AI（人工知能）に関する実践的研究組織「Deloitte AI Institute」所長の森正弥氏が、AI業界をリードするトップ人材と語り合うシリーズ対談「Deloitte AI Ignition」の第2回は、DataRobotのジャパンカントリーマネージャーである馬場道生氏をゲストに迎えた。
DataRobotはAIモデルの自動生成だけでなく、データの準備、AIの実装・運用などAIのライフサイクルを統合管理できるAI Cloudプラットフォームの提供を通じ、誰もがAIを活用できる「AIの民主化」を実現してきた。
AIを活用したデータドリブン経営において、周回遅れが指摘される日本企業に失地回復のチャンスはあるのか。AIドリブン経営の実践に向けた課題とその克服策はどこにあるのか。両者が語り合った。
世界的に機械学習自動化への関心は非常に高い
森 DataRobotはAutoML（機械学習の自動化）を中心としたAI Cloudプラットフォームの提供を通じて、AIのモデル開発から運用管理までをトータルで支援していますが、創業の背景について教えていただけますか。
馬場 DataRobotの創設メンバーは、国際的なAI開発のコンペティション「Kaggle」（カグル）で最上位の称号を獲得するなど、第一線で活躍していたデータサイエンティストたちです。彼らは、機械学習が解決できる世の中の課題はたくさんあるのに、肝心のデータサイエンティストの数が圧倒的に足りないことを懸念していました。
その状況は創業した2012年当時からいままで変わっていません。未来を展望しても、おそらくデータサイエンティスト不足は解消されていないでしょう。その結果、企業の生産性や競争力の向上に遅れが生じてしまう。そうであれば、優秀なデータサイエンティストがやっている仕事を自動化することで人材不足は解消され、誰もがAIを活用できるのではないかと考え、開発されたのが、AutoMLを中心としたDataRobotです。
現在、我々はAutoMLだけでなく、誰もが使いやすいようにUX（ユーザーエクスペリエンス）を重視したインターフェースを構築し、データを準備したり、モデルを本番環境に実装した後、それを監視・運用したりするMLOps（Machine Learning Operations）といわれる一連のライフサイクルを統合管理できるプラットフォームを提供しています。
森 2012年というと、ディープラーニング（深層学習）による画像認識が非常に優れた成果を出し、世の中に大きなインパクトを与えた年ですが、その当時にデータサイエンティスト不足を懸念していたというのは、先見の明ですね。
馬場さんご自身、15年以上にわたりAIによるビジネス価値の創出に関わってこられたわけですが、AIに対する世の中の認識の変化、ビジネスへのインパクトの変化をどう感じていますか。
馬場 日本はAI活用において周回遅れであるとよく指摘されますが、現在、「グローバル2000」（フォーブス誌の公開企業ランキング）に名を連ねる日本企業トップ10のうち、すでに9社がDataRobotを採用しており、金融や製造業、小売業、ヘルスケアなどあらゆる産業に広がっています。世界的に見てもAutoMLへの関心は非常に高く、2016年以降の機械学習モデルによる予測は1兆回以上に上り、現在も当社のプラットフォーム上では100万を超えるプロジェクトが稼働しています。
しかし、日本と海外の先進企業との違いは、全社横断的なAI活用の事例が少なく、部分的な活用、サイロ化された組織内での活用に留まるケースが多いということです。一方、CoE（Center of Excellence）を構築して、全社戦略に基づく部門横断的なAI活用を行う企業も少なからずあり、両者のギャップが非常に大きくなっています。
このギャップを生じさせている最大の要因は、経営層がAIの現実と可能性をどこまで理解したうえで戦略を立てているかにあると思います。
我々のクライアントからは、それぞれの産業セクターにおいて、大きなインパクトをもたらしたユースケースがかなり出てきています。AIが部分的な活用に留まり、ビジネスへの大きなインパクトが生まれていないお客様に対しては、そうしたユースケースをご紹介し、試していただくよう働きかけています。
森 日本では、現場の人たちがさまざまな業務や顧客に関する知見とノウハウを持って仕事に取り組んでおり、それが強みとなってきた一方で、暗黙知として属人化されています。属人化された暗黙知をAIに学習させることで、それが形式知化し、現場の力が組織全体に広がっていき、大きなビジネスインパクトを生むことになります。
そういう意味でも、誰にも使いやすい「AIの民主化」を主導してきたDataRobotの果たすべき役割は大きいと思います。
馬場 AIが民主化されることによって、データサイエンティストが足りない会社においても、それ以外の人たちがデータサイエンティストの役割を補完することが可能になります。我々はそうした人たちをシチズンデータサイエンティストと呼んでいます。
たとえば、データ分析を担当するビジネスアナリストや、データサイエンティストとまではいかないけれどデータを日常的に活用している人たちが、DataRobotを使うことでシチズンデータサイエンティストになれます。
なぜなら我々のプラットフォームには、優秀なデータサイエンティストによって開発されたさまざまなアルゴリズムが実装されており、その選定だけでなく前処理も多彩な手法の中から自動で試してくれます。テーブルの結合やそこからの特徴量生成も自動化されており、またアンサンブル学習も自動化されています。
しかし、シチズンデータサイエンティストを増やすだけでは十分ではありません。本番環境にAIを実装し、運用していくフェーズにおいては、IT人材をAI運用のオペレーターのレベルに引き上げないと、真の意味でAIは広がっていかないでしょう。さらに重要なのが、経営層や意思決定層を含めてAI活用の果実を手にするビジネスユーザーです。我々はこの人たちをAIコンシューマーと呼んでいますが、AIの価値を最大化するという点から、AIコンシューマーのリテラシーを高めていくことも欠かせません。
つまり、AIの民主化においては、AIモデルを構築するデータサイエンティスト、AIの運用を担うIT人材、そして経営層や意思決定層を含めたビジネスユーザーであるAIコンシューマー、この3者を教育・啓発していくことが重要だと考えています。
