社内でAI・データ分析プロジェクトを推進する立場になって感じたこと、特に周囲を巻き込むために実施したことを中心にお話しします。参考になった書籍なども紹介しますので、実際にAIを始めたい方の参考になるような話をします

1. AIプロジェクトを始めるため
の周囲の巻き込み方
DAISUKE OKAMOTO

2. 名前：岡元 大輔
仕事：SE@SIer
来歴：運輸業を顧客とした開発SE(2014～）
⇒松尾先生の本と出会い、AIの目覚め（2017）
⇒社内の部署移動、G検定取得（2018）
⇒AI・データ利活用の商談支援・技術支援（2018～）
※技術者というより、マネジメントやビジネス検討多め
趣味：読書（物理本、電子書籍、Audible）
LTは合格者の会（2019年7月）ぶりなのでお手柔らかにお願いします
Twitter： @Daisuke44949864
自己紹介

3. AI・データ利活用プロジェクトに携わった経験
から得られた、プロジェクトの注意点
素晴らしい書籍が出ているので、本日は割愛
（次ページで紹介）
AI・データ利活用を始めるための周囲の巻
き込み方（アクションやマインド、考え方）
実業務の中で体験談を中心に紹介
参考になる書籍も併せて紹介
本日お伝えしたいこと
本日の目標
一人でも多くの方が、実際に社内外でプロジェクトを始める後押しとなれば嬉しいです・・・

4. 分析者のためのデータ解釈学入門 データの
本質をとらえる技術
AI・データに携わるすべての人の必読書
データに対する期待や誤解を解き、
正しい認識を持ってもらうための良書
AI・データ分析プロジェクトのすべて[ビジネス
力×技術力=価値創出]
書籍紹介①
プロジェクトの進め方がわかりやすく書かれている
わかりやすく、かつ網羅的に書かれているので、
認識合わせに重宝

5. ①近くで一緒にやってくれる
人を探す
②実際にプロジェクト
をやってみる
③広げる
（他の人の相談にのる）
周囲を巻き込んでいくステップ
AI分野の駆け出しとして プロジェクト担当者として 駆け出し有識者として

6. ポイント
１人で出来ることは限られる。なので、まわりで仲間を探す、関心のある人を探す
実際にとった行動
社内勉強会を開く⇒それを外で発表する（CDLEのLTでお話ししました）
取り組む上でのマインド
初心者に優しく（数学やプログラム、ビジネス知見を最初から求めない）
しかし、ＡＩのわくわく感に興味がある人がいる。そういう達が最初の仲間になってくれる
効果
一緒に始めてくれる人が見つかる（AIに関心がある人は、やっぱり多い）
オンラインで毎月開催し、毎月コンスタントに20名以上が参加※仕立ててなおしてくれた同僚に感謝
１．近くで一緒にやってくれる人を探す
https://www.slideshare.net/ssuseraffc88/sierai
https://www.slideshare.net/ssuseraffc88/ai-154113072
LTでこんな発表をしました
私の立場
AI分野の駆け出し

7. 書籍紹介②
⚫システム開発の手法であるアジャイル開発をストーリー仕立てて学べる
⚫主人公はアジャイルを知り、それを自分の仕事に取り入れ、仕事・チーム
を良くしていくために奮闘する
⚫開発手法というよりは、どのようにチームを良くしていくか、流れを変えると
きになにから始めるか、にフォーカスしてる
⚫「アジャイル」を「AI」に置き換えると、同じような課題感を感じられる
⚫やる気になれる
カイゼン・ジャーニー たった1人からはじめて、「越境」するチー
ムをつくるまで

8. ２．実際にプロジェクトをやってみる
どんなプロジェクト？
運輸業の配送業務を改善するためのデータ分析プロジェクト
結果は？
様々な事情で、業務に取り入れてもらうに至らなかった
振り返ってみると・・・
機械学習で解くことが目的になっていた（金槌を持てば、すべては釘に見える）
データサイエンスの技術も大事だが、AI・データ利活用によって価値を生み出そうとする姿勢が重要だった
◆機械学習でなくとも、統計やルールベースのロジックで十分
◆AIの精度ではなく、どれだけ業務が改善するか、どれだけ価値を生み出せるか
◆どのような段取りで進めれば、意思決定者は納得して進められるか
ビジネス的な観点の重要性やプロジェクトの進める部分を他の人に任せすぎていて、先んじた対応ができなかった
私の立場
プロジェクト担当者

9. 書籍紹介③
会社を変える分析の力
⚫分析は何かを変えなければ何の意味もない
⚫じゃあ変えるためにどういう取り組み・姿勢が重要か
⚫書籍内では、需要予測をケースに、どのように改善を行っていくかが
紹介させていて、参考になる
⚫「好きだからやる」から「好きなことだから結果にこだわる」に
マインドチェンジさせてもらえた
⚫一緒にやる人たちに、いかに動いてもらうか、自分がどう考
えるべきかが学べる

10. ３．広げる（他の人の相談にのる）
ポイント
その人が解決したい課題は何か、ということを掘り下げる、整理する
よくあるパターン
⚫過度な期待：「AIが何とかしてくれる」、「データがあるから結果が出るはず」
⚫難しさに辟易：技術の難しさから、課題や目的の整理まで難しいと考えてしまう
取り組む上でのマインド
⚫課題・目的・解決策を順を追って考える
⚫何から何まで全部やってあげる、というわけではない。方法を伝える（思考停止に陥らせない）
⚫データを見る（想像で語らない、現物確認してフィードバック）
私の立場
駆け出し有識者

11. 書籍紹介④
イシューからはじめよ――知的生産の「シンプルな本質」
⚫問題解決（それに至るまでの課題（ISSUE））のやり方・考え方
の本質がわかる
⚫仮説を立てる、分析をする、調査をするなど、AI・データ分析の分野
にもってこいの考え方を学べる
⚫他の人からの相談においても、「何が本質的に重要か」を考えるこ
とができるようになる

12. まとめ
⚫ まずは一歩を踏み出す
⚫ 勉強会でカジュアルに同志を探す
⚫ ビジネスに役立てることを念頭に
⚫ 結果にコミットする
⚫ 周辺を巻き込む
⚫ 何が大事かを考える
⚫ 相手に考えてもらう
（魚の釣り方を教える）
①近くで一緒にやってくれる
人を探す
②実際にプロジェクト
をやってみる
③広げる
（他の人の相談にのる）
AI分野の駆け出しとして プロジェクト担当者として 駆け出し有識者として

13. アナロジー思考
⚫事例を教えてほしいと言われた時、気の利いた話が
できるようになる
⚫他の分野から借りてくる思考が学べる（転移学習）
最高の結果を出すKPIマネジメント
⚫目的と数字への結び付けることが重要
⚫説得に必要なわかりやすい定量化が学べる
おまけ：その他書籍紹介①

14. おまけ：その他書籍紹介②
モブプログラミング・ベストプラクティス ソフトウェアの品質と生
産性をチームで高める
⚫モブプログラミング（複数人で一緒にプログラミングを行う手法）のや
り方、考え方を紹介
⚫AI・データ利活用はノウハウの共有が重要
⚫一緒に作業することで、効率的にノウハウを伝え、やる気を引き出す
ことができる

15. 書籍名 URL
分析者のためのデータ解釈学入門 データの本質
をとらえる技術
https://www.amazon.co.jp/dp/4802612907/ref=cm_sw_r_tw_dp_KtceGbTNRD9R2
AI・データ分析プロジェクトのすべて[ビジネス力×
技術力=価値創出]
https://www.amazon.co.jp/dp/4297117584/ref=cm_sw_em_r_mt_dp_YyceGb51BT29T
カイゼン・ジャーニー たった1人からはじめて、「越
境」するチームをつくるまで
https://www.amazon.co.jp/dp/4798153346/ref=cm_sw_r_tw_dp_T0ceGbGR2FBSG
会社を変える分析の力 https://www.amazon.co.jp/dp/4062882183/ref=cm_sw_r_tw_dp_U8ceGbGRHNSX9
イシューからはじめよ――知的生産の「シンプルな
本質」
https://www.amazon.co.jp/dp/4862760856/ref=cm_sw_r_tw_dp_AedeGb5X962S1
アナロジー思考 https://www.amazon.co.jp/dp/4492556974/ref=cm_sw_r_tw_dp_PfdeGbDEY16QC
最高の結果を出すKPIマネジメント https://www.amazon.co.jp/dp/4894519844/ref=cm_sw_r_tw_dp_ajdeGbGMT2YW2
モブプログラミング・ベストプラクティス ソフトウェアの
品質と生産性をチームで高める
https://www.amazon.co.jp/dp/4822289648/ref=cm_sw_r_tw_dp_TodeGbTDSJ16K
人工知能は人間を超えるか https://www.amazon.co.jp/dp/B00UAAK07S/ref=cm_sw_r_tw_dp_nNueGbCBDE6G6
参考書籍のリンク

16. ご清聴ありがとうございました