人工知能サミット 2021 〜AI活用は総論から各論へ、業種別に活用の勘所を探る〜 Review

「非接触」「非対面」が当たり前になった現在の社会で、デジタル技術の役目は大きく拡大している。オンラインで顧客と接したり、従来は人が行ってきた業務を機械が代行・自動化したりするシーンは、今やあらゆる業種・業界で見られるようになった。そうした中、あらためて注目を集めているのが人工知能(AI)だ。実証実験、試験導入フェーズを脱し、いよいよ実装フェーズへ――。多くの企業が価値創出に向けた方法を探っている。本セミナーでは、製造業/金融業それぞれにおける先進AI活用事例や、両業界に向けたベンダーの提案が紹介された。当日の模様をダイジェストで紹介する。

基調講演:三井住友カード キャッシュレスデータとAIの活用へ カギは多様なデータ人材の発掘と育成

キャッシュレスデータの可能性をAIが拡大

三井住友カード株式会社 データ戦略部長 白石 寛樹氏
三井住友カード株式会社
データ戦略部長
白石 寛樹

日本におけるクレジットカード事業の草分けとして知られる三井住友カード。同社では、常に先進的なサービスを提供すべく現在もチャレンジを続けている。

2021年10月4日には、国内初となるカードレスのサービスを開始した。また、事業者に向けては、決済プラットフォーム「stera(ステラ)」やデータ分析の「Custella(カステラ)」といったサービスを提供。特にCustellaは統計化された自社の購買実績データや業界消費動向データを多様な切り口で閲覧し、顧客行動をビジュアルに可視化できるなど、効果的な販売戦略やプロモーションの立案などに役立てられることから好評を得ている。

これらの取り組みの背景にあるのが、「キャッシュレスデータとAIの活用」という共通テーマである。「スマホで誰もがどこでも望む情報を入手できる時代、一人ひとりの価値観もますます多様化しています。こうした変化の真っただ中でAIが身近になりつつある今、キャッシュレスデータのポテンシャルに期待が高まっていくのは必然の流れです」と同社の白石 寛樹氏は語る。

一例として挙げるのが、あるネット通販事業者の取り組みだ。コロナ禍におけるキャッシュレスデータをAIに学習させ、そのサイトで購入する可能性の高い顧客の特徴を分析したところ、従来のメイン層とは異なるターゲット層を発見。「そこに向けたプロモーションを実行した結果、より高精度の販促効果を得ることができました」と白石氏は言う。

このようにキャッシュレスデータによるAI予測は、商品を購入する可能性がどこにあるのかを判別するほか、さらに上位の階層から顧客像を分析することも可能だ。例えば引っ越しというライフイベントに着目したならば、それに付随して発生する自動車の購入によるライフスタイルの変化、さらにその変化に伴う自動車保険乗り換えのニーズなど、予測のバリエーションはどんどん広がっていく。

なぜキャッシュレスデータとAIの組み合わせの相性がいいのか。その理由は大きく4つある。まず属性や取引情報などの「正確性」、2つ目がカード加入年数に応じて年単位でデータ活用ができる「長期保存性」、3つ目が最新の記録を保持し続ける「タイムリー性」、そして4つ目が、多様なデータと組み合わせて活用できる「結合可能性」だ。「多くのプレイヤーが決済領域へと進出している状況からも、この有用性は広く認識されています」と白石氏は語る。

キャッシュレスデータ×AIによる予測範囲の例

キャッシュレスデータ×AIによる予測範囲の例

キャッシュレスデータとAIの組み合わせは、単に特定商品の購買確率などを分析することにとどまらない。予測のバリエーションを連鎖的に広げていくことに本当の価値がある

[画像のクリックで拡大表示]

必要とするデータ人材の育成とその課題

ただし、キャッシュレスデータさえあれば万能というわけではない。そのポテンシャルを引き出す最も重要な要素として、白石氏が強調するのが「人材」である。

三井住友カードでは必要とするデータ人材を、ビジネスニーズを発掘して解決方法をプランニングする「データビジネスプランナー」、データ分析を設計してデータの価値を読み解く「データアナリスト」、機械学習を含めたAIを活用してモデルを実用化する「データサイエンティスト」、データ基盤を構築してデータ処理を実行する「データエンジニア」といった大きく4つの類型で定義している。

しかし、課題も抱えていたという。それは「異なる能力やキャラクターを持つこれらの人材同士によるチーム力をいかにして最大化できるか」、さらには「一人で複数の能力要件を兼ね備えた高度データ人材をどうすれば発掘・育成できるか」という問題である。

「私たちの取り組みは、まだ発展途上です」と白石氏は前置きしつつ、「事業を推進する上では、専門職として軸となる強みを持ちながら、ほかの領域の特性も備えていくことが求められます。そこで、入社したばかりの人材も含めてスキル要件の見える化とセルフチェックを行い、4つの類型にこだわらず様々な得意分野を伸ばしていくことに注力しています」と語る。そこでは、理系や文系というステレオタイプな人物像ではなく、カバー領域、視野の広いデータ人材の育成に力点を置いているという。

今後も三井住友カードではこうした取り組みを通して、「多様な人材が有機的に協力し合うデータ組織」を整備し、キャッシュレスデータを軸に様々な分析支援サービスを展開していく考えだ。

特別講演:損害保険ジャパン 加入から保険金請求までスマホで完結 新たな顧客体験価値をAIで実現

AI-OCRを活用して査定業務を自動化

損害保険ジャパン株式会社 マーケティング部・執行役員待遇 部長 関口 憲義氏
損害保険ジャパン株式会社
マーケティング部・執行役員待遇
部長
関口 憲義

損害保険ジャパンは、2021年6月から新しい医療保険「入院パスポート」の販売を開始した。「1万人を超えるお客様への徹底した調査を行い、新たな顧客体験価値を提供すべく開発した商品です」と同社の関口 憲義氏は同保険にかける意気込みを示す。

入院パスポートの最大の特長となっているのがそのビジネスモデルだ。「保険加入から保険金請求まで、すべての手続きがスマホで完結します」と関口氏は語る。

まずは加入手続きだが、チラシの説明を読んで二次元コードを読み取り、移動した契約サイトで基本事項を入力すれば手続きは完了する。申込書への署名も必要ない。保険金の請求も簡単だ。お客様ページにログインし、入院日などの必要事項を入力。続いて病院から受け取った「入院診療計画書」「治療費の領収証」「サービス利用の領収証」などをスマホのカメラで撮影・送信する。たったこれだけのステップで手続きが完了し、最短30分、原則24時間以内に保険金が支払われるのである。

中でも注目すべきは保険金請求のフェーズだ。通常の医療保険の場合、必要書類を郵送でやり取りし、人手による審査や計算が行われるため支払い(着金)までには1~2週間程度を要している。これに対して入院パスポートでは積極的なAI活用を図ることで、上述した最短30分の保険金支払いを可能としたのである。

「お客様側での保険金請求書類の受領、書類記入・添付書類の準備、保険金請求書類の返送、当社側での書類確認・支払可否の判断、保険金の計算の5つのプロセスにAI-OCRを活用し、査定業務を自動化することでこれを実現しました」と関口氏は説明する。この結果として、保険金請求の約6割が3時間以内で着金を完了しているほか、中にはわずか8分で着金を完了した実績もあるという。

既存プロセスとAIを活用したビジネスモデルの比較

既存プロセスとAIを活用したビジネスモデルの比較

顧客側と損害保険ジャパン側の合計5つの業務プロセスでAI-OCRを活用し、査定業務を自動化することで、原則24時間、最短30分での着金を実現した。

[画像のクリックで拡大表示]

将来的にはシステムによる自動支払を目指す

実際、こうした入院パスポートの迅速な対応は、例えば新型コロナウイルス感染症に罹患して自宅療養を余儀なくされた顧客からも高く評価されている。

「保険金請求を行って感じたことは、とにかく保険金支払が早いの一言に尽きます。月曜日の夕方に新型コロナウイルス陽性が判明し自宅療養となり、その日の夜にスマホから入院準備保険金を請求しました。そして火曜日午前中に保険金振込がありました。何かとお金がかかるので本当に助かりました」、「前々からこの保険はいいなと思っていましたが、実際に保険請求をしてみて本当に請求が簡単にできると実感しました。手続きが面倒でなく周囲にもお勧めしたい商品です」といった顧客の声が、損害保険ジャパンに続々と寄せられているのだという。

この成果を受けて、「AI活用の範囲をAI-OCRによる読み取りから事案の振り分け、有無責任判定、着金といったプロセス全体に広げていき、将来的にはシステムによる自動支払を目指します」と関口氏は語る。

さらに昨今のInsureTech(インシュアテック)のトレンドをとらえ、パーソナライズとリアルタイム性の強化、モバイルと代理店による対面コミュニケーションを組み合わせた販売チャネルのハイブリッド化、AIのほか汎用的なAPIやクラウドプラットフォーム、画像認識技術を備えたITインフラの活用などによって実現する、いわゆる「第三世代」の保険商品を指向した取り組みも加速させていくという。

ただし、その一方で関口氏は「AI活用は手段であって目的ではありません。当社が目標とするのは、あくまでも新たなCX(カスタマーエクスペリエンス)の提供およびそれによる顧客満足度の向上です」と強調する。こうした原則を念頭の置きつつ、同社では今後も多様なタッチポイントのあらゆるプロセスにおけるAI活用の可能性を模索していく考えだ。

基調講演:キリンホールディングス 技術者の知見とテクノロジーを融合し新商品開発を加速する「醸造匠AI」

ベテラン技術者と若手の差をAIで埋める

キリンホールディングス株式会社 R&D本部 飲料未来研究所 研究員 岡田 理志氏
キリンホールディングス株式会社
R&D本部 飲料未来研究所
研究員
岡田 理志

ビールや清涼飲料をはじめ、多彩な食領域の事業を展開するキリンホールディングス。現在は発酵・バイオテクノロジーを活用したヘルスサイエンス領域や、医療関連の事業へもビジネスを拡大している。

同社の研究所には、ビールの試験醸造(試作)を行う「パイロットプラント」があり、ここで得た知見を新商品開発に役立ててきた。また、取り組みを通じて蓄積したデータや醸造ノウハウをさらに深掘りし活用するために、同社が着手したのがAI活用である。「取り組みに着手したのは、ビッグデータやIoTという言葉がよく聞かれるようになった2015年ごろです。まずは『データ活用で何かできないか』という気軽な思いで検討を開始しました」と同社の岡田 理志氏は語る。

AIの適用領域を検討する中で見えてきたのが、新商品開発プロセスに潜む、ベテランと若手の差である。そもそもビールの商品開発は、技術者の経験や知見がカギを握る“職人”の世界。自らの知識や経験に基づいて原材料の配合や工程、設備設定などの条件を調整しながら、試験醸造を繰り返してレシピ(醸造条件)を決めていく。同社ではこうして開発したレシピのデータベース化を約20年前から進めてきたが、それらのデータをどう活用するかについては技術者ごとに個人差があったという。

「例えば、ベテランは過去の試験醸造データを積極的に活用する傾向があります。一方、若手は自ら過去のデータを検索せず、先輩にアドバイスをもらって進めるケースが多く見られました」と岡田氏。複数のデータからイメージに近いものを選び、それを基にしてレシピを調整するベテランに比べて、どうしても調整の幅が狭くなる傾向があったという。結果、若手は一定レベルのレシピを完成させるまでの試行回数が多く、開発リードタイムが長期化しがちだった。

プロジェクトを通じてAI活用の機運も高まる

これを解決するため開発したのが「醸造匠AI」だ(図)。機能は大きく「予測」と「探索」の2つ。まず予測機能は、材料の組み合わせや設備の設定などを先に決め、そこからどういう試作結果(分析値)が得られるかを予測する機能である。「一般的なAIは大量のデータの活用が前提となります。一方、我々が保有する過去データは数千件単位にすぎませんでした。そこで、現場の技術者のノウハウを基にデータの重み付けを行うなど、キリンが持つ醸造知見も融合することで予測モデルの精度を高めました」と岡田氏は説明する。

図 「醸造匠AI」の活用イメージ

図 「醸造匠AI」の活用イメージ

レシピ(試験醸造条件)から試作結果(分析値)を予測する「予測機能」と、目指す試作結果から必要なレシピを導く「探索機能」により、技術者間の様々な差を埋めることが期待されている

[画像のクリックで拡大表示]

もう1つの探索機能は、予測と逆の流れを実現する機能である。目指す試作結果を先に与えて、それを実現するレシピを複数導く。この機能の開発は、熟練者が見て妥当なレシピを提示できる「精度」、提案レシピが似通わない「多様性」、熟練者でも着想の難しい、興味深い組み合わせが発見できる「新規性」などの要件を加味して進めたという。

「一連の取り組みは、データサイエンスに造詣の深い三菱総合研究所との協働で進めました。ビール醸造に精通する我々とデータのプロフェッショナルが、互いに実務イメージを共有して進めたことで、様々な気付きを得ることができました」と岡田氏は強調する。

こうして開発された醸造匠AIは、2021年に2つの機能がそろい、試験運用がスタートしている。今後は、商品開発のリードタイム短縮、あるいは技術伝承の促進など、いくつもの効果が表れてくるはずだ。同社も、その成果に大きな期待を寄せている。「また、開発プロジェクトを通じて、AI活用に向けた社内の機運も高まりました。研究員が自主的にAI/IoTの勉強会を開いたり、自ら機械学習のコードを書いたりする研究員も現れてきています」と岡田氏は話す。

技術者がAIを活用することで、より高品質で美味しいビールを生み出し、市場に届ける。同社の取り組みの先には、大勢の消費者の笑顔が見えてくる。

特別講演:日立造船 AIを活用して熱交換器の検査を迅速・省力化 プラント保全の品質向上に貢献

複数のモデルを駆使して検査画像を高精度に判定

日立造船株式会社 機械・インフラ事業本部 開発センター 生産プロセスグループ 主任技師 篠田 薫氏
日立造船株式会社
機械・インフラ事業本部 開発センター
生産プロセスグループ 主任技師
篠田 薫

「クリーンなエネルギー」「クリーンな水」「環境保全、災害に強く豊かな街づくり」をドメインに、プラントエンジニアリングにかかわる事業を展開する日立造船。機械・インフラ事業本部では石油精製や石油化学をはじめとする各種プラント用圧力設備の製作・保守保全を通じて、エネルギー/製造業界のビジネスを支えている。

同社は、プラントの圧力設備で多用されている熱交換器における管端溶接部の欠陥・亀裂を検出する技術として「kantanPAUT(カンタンピーエーユーティー)」を開発。これを顧客向けのサービスとしても提供している。「管端溶接部に器具を挿入し、様々な角度に超音波ビームを伝搬して検査します。取得した検査画像をAIで解析することで、欠陥の有無や位置を高精度かつ短時間で自動的に検出できる点が大きな特長です」と同社の篠田 薫氏は紹介する。

検査画像は、超音波の反射エコー高さに応じてカラー画像で表示することができる。この検査に用いたAIは、カラー画像の濃淡や輪郭、それらの出現位置などを特徴として学習することで、欠陥の有無を判定する仕組みだ。また、判定領域の自動抽出(トリミング)や、抽出した画像内にノイズが含まれているか否か、画像内に欠陥があるかどうかなどの判定には、それぞれに特化したモデルを適用することで、判定方法の最適化を図っているという。

「欠陥有無の判定は、CNN(Convolutional Neural Network)、AE(AutoEncoder)、画像ピクセルのしきい値処理という3つの判定モデルを使用しています。加えて、各モデルで過去に判定した際の分類精度を学習させたCNNを設定し、各判定の正解確率を予測する信頼度判定を実施する。この信頼度を重みとして用い、3つの判定モデルで得られた結果に重みづけし、総和することで、正解率の向上につなげています」と篠田氏は解説する(図)。

図 kantanPAUTのAIを活用した自動判定システムの概要

図 kantanPAUTのAIを活用した自動判定システムの概要

判定領域の自動抽出や、ノイズが含まれる画像の抽出、そして欠陥の有無にかかわる判定といった各場面に異なるAI技術や判定モデルを採用している。

[画像のクリックで拡大表示]

他社メーカーが製作した熱交換器の出張検査サービスも開始

kantanPAUTは、実際の検査に適用されて成果を上げている。

その一例が、日立造船が自社工場で製作した複数の熱交換器を同時に検査したケースだ。このとき検査対象となった管は計1万5800本。取得された画像の枚数は568万枚にのぼる。検査結果としては、欠陥なしが1万3500本で、欠陥ありと判定されたのが2300本。そのうち一部は合否判定基準に照らし合わせて合格となったため、最終的な管端溶接部の合格率は99%という結果だった。

「このとき検査に要した時間は約200時間、判定にかかった時間は約340時間でした。一方、もしもAIを活用した自動判定システムがなければ、⽬視による判定だけで1580時間、66日以上を要するものと試算しています。つまり自動判定システムによって、判定時間の約80%が短縮できたことになる。検査コストは従来比で3分の2程度削減できました」(篠田氏)。また、自動判定システムがなければ検査の作業は人の目視によるものとなる。人的ミスによる見落としや誤判定も発生しやすくなるだろう。

加えて日立造船は、他社メーカーが製作した熱交換器の出張検査もkantanPAUTで実施している。これは当初、あるプラントオーナーの要請に応える形で始めたものだが、熱交換器の品質向上に関心の高い顧客からも好評だという。「実は当初はここまでやることは想定していなかったのですが、プラントオーナーやプラント建設会社から依頼があって始めました。AIを活用することで、新しいサービスが展開できました」と篠田氏は語る。

以上のように日立造船では、AI技術を活用することで、自社工場で製作した熱交換器の検査作業を効率化し、労働生産性を大幅に向上した。加えて、出張検査というこれまでにないサービスも新たに創出した。今後はクラウドを活用した自動判定システムの導入による判定速度のさらなる向上や検査データ管理の効率化を視野に入れ、機能/サービスの一層の拡充を図っていくという。さらなる取り組みに注目したい。

金融編 基調講演:三井住友カード キャッシュレスデータとAIの活用へ カギは多様なデータ人材の発掘と育成特別講演:損害保険ジャパン 加入から保険金請求までスマホで完結 新たな顧客体験価値をAIで実現キーエンス 金融機関をデータドリブンの組織に変革 効果をコミットするデータ活用術
製造編 基調講演:キリンホールディングス 技術者の知見とテクノロジーを融合し新商品開発を加速する「醸造匠AI」特別講演:日立造船 AIを活用して熱交換器の検査を迅速・省力化 プラント保全の品質向上に貢献Dataiku 「脱サイロ化」でコラボレーションを加速 製造現場のAIプロジェクトを変えるユーザーローカル 製造業の業務をデジタルで変革する DXにAIチャットボットが有効な理由KPMGコンサルティング AIで網羅的かつ精緻な意思決定を支援し エコシステム全体の「攻めの規制対応」を実現