本当にその進め方でよい？？
AI／データ活用のボトルネックと処方箋

ブレインパッド

AIビジネス本部
本部長

関口 朋宏 氏

PoC貧乏はなぜ起こるのか

　PoCという概念は浸透している一方で、データ分析やアルゴリズム開発にたどり着けない「PoC貧乏」という現象が多くみられるようになってきている。一般的に、PoCは3カ月間程度で一定の成果を求める傾向にあるが、データの準備だけで2～3カ月を費やしてしまうという現実がある。データ提供ポリシーや分析に適した環境が不足していたり、社員がデータに触れたことがないなど、データの取得と理解のみに膨大な時間と手間がかかってしまうのだ。データドリブン経営を目指すのであれば、ITガバナンスを超えて、経営主導で「データガバナンス」を構築し、データ保持期限の見直しやコードの共通化など、データを経営資源として徹底管理し、データ活用のスピードを妨げるものを排除しなければならない。

最終的なビジネス価値で評価する

　たとえば、2社にアルゴリズム開発のPoCを依頼したとしても、アルゴリズムの設計思想や精度検証の条件の違いなど、初歩的な理解不足により検証すらできないケースもある。AIの話になると、モデルの技術検証に終始し、経済価値に換算するひと手間を忘れてしまい、本来のPoCの目的を見失った技術検証（PoT）になりがちだ。これは、AIのソフトウエアビジネス化による機能売りが増えてきた影響が大きい。ディープラーニングなどの技法や精度を上げることに過剰にこだわるのではなく、経済価値が満たせばいち早く世に出して磨き込むことが重要となるのだ。コモディティ化が進むAIの各パーツの性能よりも、組み合わせた上での最終的なビジネス価値で評価することが、データ活用を基点としたデジタルトランスフォーメーションの実現にむけて重要である、とブレインパッドの関口氏は講演を締めくくった。