Aidemy

AIビジネスクリエーションワークショップ
2019年8⽉6⽇（⽕）14:00-17:00
@⽇本マイクロソフト名古屋
主催：株式会社アイデミー

（株）アイデミー紹介
会社名株式会社アイデミー
経営理念先端技術と産業領域の融合に取り組む⼈と組織を⽀援する。
株主
経営陣, 東京⼤学エッジキャピタル(UTEC),
Skyland Ventures, 他個⼈投資家12名
所在地東京都⽂京区本郷7-3-1 東京⼤学アントレプレナープラザ3階
技術監修加藤真平准教授（東京⼤学⼤学院情報理⼯学系研究科）
設⽴ 2014年6⽉
資本⾦（資本準備⾦含む） 110,621,000円
従業員数
45名
（2019/1/31現在、アルバイト・業務委託を含む）
《代表取締役略歴》
⽯川聡彦（いしかわあきひこ）。イニシャ
ルがAI。元歌舞伎⼦役。株式会社アイデミー
代表取締役CEO。ソフトバンクアカデミア
5.5期⽣。東京⼤学⼯学部卒。著書『⼈⼯知
能プログラミングのための数学がわかる本』
（KADOKAWA/2018）など。

株式会社アイデミー
法⼈事業部
コンサルティングマネジャー
⽊之内毅
国内SIer、外資系コンサルティング会社を経て、現職。
SCM/会計/⼈材管理/マーケティング等、多岐に渡る
領域での業務改善等の⽀援に従事。各種メーカー/⼩
売/商社等の幅広い業界に知⾒を持つ。アイデミーで
はAIを使った事業化の⽀援や、組織開発などを中⼼に
担当。
4

5
本⽇のアジェンダ
14:00 ワークショップの概要紹介（15分）
14:15 機械学習のプランニングワークショップ(55分)
15:10 休憩（10分）
15:20 機械学習のモデリングワークショップ(30分)
15:50 機械学習のデプロイワークショップ(25分)
16:15 機械学習プロジェクトを⽀えるMicrosoft AI 関連サービスと製造業事例のご紹介(30分)
16:45 Aidemyの紹介(10分)
16:55 質疑応答(5分)

6
15:10 休憩（10分）
16:55 質疑応答(5分)

7
本⽇のワークショップ
適宜お茶休憩
OK＆⾷べ物は
NG
スライドは
後ほどPDF
で配布
写真撮影
OK＆ツイート
して拡散奨励

8
ワークショップの物品確認
üAidemyチラシ（2枚）
üワークシート（1セット4枚）
üModel Canvas サンプル（1部4枚）
ü専⾨⽤語集（1枚）
üアンケート（1枚）
üID/PASS（1枚）
üボールペン（1本）

9
AIですべての産業が再定義される。
AIを制するものが未来を制する。
- 孫正義

10
AI関連プロジェクトで⼤きな問題の「PoC死」
PoCが成功しなかったから。
成功するPoCをもともと定義できていなかったから。

11
現場から
AIで解ける
課題が出ない
実運⽤時の
リスクやフローを
把握できない
事前に
「PoCの成功」
を定義しない
AI関連プロジェクトで⼤きな問題の「PoC死」
PoCで検証すべき点が不明確なため、
決裁者が⾃信を持って実運⽤を意思決定できない。

12
PoC死を誘発しうるプロジェクト危険ワード
他社で聞いた
課題に挑戦しよ
う。
⼿元のデータで
出来ることをや
ろう。
⼈間が説明
不可能なフロー
をAIでやろう。
精度は当然
⾼いほうが
良いよね。
そもそも解くべき課題やゴール設定が間違っている。

13
Aidemyのソリューション
AIに特化した課題発⾒の⽅法やPoC前に検討すべき
項⽬をまとめた思考フレームワークを開発しました。
（MLモデルのRFPとしても使えます。）

15
Aidemyのソリューション
今回のワークショップでは、
ML Business Canvas を使いながら、
AIで解くべき課題の発⾒・ブラッシュアップを⾏います。

16
⾃⼰紹介（5分）
・会社名
・部署
・名前
・AIで解きたい課題

17
お⼿元のワークシートをご覧ください。
ü まずは2枚⽬の「Plannning Prosess」の
シートを使います。空欄に要素を埋めてい
きながら、機械学習で解くべき課題を整理
していきます。
ü 皆さんは「事業部の管理職」になったと仮
定し、機械学習で解決したい業務課題を整
理します。
ü SIerなどにお勤めの⽅はエンドのお客様の
課題を書き、どのように課題解決すべきか
整理します。

18
14:50 休憩（10分）
16:15 質疑応答(10分)

19
機械学習の
プランニング
ワークショップ
（55分）

20
機械学習プロジェクトのスタートライン
まずはプロジェクトの制約条件を明確化します。
期間予算
求める
成果

22
課題のブレインストーミング
現状
（As Is）
将来
（To Be）
将来α
将来β
「将来と現状のギャップ」
が「課題」である。

24
機械学習で解くべき領域
MLで解ける領域MLで解けない領域
MLで解くべき領域
MLで解くべきで
ない領域
・データがある/取得できる
・インプットとアウトプットを明確
に定義できる
・100％の精度を求めなくても良い
…etc
・データがない/取得できない
・インプットとアウトプットが明確に
定義できない
・ 100％の精度を求めなければいけな
い
…etc
・条件が簡潔
…etc
・条件が複雑
…etc
機械学習の
スイートスポット

26
アクション
データ取得
モデリング
作業
システム
統合
（ソフト/ハード）
実際にシステム運⽤を⾏うために
必要なステップを細かく記載します。

28
機械学習とビジネスインパクト
⾦銭的インパクト
⾦銭的コスト
精度
⽣み出される
価値
（a）（b）（c）
⽬視とのWチェック
運⽤開始
省⼒化達成
完全⾃動化達成
⼈間の精度

29
機械学習におけるコストとは？
データの準備
ü データの取得
ü アノテーション
（ラベル付け）
ü データクレンジ
ング
ü 管理規定との調
整
PoCの難易度
ü 検証スコープ数
ü 必要なモデル精
度
ü 実際の運⽤イ
メージ確認
実運⽤の難易度
ü 既存システムと
のつなぎこみ
ü 改良改善プロセ
スの実施
ü チーム体制とタ
スク設計
コストが⼩さい
コストが⼤きい
○
☓
△

30
機械学習とビジネスインパクト
⾦銭的コスト
精度
投資対
効果＋
投資対
効果＋
投資対
効果−
必要となるコスト
⽣み出される
価値
（a）（b）（c）
⽬視とのWチェック
運⽤開始
省⼒化達成
完全⾃動化達成
⼈間の精度

32
ビジネスシナリオとインパクト
選んだ課題を解決しなければいけない背景、
その課題は解決された場合のインパクトを定量的に記述します。
【ビジネスシナリオ】
選んだ課題のオペレーションの中で
現状のボトルネックを
明らかにして定量的に記述する。
【ビジネスインパクト】
課題が解決した時のインパクトを
精度との関係性と共に
定量的に記述する。

34
プランニングプロセス完了！
机の横の⼈と、今回のプランニングプロセスを
⾏ってみて気づいたことをひとり2分程度でシェアしましょう。

36
15:10 休憩（10分）
15:20 機械学習のモデリングワークショップ(30分) →15:27再開
16:55 質疑応答(5分)

37
15:10 休憩（10分）
16:55 質疑応答(5分)

38
機械学習の
モデリング
（30分）

39
機械学習とは？
データの集合から⾃動的に
関数を獲得する⼿法。

40
機械学習と関数
任意の画像が
0か1か判別する関数
インプットデータ
（ex）
画像データなど
アウトプットデータ
（ex）
0 / 1 正解ラベル
任意の画像が
0か1か判別する関数
インプット
未知のデータ
アウトプットアウトプット
正しく判別できる正しく判別できない
（訓練フェーズ）（推論フェーズ）

41
分析⽬的とは？
どんなデータを予測
すべきなのか、
分析のゴールの記載
分析する上で
必要な制約条件
の記載

43
⼊⼒データと出⼒データ
⼊⼒データ
⼊⼒機器
出⼒データ
出⼒機器
機械学習モデル（関数）

45
成果基準
⾦銭的コスト
精度
⽣み出される
価値
（a）（b）⼈間の精度（c）

47
モデリングプロセス完了！
机の横の⼈と、今回のモデリングプロセスを

49
15:10 休憩（10分）
16:55 質疑応答(5分)

50
機械学習の
デプロイ
（25分）

51
エッジとオンプレとクラウド
クラウドサーバーオンプレサーバー
センサー
エッジデバイス
（IoTデバイス）
クラウド環境オンプレ環境
ML ML
ML
☓
（数百ms）
遅延
（レイテンシー）
○
（数ms〜数⼗ms）

53
機械学習と精度変化
精度
時間
▲
再学習
▲
再学習
【連続的変化】
ü 未学習データパターンの混⼊
【断続的変化】
ü データの質的変化
（取得環境/内容など）
ü 学習データ量・質の増⼤

54
前提条件の変化
運⽤を停⽌すべき
リスクの洗い出し
運⽤を停⽌する
マクロ環境の
変化はなにか？

56
デプロイプロセス完了！
机の横の⼈と、今回のデプロイプロセスを

57
企画書完成
Planning Process Modeling Process Deploy Process
内容を要約してSummaryに記載して企画書は完成です。

59
まとめ
AIで解くべき
課題を事前に
選定する。
PoCで検証すべき
点や⽬標精度を
明確化する。
企画の解像度を上げてからPoCに踏み切ることで、
PoC後の成功確率を⾼めることができます。

60
製品版「BizDev Intensive Plan」
さらに深い技術の概論を学びつつ、コンサルタントが実際の
企画書の添削を⾏い、企画の解像度をさらに上げるプランです。
管理職向け
1on1
コーチング
チーム向け
少⼈数
コンサル
⼤規模向け
セミナー
スタイル

61
15:10 休憩（10分）
16:55 質疑応答(5分)

62
15:10 休憩（10分）
16:55 質疑応答(5分)

64
Aidemyとは？
Aidemyは、AIに強い組織体制を構築するための
クラウドソリューション“Aidemy”を
開発・運営している東⼤発ベンチャー企業です。

65
Aidemyとは？
• 難解な専⾨書が多く時間がかかる
• コードを書くまでに必要な環境構築
• 20万円以上専⽤ハードウェア準備
• AIの社内⼈材が育成できていない
• データドリブンカルチャーが全社に
根付いていない、等
• ⾃社ではAI⼈材がおらず作れない
• AIベンダー丸投げでノウハウが蓄積
されていない、等
ビジネスの上流
ビジネスの下流
a. AI⼈材がいない
（チーム・組織体制構築）
b. AIビジネスを定義できない
（課題発⾒・要件定義）
c. AIシステムが作れない
（試作品作り・実運⽤）
⼈材
・
組織
社会
実装

66
Aidemyとは？
⼈材
・
組織
社会
実装
AI SaaS事業
Aidemy Business Cloud
AI プラットフォーム事業
（マッチング）
Aidemy Intensive Plan
（ソリューションサポート）
Aidemy Technology
提供中
新規事業

67
Aidemyとは？
⼈材
・
組織
社会
実装
AI SaaS事業
（マッチング）
（ソリューションサポート）
Aidemy Technology
提供中
新規事業
AI⼈材の育成を
⽪切りに、AI活⽤の
要件定義サポートや
社会実装サポートを
⾏っています。

68
【チーム・組織体制構築サポート】Aidemy Business Cloud

69
AI学習サービス
ユーザー数
No.1
AI学習サービス
コード実⾏回数
No.1
AI関連の講座
40コース
以上受け放題
毎⽉2講座以上
アップデート中
200万回以上
実⾏回数を記録
35,000名以上
受講⽣の実績

70
補完機能やハイライト機能もった
使いやすいオンラインエディタ
matplotlibなど画像の出力にも対応した
Aidemy独自開発のコンソール
Aidemyが独自開発したコンテンツと
知識を定着させるための課題
+ 管理者⽤のカリキュラム設定や成績管理画⾯を提供

71
管理者ビュー：テスト受験者管理
受講者の受講ログおよび受験者の
成績情報の確認が可能です。

73
【課題発⾒・要件定義サポート】Aidemy BizDev Intensive
2時間×3セッションでAIの概要を把握
セッション中に企画の発散・収束を実施
企画書は弊社データサインティストが添削して返却
AI/PoCに取り組む課題を創出するコンサルティングソリューション。

74
【課題発⾒・要件定義サポート】Aidemy BizDev Intensive
管理職向け
1on1
コーチング
チーム向け
少⼈数
コンサル
⼤規模向け
セミナー
スタイル
様々なデリバリータイプで課題発⾒・要件定義をサポートします。

75
【PoC・実運⽤サポート】Aidemy Technology
バーチャル
OJT形式で
PoC制作
プロフェッショ
ナル顧問
紹介
MLモデルの
セカンド
リファレンス
企画したモデルの制作・実運⽤に向けたサポートを⾏います。

76
Aidemyの⽬指す⽅向性
AI⼈材の育成を⽪切りに、要件定義や実務サポートなど、AIに強い組織
構築やプロジェクト成功に向けた統合的ソリューションを提供します。
AI⼈材の育成
AIで解決する課題の
要件定義・明確化
実際のプロトタイプ
の作成サポート
AIソリューションの
実運⽤サポート
Aidemy Technology

77
Aidemy Business Cloud お試しアカウント
本⽇、お配りした「無料お試しアカウント」をご活⽤ください
https://event0806.aidemy.jp

78
15:10 休憩（10分）
16:55 質疑応答(5分)

80
THE END OF FILE.
アンケートはお⼿元に置いてお帰りくださいませ！

Aidemy

More Related Content

Similar to Aidemy

More from ssuser72fb17

Aidemy