AIプロジェクトに必要な人材を短期間で育成するには...

AIプロジェクトに必要な人材を短期間で育成するには？

ソフトバンク事例とサービスご紹介

201８年9月

ソフトバンクコマース＆サービス株式会社

ICT事業本部 MD本部

ICTソリューション販売推進統括部新規事業推進部

ITを駆使して、スマートに楽しく働こう

2

3

社員自らITを駆使し業務改善・改革

新たな業務や事業へチャレンジ

スキルアップキャリアアップ

全社員が最先端テクノロジーの推進者へ

AI

Bigdata

IoT

Robot

人とロボットがともに働く新たなワークスタイルの実践

AI RPA

従来の働き方 AI・RPAは仕事仲間

4

AI・RPA活用で、社員は付加価値の高い仕事へ

検索抽出・集計・登録商品企画・デザイン・設計

単純作業高付加価値な仕事

AI RPA

5

ソフトバンクC&SAI・RPA事例

コンシューマ

法人サービス

追加情報

法人ICT

会社紹介

ソフトバンクC&S 沿革

7

ソフトバンクの創業事業であるICT流通事業を中核に、ビジネス領域を拡大。

2007アクセサリーブランド

SoftBank SELECTION

を立ち上げ

2014ソフトバンク

コマース＆サービス設立

2001ディーコープ設立

2006BBソフトサービス設立

1990ソフトバンク・フレームワークス

【現、SBフレームワークス】設立

1981日本ソフトバンク設立

1999流通事業がソフトバンク・コマースとして独立

2003ソフトバンクBB【現、ソフトバンク】設立

2008間接材購買システム＆サービス

パーチェスワンの提供を開始

ソフトバンクC&S純売上高FY15 FY16FY14FY13FY12FY11

3,300億円超

※2017年3月期決算見込み

パートナー様

お問い合わせ

ご回答

C&S営業部門

150,000 件/月

問い合わせ

回答 C&S MD部門

150,000 件/月

顧客問い合わせ～回答まで大量のトランザクション

お客様がソフトバンクC&Sに求めることは？

ソフトバンクC&Sの強みは「スピード」と「価格」

期待は「提案」と「技術」「訪問」

＊第5回顧客満足度調査より

10

ホワイトワークスタイル BPO

１２在宅勤務ビジネス

オペレーション

３

ソフトバンクC&Sが推進するワークスタイル変革

＋「AI」の活用

11

デジタルイノベーション推進室

２０１６年１０月～情報システム本部に新設

ＡＩなど次世代ＩＴ技術の活用検証・実践

12

“ＩＣＴ未来プロジェクト”

ＡＩを業務に導入して営業力を強くする

見積回答スピード

価格提示

見積後追い

13

技術チーム紹介

人数

3人（兼務）

構成員

理系学部出身のソフトウェアエンジニア

やっていること、やっていたこと

社内システム開発

開発PJリード

プログラミング

SQL

やったことなかったこと

統計解析

機械学習

14

やったことまずスタートラインへ

セミナーへ行く

専門家と話す

ＡＩ

書籍を読む

15

プロセス

検証

データ

分析

アルゴリズム選定

実装

複数の分析ツール検証

テスト運用

見積後追い

正解率

８０％

85％判別振り分け

問い合わせ分類

１工数５秒自動化＝ALL７時間/日削減

業務システムに実装（2017/4～）

AI検証～実装まで

業務プロセスを洗い出し仮説立て

16

見積作成自動化

AIで見積内容を判別し、RPAで自動作成

分類/読み取り作成

お客さまからのメール

商品ＤＢ

見積り

注文

問い合わせ

その他

【見積依頼】汐留商事

田中直人From

件名

岡田様いつもお世話になっております。汐留商事の田中でございます。

下記の商品につきまして、見積書を頂きたく存じます。・ABCソフトウェア：LFU-NGLU233 1ライセンス・SoftWare One：BSD-JUDB-547 1ライセンス宜しくお願いいたします。

ソフトバンクC&S社内の生産性向上

AI見積

RPA/RDAによる自動化

コミュニケーションツール導入

FY16 FY17

一人あたり

5時間/月時間削減

AI/RPAの活用により労働時間を削減

※AI見積活用者

AI・RPAの導入検討ポイント

人が判断している部分はAI、人が操作・作業している部分はRPAAI・RPAを組み合わせてさらなる自動化が可能に

作業

作業

判断ポイント

作業

判断ポイント業務処理

RPA

AI

簡易プログラム

人

【重要】全てを無理に自動化せず、間違った時の対応・ルールを事前設計する

業務プロセス

人

18

19

社内で徹底活用しお客様にノウハウをご提供

AI・RPAのビジネス活用でブレイクスルーを起こすのは

「現場」（業務に精通した担当者）

20

応対時間を短縮したい

深夜の呼出を減らしたい

見積書作成を自動化したい業務の属人化を

なくしたい

ベテランのスキルを知りたい 24時間対応に

したい

21

AI・RPA活用に必要なデータとモデルはすべて「現場」にある

（業務に精通した担当者）

22

AI・RPAへの期待と不安

難しそう

本当に役に立つの？

何から手をつければ…

何かすごそう！

すぐに導入したい

万能だよね万能だよね万能だよね万能だよね

現場の期待値コントロールが非常に難しい

23

ビジョン、ROI

事業部門

生産性向上働きやすさ

IT部門

新しい技術への挑戦

経営層

ビジョンと導入メリットの共有

期待値コントロールのキーポイント

AIの導入・活用に必要な人材とスキル

企画・営業・プロデューサーデータサイエンティスト・システムエンジニア

AIを理解して事業応用する能力を持つ人材 AIを理解して実装する能力を持つ人材

ビジネスパーソンエンジニア

ビジネスパーソンとエンジニアの育成・協業が必要

（機械学習・深層学習）

ビジネスパーソン向けAI研修エンジニア向けAI研修

短期間でAI人材・エンジニア不足を解決！

AIのビジネス応用

多種多様なデータ

データの前処理 AIモデルの作成精度向上の工夫

自社データを活用したAIビジネスを考られるように

実務で必要な知識をカバー問題解決の手段としてAIを学べる

（e-Learning）（e-Learning）

※内容準拠

ゴールゴール

１ヶ月３ヶ月

Copyright © 2018 株式会社STANDARD 26

AI導入を阻む困難

「AI 関連技術の特殊性」により下記の問題が生じる

1. 工数を正確に見積もれない

実際➢ にどれくらいの精度を出せそうか

その➢ 精度を出すためにどれくらいの学習データが必要となるか

検討➢ ・試作・検証・再検討のフローをどれくらい繰り返す必要があるか

導入可能2. なタスクの見極めが難しい

うまくいくか➢ 否かは実際にやってみなければ分からない

AI➢ でのみ解決できる課題か否か（課題解決に最適な手段がAIではない可能性）

エンジニア・3. 研究者が稀少

人材➢ の売り手市場化が進み採用競争が激化

AI➢ 分野は特に人材が枯渇している


市場環境

急拡大しているAI市場のボトルネックは人材の不足、3年間で5万人が不足

0

50,000

100,000

150,000

200,000

2016年度 2018年度 2020年度

先端IT人材の不足数推計

(ビックデータ・IoT・AI)

IT企業ユーザー企業不足分

15,190人

31,500人

47,810人

不足数

61,960人

34,940人

70,790人

41,160人

80,880人

48,510人

ユーザー企業

IT企業

理論

第１次人工知能ブーム

第2次人工知能ブーム

第3次人工知能ブーム

探索・推論から機械学習へ

インフラインターネット・GPU・フレームワーク

人材社会実装を推進する人材

(出展)日本経済新聞、「背景に待遇問題?AI人材足りない日本の現実」

(2017)

タイトル（最背面に画像を利用してください）

サブタイトル by

AI_STANDARD for Business

AI関連事業の事業計画書を書くための､ビジネスパーソン向け研修講座


AI関連事業の課題

エンジニアの人材不足以前に､ビジネスパーソンのリテラシー不足が問題に｡

1. AIにできることがわからない 2. 経営側からの歩み寄りがない 3. 事業計画書がつくれない

AI• には何ができて､何ができない？事業• との親和性はどこにあるのか？とりあえず• ディープラーニングを使っておけば大丈夫なのか？クラウドやデータベース• 技術にもキャッチアップできていない｡

• AIのパフォーマンスについて､技術者に過剰な期待を押し付ける｡

• 研究開発に実現不可能な期限で成果を要求する｡

• 部署を横断する業務が､社内政治を行えないために頓挫する｡

研究開発• をどう進めるべきか？複数部署• をどう連携させるか？期間• や予算はどのように設定すべきか？どのような• 人材を集めるべきか？外注• するときの契約や知財管理は？


AI_STANDARD for Business

経営企画側の人材が､運用までを見通したAI関連事業の計画書を書くための研修｡

1. 応用分野と活用事例→｢AIで何ができるのか？｣を明らかにする｡

2. 課題設定と経営企画→AIを活用する事業経営の要点を押さえる｡

3. 技術変遷と研究課題→最新技術の捉え方を歴史に沿って理解する｡

4. 機械学習の手法→手法ごとにどのような強み･弱みがあるのか｡

5. 深層学習の手法→手法ごとにどのような強み･弱みがあるのか｡

6. 周辺技術と組織構築→開発を支えるクラウドやデータベースを知る｡

7. 契約と知的財産→利益を長期的に得るための法律について学ぶ｡

各章ごとにG検定合格のための確認テスト付き


講座構成

e-learning形式の基礎講座に加え、AI導入事例の解説記事で相場観を養う。

1. 基礎講座（e-learning）･･･4週間 2. AI導入事例の解説記事配信

• スライド形式のテキストを用いた動画講座を提供｡• 講座の受講時間はおよそ10時間となります｡• スライド資料はテキストに製本してお送りいたします｡

※受講画面イメージ

• 基礎講座の知識を土台に、具体例を解説します。• 1ヵ月間毎日充実の30記事を配信します。• AIプロジェクトに関わるに相応しい相場観を提供。

※製本テキストイメージ

業界別・金融・決済・服飾・製造・広告・人材・物流・農業・教育・販売・エネルギー

手法別・画像認識・音声認識・自然言語処理・画像生成・不正検知・翻訳・レコメンド・予測


到達目標

経営企画に求められる3ステップで､事業推進に貢献できる人材に｡

1. 事業アイデアの策定 3. 事業計画書の作成2. 技術者との意見交換

• 自社事業のどこにAIを使えば最も費用対効果が高いかを判断できる｡

• タスクに合った手法選択ができる｡• クラウドやデータベースなどの周

辺技術の活用を指示できる｡

• AIエンジニアへの適切なサポートができる｡

• 研究者とのディスカッションにより､最新の手法を取り入れられる｡

• 上下に風通しのよい組織風土の必要性を説明できる｡

• 試行錯誤を想定したマイルストーンを設定できる｡

• 運用による収益化までを見通せる｡• 開発チームの人員計画を立てられ

る｡• 契約や知財について要点を押さえ､

外注先との連携がスムーズになる｡

G(ジェネラリスト)検定とは E(エンジニア)資格とは

ディープラーニングの基礎知識

を有し、適切な活用方針を決定して

事業応用する能力を持つ人材。

年2回の試験を実施。

第３回は201８年1１月予定

ディープラーニングの理論を

理解し、適切な手法を選択して

実装する能力を持つ人材。

年2回の試験を実施。

第１回は2018年9月実施予定。


日本ディープラーニング協会

AIスタンダードは、日本ディープラーニング協会のG検定・E資格認定講座

。

※一般社団法人日本ディープラーニング協会ホームページより抜粋

タイトル（最背面に画像を利用してください）

サブタイトル by

AI_STANDARD for Engineering

即戦力AIエンジニアを､3ヶ月で育成する研修プログラム


AI技術知識の網羅性について

対面講座では、実務で必要不可欠な知識が得られない

対面講座内容一例

A社(3日間)

・単回帰

・重回帰

・パーセプトロン

・SVM

・ニューラルネットワーク

B社(各2時間全8回)

・分析のプロセス

・SVM

・ベイズ

・MCMC

・ロジスティック回帰

正則化性能評価パラメータ

チューニング欠損値処理

実務レベルに到達するのに、必要不可欠な知識が足りない

対面講座では

時間の関係で

教えられる量に限界がある

etc…


本講座カリキュラム①

機械学習(14章)・深層学習(7章)のコースでそれぞれ網羅性を確保

scikit-learnによる機械学習(動画再生時間:14h) KerasとTensorFlowによる深層学習(動画再生時間:7h)

オープンソースライブラリであるsckit-learnを用いて、非Deep Learningの機械学習の手法を一通り学びます。

目次

1. 機械学習とは

2. 単回帰分析

3. 重回帰分析

4. 多項式回帰

5. 正則化

6. パーセプトロン

7. ロジスティック回帰

初心者でも直感的に実装を行えるKerasを利用して学習・実装を行います。(バックエンドにはTensorFlowを利用)

目次

1. 深層学習とは

2. ニューラルネットワークの基礎

3. CNNによる画像分類

4. ニューラルネットワークの諸問題と対策

5. 画像の前処理とfine-tuning

6. RNN(LSTM)による時系列解析

7. DQNによる強化学習

8. SVM

9. 性能評価とチューニング

10．欠損値処理とエンコーディング

11．決定木

12．主成分分析

13．クラスタリング

14．自然言語処理の諸手法詳細は別途資料参照


初学者に向けて、必要最低限の数学・統計学・プログラミングの講座を用意

Python基礎文法（動画再生時間: 7h）

機械学習･深層学習を実装する､Pythonの文法を学びます｡

目次

1. Pythonとは

2. 環境設定

3. 数値と文字列の操作

4. コレクション型

分析業務で使用頻度の高いものについて扱いを学びます｡

目次

1. NumPy:

2. Pandas:

3. Matplotlib:

ベクトルや行列の演算

数表の読み込み､編集

グラフや画像の描画

基礎統計（動画再生時間: 2h）

統計検定4級程度の統計学を､Python言語を用いて学びます｡

目次

1. 統計とは

2. 基本統計量

3. 散布図

4. ヒストグラム

基礎数学（動画再生時間: 5h）

必要最低限の微分積分･線形代数を､コンパクトに学びます｡

目次

1. 機械学習の数学

2. 線形代数

3. 微分積分

Pythonライブラリ（動画再生時間: 3h）

5．条件分岐と繰り返し

6．関数

7．クラス

カリキュラム②


実務応用の一例

基礎を網羅的に身につけることで他分野への応用が可能

医療画像の分類アプリケーションのログ解析顧客アンケートによる感情分析

アパレルメーカーが持つECサイトのレ

ビュー(テキストデータ)から感情の自動

抽出・分析を行うことで、手作業で集

計していたときよりも素早い形での、

顧客ニーズを捉えた商品改善を支援。

スマートフォンのアプリケーションで

取得できる大量のユーザー行動ログの

集計・分析を行う。分析結果をもと

に、施策立案や効果分析をすること

で、継続率・課金率の向上に貢献。

医療機関が所有する画像データを用い

て､疾患の有無や発症確率の判定を行う｡

診断結果の大多数を占める疾患につい

ての分析を自動化することで､医師の作

業時間を大幅に削減することに貢献｡

※画像はイメージです ※画像はイメージです ※画像はイメージです


アウトプット環境

3種類のテストを用意することで、実務応用へのハードルを下げる

テキストAIを自社で活用する際に必要なのは、アウトプットを出す力です。

3種類の課題を解くことで、徹底的にアウトプットを行い、実務での成果に直結させます。

理論確認テスト

各章で学習した内容の要点を押さえているかどうかを判定｡難易度は､JDLA G検定合格レベルに設定｡G検定の試験対策も兼ねる｡

コーディングテスト

教材と同じコードを実装して､動かすことができるかどうかを確認｡動作確認を行うとともに､受講者のさらなる知識定着を狙う｡

課題解決テスト

講座内の手法を新しい課題に対して適用できるかどうかを判定｡ここまでをクリアした段階で､実務への応用が可能であることを認定する｡


管理者様へのメリット

学習者の進捗・テスト結果を把握して、業務へのアサイン可否の判断を支援

・学習進捗ランキング確認可能

・契約プランの確認可能

・各講座の進捗確認可能

・日ごとの学習履歴確認可能

・テスト結果の確認可能


理想的な組織編成

AI･データサイエンスチームに求められる､適切な人材編成｡

出典: 週刊ダイヤモンド, 『BCGとマッキンゼー幹部が伝授する革命を成功させる｢血｣と｢権力｣』（2018）

データサイエンスチーム

データサイエンティスト（数理統計のリサーチャー）

1人

ビジネスサイドの担当者（実務上の経験）

10人

エンジニア（エンジニアリング能力）

3人

1人のデータサイエンティストに頼り切るのではなく､チームで知識や役割を補完して取り組む｡


会社紹介

AI・データサイエンスに特化した社内研修・採用支援サービスのご提供

会社名：株式会社STANDARD

事業： AI・データサイエンス社内研修事業

AI・データサイエンス人材採用支援事業

所在地：東京都新宿区西新宿7-4-4武蔵ビル5F

創業メンバー

代表取締役CEO

石井大智

沿革

・2016年4月東大人工知能開発学生団体HAIT創設

・2016年所属人数は東大早大慶大東工大を中心に30名程度

所属学生が複数名、企業での実務応用で実績を出す

・2017年2月教育コンテンツ『AI_STANDARD』の開発

・2017年春 Microsoft様/日本IBM様/Fronteo様などとイベント開催

『AI_STANDARD』で学んだ学生をインターンシップ

に20人程度送り出す。所属学生は200名超。

・2017年8月株式会社STANDARD設立

・2017年10月 AI・データサイエンス社内研修サービスを提供開始

すでに40社以上へ導入済み

・2017年11月 AI・データサイエンスに特化した採用支援サービスを提供開始

すでに35社以上へインターン採用が決定

取締役CTO

鶴岡友也

取締役COO

安田光希


取引実績

STANDARDのサービスは大手企業をはじめとする80社以上の企業が導入。


受講者の声

初学者や他研修サービスを受けた方からの高いご評価

システム開発会社 K.Y様 ECサイト運営会社 Y.M様 IT事業会社 S.W様

私はもともとビジネス側の職種

でしたが､AI_STANDARDの受

講を機にデータ分析や機械学習

の勉強を始めました｡初学者で

も無理なく始められる講座設計

のため､学び始めて2ヶ月ほどで

マーケティング業務で手を動か

して仕事ができました｡

他社でも人工知能を学ぶ研修を受

けましたが、初学者のため専門家

の方のお話が難しく結局身につき

ませんでした。AI_STANDARDは

初学者に優しい設計なので学習が

進み、今では､社内のビッグデー

タの分析・運用業務を担当できる

ようになっています｡

私の場合､データ分析の分野は専門

ではありませんでした｡しかし､

AI_STANDARDで学んでからは業

務で活用したり､公的機関から得た

データを研究に応用したりしてい

ます｡自分の仕事の幅が広がったこ

とを強く実感しています｡


AI導入の本気・継続度の差

2030年には約数十億円のインパクトで差が開くことが見込まれる

競争力

年2018

第３次

人工知能ブーム「AI導入」の本質を理解し

適切に取り組んだ企業

表面的な理解に止まり

旗を振っただけの企業

2030

➢ 上場企業の平均従業者数：2,500人

➢ 1人当たり売上高貢献：1,200万円

労働力が10％減少することで

失われる売上高

約30億円/年

参考：「労働力人口が激減する時代

組織のあり方が問われる」野村総合研究

所長期を見据えた経営幹部の意思決定が試される

10年スパンで顕在化


受講対象目安

本サービスは、AIを実務で本格的に利活用させたい方向き

自社内でのAI活用・育成を本格的に行いたい

自社内でのAI活用・育成を手軽に済ませたい

ビジネスパーソン向けAI研修

日本ディープラーニング協会のジェネラリスト検定にも対応

エンジニア向けAI研修

大手IT企業を中心に30社以上が受講中実務での利活用に必要な知識をにカバー問題解決の手段としてAIを学ぶ分析ストーリー形式

AI教育プログラム

5名50万（1か月）～ 3名90万（3か月）～

48

情報革命で人々を幸せに

ありがとうございました

Information Revolution -Happiness for everyone-

Thank You!

AIプロジェクトに必要な人材を短期間で育成するには...

Documents

Transcript of AIプロジェクトに必要な人材を短期間で育成するには...

AIプロジェクトに必要な人材を 短期間で育成するには...

Documents

Transcript of AIプロジェクトに必要な人材を 短期間で育成するには...

AIプロジェクトに必要な人材を短期間で育成するには...

Transcript of AIプロジェクトに必要な人材を短期間で育成するには...