More Related Content
Similar to 自然言語処理のビジネス活用新事例
Similar to 自然言語処理のビジネス活用新事例 (20)
Recently uploaded
Recently uploaded (13)
自然言語処理のビジネス活用新事例
- 1. 株式会社UBIC 行動情報科学研究所 所長 武田秀樹 2016.6.25 自然言語処理のビジネス活用新事例 第1回 Machine Learning 15minutes! Confidential
- 2. © UBIC,Inc. 2016 Proprietary and Confidential2 自己紹介 武田 秀樹 株式会社UBIC 執行役員 CTO / 行動情報科学研究所 所長 1996年、早稲田大学を卒業、専攻は哲学。自然言語処理を応用した情 報発見を得意とする。複数のベンチャーで新規事業の立ち上げに参画 後、2009年UBIC入社。多彩なバックグランドを持つ研究者、開発者 を集め、人工知能「KIBIT（キビット）」の研究開発を指揮する。証 拠発見・調査分野への人工知能適応に取り組み、世界に先駆けてアプ リケーション開発に成功している。
- 3. © UBIC,Inc. 2016 Proprietary and Confidential3 会社概要 会社名: 株式会社UBIC 証券コード: NASDAQ: UBIC, 東証マザーズ: 2158 代表取締役： 守本正宏 設立年月日: 2003年8月8日 資本金： 1,705,931千円（2016年3月31日時点） 事業内容: ■ディスカバリ支援サービス ■コンピュータ・フォレンジックサービス、フォレンジックトレーニング・ツール販売 主要顧客: 官公庁（警察・防衛省・海上保安庁・金融庁等）、企業・法律事務所
- 4. © UBIC,Inc. 2016 Proprietary and Confidential4 新商号について 新しい商号 株式会社FRONTEO（フロンテオ） 2016年7月1日（金）、商号変更を予定
- 5. © UBIC,Inc. 2016 Proprietary and Confidential5 なぜ自然言語処理をビジネスに活用するのか？ エキスパートの判断を助けたい エキスパートの判断を最大化したい 生産性を上げる やりたい仕事に集中してほしい
- 6. © UBIC,Inc. 2016 Proprietary and Confidential6 なぜ自然言語処理をビジネスに活用するのか？ 自然文の中には、 様々な人間の知恵が含まれている
- 7. © UBIC,Inc. 2016 Proprietary and Confidential7 どんなエキスパートをサポートしているか？ • 人工知能「KIBIT」は、人の行動を学び、判断をサポートする • 学んだ人の直感に基づいて評価軸を形成することで、その人の判断基準に合致した情 報抽出を行う 医師 看護師 リサーチャー 営業 マネージャー 警察官 弁護士
- 8. © UBIC,Inc. 2016 Proprietary and Confidential8 どのように自然言語処理をビジネスに活用するのか？ １．自然文の中に含まれている、エキス パートの判断（暗黙知）を活用する ２．分析対象となる業務のメカニズムをモ デル化する ３．アプリケーションによって業務プロセ スも含め、簡易に提供可能にする
- 9. © UBIC,Inc. 2016 Proprietary and Confidential9 UBICの人工知能「KIBIT(キビット)」とは Landscapingと行動情報科学を掛け合わせたUBIC独自の人工知能 学習・評価を担う人工知能関連技術 大規模ナレッジを構成するアプローチ Landscaping 行動情報科学 KIBI（機微）：人間の微妙な心の動き BIT：情報量の最小単位
- 10. © UBIC,Inc. 2016 Proprietary and Confidential10 UBICの人工知能技術の提供方法 アプリケーションと領域知識（業務知識）が重要
- 11. © UBIC,Inc. 2016 Proprietary and Confidential11 事例：監査 大手製造業
- 12. © UBIC,Inc. 2016 Proprietary and Confidential12 導入事例：監査 大手製造業 メール監査を行い、リスクの発生を低減 する UBICの人工知能の目的 メールに対して監査を行い、大量のメールの中か ら、リスクに関連するメールを発見する。 【対象職種】監査
- 13. © UBIC,Inc. 2016 Proprietary and Confidential13 導入事例：監査 大手製造業 • 高い捕捉率を保ちつつ適切な数量のメールを抽出可能。 • キーワードの設定が不要。 • キーワードのメンテナンスも不要。 • ヒットしたメールの中で優先度をつけることが可能。 • 人工知能が社員の監視をサポート。
- 14. © UBIC,Inc. 2016 Proprietary and Confidential14 導入事例：監査 大手製造業 会社への不平不満を持つ ・給料が安い ・降格させられた 不安・心配事 ・借金がある ・大きな病気になる ・交通事故等を起こす ・情報をパソコンへ移動 ・情報を統制の穴に移動 ・情報を自宅へ移動 ・転職先へ情報移動 ・情報の売買 ・情報資産の物色 行動情報科学の適応例。行動情報科学により導き出した情報漏洩までの３つのステップ 醸成 （動機・正当化） 準備 （機会） 実行 ・管理者による把握 ・会社内での飲み会 ・コミュニケーション ・専門スタッフによる メールチェック 定性的な情報把握 （目利き・専門家） ・情報管理規定類へのアクセス ・機密情報へのアクセスログ ・異常なアクセスログ ・未許可外部デバイスの使用履歴 ・ファイルコピー履歴 定量的な情報把握 （ログ情報） 不平・不満が多く現れる醸成ステップではメー ルへの記述が多く現れる。
- 15. © UBIC,Inc. 2016 Proprietary and Confidential15
- 16. © UBIC,Inc. 2016 Proprietary and Confidential16 特許調査・分析の現状と課題 世界の特許出願件数の増加、技術の高度化・ 複雑化により、これまでの人的リソースでは 対処できなくなっている。 特許検索にはスキルが必要とされるため、 研究部門など他部門が独自で特許調査を おこなうことが難しい。 これまでの検索方法では、見なくても良い 文書が大量にヒットしてしまったり、検索 漏れが発生する 多様化する特許情報の利用や情報入手の手段の増加、国内市場の縮小や拠点の国外移転など、 特許調査を取り巻く環境は大きく変化しています。この変化に十分対処していくことが、これ からの知財戦略に求められてきます。 人的リソースの 限界 不可欠な検索スキル 検索精度 スピードUpと 効率化が必要 検索スキル不要 検索精度の向上 【課題】
- 17. © UBIC,Inc. 2016 Proprietary and Confidential17 概念検索など、他の検索方式との違いについて 特許調査における課題 ①調査対象の決定 → 漏れの無い且つノイズの少ない母集合の作成 ②スクリーニング時間の短縮と調査漏れの回避 従来型調査 面積＝調査対象件数 ノイズ数 漏れ回避率 ・ ・ ・ ・ ・ ・ ・ ・ ・ ・・ ・ ・ 調査漏れ サーチャーによる 検索式のチューニング ☞ 検索範囲を狭くした分、漏れる 可能性が高まる ☞ 調査範囲の劇的な絞込みが 難しい ☞ 検索範囲を狭くする必要が無く なり、漏れる可能性が低下。また 検索式作成に要する時間を低減 ☞ 調査工数を大幅に削減 PATENT EXPLORER ・ ・ ・ ・・ ・ ・・ ・ ・・ 面積＝調査対象件数 ノイズ数 漏れ回避率 ・ Score LowHigh 人工知能による スコアリング 調査対象 の絞込み 漏れが多い ノイズが多い 調査範囲A 調査範囲B 面積＝調査対象件数 ノイズ数 漏れ回避率 ・ ・ ・ ・ ・ ・ ・ ・ ・ ・・ ・ ・ 検索の概念 調査範囲A 調査範囲B 調査範囲B 調査範囲A ・該当公報
- 18. © UBIC,Inc. 2016 Proprietary and Confidential18 ビジネスインテリジェンス（調査支援） 導入事例：大手重工業
- 19. © UBIC,Inc. 2016 Proprietary and Confidential19 ビジネスインテリジェンス（調査支援） 導入事例：大手重工業 人工知能がレポート作成を4～9倍効率化 迅速な経営判断をバックアップ！ UBICの人工知能が実現したこと 有益な情報を学習した人工知能が情報抽出を行 うことで、レポート作成が4～9倍効率化された。 【対象職種】事業戦略、事業企画、営業企画、マーケティング、Ｒ＆Ｄ等
- 20. © UBIC,Inc. 2016 Proprietary and Confidential20 ビジネスインテリジェンス（調査支援） 導入事例：大手重工業 お客様の状況 5名体制で、経営層が自社事業ドメインの経営判断や業界動向 を理解するための調査レポートを定期的に提出していた。 お客様の課題 RSSなどで収集した業界動向や競合情報を、全て目で確認して レポート作成を行っていたため、非常に手間がかかっていた。 導入の経緯 プログラミング言語のRやPythonを利用して、情報の抽出を行 おうとしたが満足できる結果が出なかった。そのためUBICにご 相談いただき検証を実施した結果、効果が認められたため、 KIBITを搭載したUBICのBIソリューション「AI助太刀侍」を採 用いただくに至った。
- 21. © UBIC,Inc. 2016 Proprietary and Confidential21 その他 ニュー スソース RSSから書き出したテキストファイルのインポート 人工知能「KIBIT」による分析・分類・スコアリング 社内用 レポート 外部ニュースWebメディア ビジネスインテリジェンス（調査支援） 導入事例：大手重工業
- 22. © UBIC,Inc. 2016 Proprietary and Confidential22 ＊精度：抽出上位50件の文書を見た際に、見つけたい文書である正解率 ロイター：エネルギー分野 精度95% 効率性 8.7倍 SmartBrief_ASME 精度92% 効率性 6.9倍 Green Car Congress 精度80% 効率性 3.9倍 情報抽出に人工知能を導入した際の効果 市場情報に関する有用な記事の抽出を、それまでの人の手によ る作業に比べて、約4～9倍の効率性で行うことができた。 ビジネスインテリジェンス（調査支援） 導入事例：大手重工業
- 23. © UBIC,Inc. 2016 Proprietary and Confidential23 転倒・転落防止システム with NTT東日本関東病院
- 24. © UBIC,Inc. 2016 Proprietary and Confidential24 医療現場の課題 医療現場においては、入院患者の高齢 化などを背景に、入院中の転倒リスク が高まっている。 一方、医療スタッフは、ケア業務の増 加によって患者と向き合う時間が奪わ れ、看護業務が繁忙化している。
- 25. © UBIC,Inc. 2016 Proprietary and Confidential25 院内における転倒・転落の要因 転倒 転落 薬物 精神 状態 痛み 運動 機能 視覚 聴覚 栄養 状態
- 26. © UBIC,Inc. 2016 Proprietary and Confidential26 現状の取り組み アセスメントシート 体動センサー センサーマット 安全な履物 病院側は、こういった様々な取組みを行うも… ①転倒リスクの変化をタイムリーに把握することができない ②転倒リスクに関する情報・気づきを簡便に共有できない ③患者・医療スタッフの負担感が少ない転倒対策がとぼしい などの課題が依然として残っていた。
- 27. © UBIC,Inc. 2016 Proprietary and Confidential27 教師データでないものも含め、 スコアの高い約1000件に 注意力の低下や意識障害の症 状が見られた 教師データ（1017件）の学習 見つけたいデータ： 17件（7名分） その他のデータ： 1000件（7名以外の データから1000件を ランダム抽出） 電子カルテ総数： 16749件（100名分） １ 2 3 教師データに基づいて全ての 電子カルテにスコア付けを実施 全ての電子カルテのスコア付け 0~10000点で スコア付け注意力低下が見られる意識障害 と判定された7名とランダム 抽出した93名の患者の 電子カルテ16749件 学習 No スコア 電子カルテ 教師データ 1 4604 #13035 2 4278 #1345 3 4155 #13535 4 3961 #1567 5 3951 #674 ・ ・ ・ ・ ・ ・1021 2809 #2421 上位 約1000件 スコア付け結果4 16744 112 #768 16745 189 #9812 16747 154 #8722 ・ ・ ・ ・ ・ ・ 1150 1040 #353 1151 1001 #2421 電子カルテの解析事例
- 28. © UBIC,Inc. 2016 Proprietary and Confidential28 教師データでないものも含め、 スコアの高い約1000件に 注意力の低下や意識障害の症 状が見られた No スコア 電子カルテ 教師データ 1 4604 #13035 2 4278 #1345 3 4155 #13535 4 3961 #1567 5 3951 #674 16744 112 #768 16745 189 #9812 16747 154 #8722 ・ ・ ・ ・ ・ ・1021 2809 #2421 ・ ・ ・ ・ ・ ・ 1150 1040 #353 1151 1001 #2421 上位 約1000件 スコア付け結果4 【患者】 今日はどこに連れて行 かれるの？ 怖いから触らないで。 【看護師】 落ち着かない様子で、 かばんを持って外出し ようとしていた。 教師データ 【患者】 今日はお土産を持って きたわよ。 【看護師】 術後に混乱しているよ うで、辻褄の合わない 言動が見られる。 非教師データ 電子カルテの解析事例
- 29. © UBIC,Inc. 2016 Proprietary and Confidential29 自然言語処理のビジネス活用 １）自然文は情報のフロンティア ２）エキスパートの仕事の付加価値を 上げる
- 30. © UBIC,Inc. 2016 Proprietary and Confidential30
Editor's Notes
- Cover: 3 Line タイトルの長さに合わせて、四角形の位置を調整してください Confidential A type
- 冒頭に、商号変更の理由を述べる
- Text Page
- Closing: General