前に出るAIエンジニアの案件切り分け術

「前に出るAIエンジニアの案件切り分け術」
富士通クラウドテクノロジーズ株式会社
データサイエンティスト
吉田孟弘
Copyright 2019 FUJITSU CLOUD TECHNOLOGIES LIMITED
AI業界ぶっちゃけどうなの？_LT大会
@FUJITSU CLOUD TECHNOLOGIES LIMITED

・ゆるふわ案件
・データの質がひどい
・すぐ求められる精度/上がらない精度
よくある話

「人工知能」はついに幻滅期へ
(ガートナーのハイプ・サイクル2019年版)

AIPoC ブーム

・AI技術に理解がある人材が少なく、コミュニケーションがか
み合わない
・モデルの精度が低い
・導入後の学習精度向上を自社で実施できない
・データの整備が困難
・AIプロジェクトを主とする人間が居ないため、片手間になっ
てしまっている
・開発費用/維持コストが高い
PoC中のユーザー企業は何を思うか

・ユーザー企業のデータが利用できず、結局収集から始まってし
まう
・AI人材が慢性的に足りない
・ユーザー企業のAIへの理解不足が顕著で話が前に進まない
・ユーザーから低価格化を要求される/投資意欲が低い
・学習アルゴリズムには詳しくなれるが、データホルダーではな
いので、受託から抜け出せない
PoC中のAIベンダーは何を思うか

AIベンダーとユーザー企業が
Win-Winになるためには？

そもそも、
無理な案件を刈り取る
(闇からは闇しか生まれない)

データは触らないとわからない
触ってから判断したい
理想
AIエンジニアは手を動かしすぎると、
あっさり営業工数をオーバーする
現実
ヒアリングで案件の確度をある程度探る必要がある

確度を探る
ふわっと案件を判別する
どんなデータがあるかで確度を探る
- -10

ふわっと案件

ふわっと案件を仕分ける
- -12
このワーシートが書けないうちは基本案件化しない
INFORMATION:データを解釈・分析して得られる情報
VALUE:対象となる人やプロセスの行動・振る舞いの変化
ACHIEVEMENT：業務改善や収益などのビジネス的なメリット
① どんな現状をどんな風に変えたいのか？
②or③ どんな情報があれば変化が起こるか
④ ビジネス的なメリットを生み出せるか
DATA:課題解決に必要なデータ項目
②or③ 変化を起こすために必要なデータ

どのデータがあるかを切り分ける

データに関して考えていること
- -14
データの
在り処
数値的な特性
業界
(ドメイン)
その業界特有の
データ
その会社が
保有しているデータ
追加収集すべきデータ
時系列のデータなのか？
教師データに極端な偏りがあるのか？

業界
- -15
まったく知らない業界相手のときは
「業界地図」を流し読み
同業者がまとまっているので、同業者を片っ
端から調べればどこかの企業で同様のAIプロ
ジェクトをやっている。
リリースやインタビューから、どんなデータ
がカギになったか探っていく。

データの在り処
- -16
社内データ社外データ
重要データ
(競争力を支える社外
秘データ)
・他社とのデータ連携
業界流通データ
(業界内で流通してい
るデータ)
・SNSデータの購入
・衛星画像の購入
オープンデータ・気象庁データの抽出
・Yahoo!知恵袋のデータ
ビジネス的な立ち位置から切り分ける

数値的な特性
- -17
データの特性に合わせたデータのきり分けを行っていく。
・トレンド
・周期性(seasonality)
・イベント(Event)
数年を通した販売の全体的な傾向。
例)景気やそのジャンルの人気の推移など
一年や一週間などを通した時の販売推移の周期性。
例)飲み屋は毎週金曜日の来客数が多い,鍋の素は冬によく売れる
祝日や特売日、台風など、何か特殊な日のデータ。
例)TVCMを打った期間,販売店舗が工事になった日
例：時系列需要予測の場合

データに関して考えていること
- -18
データの
在り処
数値的な特性
業界
(ドメイン)
その業界特有の
データ
その会社が
保有しているデータ
追加収集すべきデータ
時系列のデータなのか？
教師データに極端な偏りがあるのか？

他にも…
【準備】
・データベース設計書がきちんと出てくるか？
・相手がどこまでデータクレンジングできそうか？
(加工済みcsvファイル作れるエンジニアいる？)
【契約】
・精度の担保が契約書に入っていないか？
・モデルのバイナリファイルのみ納品なのか？GUI作って納品なのか？
【コミュニケーション】
・slackやbacklogを使った蜜な会話ができる相手だろうか？
etc…
- -19

無理な案件からは闇しか生まれない
そもそも
ある程度ヒアリングで前さばきをすることで、
PoC貧乏を回避していく

「前に出るAIエンジニアの案件切り分け術」
富士通クラウドテクノロジーズ株式会社
データサイエンティスト
吉田孟弘
AI業界ぶっちゃけどうなの？_LT大会 LT1

前に出るAIエンジニアの案件切り分け術

Recommended

Recommended

More Related Content

What's hot

What's hot (19)

Similar to 前に出るAIエンジニアの案件切り分け術

Similar to 前に出るAIエンジニアの案件切り分け術 (20)

前に出るAIエンジニアの案件切り分け術