Repro Tech Meetup #4 AI実戦投入 Supported by AWS https://repro-tech.connpass.com/event/104028/

1. AIで改善できること
データサイエンティスト養成
読本の解説＋書き忘れたこと
Repro Tech Meetup #4 AI実戦投入 Supported by AWS
https://repro-tech.connpass.com/event/104028/
中山ところてん

2. 自己紹介
• ところてん
• @tokoroten
• 株式会社NextInt 代表
• 怪文章職人
• 最近の活動
• Veinをリリース
• データサイエンティスト養成読本
ビジネス活用編
• 最近の出稼ぎ
• 機械学習顧問（4社）
• Repro
• SIer
• ECプラットフォーム
• データ分析企業
• 新規事業コンサルティング（1社）
• ゲームディレクター(1社)
↓共著 ↓寄稿↓共著

3. Veinをリリース
https://introduction.vein.space/

4. Veinをリリース
https://open.vein.space/#/

5. Veinって何？
• グループ向けソーシャルブックマーク
• 記事を見た人のアイコンが並ぶ
• コメント投稿、スクショ投稿
• RSSリーダー
• 強いチームを作りたい
• 強いチームには雑談
• 雑談には共通の話題が必要
• 同僚の見た記事が分かるソーシャルブックマーク
• 従来のメディアはいけてない
• 共通の話題を持たせるために東スポ化
• 共通の話題＝エロ・グロ・ナンセンス

6. 私とAWS Loft
• VeinはAWSでホスティング
• 現在、約120ドル/月
• 週3でLoftで仕事している
• Loftで見かけたら、声かけて
• Yahooの人、スマンかった

7. データサイエンティスト養成読本 解説
• 10人の著者
• それぞれが原稿を書く
• それぞれの言葉で、同じ内容が記載
• 今回は同書の内容＋書き忘れたこと

8. 解説＋書き忘れたこと
• AIブームの背景、日本と北米の状況の違い
• 「顧客が本当に必要だったもの」と予算取り
• 機械学習と売上のレバレッジ
• コンサルティングを使えない企業
• 人事制度の問題
• 金融システムとの連携
• 企業間の契約とリスク分配
• 腹をくくれ

9. AIブームの背景、日本と北米の状況の違い
• 北米
• BIによる経営のインテリジェンス化が2000年代から進行
• ひとしきりデータがDWHに溜まっている
• 溜まったデータで何かできないか？
• よっしゃ、データあるしAIやってこ
• 日本
• BIブームを経ないで、AIブームが到来
• データが無いのにAIをやりたい
• 死
• BIの導入を説くも「それは時代遅れだから」で一蹴される

10. 顧客に何を売るべきか？
• 日本企業はLv0が多い、北米はLv2が多い
• Lv0企業がLv2商材を導入しようとして、事故る
データサイエンティスト養成読本 ビジネス活用編 92pより

11. 「顧客が本当に必要だったもの」と予算取り
• 偉い人
• ～～～～というビジネス課題を解決したい
• ぶちょー
• AIで解決することにすれば、予算獲得できるのでは？
• 細かいシステム投資を一緒にやりたい
• せや、AIベンダーに投げたろ
• 実際にあった怖い話（詳細は懇親会で）
• 偉い人：廃棄ロスを減らしたい
• 部長：廃棄ロスをAIで予測してほしい
• 本当にやるべきこと：契約の見直し
• 偉い人から本当の課題を聞き出す交渉力が必要
• 高確率で途中経路でねじ曲がった結果「AIでなんとかして」
https://dic.nicovideo.jp/a/顧客が本当に必要だったもの

12. 機械学習と売上のレバレッジ
• 機械学習により売上が0.1%上がると仮定
• 売上が1000億円であれば、1億円増
• 売上が1億円であれば、10万円増
• 大企業ほど機械学習の効果は大きい
• システム構築コストを考えると…
• 機械学習は「専門家の労働集約産業」を「設備産業」に転換する
• 設備産業に転換するだけの費用は支払えるか？
• 設備産業に転換するだけの需要はあるか？
• 中小企業が機械学習案件やっても、なかなか効果出ないすよ…
• 設備産業のスケールメリットを生かそう
• 難しいアルゴリズムを使いたい人は大企業に行け

13. キュウリ分類は何故失敗したのか？
• 問題は何か？
• 人間の能力が高い
• 人間の価値が安い
• 専門家集約産業がから設備産業
に切り替わったことを理解して
いない
• 事業拡大や外販を指向していない
https://news.mynavi.jp/article/20180606-642208/

14. コンサルティングを使えない企業
• コンサルティングファームは高い
• コンサルティングファームのコストを回収するには、
元の売り上げが十分に高い必要がある
• 売上規模が小さい会社は、コンサルティングファームに頼めない
• 売上規模が小さい会社がAI企業やSIerに来る
• コンサルティングファームに頼めない連中がやってくる
• コンサルティングが行われていないクソ案件が舞い込んでくる
• 顧客の言うままに作ると、確実に炎上
• フリーのコンサルを雇おう
• コンサルOBとか、私みたいなフリーランスは割と転がっている
• 業務分析をちゃんとやってから、発注しよう

15. 人事制度の問題
• 日本企業はメンバーシップ型雇用
• 会社に人が所属するという考え方
• 同一賃金・同一役職
• 逆は職務記述書に掛かれている仕事を行う、ジョブディスクリプショ
ン型雇用
• 仕事に人が所属する
• 同一賃金・同一労働
• メンバーシップ型雇用は市場価値の高い人材を雇用できない
• 給与を上げるには、高い役職を与えねばならない
• データサイエンティストを年収1000万で雇用するには、
部長職を与える必要があるため雇用できない
• 労働市場で適切な人材を雇用できなくなる

16. 金融システムとの連携
• 保険との連携
• 予測モデルの精度が高ければ、それはリスクモデルとして機能する
• リスクモデルが機能するのであれば、保険料が算定できる
• 融資との連携
• 将来の生産量や、生産品質が分かっていれば、融資と連携できる
• 先物取引や、将来生産物を担保にした融資が可能
• 現に古酒泡盛や、ウィスキーに対する投資事例が存在
• 古酒泡盛やウィスキーは、製造に数年かかる
• 酒造メーカーは、資金繰りが大変
• 貯蔵している原酒を担保に融資
• リスクを金で解決することによる事業スケーラビリティの確保
• 専門家の雇用を、機械学習＋金融システムで設備産業化
• 金があれば勝てる構造を作り出す

17. 企業間の契約とリスク分配
• 検収
• 精度が一定以上超えたら検収
• 精度が上がらないリスク
• 精度が一定ラインを超えたら、それ以上頑張るインセンティブが無くなる
• レベニューシェア契約や段階的検収
• 精度に応じて、段階的にボーナスを支払う
• 売上増分に応じたボーナスを払い出す
• 契約が企業の競争力を生む
• 保守
• 機械学習システムは、何もしないでも精度が劣化していく
• 再学習が必要
• 保守部門にも機械学習に関するノウハウが要求されている
• 保守部門に安い人材を配置するというSIerの戦略が効かない

18. 腹をくくれ
• 大企業は現在は機能していない
• 親会社、子会社、孫会社の会社の壁の問題
• メンバーシップ型雇用に基づく、人事制度の問題
• 法務・総務・契約の問題
• 大企業の商慣習が、機械学習と極めて相性が悪い
• 大企業が本気を出すと、恐ろしいことになる
• 元の売り上げがデカいので、機械学習のレバレッジが大きい
• 元の従業員が多いので、コスト削減効果も非常に大きい
• ベンチャーや中小企業が機械学習で勝てるのは、この一瞬だけ
• 腹をくくれ