なぜ現場に不評な基幹システムができ上がるのか？ – ビジネスインサイダー 寄稿

なぜ｢現場に不評な基幹システム｣ができ上がるのか？
—— 物流現場の声を聞いて見えた｢現場AI｣の姿

パロアルトインサイトCEOでAIビジネスデザイナーの石角友愛です。今回は、私たちがAI実装を手がける中で学んだ、一番大事にしている教訓である｢現場AI｣を作ることのお話をしたいと思います。

弊社では業界横断的にクライアントの経営課題をAI技術を使って解決するプロジェクトを行なっています。

あるクライアントと話をしていると、システム会社が作った基幹システムと現場スタッフの作業内容に乖離があることがわかってきました。

例えば、その会社の基幹システムは受発注などの作業を自動化するものですが、導入はしたものの、流通現場のスタッフは使いこなしていませんでした。

実際に私たちが流通現場に足を運び、どのように現場の人が作業をしているかを見ていると、基幹システムが吐き出す出力値を手作業で入れ替えている人がいました。話を聞いてみると、｢あの取引先は午前中に届けないとうるさいから｣とか｢毎週水曜日はあの道路は混むから避けたい｣ といった、現場感が満載のインサイトから独自の作業をしていたのです。

なぜ｢使われない基幹システム｣ができあがるのか？

流通業界などで｢作業時間の最小化｣や作業員の｢移動距離の最小化｣といった課題は機械学習の分野でも長い間取り扱われています。その代表的な学術的アプローチが｢最適化｣と呼ばれるものです。

最適化とは、簡単に言うと目的関数を定義して、その関数の最大化もしくは最小化を目指すアプローチを指します（流通の例で言うと、目的関数は作業員の移動距離となり、ゴールはその移動距離の最小化となります）。

そのため、流通分野で多く提供されている基幹システムなどでは、このような手法で作られたモデルが搭載されていることが一般的です。

しかし、その現場の声やインサイトを汲み取っていない基幹システムでは、本当の｢ペインポイント｣（苦痛を伴う課題）が解決できていないことがあります。今回のケースもそうで、だから私たちは今、その解決のために新しい機械学習モデルの実装をしているというわけです。

興味深いのは、このような現場の課題を見ていると、一般的な流通業界での解とされる｢最適化｣ではなく、ランキング学習（※）などの、全く別の業界で使われる手法の方が現場の声を反映したアルゴリズムになるとわかりました。

この事例からの学びは、現場にはシステム設計者が考慮できていない“変数”が数多くあるということです。

しかし、アナログ的な作業を置き換えることこそ、現場をAI技術でサポートする｢現場AI｣の本質があります。現場の課題やペインポイントが解決できていないと感じたら、表面的な判断基準を一切取り払い、改めて最適解を見つけていく。だからこそ、一見AIとはかけ離れていると思われがちな業界の人こそ、AI活用をお勧めしたいと思っています。

賢い｢現場AI｣をつくるにはコツがある

最後に、私たちが｢現場AI｣を作るときに心がけている3つのことをまとめました。これからシステムへのAI活用を考えている方はぜひ参考にしてください。

　PAIoneerPRO会員に登録 ▷　
PAIoneer PRO
詳細はこちら

　会員の方はログイン▷