AI技術は、近年、さまざまな分野で活用されるようになっています。以下の記事では、AIの民主化について解説しました。
本記事では、AI民主化によってビジネス活用ができる６つの事例を詳しくご紹介します。また、ビジネスパーソンがAIを活用するうえで、成果が出しやすい業務や用途、成果が出しにくい業務・用途についても見ていきましょう。
【電子部品商社】専門商社で、既存顧客アプローチ対応にAI予測を利用
これは、ある企業がAIを活用して顧客アプローチを改善した事例で、営業部門を強化するためAI活用しました。アプローチする顧客の時期や選定を担当営業が個々人で判断しており、営業部門としての管理不足による失注が発生していました。そこで、成約率を予測し、成約率の高い顧客から対応させることで失注を最小化するため、AIの構築・活用をおこないました。顧客との商談履歴と成約の成否について収集し、その相関関係をAIに学習させ、成約率を予測できるようにした結果、販売管理が大幅に改善、失注を未然に防止でき、受注につなげることができるようになりました。
【自動車部品製造業】部品メーカーで、需要予測にAIを利用
自動車部品メーカーの販売管理部では、欠品や過剰在庫につながる需要量の急激な変動に対して、人による予測では、その精度が十分でなく、また、予測に時間がかかるという課題がありました。完成品である様々な車種の需要の推移などをデータ化することで、完成品を構成する各部品の需要をAIで予測できるようにしました。こうして構築した独自のAI予測モデルは、従来の人による予測の精度を上回り、また、瞬時に予測結果を導き出すことができるため、在庫削減による費用減・欠品率を大幅に低下させ、売上最大化が期待できるようになりました。
【ガス販売業】消費量予測にAIを利用
ガス販売業のエネルギー部門では従来、エネルギー消費量の予測が大きくはずれることがありましたが、社会インフラという特性上「供給できない」という状況を極力回避する必要があります。そのため、常に補充量を多めに確保しており、そのことが運送コストや人件費の底上げ要因になっていました。その対策として、エネルギー消費に関連する様々なデータを収集し、独自のAIを構築して予測に活用しました。その結果、予測の精度は大幅に向上し、ガスの安定供給とコストの削減を両立することができるようになりました。
【総合小売業】商品毎の需要予測にAIを利用
総合小売業の営業部門では従来は担当者の経験と勘により仕入れ量を決めていましたが、商品毎のきめ細やかな予測を行うには限界があり、在庫過多や欠品が解消されない原因となっていました。そこで、商品毎の需要に関するデータを集め、独自のAIを構築・活用することで、商品毎のきめ細やかな需要予測を実現。商品毎の仕入れ量の最適化により、保管費と廃棄損の削減、欠品による失注防止が見込めるようになりました。
【食品製造業】需要予測にAIを利用
食品製造業の営業部門では、顧客への納入予測の方法・精度について、担当者毎にばらつきがあり、過剰在庫による商品単価の引き下げや、在庫不足による突発的な業務対応が発生していました。さらに月次・週次の発注計画の作成に時間と労力が掛かっていました。そこで、熟練した担当者へのヒアリングをもとに、納入予測の判断に用いるデータを洗い出し、そのデータをもとに、独自のAIを構築し、納品予測に活用しました。その結果、予測精度が向上し適切な製造量の確保ができるようになり、過剰在庫や欠品の抑制による受発注トラブルを最小化。また、計画立案にかかる業務量も大幅に削減することができました。
【フィットネス業】退職者予測にAIを利用
フィットネス業の人事部では 、離職率と、それにともなう採用コスト・教育コストが問題となっていました。そこで、勤怠や成果など個々の業務の状況をデータ化して、独自のAIを構築・活用することで、「退職予備軍」の予測にとりくんでいます。過去の退職者の傾向に類似した傾向を示す従業員が見つかった場合には、ヒアリング・面談などの対策を講じています。退職を決意してしまうとそれを翻すということが非常に難しいということもあり、退職を決意する前の、本人も気づいていない「兆候」をとらえた早期対策は非常に重要なものと考えられています。また、主観的になりがちな判断に対して、客観的な判断を加味することができる、という点も重要な要素となっており、「AIによる予測」と「人による関わり」を組み合わせた「AI×人」の協働の好例と言えるでしょう。
AIで成果が出しやすい業務・用途、出しにくい業務・用途
AIの導入で大きな成果が得られやすいビジネスは、どのようなものがあるのでしょうか。
成果が出やすい業務、それとは反対に成果を出しにくい業務をみてみましょう。
AIで成果が出しやすい業務・用途
AIは、過去の蓄積したデータをもとに予測モデルを構築し、未来を予測します。
このため、AIは、過去も未来も繰り返される事象の予測が得意です。
また、データの種類や量が多い業務・用途ではAIの予測精度が高くなります。
例えば、先にご紹介した事例はいずれも、データが豊富で繰り返される業務・用途であることがお分かりいただけるかと思います。
出しにくい業務・用途
過去に前例がないような、創造的で研究的なプロセスでは、AIはあまり得意としません。その代わりに、AIは既存のタスクやプロセスを最適化するために使用することで自動化し、人による作業を軽量化します。
意外な業務で成果が出るケースや思った以上に成果がでる場合も
AIのもう一つの特徴として、「パターンや分類の発見が得意である」という点が挙げられます。人間には認識できないような、様々な要素がからみあう複雑な事象であっても、AIはその中から「隠れた規則性」を発見することができます。
つまり、人間から見て「予測は難しそう」「AIは不得意そう」と思えるような業務・用途であったとしても、AIは、パターンや分類を発見し、予測を可能にしてしまう場合があるのです。
こうした特性により、AIは製造業をはじめ、金融・医療・農業などあらゆる業種・職種で応用が広がっています。AIは、こうした業界に革命を起こし、成長を促進し、より良い顧客満足を確保するためのデータに基づいた意思決定でビジネスを強化する力を持っています。AIは、データ収集や分析などの面倒な作業を自動化し、市場動向の予測、顧客ニーズの特定、自然言語処理によるリアルタイムの支援などに活用できます。AIはまた、クリエイティブなコンテンツやデザインの開発にも利用されています。AIが活躍する場は非常に広く、今後も新たな技術が探求されることで、さらに広がっていきます。
広がるAI活用
今回はAI民主化によるビジネス活用事例とAI活用の成否を決めるポイントについてご紹介しました。人間は同じ動作を繰り返す中でミスを起こす可能性をゼロにはできませんが、AIを活用すれば人為的なミスはゼロに近づきます。AIが身近になり、導入することで様々な効果が出ていますが導入するにあたり何から始めるのがよいか分からない場合もあるでしょう。
ぜひ弊社アウトソーシングテクノロジーと共に、よりよい活用方法を探ってみましょう。AIの基礎知識について改めて知りたい方はこちらもお読みください。
