企業におけるAI導入の成否を分けるキーポイント

昨今、大企業・中小企業を問わず、AIの早期導入の強迫観念に悩まされている経営者・技術者の方々が多いようです。中には「AIを導入しないとライバル企業に負けてしまう。とにかく何でも良いから導入しよう。」と考える方も居られます。実際、深層学習 (ディープラーニング) の発展により、従来は実現できなかった高い精度を達成できたり、AIを用いることができなかった業務への導入が可能になったりしているのは事実です。一方、深層学習はオールマイティな手法ではなく、何でも解決できるわけではありませんし、使用上の問題点も多いです。このため、AI導入時に注意すべきことが実際は非常に多く、導入を迷っていたり、導入してみたもののうまく行かずに困っている企業が多いのが実情です。 　本セミナーでは、それらのお悩みをお持ちの方を対象として、AI導入時の注意点について、導入事例 (ただし実名や詳細は伏せます) を交えながら平易に解説します。

1. 序論:現在のAIブームの本質
   1. 企業が置かれている現状
      • AIが今後の世界を制する?
   2. AIの応用分野
      • AIが有効な分野/まだ使えない分野
2. そもそもAIとは何で今後どうなるのか?
   1. AI手法のトレンドの推移
      • 論理
      • 知識
      • 学習
      • 脳など
   2. 機械学習とは何か?
      • 代表的な手法の概要・特徴・限界
   3. 今後AIはどのように発展するのか?
      • 真の「人工」知能とは何か?
3. 流行りの深層学習の長所・短所・対策
   1. 深層学習の原理と特徴
      • 階層型神経回路網の手法と限界
   2. 最近の深層学習の手法
      • GAN
      • 物体検出
      • 回路の圧縮
      • 転移学習
      • 浸透学習
   3. 深層学習の問題点と対策
      • 回路の見える化
      • 最適化
      • 少量学習
4. AI導入時の注意点の概要
   1. 講師が提案する「AI導入の基本8箇条」
      • 基本8箇条とは何か?
   2. AI導入の成否のポイント:概要
      • AI導入に失敗/成功する企業のもつ特徴
5. AI導入を成功させるにはどうすればよいのか?
   1. 深層学習の導入時に生じやすい失敗
      • 問題の抽出
      • IT/AIコンサルの利用方法
   2. データの準備に関する誤解
      • データの水増しやクレンジングについて
   3. AI手法の適切な選択方法とは?
      • 深層学習に向くもの/向かないもの
   4. AIベンダへの外注時に生じやすい失敗
      • してはいけないこと
   5. AI技術者の確保・教育の際に起こりがちなこと
      • 求められるべき資質とは何か
   6. AI導入を成功させる方法
      • 導入
      • 運用
      • 活用
      • AI商品の販売など
   7. AIコンサル事例のご紹介
      • 複数のAI導入事例を通した考察
6. 説明できるAIと次世代のAIについて
   1. AIに対する説明責任について
      • 「説明できるAI」とは何か?
   2. AIを説明するための手法
      • 代表的な手法・今後求められるべき手法
   3. 深層学習の次に来るAIとは?
      • 必ず来る次世代AIを先取りする方法
7. まとめと質疑応答