前編「優秀なAI人材を得る3つの方法とは? 汚いデータを使えるようにするには?」では、AI(人工知能)専門家の確保やビジネスでのAI活用、AI技術の代表例である機械学習に関するデータの収集・整形方法を紹介した。後編ではAI活用の取り組みに必要な体制やデータに対する考え方について解説する。
AI活用プロジェクトのチームが発足し、まず機械学習の実験を開始するとなると、次のような疑問が浮かぶだろう。
これらの疑問に答えを出すには、より多くのデータに機械学習アルゴリズムを適用する必要がある。だが必要なデータが、実験に使ったものとは別のデータベースにある場合がある。クリーニングが必要な場合は、すぐ手に入らないこともある。
こうした事情でデータの入手が難しくなる場合、データの性質や収集方法に応じて、モデル作成が数日から数カ月遅れることがある。実験をするたびに得られる新たな洞察がさらに疑問を呼び起こし、そのために別のデータを追加で収集しなければならなくなる。企業にとってAI技術を利用することとは、データ収集、実験、検証のプロセスを忍耐強く繰り返すことを意味する。
多種多様な可能性を秘めるAI技術だが、大きな問題の一つは「どこから手を着けるか」だ。
営業デジタル化の始め方(無料eBook)
「ITmedia マーケティング」では、気になるマーケティングトレンドをeBookにまとめて不定...
「RED」「Bilibili」「Douyin」他 中国の主要SNSプラットフォームの特徴まとめ
トレンド変化の大きい中国においてマーケティングを成功させるためには、主要SNSプラット...
コロナ禍における「ご自愛消費」の現状――スナックミー調査
「ご自愛消費」として最も多いのは「スイーツやおやつ」で全体の68%。その他、ランチ38...