DXコラム

AIが注目される理由とは?開発の流れとエンジニアに求められるスキルも解説

#AI導入  #AI活用 

2023.9.8
 AI/IoT

AIが注目される理由とは?開発の流れとエンジニアに求められるスキルも解説

はじめに

多くの企業が、競うようにAIの技術を取り入れはじめています。AIの導入は、これからのビジネスにおいて優位性を発揮するためのカギとなる可能性があるためです。

その一方で、まだ流れに乗り切れていない企業も少なくありません。「自社でも早々にAIを取り入れなければ競合に遅れをとってしまう」と、焦りを感じている方もいるでしょう。

そこで本記事ではさまざまな企業がAIに注目している理由や、AIを取り入れた開発の流れ、その際に社内で必要となるスキルなどについて説明していきます。

なぜ企業はAI(人工知能)に注目するのか

AIが注目される理由は、単に最先端のテクノロジーだからというだけではありません。まずはビジネスの観点から、なぜ今多くの企業がAIに注目し、導入を決断しているのかについて説明します。

保有データを活用してビジネスを進化させられる

AIは、既存のデータから何らかのパターンを発見できる技術です。この能力をビジネスに応用しようというのが、AIを導入する企業の狙いだといえます。端的にいえば、データを読み解いて得られた新たな知見から、従来の発想では乗り越えるのが難しかったビジネス課題に解決策を見出そうということです。

ここで、AIを活用するにはデータが必須だということがわかるでしょう。実際AIには、多様なデータから繰り返し「学習」させることで、用途に応じて鍛え上げていける性質があります。大量のデータを用意できる企業ほど、ニーズに合うAIを手に入れられる可能性が高いといえます。

そこで注目されているのが、いわゆるビッグデータとの組み合わせです。業務データや顧客情報、その他市場から収集したさまざまなデータがすでに社内に蓄積されているという企業は少なくないでしょう。そうしたデータを活用できる環境を整えさえすれば、AIの導入によってビジネスを進化させられる可能性が見えてきます。

競争上の優位を保つのに必要となる

AIを導入する企業の本質的な狙いは、より競争力のあるビジネスを確立することにあります。AIだからこそ可能になる既存事業の効率化や画期的な新サービスの開発によって、競合に勝てる状況を生み出そうということです。

ところが、多くの企業が当たり前のようにAIを利用しはじめたことで、AIに注目すべき理由はこれだけではなくなりました。AI導入を先送りにしている企業は競争力を高めるどころか、周囲の変化から取り残されてしまう恐れも出てきているのです。今やAIを導入しないことが一つのリスクだといえるでしょう。

AIは現在も急速に発展を続けている技術です。AIを取り入れた企業のビジネスも、速いスピードで進歩していくと予想されます。市場から閉め出されないようにするためにも、まだAIを活用しきれていない企業には早期の決断が求められています。

AI開発における4つのフェーズ

AIを導入する際には、AIを用いたシステム開発がどのような流れで行われるのかを把握しておくことも大切です。ここでは開発のフェーズを4つに分けて、それぞれについて説明していきます。

構想フェーズ:目的を決めて効果を見積もる

まずは、自社のビジネスにAIを導入する目的を明確に絞り込むことが求められます。どの課題を解決するために、どのようなAIが適しているのかを考えるということです。少なくとも現代の技術では、人間のように自由な思考をもつ万能型のAIを作ることはできません。そのため「これから開発するAIは何に特化したものか」を、あらかじめ決めておかなければならないのです。

具体的には、ビジネス課題の解決に求められる要件を洗い出す作業が必要になるでしょう。併せて、それらの要件の実現が、最終的に期待した効果をもたらす見込みがあるかどうかを判断します。開発に必要な体制や期間などからコストを見積もり、ROI(Return On Investment/投資利益率)を計算して定量的に評価するのがよいでしょう。

PoCフェーズ:実現可能か確認する

PoC(Proof of Concept/概念実証)とは、思い描いたコンセプトが実現可能なものだといえるか検証することです。ここでは、構想フェーズで決めた目的に沿って実際にAIを開発できるかどうかを確認します。

具体的には、ある程度の動作をするプロトタイプ(モックアップ)を作成してみる方法が考えられるでしょう。これにより本格的な開発に着手する前に、最後まで作りきれそうかどうかの手応えを得ておくことができます。AIに読み込ませるデータを十分に用意できるか、その結果として期待した振る舞いを得られそうかといった点についても、このフェーズで確認しておくとよいでしょう。

実装フェーズ:システムに組み込む

次は、AIを本格的に開発し、実際の業務で使えるようにするフェーズです。ここでの作業は「AIモデルの開発」と「システムの構築」に大きく分かれます。また、これら2種類の作業を受け持つエンジニアには、AIの専門性と一般的なシステム開発スキルの両方が求められます。

AIモデルは、データから学習済みのAIの本体のようなものだと考えればよいでしょう。「機械学習」と呼ばれる手法により大量のデータを適切に分析することで、実用的なAIモデルを実現していくのが一般的な流れです。

完成したAIモデルは、システムに組み込むことで利用可能になります。これは、構想フェーズで決定したAI導入の目的に沿って、要件を満たすシステムを構築するということです。

運用フェーズ:運用しながら改善していく

AIを組み込んだシステムが、最初のリリースから満足のいくものになるケースはそれほどありません。多くの場合は、実際に運用して得られた結果をもとに、さらなる学習でAIモデルの精度を高める必要があります。そのため、AI開発においては運用を開始してからの期間もフェーズの一つとして数えるのが一般的です。

このフェーズでは「PDCA」のサイクルを回し、よりニーズに合うシステムになるよう段階的な改善を施していきます。より安定してビジネスに貢献できるシステムとするためにも、改善を継続させることを重視するとよいでしょう。

AI開発プロセスはウォーターフォールかアジャイルか

AIの開発プロセスには、ウォーターフォールが採用される場合もあれば、アジャイルのほうが好まれることもあります。どちらのほうがAI開発に向いているかという点については、意見が分かれるところでしょう。

フェーズが明確で複雑な要件でもしっかりと計画を立てて進めていくことができるのがウォーターフォールの特徴です。そのため、4つのフェーズを通し、一貫して要件の達成を目指しながら開発が進んでいく点に着目すれば、ウォーターフォールが向いているといえます。また、変更が発生した場合のコストが高くなる可能性はあるものの、初めてのリリースでも一定の品質を安定して出すこともできます。

一方アジャイルの場合、仕様変更にも柔軟に対応でき、素早くリリースすることに長けています。そのため、リリース後も改善のサイクルが続くことを重視するなら、アジャイルのほうがフィットするでしょう。一方で、要件が複雑な場合や、一つのミスも許さないような開発をしたいのであれば、不向きともいえます。

例えば、前述のとおり、実装を「AIモデルの開発」「システムの構築」の2つに分けた場合、変更が多く発生する可能性の高い「AIモデルの開発」はアジャイルで行い、AIモデルから提供されたデータをもとに構築することが前提の「システムの構築」はウォーターフォールで行う、などが考えられます。

AIエンジニアに求められる知識・スキル

AIは最先端の技術のため、効果的に用いるには専門性の高い知識とスキルを備えたエンジニアが必要です。ここでは、AIエンジニアにどのようなスキルが求められるのかについて説明します。

数学や統計学の基礎知識

データに基づいて動作するというAIの基礎には、データサイエンスと共通する部分が少なくありません。そのため、AIエンジニアにはデータサイエンティストとしての素養が求められます。なかでも数学と統計学は、AIの仕組みを正しく理解し、適切な機械学習の手法を選択するために重要な知識です。

また、AIを用いて構築したシステムが、ビジネス課題をどの程度解決できたかを知りたい場面も出てくるでしょう。そのような場合にレポートをまとめる能力も、データサイエンティストと同様に求められる部分です。

AIの理論や手法の理解

AIは、さまざまな理論と手法に支えられている技術です。解決したい課題に対してより効果的にAIを適用するには、理論と手法についての幅広い知識と理解が欠かせません。

例えば「機械学習」を実施する際には「ディープラーニング」や、その基礎となる「ニューラルネットワーク」の理論に関する理解が求められます。その際に用いられる手法も多数あり「教師あり学習」と「教師なし学習」「強化学習」に大別されます。最終的により良く課題を解決できるAIを完成させるには「項目を分類したい」「これから起こることを予測したい」などの目的に応じて手法を使い分けられるかどうかが重要です。

フレームワークとデータを扱うスキル

AIモデルの構築には、プログラミングのスキルが必要です。よく使われるプログラミング言語は「Python」などの一般的なものが中心ですが「TensorFlow」や「PyTorch」といったAI独特のフレームワークを用いるため、一般的なシステム開発と比べると専門性の高いスキルだといえます。

また、AIに学習させるために大量のデータを扱うというのも、場合によっては特別なスキルを必要とする作業です。例えばビッグデータに蓄積されたデータを適切に操作するには、データエンジニアと共通する能力が求められるでしょう。

AIで競合優位性を確立するなら早期導入がカギ

AIは、これからのビジネスに革新をもたらす可能性のある技術です。企業が競争上の優位を確立するためには、早期にAIを導入できるかどうかがカギとなるでしょう。
ただし、AIは最先端の技術であるため、効果的に活用するには知識とノウハウが欠かせません。開発を担うエンジニアにも、専門的なスキルが求められます。競合に遅れをとらないためにもAI人材採用、社内人材の育成に着手するとともに、実績のある外部サービスの手を借りることも検討するのがよいでしょう。

パソナでは、新しい技術で価値を共創していくサービスの一環として、多数の「DXソリューション」を提供しています。
「AI導入支援サービス」は、AIの導入から運用・改善までを一貫してサポートするサービスです。ニーズに合わせてAI以外の技術とも柔軟に組み合わせながら、プロセスとビジネスの変革を支援します。社内にエンジニアがいない状況でもご依頼いただけるので、ぜひご活用ください。

また、ビッグデータに蓄積されたデータを活かせる、新たなビジネスモデルを模索している企業も少なくないでしょう。その場合は「IoT/データ活用支援サービス」が最適です。要件定義からビジネスへの反映、運用までワンストップで対応いたします。

人材確保については「DX人材開発支援サービス」の活用もぜひご検討ください。
エンジニアだけでなく、ITに強いビジネスパーソンも社内で育てていける、実践に基づいた育成プログラムをご提案します。「技術でビジネスを変える」ことはもちろん「新しい技術を導入したものの一部の社員しか使いこなせない」といった課題の解消にもつながるサービスです。
下記に詳細な資料もございます。ご確認いただき、お気軽にお問い合わせください。

■AI導入支援サービスの資料はコチラ
■DX人材開発支援サービス~AI活用人材偏~の資料はコチラ
■お問い合わせはコチラ


関連サービス

今回ご紹介した課題に対してパソナでは以下のサービスで解決させていただいています。

Azure OpenAI Service導入支援

SERVICE FEATURE Azure OpenAI Service導入支援の特徴 SERVICE IMAGE AIを使ってできること Azure OpenAI Service リファレンスアーキテクチャ賛同パートナー マルチクラウド・マルチAIの対応


関連記事

企業DXにご興味のある方にはこちらの記事も読まれています。

おすすめコラム

2023.8.25
DX人材育成にスキルマップを導入するメリット・作成方法について

2021.12.20
CRMとは何か?担っている役割や機能をわかりやすく解説

2023.1.6
進化するデータ活用!~取り組むメリット・注意点・最新事例をご紹介~

2022.11.15
~スマートシティの過去と今~
社会が求めるウェルビーイング前提の都市づくり

2021.9.22
内製化とはなにか?5つのメリットと押さえておきたいポイントを解説

2023.10.10
業務アプリケーションとは?種類や選ぶ際のポイントを解説

2021.2.15
BPRとはなにか?導入のメリットや進め方を紹介

2023.1.30
顧客のニーズに答える新規事業創出
~顧客の課題を明確にする~

2023.10.11
DX推進でシステムの内製化が求められる理由と今後の課題とは?

2022.12.15
-今、スマートシティを考える-
都市の取り組みと企業ができること

2022.11.7
はじめてAI導入をする担当者の方が「知っておきたい進め方」 

2022.12.8
DX人材ってどういう人?
~パソナが考える企業内のDX人材とは~

2022.1.18
企業に欠かせない情報セキュリティ対策!おもな脅威と具体的な対策方法

2022.12.14
全業界が取り組むべき
カーボンニュートラル
~取り組まないことへの企業デメリットとは~

2023.10.18
アプリのプライバシーポリシーを詳しく解説!記載内容や注意点は?

2022.12.1
会社内で部門間連携が取れない状態
「サイロ化」がもたらす弊害と解消方法

2021.2.10
デジタルシフトが企業に求められる理由と活用のポイントとは?

2023.8.29
リスキリングとは?メリットや導入手順・成功のポイントについて解説

2022.10.11
2025年の崖 とは?企業が直面する課題や対策について紹介

2023.3.31
DX戦略に欠かせないビジネスフレームワーク

2023.9.1
GPTとは?日本語対応のAIチャットサービスと言語モデルも紹介

2023.10.12
アプリアイコンデザインの重要性とCVR向上への影響

2022.10.25
ゼロから始めるDX人材育成方法
~企業の組織と体制確立について~

2023.8.3
クラウド化とは?必要な理由や種類・メリットについて解説

2023.10.3
新規事業における
マーケティングの役割と効果とは

2023.8.28
Webアプリとは?仕組み・メリットや開発の流れについて

2023.8.23
新規事業開発とは?フレームワークや必要スキルについて

2023.3.16
都市のさまざまな建物がアップデート
話題の「東京2030」とは?

2023.6.7
ICTとは?IT・IoTとの違い・ツールを導入するメリットについて

2023.3.10
知らないと失敗する、AI導入時の注意点

2023.5.26
DXに終わりはない。業務全体を再考し、新たなビジネスを創出するために
〜損保ジャパンDX推進部長 村上氏×パソナ DXテクノロジー本部長 大江~

2023.10.16
アプリの維持費はいくらかかる?相場や費用を抑えるポイントについて

2021.2.24
なぜデータマネジメントが必要なのか?ビジネスの成長とデータ活用の関係性

2023.2.8
新規事業を高速で進める
おすすめの「ローコード開発ツール」

2023.8.15
「ChatGPT」でできること、仕事に使う際の注意点とAzure OpenAI Service活用のメリット

2022.12.6
業務効率化を成功させるポイント
~DX時代に求められるローコード開発~

2023.4.6
防災DXとは?
~なぜ防災対策にデジタル技術の活用が必要なのか~

2023.2.16
オンプレミスからクラウドへ切り替えるメリットとその方法

2023.8.14
業務プロセス改善とは?具体的な進め方・成功のポイントについて

2021.1.5
DXの推進における課題とは?成功させるポイントなどを解説

2022.1.13
SaaSとはなにか?特徴と業務に活かすポイントを解説

2023.3.27
今話題の「ChatGPT」とは?
その機能とビジネス活用シーンについて

2022.9.27
今さら聞けない!DXの基礎 -企業におけるDXについて-

2023.6.2
DX支援とは?種類やメリット・サービスの選定ポイント

2023.7.3
新規事業のアイデアの考え方とフレームワークについて

2023.10.20
DXにおけるビジネスモデル変革とは?種類や成功のポイントについて

2023.9.8
AIが注目される理由とは?開発の流れとエンジニアに求められるスキルも解説

2023.6.20
アプリ開発に必要な費用とは?相場やコストを抑える方法について

2021.1.5
DX認定制度とは?申請するメリットや有効な取り組みを紹介

2021.11.24
ERPとは?導入、長期運用を実現するポイントおよび注意点について解説

2023.4.14
社会課題を解決する デジタルツイン
最近の動向と企業事例を紹介

2023.1.13
人材の育成を助ける仕組み、
助成金を解説

2022.10.31
いまさら聞けない!メタバースの基礎
―メタバースが注目される理由とは―

2023.8.14
業務改善が失敗する原因とは?失敗しないためのポイントについて

2022.11.21
DXを推進させるための初期費用はいくらかかるのか?
~課題によって変化するソリューションと費用について~

2023.8.28
業務効率化の具体的な方法5選!具体的なツールと注意点も合わせて解説

2022.12.12
今注目のメタバース
-ビジネス活用事例を紹介-

2023.2.6
2023年に注目すべきデジタル技術

2023.9.11
ビジネスに浸透するAI!活用例と今後の課題について知ろう

2023.8.18
DXとAIの関係性とは?DX実現のためのAI活用のメリットについて

2021.2.15
自動化ツールとは何か?業務効率化につなげる5つのポイントを解説

カテゴリー

タグ

CLOSE