理解すべきはAIごとに強みが異なること

MZ：データを学ばせて各領域に特化させることで、AIを専門家レベルに育てていくということですね。「人工知能」というワードを聞くと、ついどんなお題にも答えてくれるような万能なイメージを持ってしまいます。

斎藤：そうなんですよね。先ほどお話しした、そもそも開発元によってAIの強みが異なることと、それに何を学ばせていくかによって解析が精緻化し、自社により役立つものになっていくことは、まず知っておく必要があると思います。

MZ：「KIBIT」の場合、具体的にどうやって“学ばせて”いくのですか？

斎藤：たとえば弁護士の方向けに提供する場合、「このメールは重要／重要でない」というラベリングをしたメールデータを最初に100件ほど読み込ませます。あとは、膨大なデータを解析させ、返してくる結果にしばらくYES／NOをつけていくことで、自動で精度を高めていきます。

　このプロセスは、既存のどのAIも変わりませんが、「KIBIT」の特徴は、最初に学ばせるデータが少数でも導入できることです。専門家の肩代わりなら100件ほど、個人の好みを学んでいくなら3、4の好き嫌いに関する項目を入れれば学習し成長していくので、導入時の負荷がなく、早く運用を開始できますね。

　最初に膨大なデータをインプットしないと機能しないAIも多いので、それだと中小企業やニッチな領域での活用はデータが少なすぎて実現が難しくなります。

MZ：なるほど、そのあたりも実際にAIを選定するときにはチェックすべきですね。

ユーザーの感覚を学習、レコメンドに活用

MZ：では、具体的にマーケティング領域で、どのような活用が可能なのでしょうか？

斎藤：方向性としては、大きく2つあります。ひとつは、企業内にすでにあるマーケティングデータの解析です。たとえばカスタマーセンターや商品レビューなどに蓄積された顧客の意見（VOC）を、いくつかの軸で解析して、欲しいデータを仕分け・分類して抽出できます。これはすでに企業への導入が進んでいます。

　もうひとつは、ユーザーの好みを把握して、レコメンドやコンテンツキュレーションなどのマーケティングの提案に活かすことです。どういった口コミを閲覧しているか、ユーザー自身がどんなコメントを書いているかなどを分析して、ユーザーの感覚を学習していきます。その上で、いくつかのデータ抽出の軸をインプットすることで、マーケターの方が意図するレコメンドを代行することができます。

MZ：すでにソリューションとして展開されているのですか？

斎藤：そうですね。提供の仕方も2つあり、ひとつは製品化したパッケージを導入いただく方法です。顧客の意見の分析などは、すぐにできますね。

　もうひとつは、エンジンとして提供して、クライアントのシステム内に組み込んでいただく方法です。企業内で蓄積したさまざまなデータの解析や、独自の使い方をしたい場合などは、ご相談に応じてフィットさせることが可能です。ECサイトでのレコメンドで、今ちょうど実証実験が終わった段階の事例がありまして、近いうちに公表できる見込みです。

　さらに、今年力を入れていくのは、「KIBIT」を搭載した小型ロボット「Kibiro（キビロ）」の展開です。