実例とデモから読み解くAI、データサイエンスの世界 - WOMAN Digital Meetup!!! VOL.2 -

イベント公開日: 2018/10/30

ブックマーク

Python, Deep Learning, 人工知能, 機械学習, 女子部

Accenture

2018年8月27日（月）19時、アクセンチュア・イノベーション・ハブ東京にて「WOMAN Digital Meetup!!! VOL.2 - 実例とデモから読み解くAI、データサイエンスの世界 --」が開催されました。

女性を対象にアクセンチュアが主催する「WOMAN Digital Meetup!!!」は、先週に続き第2回目の開催です。AIやデータサイエンスをテーマにした今回は、約100名が参加しました。

当日のテーマと登壇者は次の通りです。

「オープニング」
アクセンチュア株式会社保科学世さん

「データ分析コンテストのススメと産業技術総合研究所衛星画像分析コンテスト2位入賞モデルの概要」
アクセンチュア株式会社 S.Aさん
アクセンチュア株式会社 M.Kさん

「クライアントとJV立ち上げ。コンサルにいながらベンチャーの経営に携わるとは」
アクセンチュア株式会社 K.Mさん

「アナリティクスリケジョのキャリア構築」
アクセンチュア株式会社 K.Cさん

それでは内容をご紹介します！

オープニング

まずは保科さんによるオープニングです。

保科学世（ほしな・がくせ）／アクセンチュア株式会社 デジタルコンサルティング本部 アクセンチュア・イノベーション・ハブ東京共同統括 マネジング・ディレクター。慶應義塾大学大学院理工学研究科博士課程修了 理学博士。

まず保科さんはAIをどのように捉えるべきなのかを語ります。

「『AIがヒトの仕事を奪う』とよく言われていますが、これはナンセンスです。日本国内では既に労働力不足が叫ばれていますが、超少子高齢化が進んだ2030年には約900万人に労働人口が不足すると予測されています。

また、私たちアクセンチュアの研究では、2035年までの世界の先進国の成長において現在のままだと一番伸び悩むのが日本だという結果が出ています。わずか0.8％しか成長できません。ただし、AIを活用できた場合には、日本も2.7％成長できると予測しています。

つまり、日本の成長にはAI活用が欠かせないわけです」（保科さん）

それではこのAIの開発において、どのような点に留意しなければいけないのでしょうか？アクセンチュアの展望として、保科さんは次の通り紹介します。

AIの得意領域を見極め、人間とAIが協同するプロセスを再構築する
→ 「人間か、AIか」ではなく、AIの力を借りてヒトがいかに働きやすい環境を作れるのか、生産性を高めるのかが大切
AIの判断について透明性をもった説明責任および法的責任を明確化する
→ AIのアルゴリズムが高度になるほど、なぜその結果が出たのかがわかりにくくなるが、それを元に人間が判断をするケースなどの責任をはっきりさせなくてはいけない
AIならではの新しい攻撃に備える
→ AIを使ってセキュリティをやぶる攻撃の開発が進んでいるので気をつけなければいけない
AIが市民として活躍できるよう、人間と同様にさまざまな観点から「育てる」
→ 学習環境が提供され、継続的に機能が改善される仕組みが大切

「AIと人間の、それぞれ得意とする領域を活かして協働するプロセスを再構築することが必要です。この協働は、『人間単独』『AI単独』よりも高い成果を生むことが見込めます。

例えば、あるコールセンターのお客様対応の事例です。人間単独が対応した場合の顧客満足度は68％、AI単独の対応の場合は60％でした。ところが、人間とAIの両方で対応したところ、その数字は88％にもなったのです。

さらに、AIの技術に対する向かい方として、現時点では用途別の『部品』であり、万能で汎用的なAIは存在しないことを認識することも重要です。例えば、音声認識ひとつとっても、用途別に様々な技術が存在します。私自身も200社以上のAI技術を扱っているような状況です」（保科さん）

続けて保科さんはアクセンチュアが提供するAIプラットフォームを紹介します。

「たくさんのAI技術が溢れている状況は、私としては楽しいのですが、ユーザー企業さんにとっては大変ですよね。ですから、アクセンチュアではそれらを体系化したAIプラットフォーム『AI Hub』を提供しています。

『AI Hub』は複数のAIエンジンから最適なエンジンを組み合わせて、人間のオペレーターとの協調も可能なプラットフォームです。例えば、アクセンチュアの社内では、『AI Hub』を活用したAI秘書サービスを開発しました。このAI秘書は、メンバーの空き時間を把握しているので、ミーティングの開催を依頼すると人間が時間を調整することなく、会議室の予約まで行ってくれるのです」（保科さん）

最後に保科さんは「コラボレーション」について話し、講演をまとめます。

「いくつものAIの開発事例に携わってきて、私は『コラボレーション』が重要だと感じています。アクセンチュアで企業の成長の要因を分析した研究があるのですが、その研究によれば『自社でAIを開発して活用する企業』よりも、『他社とコラボレーションしてAIを活用している企業』の方が圧倒的に成長しているという結果が出ているのです。

今日の会場となっている『アクセンチュア・イノベーション・ハブ東京』は、まさにその思想を取り入れた拠点です。あまり、アクセンチュアだけに閉じた開発はしたくないと考えていて、他の企業の方もここで一緒に開発をするんです。今後も様々な企業の方とコラボレーションしながら、サービス開発を続けていきたいですね」（保科さん）

データ分析コンテストのススメと産業技術総合研究所衛星画像分析コンテスト2位入賞モデルの概要

続いては、SさんとMさんによる登壇です。

S.A／アクセンチュア株式会社 デジタルコンサルティング本部 プリンシパル・ディレクター。株式会社ARISE analytics サイエンスディビジョンディレクター 兼 コーポレートディビジョンディレクター。2011年にアクセンチュアへ入社。

M.K／アクセンチュア株式会社 デジタルコンサルティング本部 プリンシパルディレクター。大手通信キャリアでの勤務を経て、アクセンチュアへ入社。

まずはSさんは自身が所属する『Accenture Applied Intelligence』について紹介します。

「アクセンチュアにはいくつかの部門があります。まず、産業ごとのエキスパートが揃う『コンサルティング』です。そして、『ストラテジー』『デジタル』『テクノロジー』『オペレーションズ』は、産業横断でサービスを提供する部門です。

私たちの所属する『デジタル』は、『デジタル変革実現のパートナー』であることをミッションとして掲げています。私たちは、さらにその『デジタル』の中の『Accenture Applied Intelligence』という部門にいまして、この『Accenture Applied Intelligence』はデジタル変革におけるデータ分析を担っています

『Accenture Applied Intelligence』には、グローバルで2200人以上のデータサイエンティストがいまして、『アナリティクス・戦略策定』『データ活用新規サービス策定』『独自アルゴリズムの開発』『データ収集・統合』『データ可視化』などのサービスを提供しています」（Sさん）

次にSさんはデータサイエンティストに求められる4つのスキルを共有ます。

データを活用してビジネスを企画する力
データサイエンスを支える統計知識
アナリティクスを実現するITスキル
コミュニケーション能力

「『ビジネス企画力』『統計知識』『ITスキル』の3つは、データサイエンティスト協会が提唱している3つのスキルと同じです。私たちはそれに加えて『コミュニケーション能力』が大切だと考えています。

ビジネスを推進する上でお客様とのコミュニケーションは必要ですし、専門知識のあるメンバーと専門知識を持たないメンバーとともにプロジェクトを進めるためにもコミュニケーション能力は欠かせません」（Sさん）

続いては、Mさんがデータ分析コンテストに関して紹介します。そもそも、データ分析コンテストとはどのようなものなのでしょうか？

「データ分析コンテストとは、データサイエンティストがあるデータを使って予測モデル構築の腕を競い合う大会です。例えば、消費者金融のデータを使って申込者が借金を返せなくなるかどうかを予測したり、海の画像からどの部分が船かを当てたりします。

グローバルでは『Kaggle』、日本では『SIGNATE』というコンテストが著名です。『Kaggle』には7000以上のチームが参加しているんです。

このコンテストには、先ほどの例でいえば消費者金融が主催者となり、『Kaggle』や『SIGNATE』などのコンペベンダーにデータを提供し、コンペティションを企画してもらいます。そして、コンペベンダーはデータを公開し、モデル評価サーバーを提供します。ここでは、どのような基準でスコアリングするかも公開されています。

コンペの参加者は、データをダウンロードし、自身のPCかクラウドサーバーを借りて計算を行います。その結果をアップロードすると今の順位がわかるような仕組みです。

期間の終了時に高いスコアだった参加者には数百万規模の賞金が送られたりしますが、自前でサーバーを借りていたり、徹夜で取り組んだりしているため、その労力に合っているかはむずかしいところです（笑）」（Mさん）

Mさんは、国立研究開発法人産業技術総合研究所が主催する「衛星画像分析コンペティション」を事例として続けます。衛星画像分析コンペティションの概要は次の通りです。

【概要】
ディープラーニングを使って、提供される衛星画像に「ゴルフ場が含まれているか否か」を判別する

【データ概要】

32px ✕ 32px ✕ 7チャネル
分解能 1pxあたり30cm
学習用 296,182枚
評価用 428,697枚

【定義】
画像データの中にゴルフ場が5％以上含まれていれば「正例」、画像データの中に全くゴルフ場が含まれていない場合は「負例」

「このコンペティションのポイントのひとつは、通常のRGB画像とは異なり、7チャネルあるという点です。そのため公開されているディープラーニングのモデルがそのまま使えずに、少し苦労しました。

また、評価関数に『IoU』を採用している点も特徴です。訓練データは、正例は4.2％、負例は95.8％と『超不均衡なデータ』です。こうした場合には、よく使われる『accuracy』よりも『IoU』の方が適切な評価をすることが可能です。

私は仕事ではなく、趣味でこのコンペティションに参加しました。土日や夜の時間を使ったわけです。ディープラーニングの学習には十数時間かかります。寝る前に学習を開始して、その結果を翌日の仕事後に確認して『お、精度があがっている』『順位が下がっている』と繰り返していくわけですね。最終的には0.83というスコアで、2位を獲得しました」（Mさん）

続けてMさんはこのコンペティションで活用したテクニックを次の通り紹介します。

Data Augmentation
→「回転」「フリップ」「縁取り」「明るさ」「コントラスト」などを調整して、学習させる
モデル調査
→ 21種類のCNNモデルを調査し、「ResNet」系の6モデルを採用
学習ループ作成
→ 正例が9954枚、負例が226,992枚と「超不均衡なデータ」であったが、均衡なデータにするために正例の9954枚は繰り返しループで学習させる。ただし、同じデータを何度も読み込ませると偏りが生まれてしまうため、Data Augmentationを活用して正例を増やす
アンサンブル作成
→ 構築したモデルを組み合わせてアンサンブルモデルを作成する。今回は6モデルすべてがpositiveだと予測したデータだけをpositiveとした

最後にMさんは、学習を「AWS EC2」の「GPU instance P3.2xlarge」で実行したなど、開発環境を共有して講演をまとめました。当日のスライドはこちらに公開されています。

クライアントとJV立ち上げ。コンサルにいながらベンチャーの経営に携わるとは

続いては事例の紹介です。Kさんが登壇します。

K.M／アクセンチュア株式会社 デジタルコンサルティング本部 アナリティクスコンサルタントマネージャー。筑波大学大学院システム情報工学部 経営工学修了。2012年、新卒でアクセンチュアへ入社。

Kさんはまず、アクセンチュアとKDDIが立ち上げたジョイントベンチャー、株式会社ARISE analyticsの概要について紹介します。Kさんは、ARISE analyticsの立ち上げ初期メンバーでもあります。

「KDDIがauというブランド名で通信事業を行っていることはみなさんご存知だと思います。さらに、KDDIでは携帯電話回線だけではなく、『au WALLETクレジットカード』『じぶん銀行』など様々なライフデザイン事業を通信と融合させ、『名実ともにライフデザイン会社に変革すること』をミッションとしています。

しかし、KDDIでは様々なチャネルから蓄積される4000万人以上の顧客データの活用、そのデータを活用する人材不足を課題としていました。その課題を解決するために、グローバルで知見があり、データサイエンティストを多く抱える私たちアクセンチュアとともにARISE analyticsというジョイントベンチャーを設立することとなりました。

2017年2月に設立したARISE analyticsは、『日本発の人工知能イノベーションを創出する』というミッションを掲げており、日本から世界に向けて発信できるソリューションをつくろうと取り組んでいます」（Kさん）

次にKさんはARISE analyticsの取り組みを、次の通り4つ列挙します。

KDDI・グループ事業の高度化
→ KDDIやグループ企業内の顧客データ分析、コンサルティング。月次でデータ分析の報告をする場を設けて、データを元に経営判断を行うように取り組んでいる
データ利活用ビジネスへの貢献
→ KDDIの持っているデータや分析結果を活用して、パートナー企業への外販など新規事業を創出する
KDDI・グループのデータ管理
→ KDDI社内データをきれいに蓄積したり、グループ企業のデータ利用許諾の管理をしたりする
最先端のデータ分析環境構築
→ データサイエンティストが分析しやすいように、オープンソースの分析環境を構築する

続いてKさんは、「KDDIグループのデータ」と「アクセンチュアのアセット」を融合して取り組んだARISE analyticsの事例を紹介します。

『AIシングルブレイン』

「『AIシングルブレイン』は、『KDDIの顧客データ』と『アクセンチュアのグローバルでのAIのアセット』を使った、BtoC向けの顧客接点最適化の事例です。

まず、エンドユーザーひとりひとりにサービス別・チャネル別にどのくらい親和性があるのかを機械学習でモデリングします。そして、その結果から出てくるスコア、契約情報、直近の反応履歴などを元に、その人に何をオススメすべきかを『AIシングルブレイン』が順位付けするわけです。

このリストをマーケティング基盤に連携し、アプリやウェブ、店頭にもつなげて様々なトライアルをしています」（Kさん）

『ARISE Predictive Maintenance』

「こちらは工場にセンサーを取り付けて、そのセンサーデータを機械学習で分析し、故障発生や異常検知を早期に行うアプリケーションです。

工場から送られてくるセンサーデータは、KDDIの『IoTクラウド』に蓄積されるのですが、その蓄積されたデータを可視化するダッシュボードをまず開発しました。

さらにアクセンチュアのアセットを活用して、特徴量を抽出するアルゴリズムを開発し、その傾向から異常がありそうな場合にはアラートを飛ばします。この特徴量は100以上抽出しているんです。

この『ARISE Predictive Maintenance』は、BtoBソリューションとして、KDDIの先にいるお客様に提供します」（Kさん）

最後にKさんはARISE analyticsでの働き方を紹介して、講演をまとめます。

「ARISE analyticsでは、『2 in a box』というオペレーション方法を採用しています。これは、KDDIのメンバーとアクセンチュアのメンバーが同じロールに1人ずつ付き、2人で同じロールを実施する手法です。お互いの強みと弱みを補完できるのがメリットですね。

当初は文化の違いでとまどったりもしたのですが、そのうちお互いに本音をぶつけられるようになると、あうんの呼吸で進められるようになりました。これはジョイントベンチャーならではのクライアントとの距離感ですね。

その他にも様々なバックグラウンドを持った方がいますので、コミュニケーションを活性化するための取り組みを行っています。例えば、SNSポータルを立ち上げて記事を共有したり、自分のキャリアや経験を共有するライトニングトークを隔週で開催したりしています。

ただ、アクセンチュアではもちろんジョイントベンチャー型のプロジェクトだけではなく、コンサル型のプロジェクトも多くあります。ジョイントベンチャー型のプロジェクトでは、長期的なテーマに対して取り組めるのが特徴です。

もちろん、コンサル型プロジェクトとジョイントベンチャー型プロジェクトでは経験できることも異なります。私は入社してから3ヶ月、半年という期間のコンサル型プロジェクトをいくつも経験しました。短期間で様々な業界や業務を経験できたり、幅広い人脈形成につながりやすいのが特徴ですね。

それに対してジョイントベンチャー型のプロジェクトでは、クライアントと対等な立場で大規模な改革に取り組む経験ができますね。また、自分たちが働きやすい環境やルールを自ら作る点もコンサル型にはない特徴ですね。

アクセンチュアではどちらの働き方も選べるので、多種多様な働き方ができるんです」（Kさん）

アナリティクスリケジョのキャリア構築

最後はCさんの登壇です。

K.C／アクセンチュア株式会社 デジタルコンサルティング本部 マネージャー。九州大学経済学部卒。2012年に新卒でアクセンチュアへ入社。

Cさんは、産休・育休を経験している自身のキャリアを紹介します。

「私は2012年に入社して以来、業界を横断してデータアナリティクスのプロジェクトを多数担当してきました。例えば、初めて参加したプロジェクトは地方銀行のデータ分析でしたね。

その後、2016年に第一子を出産し、10ヶ月の育休を取得しています。2017年5月に復帰してからは、通常のプロジェクト以外にCSR活動にも参加しています。

アクセンチュアでは多様性を大切にしており、女性が活躍できる会社づくりに全社をあげて取り組んでいます。この10年で女性のマネジングディレクターは10倍、女性社員数は5倍、子供がいる女性社員は9倍になりました。

もちろん、社内には制度や文化も充実しています。例えば、短日短時間勤務制度、在宅勤務制度などが用意されているのですが、制度だけある会社は少なくないと思います。

ただ、私たちには『Think Straight, Talk Straight』という文化が浸透しています。『ストレートに伝える』ということですね。私は妊娠がわかってすぐにつわりがきてしまったので悩んだのですが、上司に相談すると家で働ける体制を整えてもらうことができました。妊娠中のつらい時期を、あまり外に出ずに過ごすことができたのはありがたかったですね。

サポートしてもらえる環境がありますから、どのようなサポートがほしいのかをアウトプットし続けました。これは復帰する際も同じです。このデジタルの分野は進化のスピードが非常に速いですよね。ですから、とても不安があったのですが、どのような戻り方をしたいのかを相談させてもらいました」（Cさん）

最後にCさんは復職後の働き方について語り、講演をまとめます。

「データサイエンティス領域は、理系出身の方が多いからか女性が非常に少ないんです。女性がまだまだ少ないので、今後どれだけダイバーシティを持って働けるのかがとても重要ですね。アクセンチュアでは女性の管理職推進に向けて、次の昇進にむけた女性向けの研修が実施されています。

また、アクセンチュアでは、復職後も様々な働き方が可能です。私自身は3ヶ月ほど時短勤務制度を利用しました。週4日、1日6時間の勤務です。ただ、複数プロジェクトを担当するとやはりフルタイムでの勤務をしたいと感じるようになりました。そこで、私の家庭では夫が時短で働き、私がフルタイムで働くようになりました。

ただし、私も週に2日は保育園へ子供を迎えに行っています。その日は17時くらいに退社しなければいけませんので、朝早く起きて7時くらいから自宅で事務作業を行いますね。

私の場合はデータサイエンスでしたが、何か自分の好きな領域があると、こうした柔軟な働き方ができるのかなと思います」（Cさん）