(window.webpackJsonp=window.webpackJsonp||[]).push([[17],{248:function(t,n,e){t.exports={}},260:function(t,n,e){"use strict";e(248)},261:function(t,n,e){"use strict";var o=e(279),c=e(244),l=e(250),r={components:{AtmaHeading:c.a,ContentPanel:l.a},props:{contents:{type:Object,required:!0},geometric:{type:Boolean,default:!1}},computed:{bgClass:function(){return this.geometric?"panel-contents-section__bg-geometric":"panel-contents-section__bg-grey"},hasSummary:function(){return this.contents.summary},markedText:function(){return Object(o.marked)(this.contents.text)}}},A=(e(260),e(8)),component=Object(A.a)(r,(function(){var t=this,n=t._self._c;return n("div",{staticClass:"panel-contents-section",class:t.bgClass},[n("v-container",{staticClass:"panel-contents-section__container"},[n("atma-heading",{staticClass:"panel-contents-section__atma-heading",attrs:{text:t.contents.title}}),t._v(" "),t.contents.markdown?n("div",[n("client-only",[n("div",{directives:[{name:"dompurify-html",rawName:"v-dompurify-html",value:t.markedText,expression:"markedText"}],staticClass:"panel-contents-section__markdown"})])],1):n("div",{staticClass:"panel-contents-section__text",domProps:{textContent:t._s(t.contents.text)}}),t._v(" "),n("v-layout",{attrs:{column:"","align-center":""}},t._l(t.contents.contents,(function(content){return n("content-panel",{key:content.title,staticClass:"panel-contents-section__content-panel",attrs:{title:content.title,text:content.text,markdown:content.markdown}})})),1),t._v(" "),n("div",{staticClass:"panel-contents-section__text",domProps:{textContent:t._s(t.contents.endText)}})],1)],1)}),[],!1,null,"4fbd4c74",null);n.a=component.exports},380:function(t,n,e){t.exports={}},382:function(t,n,e){t.exports={}},597:function(t,n,e){"use strict";e(380)},598:function(t,n,e){t.exports=e.p+"img/data-processing.8b42bf3.svg"},600:function(t,n,e){"use strict";e(382)},601:function(t,n,e){t.exports=e.p+"img/ai-development-hero-image.98cd736.png"},665:function(t,n,e){"use strict";e.r(n);var o=e(280),c=e(264),l=e(281),r=e(247),A=e(263),I=e(282),v=e(283),d=e(261),m=e(284),_=e(265),x=e(300),C=e(244),f=e(249),y={components:{AtmaHeading:C.a,AccordionContent:f.a},data:function(){return{developTitle:"AI開発の流れ",developText:"それでは、AIはどのようにして開発されるのでしょうか。AI開発の流れを紹介します。"}}},h=(e(597),e(8)),P=Object(h.a)(y,(function(){var t=this,n=t._self._c;return n("div",{staticClass:"ai-development-develop-section"},[n("v-container",[n("atma-heading",{staticClass:"mb-4",attrs:{text:t.developTitle}}),t._v(" "),n("div",{staticClass:"ai-development-develop-section__text",domProps:{textContent:t._s(t.developText)}}),t._v(" "),n("v-layout",{attrs:{column:"","align-center":""}},[n("accordion-content",{staticClass:"mb-4",attrs:{title:"構想",icon:"icon-meeting","step-no":"1"}},[n("div",{staticClass:"ai-development-develop-section__accordion-content-text"},[n("div",{staticClass:"mb-40px"},[n("div",{staticClass:"ai-development-develop-section__accordion-content-title mb-3"},[t._v("1.課題の明確化")]),t._v(" "),n("div",[t._v("構想段階で、まず明確にするのが課題です。解決したい課題は複数あるかもしれませんが、その中から優先度の高いものをピックアップします。優先順位がつけにくいときは、解決による効果がありそうか、効果の測定が可能か、解決できる問題かで判断すると良いでしょう。")])]),t._v(" "),n("div",{staticClass:"mb-40px"},[n("div",{staticClass:"ai-development-develop-section__accordion-content-title mb-3"},[t._v("2.解決することで効果はあるか")]),t._v(" "),n("div",[t._v("優先順位をつけるポイントのひとつが、「課題解決がどれくらいの効果を生み出すか」です。課題が解消されても、一定の効果が現れなければコストばかりがかかり意味がありません。効果を測るためにも原因の特定を十分に行いましょう。")])]),t._v(" "),n("div",{staticClass:"mb-40px"},[n("div",{staticClass:"ai-development-develop-section__accordion-content-title mb-3"},[t._v("3.効果の測定")]),t._v(" "),n("div",[t._v("AIによってどれくらいの効果があるかを確認するには効果の測定ができる課題でなくてはなりません。数値化しやすい課題であれば効果の測定はしやすいですが、数値化しにくいものは、どのように効果を測定するか検討する必要があります。")])]),t._v(" "),n("div",{staticClass:"mb-40px"},[n("div",{staticClass:"ai-development-develop-section__accordion-content-title mb-3"},[t._v("4.解決できる課題か")]),t._v(" "),n("div",[t._v("課題として認識していても、何かしらの影響があって、社内努力や社内システムの改善などでは解決できない問題も存在します。外部の要因が強く働くために解決が困難な問題を追っても仕方ありません。\n\n            それよりは、AIの導入によって改善が期待できる課題をメインに置きます。")])]),t._v(" "),n("div",{staticClass:"mb-40px"},[n("div",{staticClass:"ai-development-develop-section__accordion-content-title mb-3"},[t._v("5.AIで解決できそうか")]),t._v(" "),n("div",[t._v("A効果の測定や課題解決の有無などで課題を絞ったら、AIで解決できることか検討します。AIは機械学習による自動化で業務をサポートできますが、必ずしもAIが最適な解決策とは限りません。AIで問題が解消されるのか、AIが最適な方法なのか検討します。\n            また、先の見出しでも触れましたが、AIは数値などデータで取得できないものの判断は苦手です。AIで解決できることかと同時に、学習に必要なものがデータ化できる情報なのかも確認しておきます。")])]),t._v(" "),n("div",{staticClass:"mb-40px"},[n("div",{staticClass:"ai-development-develop-section__accordion-content-title mb-3"},[t._v("6.運用上意味があるものか")]),t._v(" "),n("div",[t._v("問題解決にAIが適切と判断したら、次に行うのは、運用でAIをどのようにして使用するかです。AIを使って問題に対してどのようなアプローチができるか、運用を見据えて構想を練りましょう。\n            AIを導入しても、運用上で意味がなかったり、事業上で価値がなかったりすると、コストが無駄になってしまいます。実際の運用状況や価値を含めてAI開発を検討することが重要です。")])]),t._v(" "),n("div",{staticClass:"mb-40px"},[n("div",{staticClass:"ai-development-develop-section__accordion-content-title mb-3"},[t._v("7.プロセスの洗い出し")]),t._v(" "),n("div",[t._v("AIにより課題解決を図ることが決まったら、次は具体的な開発プロセスの洗い出しです。どのようなタスクが発生するか、だれがどのタスクを担うか、開発に向けての計画も構想段階で明確にしておきます。\n\n            社内でAI開発を行う場合は、AI開発に適した人材集めが必要です。データサイエンス、データエンジニアリング、ビジネスに関する知識とスキルを有した人材を選定、あるいは集めておきます。\n\n            社内でAI開発を行わない場合はAI開発会社への外注が必要です。外注先はいくつかピックアップしておきましょう。\n\n            実績はどうか、担当者のスキルや経験はどうか、どの程度の領域をカバーできるか、前例のない開発にもチャレンジする会社か、などの観点から比較し、最終的な外注先を決めます。")])])])]),t._v(" "),n("accordion-content",{staticClass:"mb-4",attrs:{title:"PoCフェーズ",icon:"icon-project-management","step-no":"2"}},[n("div",{staticClass:"ai-development-develop-section__accordion-content-text"},[t._v("次は、PoCフェーズです。PoCは、Proof of Concept(プルーフ・オブ・コンセプト)の略語で、構想の証明を意味します。PoCフェーズで行うのは、構想が技術的に実現できるかの検証です。検証は、AIモデルを仮に開発して行います。\n\n        PoCフェーズで見るのは、構想時の精度や性能を達成できるか、学習のためのデータは十分にあるか、オペレーションに問題はないか、スケジュールが実現できそうか、です。\n\n        AIの性能については、高めすぎると複雑になり、運用が困難になることもあります。性能や精度ばかりに注目するのではなく、運用上支障がないかも含めてみることがポイントです。\n\n        PoCフェーズは、ビジネス上、必要な項目が達成できていれば問題ありませんので、この段階では早く、軽く開発することがほとんどです。")])]),t._v(" "),n("accordion-content",{staticClass:"mb-4",attrs:{title:"システムへの組み込みフェーズ",icon:"icon-coding","step-no":"3"}},[n("div",{staticClass:"ai-development-develop-section__accordion-content-text mb-3"},[t._v("システムへの組み込みフェーズでは、要件定義を行い、運用に必要な精度が達成できるものをシステムに組み込んでいきます。\n\n        要件定義後、設計、開発、テストと進めていく流れは、通常のシステム開発と同じです。組み込み段階で、しっかり精度を保ちながら、ある程度のスピードで処理を実行できるか確認します。この段階でできるのは、完成品に近いAIシステムです。")])]),t._v(" "),n("accordion-content",{staticClass:"mb-4",attrs:{title:"運用フェーズ",icon:"icon-cycle","step-no":"4"}},[n("div",{staticClass:"ai-development-develop-section__accordion-content-text"},[t._v("運用フェーズは、AIの性能が許容範囲に収まっているかを確認して、運用につなげていくフェーズです。また、定期的に一定の精度が出せているかチェックすることもあります。\n\n        ほかに、運用フェーズで確認するのは、構想したように問題の解決は図れているか、運用は問題なくできているかです。構想時と実際の性能が大きくかけ離れていないか評価するのが目的です。構想時とかい離があるときは、原因を把握し、見直しを図ります。")])]),t._v(" "),n("accordion-content",{staticClass:"mb-4",attrs:{title:"再学習",icon:"icon-machine-learning01","step-no":"5"}},[n("div",{staticClass:"ai-development-develop-section__accordion-content-text"},[t._v("運用フェーズにおいて、性能が下がっていることがわかったら、データの再学習を行います。\n\n        「性能が下がる」とは、当初予定していた運用が適切に行えなくなる状況のことを指します。予測や検査のために使用していたにも関わらず、予測の精度が落ちていたり、検査が正しくできなくなったりすることが運用している中で起きることがあります。\n\n        AIにおいて性能が下がるのは、予定していた条件と現状が変わってしまい、学習したデータと実態が合わなくなってしまうためです。\n\n        たとえば、新型コロナウイルス感染症の拡大で店舗の需要予測が変わってしまうことも、再学習が発生する要因になり得ます。コロナに限らず、時代の変化などとともにデータや条件は変化するものですし、データの鮮度も時間とともに落ちていくものです。\n\n        再学習は、AIを使い続ける限り、定期的に必要なものといえるでしょう。\n\n        AIの再学習については、組み込みの際に自動で行うように実装することも可能です。しかし、状況によっては、データのしくみが大きく変化する事態もあり得ますので、自動的に再学習を行えるようにしていても、見直しが必要になることもあります。")])]),t._v(" "),n("div",{staticClass:"ai-development-develop-section__summary"},[t._v("ここまで、構想、PoCフェーズ、組み込みフェーズ、運用フェーズ、再学習の5つのフェーズを順に説明してきました。このうち、運用フェーズと再学習に関しては、AIを使い続ける限り、繰り返し発生します。")])],1)],1)],1)}),[],!1,null,"026b4aff",null).exports,w=e(250),k=e(418),T={components:{AtmaHeading:C.a,ContentPanel:w.a,InnerContentWithIcon:k.a},data:function(){return{necessaryHeading:"AIによってできること",necessaryText:"ここまでAIの概要を説明してきましたが、AIを取り入れることで、具体的に何ができるのでしょうか。機械学習の領域を踏まえ、AIで実現可能なことを紹介します。",innerContents:[{title:"1.画像や映像の共通点を見つける",icon:"icon-security-camera",text:"画像をもとに、防犯カメラの映像から共通点を見つけ、元の画像と共通点の多い人を見つけ出す技術があります。映像の中から特定の人物を割り出し、防犯につなげることが可能です。"},{title:"2.画像の相違点を見つける",icon:"icon-mechanical-arm",text:"画像の共通点ではなく、相違点を見つけるAIもあります。相違点の判別で実用化されているのは、外観検査や異常検査などの、製造現場で行われる検査です。\n                  完成品のデータがあれば、目視では確認が難しいような小さな傷を見つけることも可能です。"},{title:"3.画像の変換",icon:"icon-photo-gallery",text:"AIであれば、認識した画像を変換することも可能です。たとえば、画像が荒く、写っているものを識別できない写真を解像度の高いものに変換する、モノクロ写真をカラー写真に変換するなどもできます。"},{title:"4.音声の変換",icon:"icon-subtitles",text:"身近な音声の変換技術には、動画で人が話している言語が自動で字幕に変換されるものがあります。動画配信サービスなどで見たことがあるのではないでしょうか。"}]}},computed:{isNarrow:function(){return this.$vuetify.breakpoint.width<=760}}},j=(e(600),Object(h.a)(T,(function(){var t=this,n=t._self._c;return n("div",{staticClass:"ai-development-possible-section"},[n("v-container",{staticClass:"ai-development-possible-section__container"},[n("atma-heading",{staticClass:"ai-development-possible-section__atma-heading mb-40px",attrs:{text:t.necessaryHeading}}),t._v(" "),n("div",{staticClass:"ai-development-possible-section__text mb-4",domProps:{textContent:t._s(t.necessaryText)}}),t._v(" "),n("v-layout",{attrs:{column:"","align-center":""}},[n("content-panel",{staticClass:"mb-4",attrs:{title:"大量のデータ処理"}},[n("div",{staticClass:"ai-development-possible-section__content-panel-text"},[n("div",{staticClass:"mb-40px"},[t._v("AIが得意としているのは、人間の作業を自動化することによる大量のデータ処理です。AIでできることは、人も同じようにできますが、人はAIのように大量のデータを素早く処理できません。人の処理能力は限られているためです。\n\n          仮に大量のデータを、人材を投入して早く処理しようと思ったら、大量の人材を投入しなければならないでしょう。作業によっては、人材を投入するだけでは足りず、処理をするための機器も人が作業するためのスペースも必要になるはずです。\n\n          一方、人を模倣した動きができるAIであれば、マシンを用意すればこと足ります。\n\n          AIで自動化できる作業をAIが行うのと、人が行うのとで比べたら、AIの方がスペースを使うことなく、多大な時間もコストもかかりません。自動化できる大量のデータを処理するのにAIは向いています。 ")]),t._v(" "),n("v-layout",{staticClass:"ai-development-possible-section__content-panel-innner__img my-3",attrs:{"justify-center":""}},[n("img",{attrs:{src:e(598)}})]),t._v(" "),n("div",{staticClass:"mb-40px"},[t._v("メールチェックの例を考えてみましょう。たとえば、スパムメールのチェックと振り分けを人とAIが行ったとします。人の場合は、内容を見て、判断して、振り分ける作業が必要になり、ひとつのメールを確認するのにも一定の時間がかかるはずです。また、スパムにありそうな特徴などを経験から学習して[なれる] 必要があります。\n\n          AIであれば、あらかじめスパムかスパムでないか判断したデータを大量に学習させておくことで、ある程度の精度をもってスピーディーに処理できます。\n          ルールにないイレギュラーな部分はAIでも認識できませんが、チェック漏れのような人為的なミスは起こりません。このように、人と比べて大量のデータ処理を短時間でできることから、効率良く作業できるのがAIの特徴です。")])],1)]),t._v(" "),n("content-panel",{staticClass:"mb-4",attrs:{title:"画像や音声の処理"}},[n("div",{staticClass:"ai-development-possible-section__content-panel-text"},[n("div",{staticClass:"mb-40px"},[t._v("AIは画像や音声を処理するのにも使われます。AIによる画像や音声の処理で何ができるか、事例をいくつか取り上げます。")]),t._v(" "),n("v-layout",{attrs:{"justify-center":"",row:"",wrap:""}},t._l(t.innerContents,(function(content){return n("v-flex",{key:content.title,staticClass:"pa-2",attrs:{xs12:"",sm6:""}},[n("inner-content-with-icon",{attrs:{content:content}})],1)})),1)],1)]),t._v(" "),n("content-panel",{staticClass:"mb-4",attrs:{title:"実用化が期待される技術"}},[n("div",{staticClass:"ai-development-possible-section__content-panel-text"},[n("v-layout",{attrs:{"justify-center":t.$vuetify.breakpoint.xsOnly,"justify-space-between":t.$vuetify.breakpoint.smAndUp,row:"",wrap:""}},[n("v-layout",{staticClass:"possible-icon__wrapper",attrs:{"align-center":"","justify-center":""}},[n("v-icon",{staticClass:"possible-icon"},[t._v("\n                icon-medical\n              ")])],1),t._v(" "),n("v-flex",{attrs:{sm9:"",xs12:""}},[n("div",{staticClass:"success-section-content__title text-xs-center text-sm-left"},[t._v("AIを使った画像や音声の処理に関しては、一般的に実現はしていないものの、実用化が期待される技術もあります。たとえば、自動運転時のモノの認識です。車載カメラから取得した映像をもとに、車や人、標識などを判別するAIの研究が進んでいます。\n\n                医療分野でのAIの活用もよく注目される部分です。国内の研究機関では、AIにいくつもの正常データのパターンを学習させることで、異常を見つけられるようにし、身体検査を自動で行えるようにする研究が進んでいます。")])])],1)],1)]),t._v(" "),n("content-panel",{staticClass:"mb-4",attrs:{title:"すべての工程が明確な作業"}},[n("div",{staticClass:"ai-development-possible-section__content-panel-text"},[n("v-layout",{attrs:{"justify-center":t.$vuetify.breakpoint.xsOnly,"justify-space-between":t.$vuetify.breakpoint.smAndUp,row:"",wrap:""}},[n("v-layout",{staticClass:"possible-icon__wrapper",attrs:{"align-center":"","justify-center":""}},[n("v-icon",{staticClass:"possible-icon"},[t._v("\n                icon-ai01\n              ")])],1),t._v(" "),n("v-flex",{attrs:{sm9:"",xs12:""}},[n("div",{staticClass:"success-section-content__title text-xs-center text-sm-left"},[t._v("人の思考を模倣する技術がAIですが、人間の思考をそのまま形にはできません。人間の思考の中でも、感情やひらめきなど、パターン化していないものは、データをもとに再現することが困難だからです。\n                その代わり、AIはすべての工程が明確で、人のようにミスやブレはありません。そのため、客観的な視点で作業が進むのは、AIの特徴でありメリットといえるでしょう。")])])],1)],1)])],1)],1)],1)}),[],!1,null,"4005ffd6",null).exports),S={components:{AtmaHero:o.a,AboutSection:c.a,ContactSection:l.a,ContactForm:r.a,ContentsNavigationSection:A.a,HeadingSection:I.a,IntroductionSection:v.a,PanelContentsSection:d.a,LeftIconContentsSection:m.a,SummarySection:_.a,AccordionContentsSection:x.a,AiDevelopmentDevelopSection:P,AiDevelopmentPossibleSection:j},data:function(){return{genre:"AI開発",heroContent:{title:"Machine learning",text:"AI(人工知能)とは?",image:e(601),dateText:"更新日: 2024/06/19"},headingContents:{title:"AI開発は atma におまかせください",contents:[{title:"AI~システムまで\n                    一気通貫でご対応",icon:"icon-development-member",text:"AI部分の協力だけではなく、システム部分も一気通貫でご協力させていただきます。"},{title:"AI開発の\n                    スペシャリストが多数在籍",icon:"icon-machine-learning01",text:"大学院で研究経験のあるアカデミックなスタッフや高度な開発技術を持つスタッフを多く抱えており研究開発のご支援も可能。"},{title:"クラウド活用したサーバ負荷\n                    対策、セキュリティ対策も",icon:"icon-servers",text:"クラウドの活用にも多数実績があり、サーバ負荷対策、セキュリティ対策にも多数経験があります。"}]},aboutContent:{title:"AI開発について",icon:"icon-ai03",text:"AI活用による作業の自動化など、さまざまな分野でAIの利用が進んでいます。近年では、私たちが普段から使用する、「あいまいさ」が混じった言語を処理する技術が飛躍的に向上したなどのニュースがIT業界を賑わせました。\n                このように、AIはさまざまな可能性を秘めており、今後も国内のAIビジネスは右肩上がりに成長するものと予想されています。AI開発を行い、自社のビジネスに役立てたいと考える企業も多いでしょう。\n\n                それでは、注目を集めるAIとは一体何なのでしょうか。AI開発によってどのようなことができるのか、AIの概要からAI開発のことまで、重要なポイントを解説していきます。"},contentsNavigationList:[{id:"1",title:"AI(人工知能)とは?",icon:"icon-artificial-intelligence",text:"AIは、Artifical Intelligence(アーティフィシャル・インテリジェンス)の略語です。日本語では、人工知能と表現されます。"},{id:"2",title:"機械学習とは?",icon:"icon-predictive-chart",text:"機械学習とは、データを機械に学習させることで、自動的に判断ができるようにすることです。機械学習によってどのようなことが可能になるのか、機械学習の代表例をご紹介します。"},{id:"3",title:"AIによってできること",icon:"icon-photo-gallery",text:"ここまでAIの概要を説明してきましたが、AIを取り入れることで、具体的に何ができるのでしょうか。機械学習の領域を踏まえ、AIで実現可能なことをご紹介します。"},{id:"4",title:"AIが苦手としていること",icon:"icon-business-plan",text:"さまざまな場面で活用の場を広げているAIですが、苦手な部分もあります。AIをビジネスで活用するときは、実用が難しいものについても知っておくことが重要です。"},{id:"5",title:"AI開発の流れ",icon:"icon-project-management",text:"AIはどのようにして開発されるのでしょうか。構想から再学習まで、AI開発の流れをご紹介します。"},{id:"6",title:"AI開発依頼で必要なもの",icon:"icon-deep-learning01",text:"AI開発を考えた時にどのような準備が必要でしょうか。\n                  AI開発をスムーズにするために整理しておくべきポイントをご紹介します。"},{id:"7",title:"AI開発費用",icon:"icon-coding",text:"AI開発は、一般的なシステム開発と比べると、より複雑な作業を必要とします。そのため、通常のシステム開発費よりも全体的にコストは高めです。"},{id:"8",title:"AI開発を外注するときの\n                  ポイント",icon:"icon-file",text:"AI開発に取り掛かっても、なかには失敗に終わる会社もあります。なぜAI開発がうまくいかないケースがあるのでしょう。失敗しないためにAI開発を外注するときのポイントをご紹介します。"}],introductionContent:{title:"AI(人工知能)とは?",icon:"icon-artificial-intelligence",text:"AIは、Artifical Intelligence(アーティフィシャル・インテリジェンス)の略語です。日本語では、人工知能と表現されます。\n\n                AIの実用に欠かせないのが、機械学習とシステムです。機械学習とは、これまでのデータをもとに予測と分類を繰り返すこと。機械学習により、データをもとにした客観的な判断が可能となります。\n\n                しかし、機械学習だけでは作業を自動化できません。さらに、機械学習をシステムに組み込む必要があります。この、機械学習が組み込まれたシステムが出来てはじめて、ビジネスに活かすことができます。\n                AIが組み込まれたシステムを使うことによって、いままで人が行っていた業務の一部を自動化できるようになります。"},aboutMlContents:{title:"機械学習とは?",text:"機械学習とは、データをAIに学習させることで、AIが判断ができるようにすることです。\n                機械学習によってどのようなことが可能になるのか、機械学習の代表例を紹介します。",contents:[{title:"モノの認識",icon:"icon-voice",text:"通常、コンピュータは、画像をピクセルの集合体としか認識しません。そこに、システムを加えることで、ピクセルのパターンを認識し、学習することでモノを判別できるようにするのです。\n\n                    画像以外にも、音声の認識も実用化されています。音の振動を測定して、取得した波形データを用いて、コンピュータが音声を認識できるようにする技術です。\n\n                    音声を使ったAIには、認識した音声から音を組み合わせて言葉を出力する発音辞書、学習させた膨大な音のデータと照らし合わせて発音された音声(言葉)を認識するなどがあります。"},{title:"自然言語処理",icon:"icon-paragraph",text:"自然言語とは、私たちが日常的に使用している言語のことです。対して、コンピュータは、機械語といって二進数により表現された言語を使用しています。機械語を人が理解できるように置き換えて、コンピュータに指示を出すために作られたのがプログラミング言語です。\n\n                    プログラミング言語には、一定のルールが存在するため、あいまいな表現は生まれません。一定の法則に従っているため、機械も読み込みやすいです。それに対して、私たちが普段から使用している自然言語は、あいまいな部分が多く含まれます。\n\n                    複雑な自然言語を紐解いて自動化するとなると、さまざまなパターンを学習する必要があります。機械学習によって、文字の判別や文章の作成、自動応答などに役立てようとするのが自然言語処理です。\n\n                    自然言語処理の例として、従来から広く利用されているものに、かな文字変換や検索エンジン、機械翻訳などがあります。"},{title:"生成",icon:"icon-image-gallery",text:"生成とは、これまで蓄積されたデータをもとに、AIが自動で何かを生成する機械学習の領域をいいます。生成が得意としているのは、形に一定の特徴やパターンがあるものです。「架空の人物の画像を作成する」「特定の画家や漫画家風の作品を作る」などの技術で使われています。\n\n                    音声のスタイル変換で誰かに似た話し方に変換する、テキストを自動生成するなども生成の領域です。\n\n                    近年では、生成と自然言語をかけ合わせたAIが注目されました。人が書いたような文章を作るAIや著名な著者の文体を使って、新たな小説を作るAIです。\n\n                    複雑な自然言語の生成が実現し、さらに従来に増して精度が高まったことで、クリエイティブな分野でもAIが活用できるのではないかと期待されています。"},{title:"予測",icon:"icon-predictive-chart",text:"予測とは、データから状況を判断して、未来やわかっていない属性を推定することです。ユーザーの行動ログからの属性推定や天気の予測などが該当します。予測が機械学習の領域に含まれるのは、データを分析し、分析したデータからパターンを見つけ出して、学習を繰り返させることで予測につながるためです。\n\n                    つまり、予測とはいっても、何もない状態から推測するわけではありません。これまでのデータを学習させて分析を指示します。そこから共通点を見つけ、将来の予測に役立てるのが予測の領域です。\n\n                    機械学習といっても、さまざまな領域が存在します。これらの技術は独立で存在するばかりではなく、複数の組み合わせも可能です。たとえば、迷惑メールフィルターなどは、予測と自然言語の組み合わせで機能しています。\n\n                    生成の部分でも取り上げた、著名な著者の文体を模して新たな作品を創造するAIも、自然言語処理と生成を組み合わせた複数の技術から成るものです。"}]},weakPointContents:{title:"AIが苦手としていること",text:"AIを活用することで、作業を効率化できること、コストダウンになることを説明してきました。さまざまな場面で活用の場を広げているAIですが、苦手な部分もあります。AIをビジネスで活用するときは、実用が難しいものについても知っておくことが重要です。",contents:[{title:"プロセスや判断基準が不明なこと",text:"プロセスが不透明であったり、何をもとに判断しているかわからなかったりするものをAIで実現するのは困難です。AIを機能させるには、人が判断基準にしている情報、人が行動に移すためのプロセスの情報を、AIへ学習させなければならないからです。\n\n                    よく、AIはアイデアを生むのが難しいといわれることもありますが、それは、アイデアを生むためのプロセスが不明なためです。\n                    実は、AIであっても新しい何かを作ることはできます。たとえば、新しいアイコンやロゴの作成などがあげられます。\n                    アイコンには一定のパターンがあるので、さまざまなアイコンのデータを学習させ、「クール」「優しい」などのパターンを認識できるようにしておけば、データをもとに新しいアイコンを作成できます。\n                    アイコンと同じように、さまざまな人の顔の情報をAIに読み込ませておけば、オリジナルで人の顔を生成することも可能です。\n\n                    以上のように、判断やプロセスが明確であれば、新しいものでもAIで作成できます。苦手なのは、判断基準やプロセスを明確にできない処理です。"},{title:"データとして取得できないこと",text:"AIでは、データとして取得できないもの、つまりコンピュータ上で表現できないものは学習できません。データとして取得できないものの代表は、「人の感情」です。そのときどきの感情を、数値化できれば、そのデータをAIに学習させることは可能でしょう。\n\n                    しかし、人の感情を数値化することは非常に難しいことです。人の感情はあらゆるところに現れるので、数値化の対象も複雑を極めます。さらに、個人差も大きいため感情のデータ化については成功していません。\n\n                    また、人は、その場の空気や状況を察知した行動ができます。AIにも、状況に応じたパターンを学習させれば状況に応じた判断ができますが、その場の雰囲気を汲み取ることは不可能です。これも「空気」の数値化ができないからです。\n\n                    このように、データとして表現できないもの、感情のようにデータに大きなばらつきがあって一定のパターンを見いだせないものの処理や判断をAIは苦手としています。"},{title:"枠組みを超えること",text:"AIは、与えられたデータの枠組みを超えることが苦手で、与えられたデータ、条件からでしか判断できません。\n\n                    たとえば、人材募集のために求人媒体を利用していたとします。AIが指定されている条件が、その求人媒体を使用することだけであればその求人媒体でどのように募集効率を上げていくかなどの判断しかできません。\n                    人であれば、現在利用している求人媒体にこだわらず、ほかの媒体に変えるという選択肢も思いつくかもしれませんが、AIは条件にない判断は不可能です。\n\n                    このように、これまでのデータの蓄積がいくらあっても、データの枠組みを超えて、応用して判断を下すことはAIではできません。\n\n                    人であれば思考を切り替えることでできる軌道修正が、AIだと情報が不足しているため、適切に軌道修正を図れないのです。修正を行ったとしても、枠組みの範囲内での軌道修正に収まってしまいます。これは、AIで概念の階層構造化ができていないことが要因です。"},{title:"ほんとうの意味で、思考すること",text:"AIは人工知能といわれるため、人の思考に寄せたものと考える人もいるでしょう。しかし、AIは人の思考や判断のプロセスを模倣できるだけで、人の思考に完全にとってかわることはできません。\n\n                    人の思考にとってかわれないことを示しているのが、テキストの生成です。\n\n                    データの蓄積によって精度は上がりつつありますが、翻訳などでは、AIが判断できない部分がぼやけた表現になっていることがあります。テキストの生成はできても、意味が通じない文章ができてしまうことも多いです。\n\n                    AIが生成したテキストを人が見ておかしいと感じる表現になるのは、AIが人のように本当の意味でその文字列の意味を理解できていないためです。蓄積されたデータに依存するしかないため、おかしな組み合わせやおかしな表現が生まれてしまいます。\n\n                    また、同じ単語で複数の意味を表す言葉、地名にも人名にもなる言葉、文脈で意味が変わる言葉の判断ができるかどうかは、学習データに依存してしまいます。\n\n                    確率の設定やパターンの学習が進めば正しく判断できる回数も増えますが、学習させるデータに偏りがあり、学習データで複数あるパターンがすべて出現しないときは、誤った判断が行われてしまいます。"}]},pointContents:{title:"AI開発依頼で必要なもの",text:"ここでは、AI開発をスムーズにするために整理しておくべきポイントを紹介します。",contents:[{title:"Point 1. 課題を明確にしておく",text:"依頼前に、課題は明確にしておきましょう。「AIで自動化したい」「売上を伸ばしたい」など、ざっくりした内容では、すぐに次の話に進められません。課題が抽象的だと、具体的にどのようなAIが必要かわからないためです。\n\n                    この状態だと、どんな課題があるのか、どこを自動化できたら良いと考えているのか、課題を明確にするところから始めなければなりません。\n\n                    なお、課題というのは、会社の内部事情も深くかかわってくるものです。何を解決したいのか、何が会社にとって利益になるのか、課題を明らかにした段階でご相談いただくのがおすすめです。\n\n                    たとえば、故障予測のAIを開発したいと考えているなら、社内ではどのような製品を生産していて、どのような機械を使っていて、どの工程を改善したいのか、までわかっていると良いでしょう。"},{title:"Point 2. データを用意しておく",text:"AIは、データを学習することによって、はじめてその効果を発揮します。AI開発を円滑に進めるには、必要なデータをあらかじめ集めておく必要があります。\n\n                    用意するデータは、人が入力するようなデータではなく、自動的に収集されるようなオペレーションが確立されているデータがおすすめです。\n\n                    自動取得できるデータが望ましいですが、仮に適したデータがなかったとしてもAI開発は可能です。ただし、AI開発に合ったデータがない場合は、まずデータを取得できるようにオペレーションの確立から始めなくてはなりません。\n\n                    もし社内にどのようなデータがあるか把握できていなければ、どのようなデータがあるかリサーチすることから始まります。"},{title:"Point 3. プロジェクトに関わるチーム",text:"AI開発の具体的な話を進める際は、何人かで開発チームを組んでおくと良いです。チームには、どんな問題を解消したいのか、何が会社の利益になるのかを把握している方、そして、現場にどんなデータがあり、どのようなオペレーションが行われているか把握している方が特に必要です。\n\n                    どちらもわかっておられる方がいらっしゃれば最適ですし、それぞれに詳しい担当の方複数人を集めていただいても問題ありません。\n\n                    またチームの人選に関しては、現場をお詳しくない上層部の方のみ、もしくは意思決定権がない現場の方のみでは、AI開発の話が思うように進まないこともあります。前例がなく、稟議がすぐに下りないケースもあるため、意思決定権のある方も交えておくと良いです。\n\n                    AIを取り入れたいという熱意はあっても、構想段階の繰り返しで、肝心なAIモデル構築まで進まないこともあります。このような事態を解消するためにも、AI開発に必要なものを事前に用意しておくことがおすすめです。"}]},developmentCostContents:{title:"AI開発費用",text:"AI開発は、機械学習が必要など、一般的なシステム開発と比べると、より複雑な作業を必要とします。そのため、通常のシステム開発費よりも全体的にコストは高めです。\n                弊社の制作にかかる費用は以下の通りです。",contents:[{title:"ヒアリング",price:"無料",icon:"icon-discussion",text:"AIでどのような工程を自動化したいと考えているのか、どのような問題を解決したいのかなど、ヒアリングの費用は無料です。"},{title:"構想",price:"50万円〜/月",icon:"icon-project-management",text:"構想は、プロトタイプ作成の定義を行うフェーズです。月当たりの金額は50万円〜ですが、作成したいモデルの数、実現したいことの数、構想の期間に応じて最終的な金額は変動します。"},{title:"プロトタイプ作成(PoC)",price:"200万円〜",icon:"icon-coding",text:"プロトタイプ作成の費用は、工数や難易度に応じて変動します。\n                    作りたいモデルの数が多いほど、また、AI開発に必要なデータの量が多いほど、工数は増加します。\n                    難易度とは、AI開発のしやすさです。ビジネス上で広く取り入れられているようなものは難易度が高くありませんが、ビジネス上で前例の少ないものは難易度が高くなります。\n                    たとえば、理解が進んでいないために実用化に至っていないようなもの、論文としては存在するものの実用できるかどうか難しいものなどは、難易度が高いです。"},{title:"本開発",price:"ご相談ください",icon:"icon-settings",text:"本開発は、プロトタイプから、さらにAIの精度を上げるフェーズであって、オペレーションを含めて開発していくフェーズです。本開発にかかる費用は、システムの規模による工数とシステムの難易度によって変動します。\n                    システムの難易度を左右するのは、システムの複雑さです。関与する条件の多いシステム、オペレーションの複雑なシステム、さまざまな条件に対応すべく仮定条件を多く設定したような細やかなシステムほど、難易度は高くなります。"},{title:"運用・保守",price:"ご相談ください",icon:"icon-maintenance",text:"機械学習は、システムと異なり、動作はしていても正常に機能していないことがあるため、定期的な性能のチェックが必要です。また、AI開発の運用・保守は、細やかなチェックを必要とするため、一般的なシステムの保守よりもコストがかかります。\n                    運用・保守の費用を左右するのは、運用・保守でカバーする内容です。カバーする範囲が広いほど、追加でコストがかかります\n                    atma では、システムの基本保守のプランを、ベーシックプラン、スタンダードプラン、ビジネスプランで3つ提案していますが、AI開発の運用・保守がカバーする部分はこれよりも広く細やかです。\n                    AIの性能チェックの費用は、運用・保守に含まれます。"},{title:"サーバー費",price:"ご相談ください",icon:"icon-servers",text:"サーバー費とは、AIが動いているコンピュータを借りる代金のことです。費用は、マシンの負荷に左右されます。\n                    たとえば、アクセス数が多い場合、応答までのスピードを速くしたい場合、などでは負荷に応じた強いサーバーが必要です。サーバーのスペックを高くするほど、サーバー費も増加します。\n                    加えて、サーバー費に含まれるのがAPIの使用料です。Google翻訳など、システム上、外部のAPIを必要とする場合は、グーグルなどの提供者にAPIの使用料を支払わなければなりません。"}],summary:"これらの費用を総合すると、AI開発の外注費は、最低でも1,000万円以上かかることが多いです。加えて、月額で運用費もかかります。"},outsourcingPointContents:{title:"AI開発を外注する際のポイント",text:"AI開発に取り掛かっても、なかには失敗に終わる会社もあります。なぜAI開発がうまくいかないケースがあるのでしょう。\n                要望を実現できるほどの規模で開発を行っていない会社とのミスマッチ、というケースもありますが、発注者側の問題が原因である場合があります。\n                AI開発が失敗に終わるケースでは、多くの企業や企業の担当者がプロダクトオーナー、つまり開発を主導し責任をもつ立場であることを自覚していません。そのため、AI開発についても、消極的な姿勢になっていることがあります。\n\n                AIの開発を担う会社は、あくまで要望の実現者です。開発会社は必要に応じて提案を行いますが、発注者の要望を実装するのが本来の仕事です。「外注先にゼロから提案してもらおう」と考えていては、AI開発がうまく進まないかもしれません。\n                AI開発会社によって、提案できることには限界があります。発注者側が主導で動かないと、希望するようなAIが実装できないこともあります。\n                最後に、発注者である企業や企業の担当者が意識しておきたい、AI開発の外注のポイントを紹介します。",contents:[{title:"予算は十分に確保する",icon:"icon-calculation",text:"システム開発を外注するときと比べて、AI開発にはそれなりのコストがかかります。AI開発の外注でかかる費用でも取り上げましたが、ある程度の機能をAIに求めるのであれば、運用保守の費用とは別に1,000万円以上かかることは想定しておくべきです。\n                    複雑な機能、細やかな機能、ビジネス上実装が少ないAI開発を考えているのであれば、さらにコストがかかります。また、作業の途中で条件を変更したいとなったら、さらに費用がかかりますので、もしものときを予測して、十分な予算を用意しておきましょう。\n                    十分な予算を確保できてはじめて、AI開発の検討段階に入れます。"},{title:"自社の課題や問題点を明確にする",icon:"icon-question",text:"人工知能という言葉が先走り、「AI=人の代わりになんでも解決してくれる機能」と誤解している人もいるかもしれません。機械学習があることで、単純な演算機能よりも高度な作業が行えますが、AIは万能ではありません。\n\n                    AIの得意なこと、苦手なことで取り上げたように、AIが特化した分野もあれば、AIではほとんど対処できない領域もあります。\n\n                    「AIだったらなんでも解決できそう」「とりあえず開発して後で考えれば良い」などという軽い気持ちで始めると、実装はできたとしても、自社の課題や問題解決につながらないこともあります。\n\n                    問題が明らかにならない限り、AIが課題解決に適しているかどうかわかりません。「AIを使う」が先に来るのではなく、自社が抱える問題について「AIの機械学習であれば解決できるのではないか」というスタンスでAI開発を考えた方がうまくいきやすいでしょう。\n\n                    そのためにも、自社の課題や問題点は社内ではっきりとさせることが重要です。\n\n                    また、AI開発は、前述のように、一般的なシステムよりもコストを要します。自社の課題や問題点を明確にするだけでなく、問題が解消されることで、どのくらいのコストダウンや効率アップにつながるかの改善予測は立てておきましょう。\n\n                    改善前と改善後の数値を比較して、ほとんど効果がないようだとAIを取り入れる意味がありません。問題の提起については、開発会社側では関われない部分ですので、AIで解決すべき問題を明確にするまでは、発注者側が主導で取り組むよう意識します。"},{title:"開発会社に丸投げをしない",icon:"icon-responsibility",text:"「AI開発会社に依頼すれば良いようにやってくれるだろう」と考えている企業の担当者もいるかもしれません。しかし、開発会社に丸投げすると、失敗する可能性が高まります。\n\n                    AI開発会社は、AI開発には長けていますが、それぞれの業界の事情や経営に関しては専門外だからです。業界に関する知見は、長年業界に携わっている企業の担当者などのほうがよっぽど詳しく理解しています。\n\n                    経営に関しても、開発チームより、その企業のトップの方がより実情をわかっているはずです。それにもかかわらず、何でも開発会社に投げてしまうと、開発側と発注側の認識にギャップが生じてしまいます。\n\n                    丸投げしてしまうと、本来必要になるデータが共有されていなかったり、そもそもイメージしていた機能と相違があったり、さまざまな問題が生じる恐れもあるでしょう。\n\n                    あるいは、丸投げしたせいで、開発会社側もどうすれば良いか行き詰ってしまい、AI開発が進まないことにもなりかねません。\n\n                    前述したとおり、AI開発のプロダクトオーナーは、発注する側の企業です。その部分をはき違えてしまうと、うまくいかなくなります。\n\n                    丸投げするのではなく、発注側にも責任があることを理解して、AI開発に積極的に携わる姿勢をもつことが重要です。ここでの積極性とは、開発に直接的に携わることではありません。\n\n                    AI開発が円滑に進むように、企業の担当者自身がAIについて理解を深めること、問題解決のために具体的な話をすること、必要な人を巻き込むことです。\n\n                    特にAI開発についてまったく知識のない人が担当者になると、必要なやり取りができず、開発がストップしてしまう可能性もあります。\n\n                    開発を依頼する際は、自社の担当者を何となく決めるのではなく、社内のシステムやオペレーションについて理解している人、問題解決と会社の利益を良く理解している人を巻き込んで担当を決めるべきです。\n\n                    発注者の意思決定が開発を妨げてしまうようであれば、代表者など、意思決定権がある上層部を巻き込んで開発を進める必要があるでしょう。"},{title:"見積もりをしっかり確認する",icon:"icon-file",text:"「あれも実装したい」「これも実装したい」と、発注者側の要望が増えれば、開発費も増加します。予想以上に金額が膨れ上がることを防ぐためにも、見積もりをしっかり確認するようにしましょう。\n\n                    よくある「ある程度でいいので、○○のAI開発をしたらどれくらいになりそうか」という質問も回答が難しい部分です。なぜなら、AIの開発費は規模や工数、条件、サーバーなど、さまざまな要素が組み合わさって決まるからです。\n\n                    同じような開発案件であっても、その内容次第では、最終的な費用は大きく変動します。似ている案件でも、一概に費用を出すのは難しいのです。\n\n                    信頼性の高い見積もりを出してもらおうと思ったら、見積もりに必要な部分を詰めておく必要があります。予算次第で実装できる内容も変わってきますので、AI開発に出せる予算を明確にしておくこと、AIで解決したい課題を明確にしておくことが重要です。\n\n                    しっかりと見積もりを行える情報があれば、情報をもとに計算が行われますので、予想外に価格が変動した、見積もりよりも多額の開発費がかかったというトラブルは減ります。"}]},summaryContent:{icon:"icon-computer",text:"AIはさまざまな可能性を秘めており、今後も国内のAIビジネスは右肩上がりに成長するものと予想されています。\n                AI開発は、機械学習が必要など、より複雑な作業を必要とするため、通常のシステム開発費よりも全体的にコストは高めです。\n                AI開発の外注費は、最低でも1,000万円以上かかることが多いです。さらに、月額で運用費もかかります。\n                AIが得意としている作業、不得意としている作業を把握した上で、どの問題解決にAIが適切か見極めるなど、\n                発注者も積極的にAI開発に関わることが、AI開発を成功させる鍵です。"},sourcePage:""}},head:function(){return{title:"【公式】AI(人工知能)とは?AI開発の流れや費用などを徹底紹介!",meta:[{hid:"description",name:"description",content:"多数のAI開発実績のある弊社が、AI開発に必要な5つのポイントをご紹介します。1. 構想 2. PoCフェーズ 3. システムへの組み込みフェーズ 4. 運用フェーズ 5. 再学習"},{hid:"og:url",property:"og:url",content:"https://atma.co.jp/services/ai-development"},{hid:"og:title",property:"og:title",content:"【公式】AI(人工知能)とは?AI開発の流れや費用などを徹底紹介!"},{hid:"og:description",property:"og:description",content:"多数のAI開発実績のある弊社が、AI開発に必要な5つのポイントをご紹介します。1. 構想 2. PoCフェーズ 3. システムへの組み込みフェーズ 4. 運用フェーズ 5. 再学習"}]}},created:function(){this.$store.commit("boid/set",{canShow:!1})},mounted:function(){this.sourcePage=window.location.href},methods:{scrollTo:function(t){this.$scrollTo(t)}}},O=Object(h.a)(S,(function(){var t=this,n=t._self._c;return n("client-only",[n("div",[n("atma-hero",{attrs:{content:t.heroContent}}),t._v(" "),n("heading-section",{attrs:{contents:t.headingContents}}),t._v(" "),n("about-section",{attrs:{content:t.aboutContent}}),t._v(" "),n("contents-navigation-section",{attrs:{contents:t.contentsNavigationList},on:{click:t.scrollTo}}),t._v(" "),n("introduction-section",{attrs:{id:"section-1",content:t.introductionContent}}),t._v(" "),n("contact-section",{attrs:{title:t.genre},on:{click:function(n){return t.scrollTo("#contact-form")}}}),t._v(" "),n("accordion-contents-section",{attrs:{id:"section-2",contents:t.aboutMlContents}}),t._v(" "),n("contact-section",{attrs:{title:t.genre},on:{click:function(n){return t.scrollTo("#contact-form")}}}),t._v(" "),n("ai-development-possible-section",{attrs:{id:"section-3"}}),t._v(" "),n("panel-contents-section",{attrs:{id:"section-4",contents:t.weakPointContents}}),t._v(" "),n("contact-section",{attrs:{title:t.genre},on:{click:function(n){return t.scrollTo("#contact-form")}}}),t._v(" "),n("ai-development-develop-section",{attrs:{id:"section-5"}}),t._v(" "),n("contact-section",{attrs:{title:t.genre},on:{click:function(n){return t.scrollTo("#contact-form")}}}),t._v(" "),n("panel-contents-section",{attrs:{id:"section-6",contents:t.pointContents}}),t._v(" "),n("contact-section",{attrs:{title:t.genre},on:{click:function(n){return t.scrollTo("#contact-form")}}}),t._v(" "),n("accordion-contents-section",{attrs:{id:"section-7",contents:t.developmentCostContents,white:""}}),t._v(" "),n("contact-section",{attrs:{title:t.genre},on:{click:function(n){return t.scrollTo("#contact-form")}}}),t._v(" "),n("left-icon-contents-section",{attrs:{id:"section-8",contents:t.outsourcingPointContents}}),t._v(" "),n("contact-section",{attrs:{title:t.genre},on:{click:function(n){return t.scrollTo("#contact-form")}}}),t._v(" "),n("summary-section",{attrs:{content:t.summaryContent}}),t._v(" "),n("contact-form",{attrs:{id:"contact-form","source-page":t.sourcePage}})],1)])}),[],!1,null,"799af6c4",null);n.default=O.exports}}]);