがそれぞれの役割を果たせば、よりよい顧客サービスを提供できる。
「Salesforce Trailhead Live Tokyo」の講演内容から「IBM Watson」と「Salesforce Einstein」が連携することで企業にはどのようなメリットがもたらされるのかを探る。
機械学習によるデータ分析は用意が大変で、運用にコストがかかる。そんなイメージを変える「Azure Machine Learning」活用の新サービスが登場した。
ソフトウェア開発において開発時間の短縮が急務になっている。だが、従来手法ではテスト効率化に限界が。今必要なのは「本当にテストが必要な場所」を提示できるツールだ。
AI（人工知能）による顧客応対と聞くと実用性を疑う方もいるかもしれないが、既に通販サイトなどの身近な場所で活躍中だ。しかも、導入メリットは意外なほど大きいという。
「人工知能」技術がさまざまなサービスで活用されるようになってきた。企業の業務において、AI技術はどのような可能性を持つのだろうか。ERPの視点から考えてみた。
あらゆる業務において経験や勘だけでなく、データに基づいた意思決定を実現したい。ただ、データサイエンティストは今でも手いっぱい。うまい解決手段はないだろうか。
画像や動画、IoTのセンサーデータなど、これまで活用されてこなかった非構造化データ。今後のビジネスを左右するといわれる膨大な非構造化データの活用を目指す企業が今注目しているのが、人工知能の「IBM Watson」だ。
みずほ銀行では、近年、コグニティブロボットによる「人とロボットのおもてなし」や、コールセンター業務へのIBM Watsonの活用を進めている。このような先進的な取り組みから、人工知能によるビジネス革新の可能性を探る。
人工知能（AI）システムが大いに注目を集めている。AIをどう導入すればビジネスに効果的か、それを理解することは企業にとって緊急の課題となっている。
シェアリングエコノミービジネスにとって、データに基づいた意思決定はなぜ重要なのか。ドッグシッターのマッチングサービスRover.comの最高技術責任者（CTO）であるスコット・ポラド氏がその理由を説明する。
ビジネスユーザーが自分で使いこなせる高度な分析ツールがあれば、日々の問題の解決で参考になるデータを収集して、将来発生する問題を防止できるような重要な意思決定の助けになるはずだ。ヒントは対話型のデータ探索と予測分析にある。
モノのインターネット（IoT）の大量データをタイムリーかつ高度に分析できる強力な処理エンジンがあれば、さまざまなビジネス課題の答えが見つかるかもしれない。それが「ストリーミングアナリティクス」だ。
米IBMの「Watson」をはじめ人工知能（AI）技術が発達し、今後次々と生まれる新たな可能性は非常に巨大だ。今までのAI時代の歴史を振り返る。
「IBM Watson Health」では医師が健康データや情報にアクセスして治療をパーソナライズできる。最高情報責任者（CIO）にとってはどのようなチャンスがあるのか。
知能や学習能力を持ったスマートマシンや自動運転車などを実現するため、人工知能（AI）の研究が日夜進められている。その一方で、起業家のイーロン・マスク氏はそのリスクについて警鐘を鳴らしている。
米IBMの人工知能スーパーコンピュータ「Watson」が新たに開いた認識コンピューティングの可能性。人間を超える知性の医療業界での活用を考える。
流行っているからといってデータ分析に飛びつくと痛い目に遭う――ポイントになるのはデータに基づく判断を社内に定着させるためのスモールスタートだ。将来の「機械学習」をにらんだ取り組みを説明する。
データ分析を考える際に欠かせないのが分析対象のデータを集める「データ統合」だ。世界のビッグデータ先進企業はこのデータ統合に注目している。海外や国内成功企業の事例と共に最新ソリューションを紹介する。
分析は一度実施したらそれで終わりではない。エキスパートによると、分析には8つのステップがあるという。それを繰り返し行い続ける企業が、分析を成長の武器へと変えることができるのだ。
ITmediaはアイティメディア株式会社の登録商標です。
