AI／IoTTAG

Chat GPTとは｜ビジネスに活用するメリットや活用方法・事例、注意点を解説

ITの活用が高度化するにつれ、以前は人が行っていた作業がツールやシステムによって自動化されるというシーンは珍しくなくなりました。さらに、生成AI「Chat GPT」が登場したことでIT化・AI化はさらに一段階進んだといえます。学習したデータをもとに、新しい文章やアイデアを創出できるようになり、大きな話題となりました。 本記事では、Chat GPTとは何か、ビジネスに活用するメリットや活用方法、注意点も含めて解説します。Chat GPTをビジネスに活用したいと考えている方は、ぜひ参考にしてみてください。 生成AI「Chat GPT」とは Chat GPTは米OpenAI社が開発した生成AIの一種です。生成AIとは、その名の通りさまざまなコンテンツを生成できるAIを指します。 AIという言葉は広く浸透していますが、少し前まではあらかじめ決められた行為を自動化するといった存在として認識されていま した。しかし、Chat GPTを含む生成AIの登場により、文章の作成やアイデア出し、情報収集といった従来は「人間でないと処理が難しい」と考えられていた作業をAIが担えるようになったのです。 Chat GPTは自然言語処理モデルの一つであり、人間が使う言語の意味や文法のルールをコンピューターが学習し、それをもとに質問に応答したり指示に沿ったコンテンツを作成したりします。完全に自然かつ正しい文章を作成できるわけではありませんが 、一見しただけではAIが作ったものとは思えないほど完成度が高いため、多くのビジネスシーンへの活用が期待されています。 Chat GPTのビジネスに活用するメリット ここでは、Chat GPTをビジネスに活用する主なメリットとして以下の3点をご紹介します。 業務を効率化できる サービス品質が向上する 競争力がアップする 業務を効率化できる まず、これまで人手や時間をかけて行っていた作業がAIによって瞬時に完了するため、業務の効率化が可能です。 例えば、広告を作成するにあたってキャッチコピーを複数パターン用意する必要があるとします。従来であれば自社商品のコンセプトや競合商品の広告など、さまざまな情報を集めたうえで検討を重ね、作成する必要があったでしょう。しかしChat GPTを活用すれば、命令文（プロンプト）を入力するだけで要望に沿ったアイデアがいくつも作成されます。 また、新しい用語や概念を学ぶ際、インターネットでさまざまなサイトを訪問し、少しずつ理解を深めていったという経験がある方は多いはずです。Chat GPTを使えば、蓄積された膨大なデータを参照したうえで、瞬時に要約された情報が提示されます。 内容の精査は必要なものの、大まかな処理を瞬時に行える点はChat GPT活用の大きなメリットです。 サービス品質が向上する また、サービス品質の向上にもChat GPTを活用できます。 例えば、カスタマーサービスなどに導入すれば迅速かつ正確な案内が可能になるでしょう。顧客が知りたいことや抱えている問題をヒアリングし、適切な案内ができるよう設定しておけば、24時間いつでもタイムリーな対応が可能になります。 生産年齢人口の減少によって人手不足が深刻化するなか、多くの人手が必要な業務をAIで代替できれば、事業運営に大きなメリットをもたらしてくれるはずです。 競争力がアップする Chat GPTを活用することで、企業としての競争力アップにもつなげられます。 先述した業務効率化は生産性の向上や市場の変化に素早く対応することを可能にするでしょう。また、サービス品質の向上も競争力アップに寄与するはずです。加えて、Chat GPTを活用しアイデア出しを網羅的かつスピーディに行えることで、新たな商品やビジネスモデルが生まれ、他社との差別化による競争力アップにつながる可能性もあります。 Chat GPTの活用方法・事例 ここでは、具体的なChat GPTの活用方法として、以下の5パターンをご紹介します。 情報収集 アイデア出し 文章作成 データ分析 顧客対応 情報収集 従来は時間や人手をかけて行っていた情報収集も、Chat GPTに任せられる可能性があります。 例えば、営業リストの作成が考えられます。見込み顧客となる企業を洗い出し、そのコンタクト先を整理していく作業には時間がかかるものです。Chat GPTと営業システムを連携させることで 、データベース上から候補となる企業を瞬時に洗い出すことも一定 可能です。 また、取引先や 競合他社に関する情報の要約なども可能です 。ホームページなどからデータを読み込み 、情報のサマリを作成できます。マーケティング戦略の検討において、取引先や競合他社の動向をまとめ直す必要がある 場合にも、データを参照したうえで、分析や施策の提案支援が可能です。 アイデア出し 生成AIだからこそ、瞬間的かつ大量にアイデアを出すことが可能です。 新商品の開発や新規事業の検討、販売や マーケティング施策の立案など、ビジネスにおいてアイデア出しが必要な場面は少なくありません。しかし、既存のものや過去の経験を前提に考えてしまい、ゼロベースでの自由な発想が難しいと感じる方は多いでしょう。Chat GPTを活用すれば、AIならではのフラットな目線で大量のアイデアを提供してくれます。 アイデア出しが行き詰まった際の補助として活用するだけでも、有効な解決策になるはずです。 文章作成 文章作成は、Chat GPTの活用方法として多くの方がイメージしているものでしょう。メールの本文やオウンドメディア用の記事、広告用キャッチコピーの作成などが可能です。 例えば、メールの作成であれば以下のような命令文（プロンプト）の入力により、取引先に送るメール本文を作成できます。以下は、Chat GPTに入力した命令文（プロンプト）とそれに対するChat GPTの回答です。 ＜命令文（プロンプト）＞ あなたは企業のマーケティング担当者です。以下の情報に沿って取引先に送るメールを作成してください。 #メールの目的 マーケティングツール「〇〇」の詳細な資料が欲しい #背景 マーケティングツール使用の検討にあたり、費用や事例が分かる資料があればいただきたい #送信先への要望 資料の送付をお願いしたい 件名： 本文： [会社名] [担当者名] 様 ＜Chat GPTの応答＞ 件名: マーケティングツール「〇〇」に関する詳細資料のご提供依頼 本文: [会社名] [担当者名] 様 いつもお世話になっております。私たちは現在、マーケティング戦略の強化を目指し、新たなツールの導入を検討しております。 そのなかで、「〇〇」というマーケティングツールに関心を寄せておりますが、より詳細な情報を得るため、貴社から提供可能な資料をお願いしたく存じます。 特に、費用に関する情報や導入事例など、具体的なデータをご提供いただけると大変助かります。これらの情報をもとに、我々の意思決定に役立てさせていただきたく存じます。 何卒、資料の送付をお願い申し上げます。お手数をおかけいたしますが、よろしくお願いいたします。 どうぞよろしくお願いいたします。 [メール署名] 少し不自然な部分はあるものの、必要な情報が網羅されており、宛名などの体裁も整っています。また、「いつもお世話になっております」や「どうぞよろしくお願いいたします」など定型的なメッセージも自動で挿入されています。 見直しは必要ですが、まずChat GPTで土台となるメッセージを作れば、メール対応にかかる時間を短縮できるでしょう。 データ分析 膨大なデータの分析もChat GPTの得意分野です。大量のデータを集計や 分析するには、多くの労力 がかかるでしょう。せっかく貴重なデータを蓄積していても、分析する時間や人手が足りずに有効活用できていないというケースは少なくありません。 アンケートの結果や広告効果の検証などをChat GPTに指示すれば、時間や 手間のかかっていたデータ分析を自動化できます。命令文（プロンプト）を定型化してしまえば、定期的に発生するデータ処理の作業を効率化できるはずです。 顧客対応 自社サイトを訪問したユーザーに対し、Chat GPTを活用した初期対応を行うことで、より迅速かつ幅広い顧客対応が可能となります。 顧客が商品やサービスについて疑問を持った際、すぐに解消できなければビジネスチャンスを逃してしまうかもしれません。よくある質問とその回答を学習させておけば、Chat GPTがいつでも迅速に初期対応を実行するため、顧客の流出防止や満足度向上につなげられます。人による判断が必要な場合のみ担当者が対応するフローを組んでおけば、最小限の人数で運営できるでしょう。 Chat GPTを活用する際の注意点 今後もますます幅広い活用が期待されるChat GPTですが、以下のような注意点もあります。 情報漏洩のリスクがある 回答に誤りを含む場合がある データが古い場合がある 順番に見ていきましょう。 情報漏洩のリスクがある Chat GPTを活用するには命令文の入力やデータの取り込みが必要になりますが、安易に企業の機密情報や取引先の情報を入力すると、Chat GPTがサイバー攻撃を受けた際に情報が流出してしまうリスクがあります。万一の可能性を考え、入力内容に問題がないか注意しましょう。 回答に誤りを含む場合がある Chat GPTは大量に蓄積されたデータを学習したうえで、命令文に沿った回答を行います。参照したデータ自体が誤っていたり、情報をまとめたりするなかで誤った表現になったりする可能性もあるでしょう。命令文に書いた情報に誤りはないか、またChat GPTの回答に書かれた情報が正確かどうかを確認しながら利用する必要があります。 データが古い場合がある Chat GPTはインターネット上のすべての情報を参照しているわけではなく、特定の期間におけるデータから学習を行っています。特に時事的なテーマで利用する場合は、最新情報が反映されていない可能性があるため注意しましょう。 まとめ 本記事では、Chat GPTとは何か、ビジネスに活用するメリットや活用方法、注意点も含めて解説しました。 生成AIであるChat GPTは、コンテンツの作成やアイデア出し、情報収集などが瞬時に自動で行えるため、大きな話題となりました。内容の正確性などに若干の不安はあるものの、手間や 時間がかかっていた工程を効率化したり、選択肢を広げ たりするための アイデア出しに使ったりといった方法で活用が可能です。 and HiProでは、Chat GPTの導入を検討されている企業様向けの資料「Chat GPTをビジネスで活用するために、今知っておくべきこと」を用意しています。企業の導入ステップなども解説していますので、ご興味をお持ちの方はぜひダウンロードのうえご活用ください。 _

• AI／IoT

Society 5.0とは？目指す社会像や必要な技術、事例をわかりやすく解説

「Society 5.0」は、日本社会が目指すべき未来の姿として注目されています。Society 5.0に向けた変化の一部はすでに社会のなかで確認可能であり、決して遠い未来の話ではありません。 プライベートにおいてもビジネスにおいても、Society 5.0の内容や新たに生み出される価値を知っておくことは重要な意味を持つでしょう。 本記事では、Society 5.0が目指す社会像やそのために必要な技術、具体的な事例などをわかりやすく解説します。 Society 5.0とは ここでは、Society 5.0とはどのようなものか、以下4つの観点で解説します。 Society 5.0の定義 Society 4.0までの社会 Society 5.0が目指す社会 Society 5.0とSDGsの関連性 それぞれ順番に見ていきましょう。 Society 5.0の定義 内閣府のWebサイトによると、Society 5.0は以下のように定義されています。 サイバー空間とフィジカル空間を高度に融合させたシステムにより、経済発展と社会的課題の解決を両立する人間中心の社会 出典：Society 5.0（内閣府） 特に重要なポイントは、「サイバー空間とフィジカル空間の融合」と「人間中心の社会」の2点です。インターネットの普及によってさまざまな情報がサイバー空間に蓄積されるようになりましたが、Society 5.0ではさらにその流れが進むとともに、集積した情報（ビッグデータ）をAIが解析し、現実空間にフィードバックするようになります。 また、そのプロセスを人間中心という価値観のもとで行うのも特徴的です。一人ひとりの国民、世界の市民が中心人物となり、社会を変化させていく状態が理想とされています。 Society 4.0までの社会 Society 5.0に到達するまでに、過去から現在までの社会は以下のように進化してきたとされています。 狩猟社会（Society 1.0） 農耕社会（Society 2.0） 工業社会（Society 3.0） 情報社会（Society 4.0） 現在の「情報社会（Society 4.0）」では、その名の通りさまざまな「情報」が共有される時代になりました。しかし、共有された情報を経済発展や社会的課題の解決につなげるのは簡単ではありません。例えば、情報があふれた結果、人間の能力で必要な情報を見つけ、分析する作業の困難さが増しています。また、課題を発見したとしても、人手で行う作業には限界があり、解決が難しいケースもあるでしょう。 現状の情報社会（Society 4.0）では、経済発展や社会的課題の解決を果たすにはまだ不十分だといえるのです。 Society 5.0が目指す社会 Society 5.0では、サイバー空間とフィジカル空間の融合によって経済発展と社会的課題の解決を両立します。具体的には、Society 4.0までの社会と比べて以下のような変化が期待されています。 IoTによって新たな価値が生まれる イノベーションによって課題が解決される AIによって面倒な作業から解放される ロボット技術などによって人の可能性が広がる 詳しい内容を順番に見ていきましょう。 IoTによって新たな価値が生まれる IoT（Internet of Things）は「モノのインターネット」と呼ばれ、まさにサイバー空間とフィジカル空間を融合させる技術だといえるでしょう。電子機器などがインターネットに接続され、相互に情報交換できる仕組みであり、これまで可視化されていなかった情報同士がつながることで新たな価値が生み出されます。センサーによって離れた場所にあるモノの状況を監視したり、スマートフォンを通じてモノを遠隔操作したりできれば、人による作業や移動を必要とする場面が減り、利便性の向上につながるでしょう。 イノベーションによって課題が解決される サイバー空間とフィジカル空間の融合によって新たなイノベーションが生まれ、これまで解決が難しかった少子高齢化や地方の過疎化といった課題の解決も期待できます。例えば、自動運転が可能なドローンを使った荷物の配送などが可能になれば、過疎化が進む地域での居住にも不便さを感じにくくなるでしょう。新たなイノベーションによる社会的課題の解決は、少子高齢化が深刻化する日本社会において重要なテーマだといえます。 AIによって面倒な作業から解放される 情報社会であるSociety 4.0では、さまざまな情報がインターネットや企業が使用する社内システム上に蓄積されてきました。しかし、蓄積された情報を活用するには人手によるデータの整理や分析が不可欠であり、困難や負担が伴っています。 Society 5.0ではAIによって膨大な情報量を自動で処理することが可能になり、人々が面倒な作業から解放されるとされています。 ロボット技術などによって人の可能性が広がる ロボット技術の進歩により、人の可能性が広がる点もSociety 5.0による特徴的な変化とされています。例えば、高齢者や障害者などが重い荷物を運搬する際、行動に制約が生じるケースもあるでしょう。そのような場合にロボットや自動運転車などによる支援が可能であれば、より多くの人が自身の望む行動をとれるようになります。高齢者の人口割合が高まる日本では、特に進歩が期待される部分だといえます。 Society 5.0とSDGsの関連性 Society 5.0は、近年注目が集まっているSDGsとも関連性の高いテーマです。SDGs（Sustainable Development Goals）は日本語では「持続可能な開発目標」とされ、貧困や飢餓、環境問題、格差などさまざまな地球規模の課題を解決し、持続可能な社会を目指すうえでの国際的な共通目標となっています。 一方、前述の通りSociety 5.0は、サイバー空間とフィジカル空間の融合によって経済発展と社会的課題の解決を両立するものです。Society 5.0の実現がSDGsの達成にもつながるとされており、政府のSDGs推進本部が策定した「ＳＤＧｓアクションプラン２０２０」では、日本のSDGsモデルの3本柱の一つとして「Ｉ．ビジネスとイノベーション 〜ＳＤＧｓと連動する「Society 5.0」の推進〜」が掲げられました。 環境問題の解決や格差社会の解消など、Society 5.0とSDGsには共通テーマが多く、Society 5.0の重要性が高まる背景の一つとなっています。 出典：ＳＤＧｓアクションプラン２０２０（ＳＤＧｓ推進本部） Society 5.0を支える技術 Society 5.0を支える具体的な技術としては、以下の5つが代表例に挙げられます。 IoT AI ビッグデータ 5G ロボット それぞれの特徴や役割を見ていきましょう。 IoT 「モノのインターネット」と呼ばれるIoT（Internet of Things）は、さまざまなモノがインターネットにつながっている状態を実現します。パソコンやスマートフォンだけでなく、家電製品や自動車、建物などがインターネットに接続され、モノ同士で情報を交換します。 IoTの技術が進歩すれば、スマートフォンから家電製品の遠隔操作が可能になったり、離れた場所にあるモノの状況・動きを監視したりといったことが可能です。すでに実用化されている例もあり、プライベート・ビジネスを問わずさまざまな場面で利便性の向上につながりうる技術だといえます。 AI AI（Artificial Intelligence：人工知能）は明確な定義がないものの、令和元年度版の情報通信白書では、以下のように記載しています。 「AI」とは、人間の思考プロセスと同じような形で動作するプログラム、あるいは人間が知的と感じる情報処理・技術といった広い概念で理解されている。 （出典）令和元年度版 情報通信白書　AIに関する基本的な仕組み （総務省） AIは情報処理、記憶、計算などを得意とし、テキストだけでなく画像や音声などさまざまなデータを取り込み、機械学習を行ったうえで、最適な解を導き出します。 人間の脳では処理しきれないほど膨大な情報が存在する現代社会では、AI技術の進化が不可欠だといえます。 ビッグデータ ビッグデータとは、人間では把握・処理が難しいレベルの量（Volume）・種類（Variety）・頻度（Velocity）を持つ巨大なデータ群を指します。総務省では、ビッグデータを以下の4つに分類しています。 国や地方公共団体が提供する「オープンデータ」 暗黙知（ノウハウ）をデジタル化・構造化したデータ M2M（Machine to Machine）から吐き出されるストリーミングデータ 個人の属性に係る「パーソナルデータ」 出典：平成29年版 情報通信白書 ビッグデータの定義及び範囲（総務省） Society 5.0において高度な課題解決を可能にするため、ビッグデータの蓄積・活用による新たなソリューション・イノベーションの誕生が期待されます。 5G 5Gは第5世代移動通信システムを指す言葉で、従来の4Gと比べて高速・大容量のデータ通信が可能となります。離れた場所でもラグのほとんど生じないリアルタイムな通信が可能なため、前述のIoTによるモノ同士の接続にも欠かせない技術だといえるでしょう。多数のデバイスによる同時接続が可能な点も特徴です。 ロボット すでに工場でのものづくりなどにロボットは活用されていますが、Society 5.0ではさらに活躍の幅が広がると考えられています。IoTやAI、ビッグデータの活用によって情報の処理・分析が高度化しても、解決策を実行するための人手が足りなければ課題の解決には至りません。ロボット技術によって人の行動をサポートしたり代替したりできれば、人口減少が進む日本社会においても課題解決が進めやすくなります。 Society 5.0によってもたらされる新たな価値の事例 ここでは、Society 5.0でもたらされる具体的な価値の例として、以下7つの分野を見ていきましょう。 交通 医療・介護 ものづくり 農業 食品 防災 エネルギー 交通 交通の分野では、各自動車からの情報をリアルタイムに収集し、蓄積されたビッグデータをAIが解析することで、天気や交通、宿泊、飲食などさまざまな関連情報の提供が可能になるとされています。無駄のない快適な移動が可能になることで、地方の活性化や消費の拡大につながることが期待されます。 医療・介護 Society 5.0では、患者一人ひとりのデータや医療現場の状況、感染に関する情報などをビッグデータとして収集し、AIで解析することで、病気の早期発見や最適な治療の実施が可能になるとされています。また、介護ロボットなどの普及による人手不足の解消も期待されています。 ものづくり ものづくりの分野では、自社の配送状況や取引先の在庫状況、顧客の需要をビッグデータとして収集し、AIで解析することで、ニーズに合わせた柔軟な生産体制を構築できます。直接取引のない企業の状況も踏まえてフレキシブルな生産計画を立てられるようになり、競争力の強化や災害時の対応改善が可能になるでしょう。 また、ロボットの活用や配送効率化による人手不足の解消、コスト削減、熟練技術の継承なども期待されています。 農業 農業分野では、気象情報や農作物の生育状況、マーケットトレンドなどをビッグデータとして収集し、AIで解析することで、農作物の安定供給や生産量増加、廃棄量の削減などが可能となります。農作物の状況を把握するうえで、ドローンなどの活用による効率的な情報収集も重要な役割を果たすでしょう。 食品 食品の分野においては、個人のアレルギー情報や冷蔵庫内の状況、近隣店舗の品揃え、さまざまな食品の情報などをビッグデータとして収集し、AIで解析することで、購入時の利便性向上や個人の嗜好・アレルギーなどに合わせた食品提案などが可能になります。必要な分だけ発注・購入すればよいため、食品ロスの削減にもつながるでしょう。 企業側としても消費者のニーズをより正確に把握できるため、在庫の最適化による経営改善が図れます。 防災 防災の分野では、気象レーダーや人工衛星、ドローン、建物センサー、付近を通行する自動車などから被害に関する情報をビッグデータとして収集し、AIで解析することにより、被災時の最適な避難誘導・救助が可能になります。アシストスーツや救助ロボットの活用による、より迅速な救助の実現も期待されます。 また、被災後にはドローンや自動配送車などを使った救援物資の配送もSociety 5.0では可能になるでしょう。 エネルギー エネルギーの分野では、気象情報や発電状況、各家庭における電力使用状況をビッグデータとして収集し、AIで解析することで、的確な需要予測やエネルギーの安定供給が可能になります。状況をリアルタイムに把握することで、地域間での融通なども実現しやすくなるでしょう。 まとめ 本記事では、Society 5.0が目指す社会像やそのために必要な技術、具体的な事例などを解説しました。 Society 5.0のポイントは、「サイバー空間とフィジカル空間の融合」と「人間中心の社会」の2点です。交通や医療・介護、ものづくり、農業、食品、防災、エネルギーなどさまざまな分野で具体的な事例が挙げられており、すでにテストや導入が始まっている技術も少なくありません。 Society 5.0では、AIやロボットの活用によって経済発展と社会的課題の解決を両立させることが重要なテーマですが、その中心となるのはあくまで人間です。企業においては時代の変化に対応できる人材の採用と育成、個人においては時代の変化に柔軟に対応するためのスキルの向上が大切だといえるでしょう。IoTやビッグデータなど、新たな技術をうまく活用できるかどうかが問われる時代だといえます。 企業が時代の変化に対応できる人材の育成や、ビジネスに新たな技術を取り入れる際には、その領域の専門家（プロ人材）の支援を受けることも一つの手段です。自社の発展はもちろん、社会課題の解決や経済発展に寄与するためにも、企業は柔軟な姿勢でSociety 5.0に関わっていくことが求められるでしょう。

• システム
• AI／IoT

AIをビジネスに活用するためには？具体的な進め方や注意点を解説

AI（人工知能）は大量のデータ分析や推測を行うことが可能です。ビジネスにAIを活用することで、業務の自動化や作業効率の向上などのメリットがあります。このAIを活用したビジネスを「AIビジネス」と呼びます。 AIビジネスは身近なところにも増えてきていますが、その活用法を迷っている方も多いのではないでしょうか。 本コラムでは、AIビジネスを導入するために必要な手順や大事なポイント、他社の活用例をまとめています。ぜひ参考にしてください。 AIとは人工知能のこと AIとは、Artificial Intelligence（人工知能）の略です。人間の知的な行動をコンピュータ上で人工的に作り出し、さまざまな判断や予測を可能にするものですが、明確な定義はありません。 どのような場面で活用するかにもよりますが、AIが何かを判断するには、大量の学習データが必要です。その膨大なデータのなかから共通点を導き出して、判断材料として活用します。 AIビジネスが求められている2つの背景とは 文字どおり、AIを活用したビジネスがAIビジネスです。AIビジネスと聞くと未来の話のように聞こえますが、実際はさまざまな場面ですでに展開されています。 現在AIビジネスが求められている背景には何があるのか、以下で詳しく解説します。 DXの推進 DXとは、Digital Transformationの略です。デジタル技術を用いてビジネスモデルを変革させ、企業価値を高めることを指します。 経済産業省は2018年に発表した「DXレポート」内で、企業の競争力強化のためにはDXの推進が欠かせないとしています。また、DXを推進できずにいれば競争力の低下が避けられず、2025年以降に現在の3倍にのぼる大きな経済損失が発生する可能性があると発表しました。レポートではこのことを「2025年の崖」と表現しています。 AIは、DX推進に有効な手段の一つとして期待されています。DXを推進し「2025年の崖」を回避するためにも、AIのビジネス活用に注目が集まっている状況です。 ※出典：D X レポート〜ITシステム「2025年の崖」の克服とDXの本格的な展開〜（サマリー）（経済産業省） 人手不足 近年は少子高齢化などの影響もあり、多くの業界で人手不足が続いています。それにより、仕事の効率化を課題にしている中小企業は少なくありません。 AIを適切に活用できれば、業務効率の向上や人手不足解消などにつながるメリットが得られます。そのため、AIを活用し業務の自動化や業務効率化を目指す企業が増えており、AIのビジネス活用に注目が集まっています。 AIをビジネスに活用するメリット ビジネスにAIを活用するメリットは、以下の5つがあります。メリットを把握しておくと、スムーズにAIを取り入れられるでしょう。 生産性の向上 人間が製品や部品をチェックする目視検査や同じ動作を繰り返す作業などは、人為的ミスが発生する可能性がありますが、AIによる異常検知を導入することで、ヒューマンエラーの抑制が期待できます。ミスによる修正などの工数が減り、結果的に生産性の向上につながります。 コストの削減 AIを活用し生産性が向上すれば、残業代などのコストが削減できます。また、定型業務などをAIに任せれば、人材不足であっても業務を進められたり、従業員をコア業務に集中させられたりするため、人件費の削減につながります。 そのほか、AIを活用し需要予測を行うことで仕入れや在庫を最適化でき、廃棄などのコストも抑えやすくなるでしょう。 顧客満足度の向上 たとえばAIを活用してビッグデータを分析すれば、顧客が求めている商品をレコメンドできます。また、AI活用型チャットボットの導入によって、顧客からの問い合わせに適切かつ迅速に回答することも可能です。 このように、AIを適切に活用できればサービスの品質が高まり、顧客満足度の向上につながるでしょう。 コミュニケーションの円滑化 AIはチャットボットなどの自然言語処理を行えるため、企業の問い合わせやサポート窓口に活用できます。 今後、AIを活用した自動翻訳の精度が上がれば、言語が異なる人同士でもスムーズな会話が可能です。国内のコミュニケーションはもちろん、国境を越えたコミュニケーションも円滑になると予想されます。 データドリブンな組織形成 AIは大量のデータ分析に強いという特徴があります。そのため、複数のデータの共通点を迅速に洗い出し、データにもとづいた判断が可能です。需要予測などマーケティング分析での活用はもちろん、今後は医療分野などでも活躍の場が広がるだろうといわれています。 AIをビジネスに活用するデメリット AIをビジネスに活用する場合、以下のようなデメリットもあります。デメリットも十分に理解したうえで、AIの導入を検討しましょう。 コストがかかる AIを導入するために、一時的なコストや実装するための人件費がかかります。特に導入時は、ある程度の初期費用がかかることを考慮しておきましょう。 ただし、AIが導入されて実際の活用が始まると、コスト削減が期待できます。現在の事業の状態や展望を踏まえて導入するかどうか判断してください。 専門的な知識が必要 AIを実装するためには、プログラミング言語や解析するアルゴリズムの知識が必要です。 AIの導入を検討する企業が増えている一方で、AIを扱える人材は不足しています。AIの専門知識をもつ人材の確保はもちろん、既存従業員のAIリテラシーを上げることが重要です。AIの研修や資格取得制度などの導入も検討が必要になるでしょう。 またAIの実装完了後、エラーが起きた際に対応できる人材の確保もおすすめします。 責任の所在が曖昧になる AIを利用したサービスに何かトラブルが生じた際、責任の所在が曖昧になることもデメリットの一つです。 AIを実装した開発側の問題なのか、運用している側の問題なのか、判断がつきにくい場合があります。そうした場合に備えて、トラブル発生時の対応を事前に決めておきましょう。 ビジネスにおけるAI活用事例 ここでは、ビジネスにおけるAIの活用事例を2つ紹介します。それぞれの活用事例を参考に、自社へ応用する方法を考えてみてください。 自動車業界/A社の事例 自動車業界のA社は、いくつかの質問に答えるだけで顧客に合った商品を提案する「診断サービス」にAIを活用しています。A社が診断結果をもとに最適な商品を提案し、顧客は店舗でその商品を購入できるサービスです。 どの商品が合っているかわからない顧客も多いため、AIが診断することで顧客満足度の向上につながり、店舗での対応も効率化できます。 このように、AIがデータを活用し顧客にサービスを提供する事例が増えています。自動車業界だけでなく、今後はさまざまな業界で導入が進むでしょう。 資産運用サービス/B社の事例 資産運用サービスのB社は、資産運用のサポートでAIを活用しています。これまで資産運用分野では、おもに値動きの予測や投資対象銘柄の選択にAIが活用されていました。しかし現在は長期にわたる資産運用をサポートするための役割を担っています。 AIの活用により資産運用が自動化されたことで、誰もがスマートフォンやパソコンを使い、自分に適した資産運用がしやすくなりました。たとえ高度で詳細な知識をもっていなくても、資産運用が始められるようになったことで、資産運用を身近なものに変えつつあります。 AIビジネスの進め方 AIビジネスを社内に取り入れる際の詳しい手順を紹介します。 現状の把握 各部署の業務を整理して、現状の課題を洗い出します。どのような業務にどのくらい時間がかかっているかなど、全体像を把握しましょう。現状を正確に把握することで、AIを計画的に導入しやすくなります。 AIを活用する業務範囲の決定 現状の課題のなかで、AIに置き換えられる業務を決定します。現在人間が行っている業務のうち、どこまでをAIが担当できるのか、担当したほうが良いかを決めましょう。どのような業務をAIに任せられるか不明な場合は、プロ人材に相談することをおすすめします。 学習データ収集 業務をAIに置き換える際は、学習データが必要です。必要となるデータを明確にして、そのデータを収集しましょう。学習のベースとなるデータが多いほど、AIの提案の質や精度が向上します。 データの収集のためには、企業全体での協働が不可欠です。AIを導入する背景やメリットなどを丁寧に説明し、従業員に協力を仰ぎましょう。 AIの選定 AIにはさまざまな種類があります。自社ですでに使っているシステムをカスタマイズするのか、新しいAIを開発するのか、新たなツールを導入するのかなどを決めましょう。 いずれの場合も、業務の目的を確実に実現できるかを事前に確認しておく必要があります。導入後にうまく活用できずにコストだけがかかり続けるケースもあるため、丁寧に選定作業を進めましょう。 AIの学習 AI製品を用意したあとは、実際に学習データをAIに学習させます。専門的な知識が必要になるため、AIに詳しい人材がいるとスムーズです。社内にAIに詳しい人材がいない場合は、外部の専門家の活用も検討してください。 サービスへの適用 学習の完了後には、AIを活用するサービスに組み込みます。通常業務に使えるかを確認しながら、手順などを改訂しましょう。マニュアルなどを作成すると、どの従業員でも同じ作業を行えるようになり、作業効率向上につながるためおすすめです。 AIの評価 サービスへの適用が完了したあとには、AIを評価します。想定していた動きができているのか、テスト検証しながら進めていきましょう。リリース後にエラーなどが起きないよう、多角的視点から慎重に評価を進めていくのがポイントです。 本番リリース AIの評価が問題ないことを確認したあとは、本番環境へリリースします。リリース後も定期的に評価や精度を確認し、余裕ができた際にAIの適用範囲を拡大するとよいでしょう。同時に、次のAI課題に取り組むのもおすすめです。 AIビジネスのポイント 実際にAIビジネスを始めるにあたり、あらかじめ知っておきたいポイントを3つ紹介します。ポイントを押さえて、スムーズにAIを導入しましょう。 業種とAIの相性を考える まずは、自社の業種とAIの相性を考えます。たとえば、製造業はAIとの相性が比較的良い業種です。需要予測や異常検知などの効率を上げる目的で、AIを導入している企業が多数あります。 現状、AIがあまり導入されていない業種であっても、競合他社と差をつける目的で導入を検討するのも良いでしょう。「競合他社は導入していないから」と後回しにするのではなく、自社に導入した場合にどのような業務に活用できるかを考えることもおすすめです。 AI人材を確保する AIビジネスには専門的な知識をもっている人材が欠かせません。自社にAIに精通した人材がいると、イレギュラーな事態が発生した際にも迅速に対応可能です。 今後AIビジネスはさらに拡大していくと予想されますが、AIを活用できる人材は限られています。AIビジネスの実施を積極的に検討する企業は、早期にAI人材の確保に努めましょう。 必要なデータを確認する いくら膨大なデータを取得していても、目的に応じたデータが揃っていなければ想定通りの効果を期待できません。どのような目的でAIを活用したいか、そのために必要なデータはどのようなデータなのか、などを確認しましょう。 まとめ AIビジネスは、DXの推進や人手不足の影響で年々注目されています。AIビジネスを行うことには、顧客満足度の向上や生産性の向上、コスト削減が可能など、さまざまなメリットがあります。 特に、顧客満足度を上げるためにAIをビジネスに活用している企業が増えているため、早めの導入検討がおすすめです。また、導入前にはAI人材の確保や必要なデータを確認しておきましょう。 さまざまなメリットがあるAIを、適切にビジネスに活用してください。

• AI／IoT
• 事例

製造業におけるAIの現状や活用事例を解説

現在さまざまな場面で利用されているAI（人工知能）ですが、国内の製造業の企業では海外企業と比較しAI導入で後れをとっています。「AIを導入してどのような問題を解決できるのか」「コストはどのぐらいかかるのか」など、さまざま疑問点が浮かび上がり、なかなかAIの導入まで踏み出せない企業もあるでしょう。 製造業のAI導入は、生産コストの削減や事故防止、人手不足の解消など多くのメリットをもたらします。 そこで本コラムでは、製造業におけるAI導入の現状を解説するとともに、解決できる問題点やAIを導入するまでのプロセス、導入事例を紹介します。 製造業におけるAI導入の現状 2019年に総務省が公表したデータによると、日本のAI導入率は39％でした。世界各国のAI導入割合は中国85％、アメリカ51％、フランスとドイツは49％となっており、主要先進国と比較すると日本のAI導入割合は非常に低いことがわかります。 ※出典：情報通信白書令和元年版（総務省） また、国内中小企業のAI認知度が95.1％であるのに対し、AIが導入されている割合はわずか1.2％であることから、AIの認知度と実際の導入率に著しい差があるとわかるでしょう。その理由は、国内のAI技術者不足にあると考えられています。 AI技術者は大手企業やスタートアップに就職する傾向があり、AI関連サービスは大手企業を中心に事業展開しているというケースもあります。そのため、中小企業までAI技術が広まっていきにくい状況なのです。 実際に2019年に中小企業庁が公表した調査結果では、中小企業の45％が「AI技術やノウハウをもった人材が不足している」と回答しています。 ※出典：中小企業のAI・データ活用について（スマートSME研究会 討議用資料）（中小企業庁） 国内のAI導入は後れをとっており、その傾向は製造業も同様と考えられます。 AI導入によって解決できる製造業の課題 かつての日本はものづくり大国といわれ、品質と技術力の高さで、世界的にも躍進しました。 しかし近年、製造業は少子高齢化による労働者不足や技術継承の問題など、さまざまな課題を抱えている状況です。ここでは製造業が抱える課題を詳しく見ていきましょう。 労働力の減少 国内では少子高齢化も相まって、慢性的な労働者不足に陥っている状況です。総務省の統計では、国内の生産年齢人口（15〜64歳）は1995年をピークに減少しており、2050年には5,275万人（2021年から29.2％減）に減少すると予測されています。 製造業は労働者が確保できなければ事業の縮小、あるいは廃業に追い込まれる可能性があります。ものづくりを支えた伝統が途絶えてしまうと、海外製造業にニーズが集中し、日本経済そのものに影響が出てくる可能性すらあります。 ※出典：情報通信白書令和4年版（総務省） さらに、経済産業省の調査によると、2002年に1,202万人いた国内製造業の就業者数が、2019年では1,063万にまで減少しています。今後も労働力が不足する可能性は高く、労働力不足を解決に寄与できるAIの導入がより積極的に議論されるでしょう。 ※出典：2020年版製造基盤白書（ものづくり白書）（経済産業省） 技術継承の問題 国内の高品質な製品は、長年の知識と経験をもった職人たちの技術力によって支えられてきました。しかし、こうした職人たちの高齢化が進み、さらに少子高齢化で若手の人材不足が顕在化したことで、技術継承が困難になっています。 特に中小企業は、この問題が顕著です。このまま問題が解決せずに進行した場合、中小企業が大半を占める国内製造業にとって、製造業全体が衰退する恐れもあります。 課題となっている技術継承の問題を解決するためにも、職人がもっていたノウハウをデータとして収集し、AIを導入して若手の育成や技術継承に活用することを検討する必要があるといえるでしょう。 設備の老朽化 製造業全体で、最新設備の導入が遅れている点も問題です。製造業全体の設備投資額は近年増加傾向にありましたが、2019年以降横ばいが続いています。このことから、最新設備が導入されておらず、既存設備の老朽化が進んでいくと考えられます。 ※出典：製造業を巡る動向と今後の課題（経済産業省製造産業局） 設備をメンテナンスして、長年にわたって利用することは製造業にとって重要なことです。しかし、IT技術を取り入れた設備投資とITを扱える技術者の確保を同時に進める必要があります。 サプライチェーン問題 サプライチェーンとは資材調達から製造、販売に至るまでの一連の流れを指します。 昨今は、新型コロナウィルスのまん延や国際紛争、それらにともなう価格高騰、物流の遅延などが起こっており、サプライチェーンに関連するリスク要因は増える一方です。 こうした課題を踏まえ、サプライチェーンの効率化やビジネスモデルを変革する必要性は、より高まっていくと考えられます。AI技術を活用したサプライチェーンの最適化に向けた取り組みが求められます。 AI導入が製造業にもたらすメリット AI導入が製造業にもたらすメリットは、人材不足の解消や事故防止、検査精度の向上、品質改善など多岐にわたります。 人手不足の解消や従業員負担の軽減 AIの導入によって業務が自動化されれば、生産性が向上し少ない人数でも業務をおこなえるようになり、人手不足の解消に役立つでしょう。AIに任せられる業務が増えれば従業員を他の業務に再配置でき、組織全体での業務効率化が期待できます。 人は長時間連続してはたらくことはできません。負担や疲労が蓄積すれば作業効率は下がりますし、従業員のストレスにもなるでしょう。AIに一部の業務を代替させることによって、従業員の負担軽減にもつながります。 品質チェック精度の向上 人による品質チェックは各人のスキルに依存しがちですが、AIを導入することでその問題も解決可能です。 たとえば、画像認識によって異常検知をシステム上でおこなうことで、品質チェックの精度やスピードの向上が期待できます。その結果、生産性が上がり、品質異常による損害防止にもつながるでしょう。 業務生産性向上 たとえば、見込み生産を行う企業では、需要を予測し今後の売上や受注数・在庫数などを算出する“需要予測”を行います。従来は経験や感覚に頼ることが多い業務でしたが、AIを活用することで需要予測にかけていた時間の削減が見込め、業務精度・生産性の向上が期待できるでしょう。 需要予測に限らず、他の業務でもAIの活用によって効率化が進めば、削減できた時間を別の業務に回すこともできるようになります。結果として企業全体の生産性向上が望めるでしょう。 設備故障の予測 設備の稼働状況や過去のメンテナンス記録を機械学習で学習させることで、設備故障や部品の交換時期を予測・検知できます。 AIを活用し予知保全がしやすくなれば、突然の設備故障で生産計画が崩れるトラブルも回避できるでしょう。また、重大事故の防止にも役立ちます。 生産管理の課題解決 製造業では計画通りに生産するために、また、製造業において欠かせない品質・コスト・納期（QCD）を追求するために、生産管理体制を構築する必要があります。しかし、生産管理は容易ではありません。生産計画から購買、在庫管理にいたるまで範囲が多岐に及ぶほか、近年はサプライチェーンの複雑化やニーズの多様化による製造品目の増加などの課題があるためです。 生産管理における課題の解決にもAIは有効です。たとえば生産管理の範囲の広さも、単純作業をAIに任せることで人員数やかかっていた時間を抑えられます。また、生産計画も蓄積した膨大なデータをもとにAIに分析・予測させれば、担当者のスキルに依存することなく高度な計画が立てられるようになります。 AIを製造業に導入する流れ 本章ではAI導入のステップを解説します。 現場の可視化 製造業にAIを導入するためのファーストステップは、現場の状況の可視化です。そのためには、まず自社が抱える課題を洗い出すことが大切です。 具体的には業務のプロセスを整理したり、現場に直接ヒアリングをしたりして、課題を抽出していきます。経営目標を改めて確認し、それを実現するには何が必要かを考えるのも良いでしょう。 課題が洗い出せたら、どの課題から取り組むべきか優先順位を考えます。取り組んだ際に企業全体に与えるインパクトや、現場からの声の大きさなどをもとに検討してください。 調査・検討 AIの導入で解決できる課題なのかを調査します。インターネットの検索機能を用いて、その課題がAIに適用する可能性があるか、既存のソリューションがないかも探してみるのも良いでしょう。必要に応じてAIベンダーにも相談します。 調査をもとに、実現の難易度やAI適用で得られる効果を検討し、最終的にどの領域・課題で取り組むかを決定します。 設計 ここでは、AIの本格導入を判断するための“検証”を、どのような体制でどれくらいの期間と費用をかけて実施するか設計していきます。具体的には、解決したい課題は何か、現行の業務のどこにAIを組み込むか、検証時に誰がどのような役割で担当につくかなどです。 AIの要件は解決したい課題によって決まるため、まずは解決したい課題から考えていきましょう。たとえば、加工画面の見積もりであれば「誰でも見積りができるようにしたい」「見積りの回答時間を短縮したい」、予知保全であれば「直近数日以内のメンテナンスの必要性が知りたい」などです。 要件が定まったら、検証期間を決め、初期費用を見積もります。この段階では成果が出るか分からないため、必要最低限の費用で良いでしょう。 学習用データの準備も必要です。まずは手元のデータから始めるために、現在社内にあるデータを整理します。手元にデータがなければ、データを記録・蓄積するための業務ルールを設けるなど、今後データを作る方法を考えましょう。 検証（PoC） PoCとはProof of Conceptの略で、概念実証という意味です。より詳しくいえば、新しいアイデアを打ち出した際、そのアイデアが実現可能か、効果は期待できるか、という点を導入前に検証することを意味します。 PoCのメリットは以下のとおりです。 小さい試験からはじめるためリスクを低減できる 無駄なコストは早い段階で判断可能 数値的根拠により周囲の理解を得やすい AI導入のリスクとコストを下げるためにも、PoCは重要な役割を担います。 PoCの段階では、AIを試験的に活用し、業務に本格導入できる精度になっているかを確認します。また、試験運用で検証と評価を繰り返しおこない、AIモデルの精度を上げ最適化を進めます。 検証期間が終了したら、人の手で行っていたときの工数がAIの活用によってどの程度改善されているか、定量的な効果を確認します。加えて属人化の解消といった定性的な効果も確認し、AI本格導入の価値を試算しましょう。 本格導入 本格導入を決めた場合、AIを製造現場に設置・運用していき、課題解決に対する有効性やコストに見合った運用ができるのかなどを評価します。評価によっては、データ取得や分析を繰り返す段階に戻って、再度AIモデルの精度を上げながら実運用に向けて調整しましょう。 AIを製造業に取り入れた活用事例 ここまで製造業にAIを活用するメリットや、導入までの方法を紹介しました。しかし、製造業でAIを導入している企業はまだ少ないのが現状です。 この章では、すでにAIを活用している企業の活用事例を紹介します。AIがもたらすメリットや成功事例として、参考にしてください。 酒造メーカー/A社の事例 A社は、伝統の技から作られる日本酒の安定供給や品質維持のため、ITベンダーとタッグを組み、AIの導入を決断しました。 日本酒の原材料となる米の契約栽培農家にクラウド管理システムを導入し、米の安定供給を目指して栽培技術の見える化と共有化を実現しました。また、製造工程にもAIを取り入れ、日本酒造りに欠かせない、杜氏ら作り手の経験や高品質なノウハウの見える化に取り組んでいます。 日本酒の成分データはA社が計測し、ITベンダーがそのデータをもとに最適なプロセス情報をA社に提供。提供された情報をもとにA社は、最適な日本酒造りに向けた製造をおこなっています。こうしたA社とAI開発メーカーとのやりとりを繰り返すことで、AI予測モデルの精度を向上させました。 結果として、人の手を介さなくても均質で高品質な日本酒造りの実現が可能になった事例です。 大手システム会社/B社の事例 製造業の外観検査は、これまで人のチェックによって行なわれてきました。しかし、外観検査は傷、変形、色ムラなどチェックすべき項目が多様で、画像解析から「不良とはなにか？」などの定義と学習が必要でした。そのため、安定的な異常検出は難しく、従来システムでは完全な自動化は難しい状況だったのです。 そこで、B社は独自の技術を用いて、従来のシステムではなし得なかった熟練検査員の感覚と経験をAIに取り入れました。 まず、良品と不良品の判定に幅をもたせる技術を実現し、良品状態のばらつきを許容可能にします。そのうえで、ノイズがない画像検知をおこないました。このような過程を踏むことで、明らかな欠陥箇所のみを抽出可能にしたのです。 このAI欠陥抽出システムを活用して、ベテランの外観検査員のように、良品の許容範囲を認識しながらも不良箇所のみを安定的に抽出できるようになりました。 B社は、製造現場でAIが当たり前に使えるよう、外観検査の自動化に取り組んで蓄積してきたノウハウをシステムに取り込み、すぐにAIを導入できる環境も実現しています。 まとめ 国内製造業の中小企業は人材不足や後継者不足など、さまざまな問題を抱えています。また、IT技術者の確保も難しいことから、AI導入が後れているのが現状です。 AIの活用は人材不足や後継者不足などの問題にも役立ち、製造業においても非常に有用です。ただし製造業のAI導入は、現場の課題の可視化や検証の実施、精度の向上など、さまざまなプロセスが必要となります。AIを導入する際は、万全の準備をおこない段階を踏むことが大切です。 製造の現場にAI導入を検討するにあたって、自社にAI人材がいない場合はAIベンダーの協力をあおぎましょう。また、製造業におけるAI導入に詳しい専門家に、外部人材として支援してもらうのも有効的です。 AI導入が実現できれば業務を効率化でき、現在抱えている人材不足の解消やコストカットも可能です。本コラムをきっかけに、AI導入の検討を始めてみてはいかがでしょうか。

• 生産
• AI／IoT
• 事例

マシンラーニング（機械学習）とは？ 基礎知識やAI、ディープラーニングとの違いも解説

近年、多くの領域で活用が広がるAI（人工知能）ですが、AIと一緒に語られることが多いのがマシンラーニング（機械学習）です。しかしながら、なかなかその関係性や違いを説明できない方は多いかもしれません。 本コラムではマシンラーニングの基礎知識や、AI・ディープラーニングとの違い、マシンラーニングの活用事例などを紹介します。「マシンラーニングの基礎を知りたい」「ビジネス導入を検討したいけど、正直よく分からない」とお悩みの方は、ぜひ最後までお読みください。 マシンラーニング（機械学習）とは マシンラーニングはデータを分析する技術の一つで、コンピューターにサンプルデータを与え反復的に学習させ、背景にあるパターンやルールを見つけだします。近年、さまざまな分野・企業で活用が進んでおり、注目を集めています。 マシンラーニングと似た用語に「ディープラーニング」や「AI」があります。これらとマシンラーニングにはそれぞれどのような違いがあるのでしょうか。 マシンラーニングとディープラーニングの違い ディープラーニングはマシンラーニングの一種に位置付けられます。 マシンラーニング（機械学習）とディープラーニング（深層学習）の違いは、コンピューターの学習方法です。ディープラーニングはニューラルネットワークという手法を取り入れることで、従来のマシンラーニングよりも高精度の分析が可能です。 ※備考：ニューラルネットワークは、人間の脳内の神経細胞（ニューロン）のネットワーク構造を模した数学モデル マシンラーニングは人間が目的や内容を指示して学習しますが、ディープラーニングはコンピューター自身がなにを学ぶべきか判断し、学習するという点に違いがあります。 マシンラーニングとAIの違い マシンラーニングは、AIがタスクをこなせるようにするための技術の一つです。 AIに含まれる分析技術としてマシンラーニングがあり、AIとマシンラーニングは包括関係にあります。また、マシンラーニングのなかでもニュートラルネットワークを取り入れた学習手法が、ディープラーニングです。 それぞれの関係性をまとめると、AI＞マシンラーニング＞ディープラーニングとなります。 マシンラーニングにおける3つの学習手法 マシンラーニングにおける3つの学習手法は以下のとおりです。 教師あり学習 教師なし学習 強化学習 それぞれの学習方法を詳しく見ていきましょう。 教師あり学習 教師あり学習とは、データに正解を含んだ状態でコンピューターに学習させる方法です。 コンピューターに正解を与えることで、特徴やパターンを学び、データの分類や予測が可能になります。活用事例を一部紹介します。 翻訳 スパムメールの分類 売上の予測 画像認識 たとえば、これまでのコンピューター画像認識は、画像データの画素値の羅列でしかありませんでした。しかし、マシンラーニングの教師あり学習の画像認識技術を活用し、ある物の写真と名称をセットに大量学習させれば、その物体が何であるかを検知できるようになります。 このように、データを処理する基準や検知したいものが明確な場合は、教師あり学習が向いており、活用の幅が広くあります。 教師なし学習 教師なし学習とは、データに正解を含まない状態で与え、コンピューター自身が特徴や規則性を見つけ出しグループ化する学習手法です。 教師あり学習は、問題に対する正解を与えて正解の規則性を導き学習する手法でしたが、教師なし学習では、過去のデータからいくつかの観点に基づいて似ているデータ同士を分類します。つまり、正解がない状態からの分類になるため、教師なし学習ではグループ化すること自体が学習です。 大量のデータからパターンや相関性を見つけ出せるため、クラスタリングや異常検知などに活用されています。 強化学習 強化学習とは、最終的に成果の最大化を重視し、データや経験から学習して、その後の行動を最適化し続けていく学習方法です。強化学習では正解としてとらえられる点数がもっとも大きくなることを目的として、どのように行動すれば点数がもっとも大きくなるかを判断しながら学習します。 活用事例の一部を紹介します。 囲碁や将棋などのゲームのシミュレーション エレベーターの自動制御 インターネットショッピングにおける商品レコメンド 身の回りにあるマシンラーニングの活用事例 私たちの生活の身の回りでもマシンラーニングが活用されています。先述したものも含め、2つの活用事例を詳細に見ていきましょう。 チャットボットによる問い合わせ対応 チャットボット（Chatbot）とは、入力されたテキストや音声を、人手を介さずに自動で応答するプログラムやアプリケーションのことです。リアルタイムで短文のやり取りをする「チャット」と、一定の作業を自動化するロボットといった意味の「ボット」を合わせた名称になっています。 企業の問い合わせページなどで、チャット画面を見たことがある方も多いかもしれません。質問をコンピューターが分析・分類し、人間に代わって回答してくれます。 このチャットボットが普及しているのが、コールセンターやカスタマーサポートです。チャットボットを導入することで、顧客からの問い合わせ対応の工数削減や顧客満足度の向上が期待でき、専門のオペレーターが不要になることで人件費削減にもつながります。 チャットボットは、想定される質疑応答をあらかじめ登録しておき回答する「シナリオ型」と「機械学習型（AI型）」の2つに分かれます。 機械学習型チャットボットの特徴は、機械学習（マシンラーニング）によりデータを蓄積して最適な回答ができることです。人間と会話しているような自然な回答が期待できる一方で、運用当初でデータの蓄積が少ない間は、精度が低くなる懸念があります。運用開始前に学習データを用意する必要があるでしょう。 サービスや商品の需要予測 需要予測とは、自社の商品やサービスの売上を短期的・長期的に予測することです。需要の予測にはさまざまな手法がありますが、一般的には過去のトレンドや市場動向などを分析して将来のニーズを予測します。 需要予測はこれまで人の手で行われてきましたが、マシンラーニングを用いて過去の膨大なデータを学習させることで、精度の高い需要予測が可能になりました。また、人の手から置き換わることで業務効率化の実現も見込めます。 製造や流通業界に限らず、さまざまな分野や領域において、マシンラーニングによる需要予測が広がっています。 マシンラーニングに関するよくある質問 Pythonはマシンラーニングに向いているプログラム言語 マシンラーニングについて調べていると、よく「Python」という単語を目にします。Pythonとはなんでしょうか。 Pythonは、プログラミング言語です。Pythonはさまざまな開発に使われていますが、AIやマシンラーニング（機械学習）の開発に適しているといわれています。たとえば、先述したインターネットショッピングにおける商品レコメンド機能においても、Pythonが活用されています。 Pythonが適しているのには、以下のような理由があります。 ライブラリが豊富 すでに多くの企業やサービスで利用されている コードがシンプルでわかりやすい 動作が簡単に確認できる Pythonはオープンソースの言語で、シンプル・短いコードで記述ができること、また開発時に役立つプログラム（ライブラリ）が豊富な点などが特徴です。 マシンラーニングには幅広い知識が必要 マシンラーニングを習得するには、どのような知識が必要なのでしょうか。 マシンラーニングの習得にはさまざまな知識が必要です。たとえば先述したPythonを始めとするプログラミング言語がある程度読めること、少なくとも高校数学の知識があること、アルゴリズムの知識があることなどが挙げられます。 また知識の習得を客観的な事実として伝えたい場合には、資格を取得すると良いでしょう。マシンラーニングに関する資格には、G検定（ジェネラリスト対象）やE資格（エンジニア対象）、Pythonエンジニア認定データ分析試験などがあります。 しかしながら、知識の習得には時間がかかります。自社のビジネスにマシンラーニング・AIを取り入れ成果を出したい場合には、外部の専門家などの手を借りることも一つの手です。 まとめ マシンラーニングはAIに包括され、AIを機能させるための技術の一つです。具体的には、データを解析する技術で、コンピューターにサンプルデータを与え反復的に学習させ、背景にあるパターンやルールを見つけだします。 マシンラーニングには教師あり学習、教師なし学習、強化学習と3つ学習方法があり、さまざまな分野で活用されています。 近年ビジネスで幅広く活用されていますが、実際にビジネスに取り入れ成果を出すには、マシンラーニング自体への深い知識が必要です。必要に応じて専門家などの力を取り入れながら、自社にあった導入方法を検討してみてはいかがでしょうか。

• AI／IoT
• システム

IT業界の現状や課題｜将来性やトレンドを徹底解説

IT業界は新技術の登場と各業界での導入が進んでいることから、市場規模は拡大傾向にあります。本コラムでは、IT業界の現状や課題のほか、近年のトレンド、業界全体の将来性も解説します。IT業界について詳しく知りたい方は参考にしてください。 IT業界の基礎知識 まずは、IT業界の概要、市場規模について確認しましょう。 IT業界とは ITはコンピューターやデータ通信に関連する情報技術（Information Technology）を指し、IT業界はITを活用したサービスを提供する業界を指します。 IT業界は業種や業態が複雑化しているため、分類が難しい業界です。どのようなサービスや商品を提供しているか（事業分野）で分けると、主に以下の4つに分類できます。 Webサービス SIer（情報処理） パッケージ／プラットフォーム ハードウェア 参考：IT業界ってどんなところ？ 職種や企業分類、転職に役立つ業界動向まで解説（doda転職サービス） 国内の市場規模 IT業界は、日本の産業区分で情報通信産業（ICT）に分類されています。令和3年版情報通信白書によると、2019年の情報通信産業の国内生産額（名目GDP）は51.7兆円、2018年から2019年にかけての実質GDP成長率は0.9％です。 この数字は、医療・福祉（2.4％）、対事業所サービス（1.4％）、対個人サービス（1.1％）に次いで4番目に高い成長率です。 ※出典：令和3年版情報通信白書 第4章ICT分野の基本データ（総務省） IT業界の現状 IT業界の市場規模の推移 令和4年版の情報通信白書によれば、日本における民間ICT市場は、2020年度は12兆9,700億円と、前年比0.6％増となりました。 新型コロナウイルス感染症の感染拡大による影響により、特に中堅中小企業を中心に、ICTへの投資を中止・先送りした企業が多かったものの、大企業では計画通りに投資が進められました。また、テレワークの実施・浸透に向けた整備、デジタル化などの必要性を認識した企業によって投資が加速したことが背景にあるとみられています。 市場規模は、2021年度は13兆3,300億円、2022年度は13兆6,400億円、2023年度は13兆8,800億円と予測されており、今後もさらなる成長が見込まれていると理解できます。 出典：令和4年版情報通信白書 第2部 第3章 第1節 ICT産業の動向（総務省） IT業界の平均年収は高水準 IT業界の平均年収は、他業界よりも高い傾向にあります。 経済産業省が2017年に発表した「IT関連産業の給与等に関する実態調査結果」によると、IT業界の平均年収の目安は以下の通りです。 新人・初心者レベル…437.8万円 中堅レベル…576.0万円 チームリーダーレベル…726.1万円 出典：IT関連産業の給与等に関する実態調査結果（経済産業省） なお、2018年に国税庁が発表した民間給与実態統計調査結果を見ると、1年を通じて勤務した給与所得者の年間平均年収は441万円のため、IT業界の平均年収は高いことがよくわかります。 出典：平成30年分　民間給与実態統計調査（国税庁） IT業界が抱える課題 市場拡大と高い需要などにより堅調に成長しているIT業界にも課題はあります。ここからはIT業界が抱える課題を見ていきましょう。 人手不足 IT企業が抱える課題で特に大きいのは、人手不足です。 2019年に経済産業省が公表した「IT人材需給に関する調査」によれば、IT需要の拡大に伴い、IT人材不足は年々増加すると予測されました。 調査では、2030時点の推定IT人材需給ギャップを予測するにあたり、生産性上昇率を0.7％、IT需要の伸びを低位（1％）・中位（2〜5％）・高位（3〜9％）を試算の条件に設定。仮に高位シナリオの経緯を辿る場合、2030年には約79万人のIT人材不足が見込まれるという結果になりました。 引用：IT 人材需給に関する調査（経済産業省） 労働環境の改善 IT業界では、長年にわたり長時間労働が課題とされてきました。 長時間労働の原因の一つとして、開発をチームで行うため作業の進捗や品質の管理が難しく、個人の経験などに依存しやすいというITエンジニアの仕事の特性があります。また、多重下請構造というIT業界特有の受発注の仕組みによるものもあるといわれています。 働く現場が疲弊してしまっている環境はよくありません。市場拡大と共により良い産業を実現するためにも、労働環境の改善は優先事項の一つといえるでしょう。 国際的な市場競争の激化 デジタル分野のビジネスでは、国境や実際の距離などがビジネスにおけるハンディキャップになることはありません。そのため、海外の競合他社の存在を見据えた戦略と競争が求められます。 日本企業は、世界に出る力が弱いといわれています。日本のIT業界は市場が拡大していくと予想されているものの、先を見据えて世界で勝ち抜いていけるだけの力をつけることが課題と考えられるでしょう。 IT業界のトレンドを調査 近年のIT業界でのトレンドを調査しました。具体的な内容をご紹介します。 DX（デジタルトランスフォーメーション） DXとは、新たなデジタル技術を活用することで、社会や人々の暮らしをよりよい方向へ変革することです。 2020年から新型コロナウイルス感染症が流行したことで、IT化やデジタル技術導入などのDX化が企業や組織で進みました。DX推進のための組織を設ける企業も増え、DX推進を担えるDX人材の獲得が企業にとって急務な課題とされています。 AI（人工知能） AIの活用は、マーケティングの高度化、製造業の自動化、自動車の自動運転など、さまざまな業界と分野へ広がりを見せています。 AIの事業化では、特にデータサイエンティストやAIプランナーが重宝されており、各社とも好待遇で採用する傾向があります。 IoT（Internet of Things） IoTは、情報端末以外のモノでもインターネットに接続可能な機能を追加して、より便利に使えるようにすることです。身近なところでは、自ら移動し掃除するお掃除用ロボットがよく知られています。 IoTも、AIと同様にあらゆる分野での活用が進み、さらなる発展も期待されていることから、より人材が求められています。 VR（仮想現実）AR（拡張現実） VRは、ゴーグルなどの専用デバイスを装着した状態で、画像や音声などコンテンツを流すことにより、あたかも映像内にいるかのような体験を可能にする技術です。 ARは、実在する風景にデジタル情報を重ねて表示する技術です。スマートフォンのカメラを起動するとアニメキャラが画面上に登場するアプリ、建物の見取り図に3Dモデル化した家具などを配置できるコンテンツなどがあります。 5G 5Gは「高速・大容量」「低遅延」「多接続」といった特長をもつ通信システムで、2020年3月に5Gサービスが開始されました。 5Gサービスの開始により、より多くのIoT機器の同時接続が可能になるなど、IoTが生活により深く浸透する時代が到来しました。そのほか、5Gによって自動運転や遠隔医療、VR・ARなどに磨きがかかっていくと予想されています。 RPA（ロボティック・プロセス・オートメーション） RPAとは、オフィスワークとしてパソコン上で行ってきた業務を、ロボットによって代行・自動化する技術です。 RPAの導入メリットは、単純作業をロボットに任せることにより業務効率化や生産性の向上に加え、人的ミスの抑止、さらには人手不足の解消も期待されています。 RPAはすでに金融業界や流通業界などを始め、あらゆる業界で導入されており、今後さらに普及が加速すると考えられています。 セキュリティ IT技術の導入が進んだことにより、あらゆる業界で企業はサービス利用者が登録した各種情報を安全に管理する必要が生じました。サイバー攻撃は年々高度化しており、セキュリティ対策は急務といえるでしょう。 セキュリティに関連して、利用者のプライバシー保護も注目を集めています。データトラッキングやスマートフォンによる追跡が一般化したためで、個人のプライバシーを守るため法整備やIT業界全体の自主的な取り組みが待たれています。 X-Tech（クロステック） X-Techとは、既存ビジネスにIT技術をかけあわせて新たな価値や仕組みを生み出す取り組みや誕生した新製品、サービスのことです。X-Techは、金融業界、農業業界、医療業界、スポーツ業界などで広がりをみせています。 ブロックチェーン ブロックチェーンは、ネットワーク上にある端末同士を直接接続し、暗号技術を用いて取引履歴を分散的に保管する技術です。ブロックチェーンは、データ改ざんが難しいことに加えて、複数名で同一データを共有することが可能なため、情報の透明性が担保されていることが特長です。主に金融業界での導入が進んでいます。 ブロックチェーンの技術自体は革新的で、将来的には金融分野以外にも、著作権管理、行政手続きなどへの導入が期待されています。 IT業界は今後どうなる IT業界は今後どのように展開していくのでしょうか。将来性について考えていきます。 IT業界は今後も成長し続ける AI、5Gなど新しい技術が次々に生まれ、それらの技術はあらゆる業界と分野での導入が進み、DXも加速し続けています。既存技術の応用やブラッシュアップはもちろん、今後、さらなる新技術が開発される可能性も十分あります。 IT業界はこれからも幅広い産業と結び付きながら、成長していくと考えられるでしょう。 需要の変化が起きる 経済産業省が公表した「IT 人材需給に関する調査」では、デジタル技術の発展に伴い新たなIT需要が拡大し、需要の構造に変化が生じるとみています。 AIやIoT、ビッグデータの活用といった最先端技術に対応できるIT人材は需要が供給を上回っていく一方、従来から続くIT需要は中長期的に見れば徐々に市場規模が縮小すると予測。それに伴い、従来型のIT需要に対応する人材需要も減少するとしています。 参考：IT 人材需給に関する調査（経済産業省） 政府の取り組み 2021年、デジタル庁が発足しました。政府・自治体を中心にデジタル化への取り組みが進んでいる状況です。 政府がまとめた「IT戦略の概要〜デジタル強靭化社会の実現に向けて〜」では、民間企業にとどまらず行政や地方自治体でもデジタル化支援を進めること、テレワーク／リモートワークや学校教育、遠隔診療などの実現と円滑化な実施に向けた環境整備について言及しています。また、デジタル化を推進する企業に対する減税措置なども実施しています。 今後も、政府・自治体からのIT需要は高まっていくでしょう。 ※出典：IT新戦略の概要〜デジタル強靱化社会の実現に向けて〜（内閣官房IT総合戦略室） まとめ 世界中でIT化が進むなか、IT業界は今後さらなる発展が期待される市場です。一方、大幅なIT人材不足など、課題も複数抱えています。 IT技術は人々の生活や企業の発展に欠かせないものです。成長産業の動向を、今後も注視してみてはいかがでしょうか。

• システム
• DX
• AI／IoT
• セキュリティ

リアルを仮想空間で再現する「デジタルツイン」概要と活用事例

デジタルツインとは、インターネットを介して現実世界の環境を仮想空間に再現する技術です。“デジタルツイン”という言葉自体は、工学の分野でシミュレーション技術の一つとして古くから取り扱われています。 近年、製造業や建築業ではデジタルツインが導入されており、IoT技術を用いて現実世界のデータをリアルタイムで取得し、高精度なデジタル空間を再現しています。リアルタイムにシミュレーション、分析をすることで業務改善やコスト削減などにつながるため、さまざまな分野での活躍が期待されているのです。 本コラムでは、デジタルツインについて活用事例も参考にしながら解説します。自社への導入を検討している方は、ぜひ参考にしてください。 デジタルツインの概要 総務省は、デジタルツインの仕組みに関して、次のように表現しています。 インターネットに接続した機器などを活用して、現実空間の情報を取得し、サイバー空間内に現実空間のかん境を再現することを、デジタルツインと呼びます。 ※引用：デジタルツインって何？（総務省） デジタルツインとは、収集したデータを双子のようにコンピューター上で再現する技術です。現実世界で収集した膨大なデータを仮想空間に再現することで、現実に近いシミュレーションが可能になり、製品の製造工程やサービスの改善に有効な手段となります。 デジタルツインの効果 デジタルツインは、現実世界をリアルタイムに仮想空間に構築し、モニタリングやシミュレーションを可能にするもので、業務の効率化が図れます。 例えば、自動車エンジンの状態をデジタルツインによって監視・シミュレーションをおこなえば、故障する予兆がある部品を交換できます。またメンテナンスの時期や箇所を把握できるため、予知保全が可能です。 製造業や建築業の設計段階に導入すると、試作品を製作せずに仮想空間でシミュレーションできるため、開発時間の短縮やコスト削減が期待できます。 デジタルツインとメタバースの違い デジタルツインとメタバースのおもな違いは、仮想空間の再現方法です。 ◇デジタルツイン 現実世界をありのままで仮想空間に再現 アバターを必要としない ◇メタバース 仮想世界であり、現実とは関係がなくともよい アバター（仮想空間上のユーザーの分身）を介して仮想空間に参加 デジタルツイン・シミュレーションとの違い デジタルツインとシミュレーションの違いとして、おもに2つの観点が挙げられます。 再現方法 リアルタイム性 デジタルツインは現実世界をありのまま仮想空間に再現する仕組みですが、シミュレーションは仮想空間に再現するということに限りません。現実世界で物理的な模型を製作し再現することもあります。 また、デジタルツインは、IoTなどの技術と組み合わせて現実世界の情報をリアルタイムに収集します。シミュレーションは、人があらかじめ仮説を立てて結果を解析し、さらに検証するなど時間がかかるものです。そのため、必ずしもリアルタイムな情報収集が可能ではありません。 デジタルツインを支える代表的な技術 デジタルツインを支える代表的な技術には、以下があります。 IoT（Internet of Things） 5G（5th Generation） AI（Artificial Intelligence） CAE（Computer Aided Engineering） AR（Augmented Reality） VR（Virtual Reality） IoT IoT（Internet of Things）は、あらゆるモノをインターネットに接続して相互にデータを送受信する技術のこと。 生産現場に設置したカメラやセンサーからデータを取得し、インターネットを介してデジタルツインに反映されるため、高精度に現実空間を再現できます。 遠隔地からモノの状態を把握し操作できるIoTは、デジタルツインの実現に必要不可欠な技術です。 5G 5G（5th Generation）とは、第5世代移動通信システムのこと。 5Gには、超高速・低遅延・多数同時接続の3つの特徴があります。 4Gと比較すると、通信速度はおよそ20倍、遅延はおよそ10分の1、同時接続台数はおよそ10倍（理論値）になるとされています。 デジタルツインでは、膨大なデータを送受信します。5Gを活用するからこそ、遅延やラグを起こすことなく、デジタルツインに必要な膨大なデータの通信が可能になるのです。 AI AI（Artificial Intelligence）は、人工知能とも呼ばれます。機械学習やディープラーニングなどによって膨大なデータを学習させ、そのなかからある事象の特徴を自動的につかめるようにしたものです。その結果、AIは高精度な分析や予測が可能に。 デジタルツインでは、画像の解析やサイバー空間に再現したモデルの分析などに活用されています。 CAE CAE（Computer Aided Engineering）は、仮想空間でシミュレーションや解析を実行する技術です。製造現場においては、早くから活用されていました。 デジタルツインでは、サイバー空間に再現したモデルに対してシミュレーションを行う際に活用されます。 AR・VR AR（Augmented Reality）は拡張現実、VR（Virtual Reality）は仮想現実と呼ばれ、仮想空間を視覚的に体感できるようにする技術です。 ARとVRによって、サイバー空間に再現したモデルをよりリアルに視覚化し、体感できるようになります。 デジタルツインを活用するメリット デジタルツインを活用するメリットとしては、以下があります。 コストダウン 業務効率化 トラブル改善 設備保全 アフターサービスの充実 それぞれ解説します。 コストダウン 現実世界での製品開発は、完成までに繰り返し試作を行う必要があります。そしてそれには時間や人員、材料費といったコストがかかっていました。 しかしデジタルツインでは、仮想空間で試作品のシミュレーションができます。これにより、材料費や人件費をかけずに検証が可能です。 また、現実世界での施策と比べ、より細かなシミュレーションができます。 そのため、完成までのプロセスを最適化しやすく、開発期間の短縮につながるメリットもあります。 業務効率化 製造業や建築業など専門性の高い現場作業では、これまで現地に行くことが欠かせないと考えられていました。 デジタルツインを活用すれば、離れた場所からでもリアルタイムで現地の状況を確認し、指示を出すことが可能に。現場に経験の少ないスタッフしかいなくても、遠隔地から届いた指示をもとに迅速に対応できるため、結果的に業務効率化につながるでしょう。 トラブル改善・設備保全 デジタルツインの活用は、トラブル改善や設備保全につながります。 従来の生産設備では、生産現場のオペレーターからの異常報告により原因調査を開始していました。しかし、生産設備にデジタルツインを活用すると、設備の稼働状況をリアルタイムで把握し、早急にトラブルの改善が可能です。 またAIと組み合わせると、トラブルが発生する兆候をリアルタイムに検知し、より効率的な設備保全が実現します。 アフターサービスの充実 デジタルツインの活用により、アフターサービスが充実します。 製造業では、製品を出荷したあともデジタルツインを介して顧客の使用による製品の状況や消耗具合を把握することで、適切なタイミングで消耗品交換の提案や点検の案内が可能です。また、製品に取り付けたセンサーによって稼働状況を把握することで、ユーザーの使い方や耐久性のデータを収集・モニタリングできます。 これらのデータをAIに分析させることで、適切な検査時期の把握が可能になり、故障時期を予測してメンテナンスを提案できるようになります。 デジタルツインの活用事例 ここでは、実際にデジタルツインを活用した業務改善などの事例を紹介します。 テクノロジーやサービスにおける都市開発の事例／A社 A社は世界での車両販売台数もトップクラスの大手自動車メーカーです。 ・概要 自動車業界全体として、IoT接続や自動運転、シェアリングへの移行に加え、ガソリンエンジン駆動から電動モーターで駆動する電動化（EV/PHEV）へのシフトが進んでいます。 このような自動車業界の流れから、車に対するニーズが“所有”から“利用”へシフトしています。 これまでの自動車販売だけで利益を維持していくことは、難しいと考えられ、企業としての変革が求められている状況でした。 そのような背景からA社は、先進的技術を活用して都市や地域の機能・サービスを効率化・高度化することに。都市がもつさまざまな課題解決を目指す“スマートシティ”の実現を進めています。 同時に、快適性や利便性を含めた新たな価値を創出する都市・地域の構築も推進しています。 ・取り組み内容 デジタルツインの活用法としては、いきなり実在のスマートシティを作るのではなく、デジタル環境（バーチャル環境）でリアルなスマートシティと同様なものを設計してバーチャルモデルを作成。それからスマートシティの設計開発をしました。 ・結果 デジタルツインの技術を活用することで、スマートシティの実現に向けて的確なまちづくりシミュレーションが可能になりました。 街のインフラは一度建設してしまうと、簡単には修正できません。デジタルツインの技術によってシミュレーションを何度も繰り返し行うことで、実際の運用における課題を発見し、より良い街づくりを支えました。 3D都市モデル整備・活用・オープンデータ化の事例／国土交通省 ・課題 近年、世界では3D都市モデルを始めとするデジタル技術を用いて街づくりをDX化し、新たなソリューションを実現しようという取り組みが増えています。そうした動きは世界では珍しくないものの、日本では遅れが生じていました。 ・取り組み内容 国土交通省は、日本でも3D都市モデルを大きく普及させることを目的に、3D都市モデルの整備や活用を進めるプロジェクト“PLATEAU”を推進しています。オープンデータ化によって、誰もが国内の3D都市モデルをデジタルツインとして活用できるようになりました。 ・結果 2021年には全国56都市の3D都市モデルのオープンデータ化を完了。公開された３D都市モデルを地方自治体や民間企業、研究者などが活用し、街づくりや防災対策などに向けた実証実験が進められています。 製造業のDX化に成功した事例／B社 B社はグループ全体で、コーヒー飲料や茶系飲料、炭酸飲料、酒類、特定保健用食品など幅広く製造・販売しています。 ・課題 安心・安全の実現のため、厳しい品質管理とともに、商品のサプライチェーン全般におけるさまざまな問い合わせに対し、素早い対応・説明が求められています。また、近年急速に進むデジタル化の進展に伴い、最新のデジタル技術を活用した工場経営や業務改善も求められていました。 ・取り組み内容 工場で、商品の安全・安心の追求、働き方改革の推進、工場経営の高度化を達成するべく、デジタルツインの機能を持ち合わせたIoT基盤が構築されました。 工場に構築されたIoT基盤は、製造工程の生産設備・機器以外に、調達・製造・品質管理・出荷などのシステムもIoT基盤に集約。そして、収集・統合したデータを紐付けて素早く活用できるようにしたことが大きな特徴です。 ・結果 製品の製造工程に関するデータはIoT基盤に集約し、そこから得られる情報を利活用することで工場内の見える化に成功しています。不良品の発生時、従来であれば原因特定にある程度の時間を要していたケースも、IoT基盤の導入により数分で済むようになりました。 まとめ デジタルツインの詳細や導入のメリットを、事例を交えながら解説しました。 製造業や建築業において、すでにデジタルツインは導入されていますが、IoTやAIなどの技術の発展により、今後はさらに幅広い分野での活用が期待されています。 自社のビジネスモデルや経営戦略をよく認識したうえで、デジタルツインが活用できるかどうか検討してみましょう。その際には、ぜひ本コラムを参考にしてください。

• 生産
• AI／IoT

ITの特異点「シンギュラリティ」とは？意味やいつ起こるのか解説

近年ではAI（人工知能）が急速に進化し、活用の範囲が広がっています。便利に思う一方、「AIに人間の仕事が奪われるでは」と懸念を感じる方も多いのではないでしょうか。 そうしたなかで、よく耳にするようになった言葉が“シンギュラリティ”です。シンギュラリティとは、IT分野で技術的特異点と訳され、AIが人間の知能を超える転換点を指します。 本コラムでは、シンギュラリティの詳しい意味や、いつシンギュラリティが起きるのか、否定論を含めて解説します。これからの時代AIとどのように付き合っていくか、ぜひ参考にしてください。 シンギュラリティ（技術的特異点）の意味 シンギュラリティ（Singularity）は、日本語で“特異点”という意味を持ち、社会のあり方に大きな変化をもたらす転換期を指します。 近年では、AI（人工知能）が人間の知能を超える時点、AIの発展の先にある技術的特異点という意味合いで使われることが多くなりました。 シンギュラリティに到達すると、AI（人工知能）は自立的なバージョンアップを繰り返し、人間のサポートを必要としなくなるといわれています。 シンギュラリティはいつ起きるか、有力説は2045年 シンギュラリティが起こる時期として、もっともよく知られている説が、2045年説です。この背景には、人工知能研究の世界的権威であるレイ・カーツワイル氏が、自著で2045年説を唱えたことがあります。 このことから、シンギュラリティの到達点を2045年問題と呼ぶようになり、2010年代にディープラーニングが飛躍的に発達したことで、さらに注目されるようになりました。 収穫加速の法則との関係性 シンギュラリティの到達時期が2045年と予測された前提には、収穫加速の法則があります。 これは発明が次の発明を生むという連鎖の歴史から、技術の進歩は指数関数的に進むという考えに基づく法則です。 特にインターネットの普及以降、技術の進歩は目覚ましいものがあります。この前提をもとにAI（人工知能）の進歩を計算した際、2045年にシンギュラリティに到達するという予測が導き出されたのです。 シンギュラリティが起きたあとの世界の変化予測 シンギュラリティに到達したあと、私たちの日常にはどのような変化が生まれるのでしょうか。ここでは、シンギュラリティ後の世界の変化予測を紹介します。 多くの職業がなくなり、新たな仕事が生まれる AIの進化によって、人間の仕事はなくなるといわれて久しい昨今ですが、これにも諸説があります。しかし、多くの職業がAIによって代替可能になっているのも事実です。 総務省によると、日本の職業（就労者）の49％は将来AIに代替される可能性があると触れています。 ※出典：平成28年版　情報通信白書（総務省） 現時点でAIが得意とするのは、業務効率化や生産性向上などの分野であり、主にルーティンワークが業務割合の多くを占める職業がAIの影響を受けやすいと言えます。 このようにシンギュラリティが起きなくとも、AIの発達によって多くの職業がなくなる可能性は否定できません。 一方、AI導入をサポートする仕事やAIを使った新しい仕事の創出が予想され、仕事の総量が増えることも期待されます。 労働がなくなり、ベーシックインカムが導入される シンギュラリティが起きてAIで代替できる仕事が増えると、ベーシックインカムの導入が進むのではないかという説もあります。 ベーシックインカムとは、国民の生活を最低限保障するために年齢や性別を考慮せず、すべての人に無条件で毎月一定のお金を支給する制度です。日本に導入しようとする動きがあるなど、ここ数年、国会でも話題になっています。 AIによって代替される可能性がある仕事は、AIの得意領域である業務手順が明確なものであることが多いです。一方、AIが代替しにくい仕事の特徴としては、コミュニケーションが複雑なものが挙げられています。この場合、AIでの仕事の代替可否によって、経済格差が生まれて貧困が激化しやすくなることが懸念されています。 このような背景から、世間ではベーシックインカムの導入が問題の解消に役立つのではないかと論じられています。もちろん、ベーシックインカムの導入は、財源的にも簡単ではありません。また、仮にベーシックインカムが導入されても、根本的な解決にはならないでしょう。 シンギュラリティ・AIとの付き合い方 シンギュラリティが起きても起きなくても、人間の仕事をAIが少しずつ代替していくことに代わりはないでしょう。 それでは、今後私たちはどのようにAIと付き合っていけばいいのでしょうか。ここでは、シンギュラリティやAIとの付き合い方を解説します。 AIが苦手な分野でスキルアップする AIとの分業を実現するためには、AIが苦手とする分野でスキルアップを積み重ね、自分の市場価値を高めていくことが大切です。 創造性や協調性が必要な業務はどの国でも代替可能性が低いと言われています。 AIの苦手とする分野でスキルアップを積み重ねることで、AIとの分業が実現しやすくなるでしょう。 特に、今でもあらゆる仕事で重要とされているコミュニケーション能力は、今後さらに重要度が上がると考えられます。 AIを使う側に立つ AIが進化することは、悪いことばかりではありません。今まで、人間が時間をかけて作業していたことをAIが一瞬で終わらせられれば、人間はより本質的な仕事を進められるようになります。 そのため、AIは少子高齢化による労働力不足の問題解決にも、重要な働きをするとみられています。 今後、社会の発展にAIは欠かせないものになっていくことは必至です。AIを使う側に立ち、ツールとしてAIを活用してビジネスを進めていくことも、ひとつの方策です。 そのためには、AIを作るプログラミングやディープラーニングの知識を身につけなければなりません。 AIの技術的な知識をもっていなくてもAIは利用でき、AIを手軽に利用できるサービスを提供する企業も増えています。とはいえ、技術面の理解を深めておくに越したことはありません。 AIに何ができて、何ができないかを知ることでトラブルに対応でき、新たなビジネスチャンスの気付きを得られるはずです。 まとめ シンギュラリティとは、AIが人間よりも高度な知能を手に入れる特異点のことを示す言葉です。 シンギュラリティが起きたあとは、AIによって人間の仕事が代替されていくため、その解決策としてベーシックインカムが導入されるなど、さまざまな変化が予測されます。 AIが人間の仕事に食い込んでくることは止められないでしょう。私たち人間は、AIにはできない領域でスキルアップを重ね、より本質的な仕事を進めていく必要があると考えられます。

• AI／IoT
• システム

ディープラーニング（深層学習）とは　AI・ニューラルネットワークとの違いや実用例を解説

ディープラーニングは、画像や音声、テキストをきわめて高い精度で認識することが可能となるため、多くの分野で注目を集めています。しかし、ディープラーニングの概要は理解していても、詳細な仕組みを理解している人は多くないかもしれません。 本コラムではディープラーニングの基本と概念、仕組みについて解説します。また、混同しがちなAI・ニューラルネットワークとの違いのほか、ディープラーニングの活用事例もご紹介します。ディープラーニングに関して理解を深めたい方はぜひ最後までお読みください。 ディープラーニングの基本と概念 ディープラーニング（深層学習）は、コンピュータが大量のデータを自動で分析し、データのルールや傾向を抽出する技術です。 ディープラーニングに似た言葉として、AI（人工知能）や機械学習（マシンラーニング）があります。それぞれの概念は、「AI＞機械学習＞ディープラーニング」という関係で表わせます。 AIに確立された定義はありませんが、令和元年版の情報通信白書ではAIについて「人間の思考プロセスと同じような形で動作するプログラム、あるいは人間が知的と感じる情報処理・技術」と伝えています。 引用：「情報通信白書令和元年版」/総務省 そして、機械学習はAIをうまく機能させるための方法です。機械学習は、データから反復学習して特徴をとらえ、学習した結果を法則化。法則を自動化することで、次回以降はその法則に則って作業を進めることが可能です。 ディープラーニングは機械学習の技術の一つ。ディープラーニングは、脳の神経回路を模したニュートラルネットワークを多層に積み重ねることで、学習能力を向上させた手法です。 ディープラーニングの仕組み ディープラーニングは、機械学習の一部であるニューラルネットワークを応用させたものです。ディープラーニングとニューラルネットワークには深い関係があります。 数学モデル「ニューラルネットワーク」との関係 ニューラルネットワークは、人間の脳の神経細胞（ニューロン）の仕組みを模したもので、ニューロンがそれぞれつながり合い、情報をやりとりするという、脳機能の特性をコンピュータ上で表現するためにある数学モデルです。 ニューラルネットワークは入力層、隠れ層（中間層）、出力層の3つから成り立っています。入力層で分析のもとになるデータを入力し、隠れ層で分析、出力層で分析結果を出します。 このニュートラルネットワークのうち、隠れ層を重ね複数所有させたのがディープラーニングです。 ディープラーニング以前に開発された学習方法「パーセプトロン」は、この隠れ層がわずかだったため、簡単な情報処理しかできませんでした。しかし、ディープラーニングは隠れ層を何層も所有することで、複雑で難しい情報処理を実現します。 機械学習・AIとの違い ディープラーニングは機械学習の一種とみなされますが、その違いは以下の通りです。 _特徴量の設定方法の違い _それぞれが占める範囲の違い 機械学習では、分析対象データの予測の手がかりとなる「特徴量」という数値を人間が設定しなければなりません。これに対しディープラーニングは、読み込んだデータのパターンを分類して法則性を発見することで、データから直接「特徴量」を学習できるようになりました。これにより、人間が手作業で入力していた作業の必要がありません。 また、先述の通り、AIはディープラーニングと機械学習を包括する位置づけです。AIは、人間と同様の知能を実現するための技術を指します。ディープラーニングは、AI・機械学習のなかの概念に位置しています。 ディープラーニングの画像認識における活用例 まずは画像認識における活用例です。 顔認証システム 顔認証システムにディープラーニングを活用することで、カメラやスマートフォンの顔認証、登録済みの顔と一致するか否かの判断を可能とした例です。顔認証システムの仕組みは、以下の2つが挙げられます。 2D顔認証方式 3D顔認証方式 2D顔認識方式とは、撮影された画像をもとに目・鼻・口などの位置を抽出し、データベース内の個人情報と比較して一致させることで顔認証をおこなう仕組みです。 3D顔認証方式と比べると精度は低いため、太陽光や照明の影響で認識ができないこともあります。 3D顔認識方式とは、2D顔認証の特徴に加え、赤外線を使った3Dセンサーが顔の凹凸をデータ化し、立体的データとして認識させる方法です。2D顔認証方式より精度は向上していますが、赤外線カメラを搭載した端末に限られます。また現状では、コスト面やカメラの小型化に限界があるといった課題があります。 顔認証システムにディープラーニングを導入することで、セキュリティレベルの維持、不正の抑止につながるなどのメリットがあります。 農業用ロボット 農業用ロボットにもディープラーニングは用いられています。すでに実用化が進んでおり、農作物と雑草を自動で判別するロボットや農薬散布ロボットなどはその一つです。 たとえば日本で開発されたトマト収穫ロボットは、収穫するための「腕」の機能や、トマトが植えられている場所まで移動する「足」の機能のほか、収穫するトマトを見つける「目」となる機能で構成されています。 トマト収穫ロボットの「目」にはカメラが付いており、撮影した画像をディープラーニングによるAI技術を用いて、果実や茎などを識別。AI技術により、果実同士が重なり隠れてしまっていても見つけられます。 農業従事者の高齢化が進むなか、農業にディープラーニングを活用する取り組みは、大きな助けとなることが期待されています。 ディープラーニングの自然言語処理における活用例 次に、自然言語処理の活用例を紹介します。 機械翻訳 ディープラーニングは機械翻訳にも活用されています。 コンピュータを利用した翻訳は古くからあります。最初に使われたのは「ルールベース翻訳」と呼ばれるもので、その後「統計翻訳」という手法が主流になりました。 ディープラーニングの技術を用いた機械翻訳が登場したのは2015年頃からです。ディープラーニングの技術によって、従来の機械翻訳と比べ、制度はめざましく向上。Webサイトや検索サイトはもちろん、さまざまな産業で実用化されています。 ディープラーニングの音声認識における活用例 最後に、音声認識における活用例を2つ解説します。 スマートスピーカー 近年、AI搭載のスマートスピーカーは飛躍的に進歩しており、日常的な使用用途以外にもさまざまな分野で活用されています。例えば福祉・介護業界では、体が不自由な方の生活サポートや情報収集手段として利用されています。 スマートスピーカーに求められるのは、話し手の会話内容の意図を理解して正確な情報を提供することです。ディープラーニングの技術を取り入れることで、スマートスピーカーは音声認識を高速に実施できたり、音声を正しく判別しやすくなったり、より自然な返答もできるようになっています。 コールセンター 従来のコールセンター業務は、会話内容をオペレーターが理解し、対応履歴をシステムに記録していました。しかし、ディープラーニングの音声認識が導入されることによって精度の高い自動書き起こしが可能に。オペレーターが会話に集中できるようになったことで、パフォーマンスが向上し、対応可能件数の増加につながります。 また、近年ではディープラーニングによって顧客の感情分析をする「感情理解」の導入が期待されています。具体的には、顧客の音声の抑揚をチェックし、感情の動きを可視化。実現すれば、電話越しでは認識できない感情の機敏に対応できるようになり、顧客満足度につながるでしょう。 まとめ ディープラーニングは、コンピュータが大量のデータを自動で分析し、データのルールや傾向を抽出する技術です。 ディープラーニングは主に画像認識、自然言語処理、音声認識に搭載されています。今後さらに活用の幅を広げ、さまざまな場面での利用が期待できるでしょう。ディープラーニングを導入することで、生産性や業務効率の向上も実現できるかもしれません。 本記事を参考にディープラーニングのビジネス活用を検討してみてはいかがでしょうか。

• AI／IoT
• システム

IoT機器のセキュリティ対策は必須！ 過去のサイバー攻撃や対策方法を解説

IoT技術を活用した製品が普及し、IoT機器が数百億個にまで増加すると言われています。便利になる一方で、セキュリティの危険性も拡大しており、すでにIoTに関する脅威が報告され始めています。 IoT機器を活用するうえで、どのようにセキュリティ対策をすれば良いのでしょうか。本コラムでは、対策が求められる背景、セキュリティ危機の事例、セキュリティ対策の進め方などを解説していきます。 IoT導入時に必要なセキュリティとは？ IoTとは？ IoT機器のセキュリティ対策についてお話しする前に、IoTという用語について改めて確認しておきましょう。IoTは“Internet of Things”の略で「モノのインターネット」と訳されています。これまでインターネットに接続されていなかった住宅や車、家電製品、電子機器などが、ネットワークを通じてサーバーやクラウドに接続され、相互の情報交換を可能にする仕組みです。 モノがインターネットに接続されることによって、離れたところにあるモノの状態を確認できたり、遠隔操作やモノ同士のデータ送受信などを実現できます。IoT技術の活用によって、これまでにない新たなサービスや高い価値の創出が可能になりました。くわえて、通信インフラやクラウドサービスの高性能化などが後押しとなり、現在IoTの導入はとても身近なものになっています。 IoT特有の性質 IoTは特有の性質があり、そこから想定されるリスクをもちます。そのため、それらの性質とリスクを踏まえたうえで、セキュリティ対策を行うことが大切です。「IoT セキュリティガイドライン ver 1.0 」では、以下6つの性質を上げています。 性質1：脅威の影響範囲、度合いが大きい IoT機器はインターネットなどのネットワークに接続しているため、攻撃を受けるとIoT機器単体だけに留まらず、ネットワークを介して関連するIoTシステム・IoTサービスにも影響が広まる可能性があります。また、IoT機器が増えていることから、その影響範囲は日々拡大。たとえば自動車分野や医療分野におけるIoT機器の制御に攻撃の影響が及ぶ場合、生命の危機に瀕することも想定されます。そのほか、IoT機器には重要なデータが保存されている場合があり、そうしたデータの漏えいも考えられます。 性質2：ライフサイクルが長い 自動車の平均使用年数は12〜13年ほどと言われるなど、IoT機器として想定されているなかには、10年以上にわたって利用されるものがあります。構築・接続時にセキュリティを適用しても、時間の経過と共に対策が不十分になり、IoT機器が危険に晒された状態でネットワークに接続され続ける可能性があるでしょう。 性質3：監視が行き届きにくい IoT機器の多くは、スマートフォンやパソコンのような画面を持たないため、人の監視の目が行き届きにくいと想定されています。もしIoT機器に問題が発生していても気づきにくいため、管理されていないものが勝手に接続されマルウェア（有害な動作を行う意図で作られた、悪意のあるソフトウェアやコード）に感染するなどのリスクが想定されます。 性質4：IoT機器とネットワーク側の相互理解が不十分 IoT機器側とネットワーク側、それぞれの環境や特性が十分に理解されておらず、IoT機器がネットワークに接続する際に、安全や性能を満たせなくなる可能性があります。 性質5：IoT機器の機能・性能が限られている リソースが限られたIoT機器では、セキュリティ対策を十分にできない場合があります。 性質6：開発者が想定していない接続をされる可能性がある IoTではあらゆるものが通信機能を持ち、ネットワークに接続されます。そのため、IoT機器メーカーや開発者が想定していなかった接続をされる可能性があり、想定外の影響が発生する可能性があります。 参考：IoT セキュリティガイドライン ver 1.0／IoT推進コンソーシアム 総務省 経済産業省 セキュリティ対策が重要視される背景 IoT機器が増加すると同時に、上記の特性やリスクによってサイバー攻撃の脅威に晒されることが多いためです。事実、2018年に観測したサイバー攻撃の約半数がIoT機器を狙ったものであったという調査結果があります。また、マルウェアに感染した機器や乗っ取られた機器を悪用したDDoS攻撃（対象のWebサイトやサーバーに対して、大量の情報を送りつけるサイバー攻撃）の事例も発生しています。こうした攻撃から守るためにも、IoT機器のセキュリティ対策が重要視されているのです。 参考：令和元年 情報通信白書（第5節 サイバーセキュリティ対策の推進）／総務省 IoTを標的にしたサイバー攻撃の事例 サイバー攻撃の脅威に晒されることが多いIoT。どのような事例があるのでしょうか。 マルウェアMiraiを利用した攻撃 米国での事例です。2016年10月、マルウェア「Mirai」に感染した10万台を超えるIoT機器が踏み台となり、Dyn社のシステムに対し大規模なDDoS攻撃が発生しました。Dyn社のDNSサービスを利用している数多くの大手インターネットサービス・ニュースサイトに、アクセスできなくなるなどの障害が発生しました。 参考：令和元年 情報通信白書（第5節 サイバーセキュリティ対策の推進）／総務省 Bluetooth接続の脆弱性を利用した攻撃 マルウェアのほか、注意したいのがBluetooth接続を利用した攻撃です。Bluetoothは、無線通信規格の一つです。スマートフォンやパソコンなど、さまざまなデジタル機器に内蔵されており、近年ではスマートスピーカーやスマート家電といったIoT機器にも使われています。 米国のセキュリティ会社Armis Labsが、Bluetoothに「BlueBorne」と呼ばれる、8つの脆弱性が潜んでいることを発表しました。BlueBorneの特長は、接続先デバイスとペアリング、また検出可能な設定にしていなくても、Bluetoothをオンにしているだけで攻撃が可能という点にあります。 現在、攻撃に対処するための更新プログラムが各種OSやIoT機器メーカーで公開されており、アップデートによるセキュリティ対策が求められています。 どのようなセキュリティ対策が必要か IoT機器を狙ったサイバー攻撃が多発するなかで、どのようなセキュリティ対策をとる必要があるのでしょうか。 先にも挙げた「IoT セキュリティガイドライン ver 1.0」では、IoT機器の開発からサービス提供までの流れを、方針、分析、設計、構築・接続、運用・保守の5つの段階に分けたうえで、それぞれの段階におけるセキュリティ対策を示しています。 引用：IoT セキュリティガイドライン ver 1.0／IoT推進コンソーシアム 総務省 経済産業省 IoTはリスクが多様化し、時に企業の存続にまで影響を及ぼす可能性があります。そのため、IoT機器やシステム開発会社のみならず、利用する企業もIoTセキュリティ対策の必要性を理解し、推進することが大切です。 IoTシステムのセキュリティ対策の進め方 IoT機器を利用している場合、どのようにセキュリティ対策を進めていけばよいのでしょうか。ここでは3つのステップに分けて、対策の手順を解説します。 管理しているIoT機器の棚卸し まずは自社で管理しているIoT機器の棚卸しを行います。棚卸しを行い、管理する機器を再確認することで、リスクの洗い出しや対策の検討がしやすくなります。棚卸しが正しく行われないと、対策漏れが発生し、リスクを放置することになりかねません。注意が必要です。 通信経路の把握 棚卸しが終わったら、それらのIoT機器がどのような通信経路で他のシステムとつながっているかを把握します。外部ネットワークに接続する必要のない機器が接続されていたり、不要となったIoT機器が接続され続けていた、という状態は非常に危険です。IoT機器の通信経路を把握することで、危険な状態を未然に防ぎ、リスク低減につながります。 想定されるリスクの洗い出しと対策目標設定 通信経路の把握まで完了したら、想定されるリスクを洗い出したうえで、対策を立てていきます。IoT機器自身が持つデータとネットワークを介してアクセスできる資産には何があるのか。それらが通信経路を介して改ざん・漏えいしたり、機器が乗っ取られるリスクはどの程度か。リスクが顕在化した際の影響度合いは。リスクと影響度が洗い出せたら、対策の優先度や対策目標を設定し、それぞれの機器のセキュリティ対策を具体的に進めていきます。 まとめ 本コラムでは、IoTの用語解説、セキュリティ対策が求められる理由、サイバー攻撃の事例、セキュリティ対策の進め方などをまとめました。 IoTはリスクが多様化し、時に企業の存続にまで影響を及ぼす可能性があります。他社の先進事例や外部人材の知見を取り入れながら、サイバー攻撃から企業を守るための対策をしていきましょう。

• AI／IoT
• セキュリティ
• 事例