MarkeZine(マーケジン)

記事種別

AIという言葉に惑わされるな!ビジネスに効く技術の選択方法と見込み顧客抽出ツールの可能性

2019/04/17 10:00

 マーケティング分野においても、顧客理解や売上向上などの点でAIへの注目度は高まる一方だ。その反面、多くのベンダーが「AI搭載」を謳っており、どれが本当に自社に必要なソリューションなのか、見極めづらくなっている。「MarkeZine Day 2019 Spring」に登壇したシルバーエッグ・テクノロジーは、機械学習技術を使ったレコメンドエンジンの開発に20年以上取り組んできた経験から、目的にあった技術の選択方法と見込み顧客抽出ツールの可能性について紹介した。

目次

AIとExcelの共通点とは?

 2018年は「AI元年」と言われ、AI技術を使った様々なソリューションが大きく注目された年だった。ただAIという言葉がバズワードになるに連れ、AIに懐疑的な見方をする人も増えてくる。

 シルバーエッグ・テクノロジー ビジネスプラニング室 副室長の園田真悟氏も、こうしたAIに対する市場の期待や疑問への対応に追われた立場だ。同社は「One to Oneマーケティング」が流行する直前の1998年に設立されたIT企業で、レコメンドエンジンを中核としたパーソナライゼーション技術の専門企業として20年近くの歴史を持つ。

シルバーエッグ・テクノロジー株式会社 ビジネスプラニング室 副室長 園田真悟氏
シルバーエッグ・テクノロジー株式会社 ビジネスプラニング室 副室長 園田真悟氏

 園田氏が「レコメンドエンジンに自社開発のAI技術を採用しています」と説明すると、相手の反応は大きく2つに分かれるそうだ。1つはAIに過剰な期待を持ち、AI技術を使えばなんでも実現できると夢を見るパターン、もう1つはAIに対して懐疑的で「結局何ができるんだ」と疑問から入るパターンだ。どちらもAIをよくわかっていないからこその反応と言えるが、そもそもAI自体、ディープラーニングや機械学習といったキーワードは知られているものの、その中身を研究者や技術者以外の一般人が理解することは難しい。

 同社では、社団法人人工知能学会の資料を参考に、AIについてシンプルに「人間が知能を使って行う作業を代わりにやってくれる機械」と説明する。これに関し園田氏は「技術ではなく動作によって定義されるもので、必ずしも『ディープラーニング=AI』というわけではありません」としている。

 「いま世間で活用されているAI搭載システムは、特定の目的、特定の知的作業のために開発されたプログラムであり、要はアプリケーションの一つです。その点で普段使っているExcelと比較して考えることができるでしょう。Excelが表計算に特化しているのと同じように、AIツールもアプリケーションであるからには、『どういう目的で使うのか』が明確になっていないといけません。Excelを文書作成ツールとして使えば無理が出るように、AIツールも、マーケティングのどの領域で使うのかによって、得手不得手があるのです」(園田氏)

「AIの質」をどこで判断するのか

 現在、AIツールは様々な産業で使われている。たとえばコンピューターゲーム業界では、ユーザーから見て人間らしいふるまいをするゲーム内のキャラクターや、ユーザーが知的だと感じられる体験を実現するために、ディープラーニングなどの様々な先端的AI技術だけでなく、機械学習ではない比較的古いアルゴリズムを組み合わせ、目的に沿った「ゲームAI」が構築されているという。

 一方で、IT化の進まない農業の分野でも、ディープラーニングを使った画像認識AIを搭載したシステムが成果を出しつつある。代表的な成功例として、農作物の等級に沿って形や色を学習させることで、これまで人間の目に頼っていた収穫時の仕分け作業を支援するシステムが挙げられるという。

 では、こうしてビジネス現場で活用されているAIツールについて、どこでその「質」を判断するのか。園田氏はその基準として「採用されたAI技術が、結果として人間の業務にどのように貢献しているかにつきる」と強調する。

 AIツールが特定の知的作業のために開発されたプログラムである以上、その作業をAIが担うことで、ユーザーにどのような価値をもたらすことができるのかを考えることが必要だ。ディープラーニングを使った農作物の識別システムも、古いアルゴリズムを組み込んだゲームAIも、どちらも的確にその業務を担い、ユーザーに価値をもたらしている。つまり、「質の高いAIツール」と言える。たとえどんなに最先端の技術を搭載していたとしても、業務貢献につながらないAIツールは、質が高いとは言えないわけだ。

 園田氏は以前、あるアパレル企業から「画像認識AIを使い、お客様が選んだ商品と似た色や形の商品を検出できるようにしたい」と相談を受けたことがあるという。もし買いたい服の在庫がない場合、「似た商品をレコメンドすることで売り上げを上げたい」という目的があったそうだが、ファッションのように嗜好性が高い商品だと、必ずしもこの施策が功を奏するとは限らない。むしろ、本当はハイブランドの服が欲しかったのに、見た目が似ているといってファストファッションブランドを勧めることで、売上額を下げたり、逆にユーザーの離反を招いたりする可能性もある。

 「質を決めるのは要素技術ではなく、その使い方です。たとえばレコメンドエンジンの場合、何をどう推薦すれば売上につながるかを考え抜くことがまず必要です。最先端の技術であれば、すごい結果が出るというのはまったく逆で、たいていの場合、思った成果は得られません」(園田氏)


  • このエントリーをはてなブックマークに追加
  • プッシュ通知を受け取る

関連リンク

All contents copyright © 2006-2019 Shoeisha Co., Ltd. All rights reserved. ver.1.5