Recommended
More Related Content
Similar to Dx business introduction materials2020
Similar to Dx business introduction materials2020 (20)
Recently uploaded
Recently uploaded (7)
Dx business introduction materials2020
- 2. © Fabeee Inc. 会社概要 • 会社名 ： Fabeee株式会社 • Fabeee, Inc. • 設立日 ： 2010年4月14日 • 所在地 ： 〒102-0074 • 東京都千代田区九段南3-7-14 VORT九段2F • https://fabeee.co.jp/ • 代表者名 ： 代表取締役 佐々木 淳 • 顧問弁護士 ： 代官山総合法律事務所 • 従業員数 ： 約45名 • 電話 ： 03-6261-3077 • 資本金 ： 10,000,000円 • 事業内容 ： ITタレントマネジメント事業(SES) • 受託開発事業 • オフショア開発事業 • 研究開発/自社サービス事業 • 関連会社 ： 株式会社エージット（人材紹介事業）
- 5. © Fabeee Inc. 2.Society 5.0 5 情報社会（Society 4.0）に続き、日本が目指すべき未来社会の姿として内閣府より提唱された新 たな社会の仕組みであり、これまでの情報社会（Society 4.0）では知識や情報が共有されず、分 野横断的な連携が不十分であるという問題がありました。 一方、Society 5.0では、IoT（Internet of Things）で全ての人とモノがつながり、様々な知識や 情報が共有され、今までにない新たな価値を生み出すことで個々の多様なニーズ、潜在的なニーズ に対して、きめ細かな対応が可能となります。モノやサービスを「必要な人に、必要な時に、必要 なだけ」提供されるとともに、社会システム全体が最適化され、経済発展と社会的課題の解決を両 立を目指す社会構造になるとされています。
- 7. © Fabeee Inc. ➢ 採用出来ず、定着もしない ➢ レガシーコードを触りたい エンジニアはいない ➢ 更に技術的負債が蓄積 ➢ とはいえ開発は続く ＜非エンジニア＞ ➢ 時間を掛けても成果物 が上がらない ➢ 客先でバグ ＜エンジニア＞ ➢ 負債に足を取られる ➢ バグが出て高稼働 ➢ レガシーコードからは新し い知識は付かない ➢ 改善しても焼け石に水 ➢ 本来は必要ない高稼働 ➢ 1箇所直すと複数バグが出 る ➢ テストが無い ➢ リソースに余裕が無い ➢ テスターが必要 ➢ 品質上げても評価され にくい “技術的負債”とは 7 ITシステムの中には短期的な観点でシステムを開発し、結果として長期的に運用費や保守費が高 騰している 状態の物が多くあります。これは、本来不必要だった運用・保守費を支払い続けるこ とを意味し、一種の負債と捉えることが出来ます。 これらを「技術的負債」と呼び、不必要だったはずの運用・保守費を支払い続けている状況は余計 な費用を発生させるだけでなく、新規事業や現場の足枷となり、現場の人材ひいては組織を疲弊さ せ、やがて組織として身動きが取れない状況に至ります。 開発スピード低下 システムの品質低下 エンジニアの モチベーション低下慢性的なリソース不足 プロジェクトの雰囲気悪化 ➢ コードの作りが一般的でない ➢ 修正の影響範囲の特定が困難 ➢ ユニットテストが無いのでデグ レーションが発生 負のスパイラル よって、技術的負債は組織課題であり、組織は技術的負債に対峙する必要性があります。
- 9. © Fabeee Inc. FabeeeのDX 9 しかし、AIの導入やIoT化といったシステム面をトランスフォームするだけではDXは 実現しません。組織（ヒト）、ビジネスモデル、業務プロセス、それらを統括する経営 層も含めた会社全体のトランスフォームが必要となります。 弊社では上流(経営層)から下流(現場・教育)までアプローチ出来るソリューションを揃 えておりますので、各業種業態にフィットする伴走型のDXを実現する事が可能です。 上流 開発 下流 AIMI Program AI・ディープ ラーニングに関 する研究・開発 ブロックチェーン のビジネス活用に 向けた取組み ITタレントエージェンシー （ITTA） オフショア開発(インド) e-learning course
- 11. © Fabeee Inc. 平成30年6月 経済産業省発行の「AI・データの利用に関する契約ガイドライン- AI 編 -」より、AI 技術を利用したソフトウェアの開発は、従来型のソフトウェア開発 と比較して以下の特徴があります。 AI開発の特徴 11 1. 学習済みモデルの内容・性能等が契約締結時に不明瞭な場合が多いこと a. 事前の性能保証が性質上困難であること。 b. 事後的な検証等が困難であること。 c. 探索的なアプローチが望ましいこと。 2. 学習済みモデルの内容・性能等が学習用データセットによって左右されること a. 学習時と推論時（学習済みモデル）の確率分布が同一であることを前提としており、学習時と 推論時の確率分布が大きく異なるような場合には機能しない場合があり得る。 b. 学習用データセットに通常性質が反映されないような「まれな事象」に対して、推論が及ばな い可能性がある。 c. 学習データセットから統計的なバイアスを排除することは不可能であり、生成された学習済み モデルを未知データに適用する場合には、本質的に誤差が含まれることになる。 平成30年6月 経済産業省発行「AI・データの利用に関する契約ガイドライン- AI 編 -」より
- 12. © Fabeee Inc. 参考：従来型のソフトウェア開発との比較表 AI開発の特徴 12 従来のソフトウェア開発 機械学習を用いた開発 開発手法 演繹的 帰納的 契約締結時の 内容・性能 明確 不明瞭であることが多い データ分析 発生しない 仮説検証型 事前の仮説を元に、仮説を確認すべくデータ分析を 行うため、焦点を絞った取り組みを行う。 アプローチ方法を確定し進める 仮説探索型 仮説を考えるために、網羅的にデータを紐解き、仮 説を検討・確認していく流れ（≒インサイトを見つ ける） 仮説含め不明瞭な要素が多い 学習済みモデルの生成の場合、探索的なアプローチを用いて試行錯誤を繰り返すことにより、 満足いく性能の学習済みモデルを生成するという手法を採用しやすいという特性を有している。 平成30年6月 経済産業省発行「AI・データの利用に関する契約ガイドライン- AI 編 -」より
- 13. © Fabeee Inc. 開発、契約を複数段階に分け、各段階における達成目標を明確にプロジェクトを進行します。 AIを活用したプロジェクトイメージ 13 学習用デー タの収集 設計 実装 テスト データクレン ジング／ アノテーショ ン作業 運用・保守 目的明確化 業務フロー 検討 要件 定義 モデル の作成 精度 検証 評価 実環境デー タでの検証 学習用デー タの定義 概念実証 (PoC)の 要件整理 設計 実装 テスト 運用・保守 目的明確化 業務フロー 検討 要件 定義 開発 運用 PoC (概念実証) アセスメント (PoCのための要件整理) 従来型の ソフトウェア 開発 機械学習を 用いた開発 探索的なアプローチを用いて、学習データの収集～評価を数回繰り返 すことにより、モデルを生成していく ● 最終的な成果物である学習済みモデルに対する認識をすりあわせることができる。 ● 開発の途中で学習済みモデルが予定した性能を発揮できない場合のリスクヘッジを図ることができる。 平成30年6月 経済産業省発行「AI・データの利用に関する契約ガイドライン- AI 編 -」より
- 14. © Fabeee Inc. 「AI」のつくりかた（イメージ） 14 Step3. 検証Step2. 蓄積 ⚫ 学習モデルの作成 ➢ 蓄積されたデータをもとに学習 モデルを作成し、精度の検証を 行う。 ➢ 各種機械学習アルゴリズムなら びに、それを実現するプログラ ミング技術が必要。 ➢ 細かなパラメータ調整などを繰 り返し行う為、強靭なメンタル があると捗る。 ⚫ 収集したデータを蓄積する。 ➢ データベースなどの収集したデータ を適切に保存する為の知識や技術が 必要。 ➢ この段階でデータクレンジングを行 い、学習に最適化されたデータにし ておくと無駄なく蓄積することが可 能。学習に利用するアルゴリズムの 基礎知識があると捗る。 ⚫ 大量のデータを収集する。 ➢ IoTやセンシングなどのデータを取 得する為の知識や技術が必要にな る。 ➢ Cなどの組み込み系の言語から ハードウェアの基礎知識があると 捗る。 Step 1. 収集
- 15. © Fabeee Inc. AI導入PJの一般的なフロー AIプロジェクトは基本的に不確実性が高く、欲しい結果が必ずしも出てくるとは限りません。機械学習 で活用するデータ量がそもそも不十分であったり、期待される水準に満たないケースが多くなります。 基本的に大事なスタンスは、まず目標を立て、そのうえで小さく検証を繰り返し、必要に応じて目標を 変更することも考慮に入れ、結果的に実用に足ると判断ができたところで開発に入ることが望まれます。 企画・検証 開発・導入 企画 構想策定 要件定義 モデル構 築 データ 収集精査 評価検証 開発 導入 POC* POC *基本的にPOCを複数回繰り返す 15 AIの導入における実際の業務は、データ整理、クリーニング、データ セット等も非常に多く、現場では非常に泥臭い作業を行っている。
- 17. © Fabeee Inc. 17 データ解析システムアーキテクチャ(例) 解析アルゴリズムについては、 DNN, CNNなどの一般的な教師あり学習から K-means, 主成分（独立成分）分析等の教師なし学習まで必 要に応じて幅広く対応します。 弊社が取り組むデータ解析システムでは、リアルタイム性と拡張性をバランス良く取り入 れ、システム毎の目的に応じ、適切な対応を行える設計でご提案させて頂いております。
- 18. © Fabeee Inc. アンケート分析に対して利用される代表的なAI等の技術/手法 （例）アンケート分析でのAI活用 18 アンケート 分析 選択形式 自由記述形式 インタビュー形式 これまでの様々な分野等で実施されている下記の分析から、 キャンペーン等の効果検証、対象者の属性などを抽出 クロス集計 有意差検定 コレスポンデンス 分析 コンジョイント 分析 クラスター分析 対話などの音声データから文字起こしを行い、発 話内容をデータ化し、顧客ニーズなどを発話内容 から抽出を行う。 アンケート等が紙媒体であれば、画像データからの 文字起こし（OCR等）を行い、記述内容をデータ化 し、顧客のニーズなどを記載内容から抽出を行う。 音声認識 テキストマイニング 画像認識 テキストマイニング ポジネガ分析 ポジネガ分析 因果推論 クロス集計 クロス集計 有意差検定 因果推論 有意差検定 因果推論
- 20. © Fabeee Inc. DX事業部メンバーのご紹介 不確実性の高いAIプロジェクトには深い造詣が要求されますが、弊社DX事業部では高い技術 と豊富な実績を持つコンサルタントが、貴社のプロジェクトを成功に導きます。 20 杉森 由政 (コンサルタント/データサイエンティスト) 東京理科大学在学中は、宇宙物理学を専攻し、線形代 数、統計解析やテンソル計算といった機械学習の基礎 知識を習得。2016年よりシステム会社のエンジニア として就業。行政システムやSNSサービス、ゲーム 開発等、短期間で様々なカテゴリーの開発に従事する。 2017年よりFabeee株式会社に入社。 Pythonを用いたIoTプラットフォームの設計開発はも ちろん、機械学習・ディープラーニング分野のプラッ トフォーム開発をリードする。2018年2月同社CTO に就任。就任後は、HRテックの分野でシェアNo.1を 目指すというビジョンを掲げ、現在、広島大学産学連 携研究員として、生体データを解析する人工知能およ び解析アルゴリズムの研究開発、ブロックチェーンを 利用した新規サービスの開発を積極的に展開している。 武田 恭治 (コンサルタント) 大規模業務システムの企画・開発を行う独立系ベン ダーに入社。経営企画部門として事業計画の策定や複 数のM&A案件の交渉などを行う。また、同ホール ディングス設立に伴い、親会社の経営企画部門にて資 金調達、上場準備、新規事業開発の立上げに従事。 2016年には、新規事業開発として仮想通貨事業へと 参入。出資先企業の事業計画、資金調達、金融庁登録 対応に従事し、交換業者登録取得、数十億円規模の調 達を実現。 現在は弊社取引先である小売業界向けAIプラット フォームを提供する企業に常駐し、AI及びビッグデー タを活用した業務改善及び事業提案などのコンサル ティング業務に従事中。 川田 真也 (コンサルタント) 大学院卒業後、Web広告企業にてコンサルティング並 びに効果測定等のシミュレーション業務に従事。その 後、独立系SIerに入社。大手コンサルティングファー ムと共同で大手化学メーカーでのAI活用のための PoC、自社開発での仮想通貨取引システム（特にウォ レットシステム周りのロジック）の構築に関わる調査 に従事。 その後、グループ企業として仮想通貨取引所の設立に 伴い、金融庁対応、仮想通貨審査報告書の作成、仮想 通貨市場の分析、仮想通貨交換業の登録申請などを行 う。現在は弊社取引先である小売業界向けAIプラット フォームを提供する企業に常駐し、某たばこ産業向け タバコの需要予測、大手空調メーカー向け空調設備の 需要予測業務に従事中。
- 21. © Fabeee Inc. POC後の開発体制(例) POCのフェーズを終え、商用開発段階に移行してからはオンサイト、リモートで多数の開発実績を持つ 弊社ITTA部門やオフショア開発部門が開発フェーズを強固にサポート。また、リリース後は開発部隊を スリム化し、最適な体制と予算にて運用開発をサポートさせて頂くことも可能でございます。 21 仮 説 評 価 検 証 コンサルタント コンサルタント DX事業部 実績豊富なコンサルタントが 商用レベルまで引き上げ PM PLPL SEチーム SEチーム ITTA事業部 受託開発部門 状況に応じラボ型開発 や受託開発 オフショア開発 大規模リソース が必要な場合は オフショア開発 潤沢な開発リソースが 強固にサポート PM PL SEチーム ITTA事業部 受託開発部門 オフショア開発 予算やご要望に合わせて 最適な運用体制を再構築
- 23. © Fabeee Inc. 当社が提供するAI教育サービス 23 当社が提供するカリキュラムの特長 インドで実際に提供しているAI関連カリキュラムを日本語化し、 日本で受講可能な「e-learningコース」として展開しています。 また、インド企業と提携することで、インド13億の人口が生成する ビッグデータを活用して学習できる「インドオンサイト研修コース」 の提供を実現しました。 英語を使い、実際にデータサイエンティストとして活躍するエンジニアと 同じ環境で、グローバルレベルのAI技術を習得することが可能となります。 DATA SCIENCE AI With Python ML With Python Deep Learning NLP BIGDATA HADOOP HADOOP ADMIN Hadoop With PySpark Hadoop With Scala DATAWAREHOUSING | BI POWERBI MSBI QLIKVIEW TABLEAU TALEND 提供するAI関連カリキュラム（e-learning course 一部抜粋） e-learning course 他多くのコースを用意
- 24. © Fabeee Inc. Fabeeeでは技術や人だけでなく、未来の職業との出会いの場を創り出すべく、様々な技術系 イベントや教育への取り組みを積極的に行っております。 技術イベント/教育への取組み 24 ■Block Chain Security BootCamp＠イオレ ブロックチェーンセキュリティブートキャンプは、ブロックチェーン技術の発展には同技術のセキュリティについて学ぶ場が必要と考え、ブロック チェーンエンジニアのキャリアアップを図る取り組みとして、同技術のエキスパートであるカレンシーポート株式会社 代表取締役CEO 杉井 靖典氏を講 師に迎えて開催する、ブロックチェーンの“セキュリティ”に特化した週末型短期集中講座です。 ■AI BootCamp＠KPMGコンサルティング AI（人工知能）技術を、ビジネスに活かすために必要な知識の習得と、スキル・キャリア向上を図りたい方を対象にした講座として、KPMGコンサル ティング株式会社の椎名 茂氏、山本 直人氏を講師にゲストに迎え、ビジネス視点でAIを語っていただきました。当日は、ブートキャンプ形式の短期集中 講座で1日のプログラムを実施。「AI入門」「ディープラーニング等AI技術の深堀」「事例研究&ワークショップ」というカリキュラムで進行、AIについ ての事業活用アイデアを発表・徹底的に議論し、最後のプログラムでは認定試験を行い、試験合格者には認定証をお渡しさせて頂きました。
- 28. © Fabeee Inc. 実績のご紹介(3) 28 ■チャットボット コアエンジンの解析 <概要> AIを用いた自動・半動対応のハイブリッドチャットボット <詳細> ユーザーの「話し言葉」を理解し、最もふさわしい回答を自動で返答もしくはオペレーターに提示するAI エンジンモデルの構築 <担当業務> 要件定義、データ解析 ■化粧品パウダーの成分解析 ＜概要＞ 製造業における化粧品パウダーの解析 ＜詳細＞ 現在利用しているレシピと開発者が作成したレシピに、調合差異が発生しており、それを職人が俗人的に 解決している状況なため、差異を少なくするAIモデルを構築 <担当業務> 要件定義、データ解析 ■自動応答エンジン開発案件 <概要> 汎用型自動応答エンジンのロジック面開発 <詳細> カスタマーサービス領域における汎用型自動応答エンジンのロジック面の実装をAWS Lambdaを用いた サーバーレス環境上に構築。CircleCIも導入し、開発テスト工程の自動化にも貢献。 <担当業務> 要件定義、設計、開発、テスト