企業向けソフトウェアにおける機械学習の実体

機械学習については多くの宣伝が行われていますが、エンタープライズソフトウェアの文脈では実際にどのような意味を持つのでしょうか。機械学習はどのように機能し、現在のビジネス価値をどこに付加し、そして将来的に何を期待すべきなのでしょうか。

まず、いくつかの定義から始めましょう。人工知能（AI）は、機械学習（ML）、深層学習（ディープラーニング）、認知学習（コグニティブラーニング）を含む包括的な用語です。企業向けソフトウェアに最も関連するのはMLで、ここではAIアルゴリズムによる自動化を実現する能力を意味します。

MLが行うことの多くは、数字の計算、パラメータの測定、パターンの特定、過去の結果に基づく将来の結果の予測など、実際には単なる統計分析です。このようなことをするのに、実は派手なMLアルゴリズムは必要なく、標準的な論理プログラミングでできてしまうのです。

ML自体がビジネスの成果を向上させる度合いは、今のところ限界があります。例えば、財務予測の精度は、アルゴリズムが時間をかけて少しずつ改良されるかどうかよりも、はるかに大きな要素に影響されます。そもそも、調和のとれた正確で完全なデータを持っていなければ、単にMLを適用するだけでは、ビジネス上の意思決定をより良いものにすることはできません。

問題解決のためのソリューション？

ガートナーのハイプ・サイクルによると、MLは現在、期待値の高まりのピークにあります。ビッグデータの入ったバケツにMLを放り込んだだけで、魔法のように完璧なビジネスプランを導き出してくれるとは思えません。

ビジネスではよくあることですが、技術そのものから始めるべきではありません。どこにMLを適用するかを考える前に、一歩下がって「私たちは何を達成しようとしているのか」と問いかける必要があるのです。

ビジネスプロセスの中で、何らかの判断や予測が必要で、少しでも精度が上がればビジネスに不釣り合いなほどのメリットがあるポイントを探してみましょう。これが、MLの潜在的なユースケースです。そうでなければ、MLは問題を探すソリューションになってしまう危険性があります。

例えば、従来の統計学の代わりにMLを適用し、基礎となる優れたデータがあれば、予測の精度を継続的に向上させ、業務効率や顧客体験を改善することができるはずです。

現在のMLの価値とは？

現在、MLは、企業向けソフトウェアにおいて、日常的なビジネスプロセスの自動化に効果的に利用されています。

領収書の認識。このケースでは、MLアルゴリズムがレシートをスキャンして、それがどのような種類のレシートであるかを推測し、元帳の経費記録と自動的に照合します。

スマートな請求書処理。紙の請求書や電子請求書をスキャンして、請求書番号、顧客番号、金額、支払条件、項目などを特定し、関連する注文書や納品書と照合します。

タイムシートの完成。一般的に、タイムシートを完成させるには、プロジェクト、タスク、リソースのレベル、作業の種類、費やした時間の5つの側面がありますが、これまではすべて手作業で入力する必要がありました。MLアルゴリズムを使えば、過去のパターンに基づいて自動的に入力することができます。これにより、人は多くの時間を自由に使うことができ、仕事がしやすくなります。

AIに求められる人間の知性

AIを機能させるためには、多くの人間の知性が必要です。予測可能で信頼性の高い結果を得るためには、アルゴリズムに課題を与える前に、ユースケースを決定し、データ自体が十分に高品質であることを確認しなければなりません。そして、それを訓練しなければなりません。

アルゴリズムの学習には、人が結果をチェックし、その精度をフィードバックするという最もシンプルな方法があります。これを「教師付き学習」と呼びます。

人間の頭脳は、宇宙の中で最も優れたパターンマッチング・マシンです。平均的な2歳児であれば、2〜3匹の猫を見ただけで正しく識別できるでしょうが、MLのアルゴリズムでは2,000匹の猫を見ないとわからないかもしれません。しかし、一度学習させれば、膨大な量のデータを高速に処理することができ、しかも、毎日のように繰り返される退屈な作業を飽きずにこなすことができるのがMLの強みです。

次に期待できることは何でしょうか？

私の経験によると、エンタープライズソフトウェアで自動化されているビジネスプロセスは、通常20％以下です。しかし、2〜3年後には、日常的なビジネスプロセスの80％がMLによって自動化されるようになると考えています。

現在のフロンティアは、ソフトウェアとの付き合い方であり、ユーザーエクスペリエンスを中心としたパラダイムシフトが進んでいます。書籍『The Best Interface is No Interface』で「スクリーンベースのソリューション」の廃止を訴えているように、ソフトウェアは自然言語認識によって人間の音声を認識することができるべきであり、MLはそれを現実のものとしつつあります。

次の大きな進歩は、一部のビジネスプロセスから人間を完全に排除することです。ワークフローの中で、人が何かを承認しなければならない場面で、MLのアルゴリズムは承認者の行動を調べ、何が通常の許容範囲内にあるかを学習します。そして、その人の判断を真似ることで、MLが自分で作業を行うことができるようになるのです。

重要なことに集中する

エンタープライズソフトウェアにおけるMLの有望性は、普及しても目に見えないものにすることです。MLは私たちの仕事を奪うでしょうか？しかし、MLを利用することで、煩雑で価値の低い仕事から解放され、本当に重要なこと、つまりビジネスに価値を与えることに集中できるようになります。

出典：Forbes