Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

雇用・働き方の未来 人とインテリジェント・テクノロジー

50,571 views

Published on

人工知能(AI)が当たり前のように受け入れられる時代、人と機械の協業はビジネスの成否をより一層大きく左右するようになります。日本を含むグローバル調査結果に基づき、人間とAIの協業の重要性とこれからの企業に求められるアクションを提言します。

Published in: Career
  • Sex in your area is here: ❤❤❤ http://bit.ly/369VOVb ❤❤❤
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
  • Follow the link, new dating source: ❶❶❶ http://bit.ly/369VOVb ❶❶❶
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here

雇用・働き方の未来 人とインテリジェント・テクノロジー

  1. 1. 雇用・働き方の未来 人とインテリジェント・テクノロジー 2018年5月28日
  2. 2. 戦略コンサルティング本部 人事・組織管理 マネジング・ディレクター 宇佐美 潤祐
  3. 3. 1.グローバル調査「雇用・働き方の未来」 2.日本の特徴と考察
  4. 4. 3Copyright © 2018 Accenture. All rights reserved. 雇用・働き方の未来調査の位置づけ、変遷 位置づけ テクノロジービジョンに基づく 雇用、働き方、人事戦略に関する考察 これまでのテーマ 2015 2016 2017 2018 デジタル時代における 未来のワークフォース 未来のワークフォース:評価の在り方 雇用・働き方の未来:スキル革命 雇用・働き方の未来: 人とインテリジェント・テクノロジー 2019
  5. 5. 4Copyright © 2018 Accenture. All rights reserved. 最新の調査では、人間とAIの協働がテーマ アクセンチュアは、AIとの協働により、業界横断で2022年には38%の収益拡大、10%の雇用増加ポテンシャルがあると推計 10% 49% 41% 消費財 38% 全産業 2% 9% 専門サービス 51% 15% ヘルスケア 46% 21% 通信 10% 小売り 32%34% 11% 9% 金融 32% 化学 28% 6% 自動車 出典 Accenture 「Future Workforce : Reworking the Revolution」 より計量経済モデルによる推計 AIとの協働により、収益・雇用はどの程度増加するか? 収益の増加率 雇用の増加率
  6. 6. 5Copyright © 2018 Accenture. All rights reserved. 調査概要 各国の経営者・労働者を対象に、インテリジェントテクノロジーの活用に関する意識調査を実施(2017年9月~11月) 消費財から金融まで 幅広い業種の 労働者10,527人 (うち日本人1,038人) 経営者1,201人 (うち日本人100人) 18歳以上の 幅広い年齢層の労働者 11か国 日本、オーストラリア、ブラジル 中国、フランス、ドイツ インド、イタリア、スペイン 英国、米国 対象国 対象者 年齢・性別 44% 18~24歳 25~34歳 35~54歳 55歳以上 56%
  7. 7. 6Copyright © 2018 Accenture. All rights reserved. インテリジェントテクノロジーとは コグニティブテクノロジー(認知技術) 自然言語を理解し、質問に対して回答を行う技術 アナリティクス 高速度なキャプチャ、検出、分析を行うことで、膨大な多種多様なデータから、 経済的に価値を抽出する新世代のテクノロジーとアーキテクチャ ロボティクス ロボットの設計、構築、実装、運用に関する技術
  8. 8. 7Copyright © 2018 Accenture. All rights reserved. グローバル調査結果のサマリー 経営者・労働者共に、AIの戦略的重要性を理解しつつも、同時に不安も覚えており、AIとの協働に必要な新たなスキル習得を 課題と捉え、取り組みに着手を始めたステージ :Yes :No 経営者 労働者 AIの重要性 過去2年間に私の仕事における AIの重要性は増した 57% AIは戦略目標達成のために 重要である 54% 出典 Accenture 「Future Workforce : Reworking the Revolution」 60% AIの進歩を踏まえて 社員の再教育への投資を増加させる AIと協働するために 新たなスキルを習得することが重要 68% AIとの協働に向けた取り組みAIとの協働に向けた不安 AIは私の雇用に脅威を与える 48% 半数以上の従業員が AIとの協働の準備をできている 13%
  9. 9. デジタル コンサルティング本部 マネジング・ディレクター 保科 学世
  10. 10. 1.グローバル調査「雇用・働き方の未来」と結果 2.日本の特徴と考察
  11. 11. 10Copyright © 2018 Accenture. All rights reserved. 日本を取り巻く環境と考察 労働力不足により、人間とAIの協働が不可欠 AIとの協働に向けた労働者の意識変革と行動の遅れ AIに対する漠然とした労働者の不安
  12. 12. 11Copyright © 2018 Accenture. All rights reserved. 労働力不足により、人間とAIの協働は不可欠 超少子高齢社会の到来により、労働力の需給バランスは崩れ、2030年には約900万人の労働力が不足する 従って、AIを活用した人間の生産性向上、不足する労働力をAIで穴埋めするなど、AIとの協働は不可避である 1 内閣府「国民経済計算年次推計」より、2012-2016のGDP、1人当たりのGDPの伸び率をもとに推計 2 厚生労働省雇用政策研究会「平成27年度雇用政策研究会報告書:経済成長と労働参加が適切に進んだ場合の推定就業人口」 6,673 7,065 6,169 0 1,500 3,000 4,500 6,000 7,500 2016年の就業人口 2030年の推定成り行き労働需要1 2030年の推定就業人口2 +392万人 896万人不足 労働力(万人)
  13. 13. 12Copyright © 2018 Accenture. All rights reserved. AIとの協働に向けた労働者の意識変革と行動の遅れ 日本人労働者はAIとの協働に向けたスキル習得の重要性の理解、具体的なスキル習得の取り組み共に、 グローバルとのかい離が大きい 45% 50% 20% 60% 70% 80% 40% 90% 100% 60% 80% 100% 0% 日本 (X:46%、Y:24%) イギリス グローバル平均 (X:83%、Y:68%) インド 中国スペイン オーストラリア ブラジル フランス ドイツ イタリア アメリカ 過去1年間に、AIとの協働に向けたスキル習得に取り組んだ人の割合 AIと協働するために 新たなスキルを 習得することが重要 出典 Accenture 「Future Workforce : Reworking the Revolution」
  14. 14. 13Copyright © 2018 Accenture. All rights reserved. AIの影響を理解し、協働に前向きである 漠然とした不安を抱えている AIに対する漠然とした労働者の不安 労働者の25%はAIが自身の仕事にどのような影響をもたらすかイメージを持てていない 加えて、AIに対してポジティブな感情を持つ労働者は22%に留まり、漠然とした不安感を抱いていると考えられる 20% 20%10% 15% 25% 100% 40% 60% 80% 100% スペイン オーストラリア 日本 (X:25%、Y:22%) アメリカ ブラジル 中国 フランスドイツ インド イタリア イギリス グローバル平均 (X:15%、Y:62%) AIが私の仕事にもたらす具体的な変化が分からない1 AIが私の仕事に ポジティブな影響をもたらす 出典 Accenture 「Future Workforce : Reworking the Revolution」 1:雇用の不安、仕事の難易度向上、給与減少など11の選択肢より、想定される変化を選択しなかった割合
  15. 15. 14Copyright © 2018 Accenture. All rights reserved. 日本型AI協働モデルを 前提とした 業務プロセスの再考 人間とAIの協働の 効果を最大化する コラボレーションの 活性化 人間とAIの協働を 見据えた 教育機会・コンテンツの 提供 企業に求められるアクションとは 人間とAIの協働による効果を最大限に引き出すために、企業は仕事の在り方・働き方の変革が求められる 仕事を一から見直し タスク起点で洗い出す 新たな価値の創造に向けた エコシステムの活用 新しいスキルの学習を 強化する
  16. 16. 15Copyright © 2018 Accenture. All rights reserved. 企業に求められるアクションとは 人間とAIの協働による効果を最大限に引き出すために、企業は仕事の在り方・働き方の変革が求められる 日本型AI協働モデルを 前提とした 業務プロセスの再考 人間とAIの協働の 効果を最大化する コラボレーションの 活性化 人間とAIの協働を 見据えた 教育機会・コンテンツの 提供 仕事を一から見直し タスク起点で洗い出す 新たな価値の創造に向けた エコシステムの活用 新しいスキルの学習を 強化する
  17. 17. 16Copyright © 2018 Accenture. All rights reserved. 【参考】日本はAI活用による潜在的経済効果が高い 企業がAIを最大活用した場合とそうでない場合の、経済成長への影響の差が約3倍と各国に比べて大きい。 また、AIの活用が進まない場合における成長予想が最も低く、競争力の維持・強化にAIの活用は不可避と言える。 出典 アクセンチュアおよびフロンティアエコノミクス 「How AI Boosts Industry Profits and Innovation」 2.6% 2.1% 3.9% アメリカ 4.6% 4.1% フィンランド ベルギードイツイギリス 1.4%1.7% 3.6% スウェーデン 1.6% 3.2% 2.9%2.5% 3.0% 1.4% 3.0% オーストリア 1.7% フランス 0.8% 2.7% 日本 1.6% 2.7% 1.7% 1.0% 2.5% スペイン 1.8% イタリアオランダ ベースラインシナリオ AIシナリオ 2035年の各国のGVA成長率(GDP成長率にほぼ相当)の比較 日本型AI協働モデル AI教育 コラボレーション
  18. 18. 17Copyright © 2018 Accenture. All rights reserved. 17 AI活用事例 スケジュール調整バーチャルエージェント Hiromin
  19. 19. 18Copyright © 2018 Accenture. All rights reserved. 【参考】人間とAIの役割分担とは? 協働を前提に、いかに仕事を再設計していくかが重要 人間が得意とする領域 課題 定義 ルール 定義 抽象的 問題の取扱 柔軟な 対応 共感 社会適合性 判断 スピード 安定した サービス レベル 知識量 大量データ 解析/検知 24時間 365日 労働 機械との 対話 AIが得意とする領域 人間単独 68% <顧客満足度> 人間+AI 88% AI単独 60% 顧客と会話 オペレーター 会話に応じて 情報を提供 AI 得 意 分 野 お 客 様 対 応 で の 協 働 例  AIは、特定領域では人間を大きく 越えるパフォーマンスを発揮する、いわゆる” スペシャリスト”と言える  人間とAIそれぞれの得意分野を踏まえ、 自動化するべき作業と、人がさらなる価値を 生むための作業をまず棚卸し、業務プロセス を改めて再構築することが肝要  人間とAIが協働することで、 単独時よりも高い成果が見込める 出典 Accenture 「Technology Vision 2018」 日本型AI協働モデル AI教育 コラボレーション
  20. 20. 19Copyright © 2018 Accenture. All rights reserved. 労働集約性の高い分野でAIとの協働が先行する見通し 全産業共通で有効求人倍率が上昇しているが、サービス・接客などのひっ迫度が高く、人間が持つ技術・ノウハウを活用し、 AIとの協働が先行すると考えられる 出典:厚生労働省「一般職業紹介状況(職業安定業務統計)」をもとに、アクセンチュア集計 2013-2017年の有効求人倍率 1,0倍 2,0倍 0,5倍 1,5倍 2,5倍 1,0 1,9 1,3 0,9 2013年 1,6 1,2 2014年 1,1 2015年 2,2 2016年 2,5 1,4 2017年 サービス・接客 全職業平均 有効求人倍率 日本型AI協働モデル AI教育 コラボレーション
  21. 21. 20Copyright © 2018 Accenture. All rights reserved. 世界最高水準のサービス・接客のノウハウをAIに活用 AIの業務品質は、アルゴリズムに加えて、データの品質・量が及ぼす影響が大きい 日本は高品質なサービスを行う人間の層が厚く、データの品質・量の双方でグローバルに対して優位な立場にある 日本型AI協働モデル AI教育 コラボレーション AIの品質向上のドライバー 質量伴うデータ構築を可能にする土壌 アルゴリズム (思考) データ (知識) • 各アルゴリズムの進歩の先には、類似の目的で開発された アルゴリズムのコモディティ化が想定される • アルゴリズムも重要ではあるが、学習させるデータ品質・量が AIの品質を左右する決定だとなりつつある 消費者の高い期待に応えられる サービス提供者の層の厚さ • 消費者の高い期待が、サービス提供レベルを向上させる力学 となり、多くの水準の高い知識・技術・ノウハウをもとに、データ の蓄積が可能 “オモテナシ”に代表される 特別なサービスレベルを提供する人間の存在 • 特殊な知識・技術・ノウハウを持つサービス提供者もおり、 グローバルには不可能な情報を蓄積可能
  22. 22. 21Copyright © 2018 Accenture. All rights reserved. 産業用ロボットインストールベースランキング 製造業の高い技術は優れた「手足」に 人間の“思考”にあたるアルゴリズムや、“知識”にあたるデータに加え、 “手足”にあたる高品質なアクチュエーターの開発・製造技術を有する日本は、AIとの協働時代において発展性が高い 出典: Top robot companies in the world / robot install base worldwide (Robotics & Automation NEWS, 2015、 2018/4 last updated 日本型AI協働モデル AI教育 コラボレーション
  23. 23. 22Copyright © 2018 Accenture. All rights reserved. 日本におけるAIとの協働モデルとは? 前述の労働力不足を背景とした必然性、経済予測を背景とした期待に加え、日本は“技術”と“データ”の強みを有しており、 それらを活用した独自のAIとの協働モデルを模索すべき 日本型AI協働モデル AI教育 コラボレーション AI 労働人口の 不足による 必然性 人間による 高品質サービスの 学習機会 高い技術力を 持つ製造業
  24. 24. 23Copyright © 2018 Accenture. All rights reserved. 企業に求められるアクションとは 人間とAIの協働による効果を最大限に引き出すために、企業は仕事の在り方・働き方の変革が求められる 日本型AI協働モデルを 前提とした 業務プロセスの再考 人間とAIの協働の 効果を最大化する コラボレーションの 活性化 人間とAIの協働を 見据えた 教育機会・コンテンツの 提供 仕事を一から見直し タスク起点で洗い出す 新たな価値の創造に向けた エコシステムの活用 新しいスキルの学習を 強化する
  25. 25. 24Copyright © 2018 Accenture. All rights reserved. 人間とAIの協働のために必要な教育とは AIを開発・活用するための技術的・学術的な知識・スキルの習得も重要ではあるが、「人間とAIとの協働の在り方」を問うことこそ がAI教育の根幹であり、不可欠な要素である 日本型AI協働モデル AI教育 コラボレーション 重要ではあるものの、AIとの協働の手段方法であり、時代・ 技術の変化に応じて絶えず学ぶべき内容  統計、数学などの知識  プログラミング、ビッグデータ処理などに関するICT知識  アルゴリズム、ライブラリー、ツールの活用法  リアルな状況・データを用いた実践 など 教育内容例 人間とAIとの協働における根幹であり、AI教育初期段階 で理解・習得し、絶えず意識すべき内容  解決すべき社会課題は何か?  人間とAIの特性を踏まえ、AIに解かせるべき課題・論点は何か?  人間とAIの特性を踏まえ、自身が解くべき課題・論点は何か? など AI教育の構造のイメージ AI教育の 根幹 表層的な AI教育
  26. 26. 25Copyright © 2018 Accenture. All rights reserved. AI教育事例 課題解決型ロボットプログラミング講座 Robo*C
  27. 27. 26Copyright © 2018 Accenture. All rights reserved. 事例:産学連携人材育成コンソーシアムの設立 「サーキュラーエコノミー推進機構」 が産学を結び付け、AIの進歩と企業側ニーズも踏まえたAI教育の浸透を目指す 従来のAI教育 サーキュラーエコノミー推進機構でのAI教育 企業 • 解決すべき課題、課題に関するリアル データを有するも、AI技術者、アナリティ クス人材が圧倒的に不足 大学・研究機関 • 潜在的なデータサイエンティスト、AI技 術者が居るものの、実ビジネスケース、 実データを有しておらず、実践経験不 足により真のデータサイエンティストが育 たない 企業 • 解決すべき実課題、課題に関するリア ルデータを提供し、ビジネスの現場で活 躍できるデータサイエンティスト、AI技術 者の育成を下支え 大学・研究機関 • 潜在的なデータサイエンティスト、AI技 術者人材を輩出 サーキュラーエコノミー推進機構 • AI活用経験の豊富なエキスパートが産 学の懸け橋となるAI技術者を育成 日本型AI協働モデル AI教育 コラボレーション
  28. 28. 27Copyright © 2018 Accenture. All rights reserved. 企業に求められるアクションとは 人間とAIの協働による効果を最大限に引き出すために、企業は仕事の在り方・働き方の変革が求められる 人間とAIの協働を 見据えた 教育機会・コンテンツの 提供 新しいスキルの学習を 強化する 日本型AI協働モデルを 前提とした 業務プロセスの再考 仕事を一から見直し タスク起点で洗い出す 人間とAIの協働の 効果を最大化する コラボレーションの 活性化 新たな価値の創造に向けた エコシステムの活用 日本型AI協働モデル AI教育 コラボレーション
  29. 29. 28Copyright © 2018 Accenture. All rights reserved. コラボレーションによる効果拡大 AIを活用するにあたり、自社内開発のみならず、社外とのコラボレーションも行う企業は、そうでない企業と比較し約2倍のスピード で企業価値を向上させている コラボレーティブ発明者(17%) • コアビジネスの変革にAIを活用している • AIを社内で開発し、AIに必須の資産を持つことで利益を 得ている • 資産の共有やAIの共同開発のために社外と協業している 発明者(14%) • コアビジネスの変革にAIを活用している • AIを社内で開発し、AIに必須の資産を持つことで利益を 得ている • 人材確保のためだけに社外と協業する コラボレーター(13%) • ビジネスの価値を増加させるためにAIを活用している • AIソリューションやサービスを導入するために社外と協業し、 社内の開発は限定的 観察者(56%) • ビジネスの変革や増大に対する価値をAIにあまり見出し ていない 発 明 A I Q コラボレーションAIQ 企業価値向上 4.2%/年 出典 Accenture 「AIQを磨け」 日本型AI協働モデル AI教育 コラボレーション その他企業の価値向上 平均2.3%/年
  30. 30. 29Copyright © 2018 Accenture. All rights reserved. 事例:人工知能を活用したタクシーの「配車支援システム」 タクシー運行実績に、スマートフォンの位置情報ビッグデータを利用して生成する人口動態予測やイベントなどの情報を掛け合わ せて予測したタクシー需要を配信する「配車支援システム」を開発し、東京都内で試験導入。 29 日本型AI協働モデル AI教育 コラボレーション
  31. 31. 30Copyright © 2018 Accenture. All rights reserved. 事例:イノベーションを創出するコラボレーション環境の整備 アクセンチュア・イノベーション・ハブ東京は、世界の機関・人材・知見と連携してイノベーションを創出し、東京から世界に発信する拠点 Accenture Innovation Hub Tokyo 特徴 • オープンイノベーションを推進するネットワーク • アクセンチュアのグローバル アライアンス パートナー企業 • アクセンチュアジャパンの専門家 + 知見 • アクセンチュアグローバルの専門家 + 知見 日本型AI協働モデル AI教育 コラボレーション

×