近年は、AI技術を搭載した幅広いサービスが登場しており、人工知能が一層身近な存在となりつつあります。企業活動においても、需要予測やビッグデータ解析などの分野でAIの活用が進んでいるため、企業競争力の向上には欠かせない存在だといえます。
しかし、実際にAIを活用しようにも、「どのように手を付けて良いかわからない」「そもそもの仕組みが理解できない」と悩んでいる方も多いのではないでしょうか。ビジネスシーンにAI技術を取り入れるには、最低でもその基礎知識を理解することが重要です。
本記事では、AIの定義や歴史、種類などの体系的な知識を解説します。導入メリットや活用シーンなど、具体的なイメージを深めるのに役立つ情報も紹介していますので、ぜひ参考にしてください。
AI（人工知能）とは人間の知的行動をコンピュータに実行させる技術
まずは、AIの定義や仕組みを解説します。AIの活用方法を理解できるよう、最初に根本的な構造を押さえましょう。
AIの定義は専門家によって異なる
AIとは、「Artificial Intelligence」の頭文字を取った言葉で、和訳すると「人工知能」となります。
一般的な認識としては、AIは人間のような知的行動をコンピュータに実行させる技術、または人間の知能を人工的に再現するための技術を指します。
ただし、専門家によってAIの捉え方が異なるため、明確な定義は存在しません。
例えば、世界で初めてAIの意味を定義した、米国の計算機学者ジョン・マッカーシー氏は、AIを「人間の脳に近い機能を持ったコンピュータープログラム」と表現しています。東京大学大学院 工学系研究科の松尾豊氏の場合、「人工的に作られた人間のような知能、ないしはそれを作る技術」と定義しています。
参考：コラム「人工知能（AI）」の歴史｜国土交通省
第1回：人工知能䛾概要とディープラーニング䛾意義｜Yutaka Matsuo's Homepage
蓄積されたデータ群から学習し推論する仕組み
AIの最大の強みは、人間と同じように推論ができる点です。推論が可能なのは、テキストや音声、映像といった膨大な量のデータを機械に取り込み、機械自らがデータ同士の類似性や法則性を学習する仕組みが備わっているためです。
このような学習方法を「機械学習」といいます。例えば、犬と猫に関する大量の画像データをインプットすることで、機械がそれぞれの傾向をもとに犬と猫の違いを自動判別できる仕組みです。
また、機械学習の一種であるディープラーニング（深層学習）を活用すると、学習後の出力結果の精度が高まります。
例えば、犬と猫では顔の丸みや耳の形状に違いがあるといったように、機械に対して人間が学習時のヒントを与えます。すると、機械が対象にどのような特徴があるのか、自ら発見できるようになるイメージです。
人間のような推論が可能になれば、将来的な予測や画像・音声の認識などに応用できます。
AIの対義語はNI（自然知能）
AIの対義語は、「Nature Intelligence（自然知能）」の意味を持つNIです。NIとは、人間や動物が自然に持っている知能を指します。AIは、このNIを人工的に表現するために作られた技術です。
AIの歴史（第一次～第三次ブーム）
AIは、流行と冬の時代を何度も繰り返し、その歴史を紡いできました。AIが注目されるようになった歴史的な背景を知ると、なぜ現在になってAIの重要性が高まっているのかがわかります。
第一次AIブーム（1950～60年代）
AIという言葉が誕生したのは、ダートマス会議が開催された1956年です。同会議の主要メンバーであるジョン・マッカーシー氏が名付け親であり、同時に世界で初めてAIの意味を定義しました。
その概念の起源となったのは、英国の数学者アラン・チューリング氏が1950年に発表した「COMPUTING MACHINERY AND INTELLIGENCE（計算する機械と知性）」という論文です。
その後、1964年にIBMが、コンピュータ黎明期の発端となる「システム360」という新型モデルを発表します。これを皮切りに、コンピュータを用いたAIの開発や研究が徐々に加速しました。また、1966年には、マサチューセッツ工科大学のジョセフ・ワイゼンバウム氏により、AIアシスタント「Siri」の起源ともなるAI「ELIZA（イライザ）」が開発されました。
しかし、当時の技術では、複雑な要因が絡む問題に的確な対処できなかったことから、ブームが沈静化します。1970年代になると研究支援が滞り始め、冬の時代と呼ばれるようになりました。
参考：人工知能の話題｜一般社団法人 人工知能学会
COMPUTING MACHINERY AND INTELLIGENCE｜OXFORD ACACEMIC
第二次AIブーム（1980～90年代）
1980年代になると、エキスパートシステムと呼ばれる技術が確立し、AIブームが再燃します。
エキスパートシステムを活用すると、特定の問題に対してプログラムが推論を出力できるため、さまざまな課題解決の手段として注目を集めました。その仕組みは、あらかじめプログラムした専門家の意思決定プロセスをもとに、機械が適切な回答を行うというものです。
また、1984年には、知識記述に関する「Cyc（サイク）プロジェクト」がスタートしました。データベース化された一般常識に関する情報に紐付き、人間と同等の推論システムを構築するのが主な目的です。
しかし、1980年代後半になると、第二次AIブームも下火となります。エキスパートシステムやCycプロジェクトにかかわらず、システム構築にあまりにも手間がかかるのが難点だったためです。当時の技術では、コンピュータに手作業でデータを入力しなければならず、さらに例外処理や矛盾をはらむルールへの対応が困難でした。
参考：30年近く秘密裏に進められていた人間と同等の推論が可能な人工知能開発プロジェクト「Cyc」｜Gigazine
第三次AIブーム（2000年代～）
第三次AIブームは、2000年代から現在（2024年2月）まで続いています。コンピュータ技術の大きな発展を経て、これまで問題視されてきた労力や精度の問題を解消しやすくなった点が、ブーム再燃の大きな理由です。
例えば、機械学習やディープラーニングの誕生により、機械自らが学習を行えるため、システムやデータベースの構築にかかる手間を大幅に削減できます。そのほか、ビッグデータと呼ばれる大量のデータを処理できるデータベース技術の発展や、コンピュータの処理能力の向上などもブームに拍車をかけました。
そのため、現代はAIを最大限に活用するための環境が整っている時代だといえます。すでに開発・研究分野だけでなく、日常生活やビジネスシーンの多くでAI技術の活用が進んでいます。
AI技術を司る3つの種類
AI技術には次のような種類があり、技術の発展により段階的な進化が期待されています。
- 特化型人工知能（ANI）
- 汎用人工知能（AGI）
- 人工超知能（ASI）
それぞれの特徴を詳しく解説します。
特化型人工知能（ANI）
特化型人工知能（Artificial Narrow Intelligence/ANI）は、特定の分野にのみ強みを持つAIです。
例えば、自然言語処理や論理的処理といった特定領域のみに対応が可能です。特定領域においては人間と同等もしくは超越した推論精度を誇りますが、人間のように自身の能力を応用し、汎用的に処理することはできません。このようなAIのことを「弱いAI」とも呼びます。
2024年2月時点の技術レベルでは、この特化型人工知能が限界で、ある分野に特化したAIを複数組み合わせて活用するのが一般的です。ただし今後は、技術の進歩でより高度なAIが誕生する可能性も考えられます。
汎用人工知能（AGI）
汎用人工知能（Artificial General Intelligence/AGI）は、複数の領域の技術を組み合わせ、単体のみでさまざまな分野で活用できるAIです。事前に組み込まれたプログラム通りの動作もできれば、想定外の状況でも自ら考え、自身の能力を応用した対処も可能です。
この汎用人工知能は、特化型人工知能よりも一歩進んだ高次元のAIだといえるでしょう。その実現には、人間が持つ複雑な構造の認知能力を人工的に作り上げる必要があります。
未来学者のレイ・カーツワイル氏や、ソフトバンクグループ株式会社の孫正義氏などをはじめ、専門家の多くが将来的な汎用人工知能の登場に肯定的な意見を残しています。
参考：人間同等以上の処理が可能な汎用人工知能「AGI」、専門家の多くは登場に肯定的｜日経クロステック
人工超知能（ASI）
人工超知能（Artificial super intelligence/ASI）は、人間の知能や知的行動を模倣するだけでなく、それらを完全に凌駕するAIです。
例えば、まったく想像できないアイデアを生み出したり、機械自らが合理的な意思決定や問題解決を図ったりと、SF映画に登場する知的ロボットのような行動が可能です。汎用人工知能や人工超知能など、自意識を持つAIは「強いAI」とも呼ばれています。
このようなAIが人間をも超越するタイミングを、シンギュラリティ（技術的特異点）といいます。現在をはるかに上回るスピードで技術発展が進むと、シンギュラリティが訪れ、人工超知能のような存在が出現する可能性も決してゼロではありません。
そのタイミングは専門家によって意見が異なりますが、AI分野の世界的な研究者であるレイ・カーツワイル氏は、シンギュラリティの到達時期を2045年と予測しています。
参考：シンギュラリティは来ない？カーツワイル博士が描くディープラーニングの世界観とは｜business leaders square wisdom
AIの活用によってできること・できないこと
2024年2月時点では、AIができることと、できないことには明確な壁が存在します。ただし、今後は実現可能な範囲が徐々に拡大することが予想されています。ここでは、現時点におけるAIの得意・不得意について解説します。
AIによってできること
現状のAI技術は、大量のデータ処理やルールに則った作業を行うのが得意です。人間のように自ら考えて率先的に行動することは難しいものの、特定の領域において人間よりも効率的に情報を処理できます。また、プログラム通りに実行するため、指示に誤りがない限りミスや漏れは発生しません。
AIの活用によってできることは次の通りです。
- 自然言語処理：人間の話し言葉や書き言葉を正確に理解する
- データの認識：入力されたテキスト・画像・音声などを正確に読み取る
- ビッグデータ解析：大量のデータを迅速に処理してパターンを読み解く
- 予測：将来的な消費者の需要や天気などを予測する
- 定型作業の自動化：ルーティン通りの作業を自動的に実行する
- 異常検知：計測値や機器などの異常や、その予兆を検出する
ビジネスシーンでは、このような仕組みを活かしたサービスやシステムが幅広く活用されています。ルーティン作業をロボットがこなすRPAや、作業現場での持込・持出物品の確認システムなどが代表的です。
現状ではAIで対応できないこと
次のような作業は、現状のAI技術で対応するのが困難です。
- 営業やコンサルティングなど、相手との対話を通じて解決策を導き出す業務
- イレギュラーな対応が求められる接客や顧客応対
- 非構造化データのスムーズな処理
ただし、技術の発展により、従来存在していたAIの弱みが徐々に薄れつつあります。例えば、カスタマーサポートの領域では、チャットボットや電話自動応答システムなど、AI技術を搭載したさまざまなソリューションが登場しました。現状では、複雑な問い合わせには対応しにくいものの、今後の進化に期待が持てる分野だといえるでしょう。
そのほか、テキストによる指示だけでオリジナルコンテンツを生み出せる、生成AI技術が登場したことも大きいでしょう。生成AI技術の登場により、従来AIが苦手だったクリエイティブ作業が可能になりました。
AIをビジネスシーンに活用するメリット4選
ビジネスシーンでAIを活用するメリットは次の通りです。
- 組織の生産性向上につながる
- 慢性的な残業や労働力不足の解消が期待できる
- 現場でのミスや事故を防げる
- 顧客満足度を高める施策に反映できる
ここでは、これらのメリットについて詳しく解説します。
組織の生産性向上につながる
AIを活用すれば、業務の一部を機械が代行してくれます。
例えば、RPA（Robotic Process Automation）の導入により、データ入力や書類作成といった日常的な事務作業が自動化されます。AI機能付きのチャットボットでは、ユーザーがチャット上で自身の悩みを解消できるため、電話やメールによる問い合わせ件数の削減につながるのが特徴です。
このようなサービスやシステムを導入すれば、業務効率化が進み、時間に余裕が生まれます。余った時間をコア業務に費やすことで、組織全体での生産性向上に寄与します。
慢性的な残業や労働力不足の解消が期待できる
AIは人間と異なり、24時間フル稼働できるのが強みです。いくら稼働しても疲れやフラストレーションが溜まりません。
すべての業務を一任するのは難しいですが、AIに任せる業務範囲が広がった結果、より少ない人員で仕事を回せるようになります。すると、組織の業務効率が向上し、残業の機会が減少します。また、「きつい・汚い・危険」の3Kと呼ばれる業務をAIに任せられるのもポイントです。
省人化や労働環境の改善により、労働力不足の解消へとつながります。
現場でのミスや事故を防げる
AIは指示されたプログラム通りに処理を行うため、基本的にミスを犯しません。AIに指示するプログラムに誤りがなければ、入力ミスや出力時の漏れなどを抑制できます。
特に顧客と直接的にかかわる業務では、単純なヒューマンエラーが信頼低下につながる恐れがあります。AI活用により、このようなリスクを未然に防げるのがメリットです。
そのほか、現場での事故を未然に防ぐAIサービス・システムも増えています。例えば、作業現場に設置したカメラの映像をAIが読み取り、ヘルメット未装着や危険スペースでの作業などの際にアラーム通知を行うようなサービスが代表的です。
このような仕組みを活用すると、リスクマネジメントの質向上につながります。
顧客満足度を高める施策に反映できる
組織に蓄積されたビッグデータを効率良く処理できるのもAIの特徴です。このビッグデータを活用すれば、顧客満足度向上につながる施策へと応用できます。
小売業における一例を挙げると、販売データの分析結果をもとに将来的な需要を予測し、店舗ごとの在庫数を最適化することで、品切れのリスク抑制や取り寄せの手間削減などに効果を発揮します。また、顧客の行動傾向からパーソナライズ化された品ぞろえを展開し、顧客の体験価値を向上させることも可能です。
AIをビジネスシーンに活用するデメリット2選
ビジネスシーンでAIを活用するデメリットは次の通りです。
- 責任の所在がわかりにくい
- 高額なコストが発生する可能性がある
AI活用には大きなメリットがある反面、デメリットも存在することを十分に理解しておきましょう。
責任の所在がわかりにくい
AIの取り扱いについては、まだ法整備が進んでおらず、不明瞭な部分が多いのが現状です。そのため、AI機能を搭載したドローンが事故を起こした際など、責任の所在があいまいになるケースも考えられます。特にディープラーニングを活用したAIの場合、仕組みが複雑な点から、「どのようにしてその結論に至ったのか」という基準がブラックボックスに陥ってしまう傾向があります。
企業にとっては、明確な根拠が存在する判断基準をいかに整備できるかが問われています。AI技術を導入する前に、専門家の意見をもとに法的リスクをピックアップしておくと良いでしょう。
高額なコストが発生する可能性がある
企業がAIを活用するには、すでに存在するサービスやシステムを導入するか、内製化により独自のプログラムを開発するかの2パターンが典型的です。いずれの方法にせよ、活用シーンが広がるほど導入コストや開発コストが増大します。
加えて、AIの管理や運用に専門的な人材が必要であれば、一時的に採用コストが増えることもあります。コストの増加を抑えるには、事前に要件定義を行い、AI導入の費用対効果を的確に見極めることが重要です。
AIのビジネスシーンにおける活用事例
ここでは、野村ホールディングス株式会社の例を挙げ、AIの活用パターンを紹介します。同社は、野村証券や野村信託銀行などを子会社に有する持株会社です。本社やグループ会社を通じて積極的にAIを活用しています。
同社でのAIの代表的な活用例は次の通りです。
- 投資テーマと関連性の高いキーワードをもとに、投資家それぞれに合った銘柄を選定
- 顧客データをAIで分析し、成約確度の高い新規顧客を推定
- 資産管理アプリ「OneStock」へのAIチャットボット「Alli」の実装
最新の技術を活用しつつ、AIでのサポートにより、「野村は人」という従来のイメージを守り抜いています。
そのほか、さまざまな業種や業態のAI活用事例を知りたい方は、こちらの記事を参考にしてください。
Google Cloudを導入してAIを最大限に活用しよう
「AIの技術を活用して効率良くビッグデータ解析を行いたい」「独自のAIシステムを開発したい」という方は、クラウドプラットフォームのGoogle Cloudを活用してみてはいかがでしょうか。
Google Cloudとは、独自のクラウド環境やデータ分析基盤を構築するためのプラットフォームです。データベースやインフラ管理、BI（ビジネスインテリジェンス）などにかかわる、100種類以上のプロダクトが搭載されています。
また、次のようにAIに関するプロダクトも豊富です。
- AI Platform：AIの機械学習ルートを一元的に管理するためのプラットフォーム
- AutoML：新たな機械学習モデルを生成
- Natural Language AI：非構造化データから分析データを抽出
- Speech-to-Text：入力した音声データをリアルタイムでテキストに変換
- Translation AI：任意の文字列を指定された言語に翻訳
例えば、ビッグデータ解析のために、データレイク・DWH（データウェアハウス）・データマートの一連の流れを構築する際、Google Cloudならワンストップで実現できます。さらに、AI機能を付け加えて分析精度を高められるため、効率良くビッグデータ解析を行いたい企業におすすめです。
AIの仕組みや種類を理解し適切な場面で活用しよう
AIは人間が行っている業務をサポートするのが得意なため、導入により業務効率化や生産性向上、労働力不足の解消といったメリットが期待できます。ただし、一概にAIといってもさまざまな活用手段が存在するため、導入前に目的を明確にし、適切な場面で活用しましょう。
ビッグデータ解析やシステムの開発にAIを用いるなら、Google Cloudの活用がおすすめです。電算システムでは、Google Cloudの導入支援サービスを行っているため、気軽にご相談ください。導入前・導入中・導入後と一気通貫のサポートを行えるのが特徴です。
また、将来的にクラウド環境を拡張したい場合にも同ツールが役立ちます。
Google Cloudや電算システムに関しては、以下の資料で詳細を紹介しています。同資料は無料でダウンロードが可能です。
