データの生成、収集、そして整理はかつては夢物語でしたが、今では世界有数の大企業の一部は情報過多に悩まされています。企業はデータの収集には何の問題もありませんが、それを活用し、事業を推進するための重要なビジネス価値へと転換しようとすると、困難な課題に直面することがあります。
真の目標はデータを戦略的武器に変えることですが、これは世界で最も洗練された組織でさえも到達するのが難しい、新たな境地です。ビジネス対応型機械学習ソリューションの世界的リーダーであるElectrifAiのCEO、エドワード・スコット氏によると、企業は結果的なビジネス価値の創出に注力する必要があります。焦点を当てるべきは技術ではなく、業務の最適化と売上高の成長促進です。テクノロジーは、あくまでもビジネス目標の達成のために存在します。結果的なAIを活用することで、企業はデータを活用することで、6～8週間で真に測定可能なビジネス成果を実現できます。
結果的 AI とは何ですか?
エドワード・スコット氏の見解では、あまりにも多くの企業がデータウェアハウスやクラウドといったデータ配管やインフラに過度に重点を置きすぎているとのことです。スコット氏によると、エラスティックコンピューティングとストレージは議論の大部分を占めすぎているとのこと。経営幹部にとって、これらは全くの難解です。重要な配管ではありますが、インフラを実現する手段であることに変わりはありません。しかし、配管とインフラは、必ずしもビジネス成果や重要なビジネス価値の実現につながるわけではありません。データの欠落、不正確なデータ、外れ値、そして複数のソースが存在すると、企業が価値を見出すことはほぼ不可能になりかねません。
Consequential AIは、大規模および中規模企業があらゆる構造化データと非構造化データからビジネス価値を迅速に引き出すことを支援する、ElectrifAi独自のアプローチです。ElectrifAiは、データが扱いにくく、データからビジネス価値を引き出すことはさらに困難であることを理解しています。ElectrifAiを支える主要なイノベーションは、あらかじめ構築された機械学習およびNLPソリューションです。これらのソリューションには、問題解決に必要なあらゆる専門知識と、ソースデータのクレンジングと変換に必要なあらかじめ構築されたデータパイプラインが含まれています。これらの機能はすべて、あらゆるクラウド、プラットフォーム、さらにはオンプレミスに展開可能なDockerイメージにまとめられています。「私たちは、企業がデータを活用してビジネス上の問題を6～8週間で迅速に解決できるよう、多大な努力をしてきました」とスコット氏は述べています。「私たちは、数多くの中核産業にサービスを提供しており、私たちがConsequential AIと呼ぶ一連の問題を解決しています。この奥深さと再現性こそが、世界中で展開できる私たちのサービスの核心なのです」とエドワード・スコット氏は説明します。
ElectrifAiは、クライアントの最も差し迫った課題を特定し、わずか6～7個のデータポイントを組み合わせることで解決します。「特定のビジネス課題を解決するために必要なデータについて、クライアントに正確に伝えます。通常、大量のデータは必要ではなく、データはクレンジングすることなくそのまま取得できます」とスコット氏は説明します。スコット氏のチームは、このデータを、カスタマイズが可能な既成の機械学習ソリューションに入力することで、驚異的な95%の成功率を実現しています。
「私たちは、他に類を見ない技術を開発しました。それは、クライアントがデータをビジネス推進のための戦略的武器へと転換し、私たちが「コンシクエンシャルAI」と呼ぶ技術によってビジネスを迅速に推進できるよう支援する能力です。まさに変革をもたらす力です」とスコットは説明する。「まさにこれこそがElectrifAiの真の使命であり、これらの構築済みの機械学習と自然言語処理（NLP）ソリューションを活用することで、データを通じて迅速に価値を創造することなのです。」
スコット氏は、AIは測定可能なビジネス成果につながる場合にのみ有用であると主張しています。これは氷山の一角に過ぎませんが、これら3つのユースケースは、AIが中規模企業にとっていかに大きな変革をもたらすかを示しています。
データ品質とリスクの問題の改善
世界最大級の銀行の一つが、データ品質問題の解決にElectrifAiを採用しました。同行の投資グループは、最適なリスク調整済みポートフォリオの設計に支援を必要としていましたが、サードパーティベンダーから入手した市場データとリスクデータがしばしば不正確であることに気づきました。さらに問題が深刻化していたのは、20テラバイトものデータが1日を通して異なる時間に流入し、データの不完全性と同期のずれが生じていたことです。
銀行は、自社のデータが不正確であり、コンプライアンスおよび規制上のリスクが生じていることに気づいていませんでした。ElectrifAiはConsequential AIを活用し、銀行が品質問題を自動検出できるように支援しました。事前に構築されたソリューションは、品質問題を特定し、プロバイダーに通知することで、迅速な問題解決を可能にしました。
その結果、銀行のポートフォリオマネージャーはより正確で質の高いデータを入手し、ポートフォリオ管理と全体的なリスク評価を改善しました。現在、銀行はポートフォリオ内のリスクをより現実的に把握できるようになり、大きな成果につながっています。
サプライチェーンネットワークと在庫レベルの最適化
COVID-19は従来のデータモデルを一変させ、企業がこのような困難な環境下で機敏性を維持することをほぼ不可能にしました。顧客の需要はほぼ絶え間なく変化し、インフレ率は高く、サプライチェーンの問題により燃料などの物価が高騰しています。「なぜこれが重要なのか？ A：ドライバーは高価だから。B：ディーゼルは1ガロン6ドルだから。だからこそ重要なのです」とエドワード・スコットは説明します。
サプライチェーンデータには顕著なギャップがあり、サプライチェーン管理に不確実性をもたらしています。幸いなことに、Consequential AIは企業のサプライチェーンと在庫の最適化を支援しています。
大手ホスピタリティチェーンの一つが、サプライチェーンコストの最適化を目指し、ElectrifAiと提携しました。同社は、多数の配送センターからの配送料と配送期間を最小限に抑える必要がありました。これにより、経費を削減できるだけでなく、輸送中の食材の鮮度維持も可能になります。
ElectrifAiは、チェーン店のデータを活用した、あらかじめ構築された機械学習ソリューションを開発しました。このソリューションは、どの配送センターがどの店舗に配送すべきかを特定し、追加の配送センターの設置場所を特定し、需要と供給を分析することで、レストランの配送コスト削減に貢献しました。
ElectrifAi はまた、需要予測ソリューションを活用してレストランの在庫をリアルタイムで最適化する階層型アプローチを採用し、安全在庫への投資を削減して運転資本を解放する方法をチェーンに示しました。
非構造化データの管理と新たな収益源の創出
「非構造化データは企業を圧倒しています。まるで津波のようです」とエドワード・スコットは言います。「特に動画や画像において顕著です。メディア企業、小売業者、ファッションブランドは膨大な量の画像と非構造化データを保有しています。問題は、これらの非構造化データをいかにして収益化でき、ビジネスに活用できる有用なデータに変換するかということです」とスコットは問いかけます。
Consequential AIソリューションは、こうしたデータに構造化を施すために必要な労力を大幅に削減します。例えば、ElectrifAiのプレビルドソリューションは、画像などの非構造化情報に自動的に注釈を付けてカタログ化し、簡単に検索できるようにします。
結果的AI：究極の競争優位性
最も評判の高い企業でさえ、自社のデータの意味を理解するのに苦労しています。ますます不安定で厳しい環境において、すべての企業はコストと業務を迅速に最適化する必要があります。Consequential AIは、社内にデータチームを擁する余裕のある、資金力のある大手企業と競争できる中堅企業を支援します。
情報品質の向上、サプライチェーンの最適化、非構造化データの管理など、コンセクエンシャルAIはデータを貴重な資産に変える力を持っています。「本日ご紹介するソリューションは、収益の向上、業務の最適化、そしてコスト削減を実現します。これこそがコンセクエンシャルAIの真髄です」とエドワード・スコットは締めくくっています。
