AIを活用した運用自動化に立ちはだかる課題とは?

CrowdANALYTIXではさまざまな自動化ソリューションを提供しています。提供しているソリューションの中で、EC小売業者や流通業者向けのAIによる商品カテゴリ分類・ラベリング自動化ソリューション【CrowdANALYTIX for Product Master Database】があります(以下、CAX PMD)。このプロセスを自動化することで得られるメリットは無数にありますが、その中でも特に注目されるのは速度の向上、精度の向上、コストの削減、そして言うまでもなくスケーラビリティです。企業がオートメーションを導入する場合、どのような課題があるでしょうか?

オートメーションは瞬時に起こり得ない

どの企業も、ビジネスを即座にデジタル的に変革し、即座にROIを実現できるソリューションを望みます。しかし残念ながら、それはAIを使うだけで簡単に実現できるわけではありません。 先ほどの商品データの運用ソリューションは、高品質のデータにアクセス可能な企業であれば、6週間以内に90%の自動化を実現出来ますが、それでも私たちはすべてを手作業で行うことから始めなければなりません。自動化に向けた6週間の立ち上げ期間中、AIアルゴリズムには、独自の分類法を学習し、データを整理する時間を有し、その後データ検証といったヒューマンタスクを引き継ぎます。人間は初日から引き継ぎを開始出来ますが、AIは数週間にわたる学習期間中に徐々に引き継ぎを行うのです。

出力は入力に左右される

可能な自動化のレベルは、それぞれのビジネスごとに異なり、利用可能なデータの品質に大きく依存します。仮にサプライヤーやメーカーが質の高いデータを持っていない場合、利用可能な自動化のレベルは限られてきます。CAX PMDは、ほぼ全ての形式のデータや、整理されていないデータ、及び大量のデータを処理する事が可能です。ただし窓枠の幅やラグの色等、存在しない情報を、CAX PMD はゼロから生成する事は出来ません。

同様に、精度のレベルは、利用可能なデータの質と量に大きく依存します。後述するように、CrowdANALYTIXは、人間の正確性よりもはるかに優れた90%の精度を提供しています。ただし、AIが受信するデータが不十分な場合(不完全なテキスト、不鮮明なPDF、破損した画像等)、または量が不十分な場合、生成される展開商品データは不完全、不正確、または不明瞭となります。

▼CAX PMDの詳細はこちら

自動化するAI_banner.png

初期に予測される多くのエラーはプロセスの一環

完全な自動化が瞬時に実装出来ないように、AIの精度を瞬時に完全なものにすることも出来ません。AI実装プロセスを開始する人間は、自動化に必要なアルゴリズムを構築する為に、各企業の分類法とカスタムビジネスルールを学習しなければなりません。多くの企業でも既にお気づきの通り、人間はエラーを起こしやすい傾向があります。人間は細心の注意を払っていても、正しく取得出来るのはなのです。

より多くのデータを処理し、フィードバックに基づいて調整を行うなどAIが学習していく過程で、エラーは発生します。 しかし、人間とは異なり、AIは適切な条件のもとで約90%の精度を実現することができ、ほとんどの場合、人間以上の精度を得ることができます。

エラーのないシステムを作ることは不可能なことから、90%以上の精度を確実にすることは困難ですが、人間でタスクを行い続けるか、AIを活用していく選択肢の中で、人間以上の精度が期待できるのは、それだけで価値のあることだと言えます。

継続的なメンテナンスが必要

CAX PMDのようなソリューションは、導入後メンテナスが必要です。すべてのインテリジェントシステムは、目的達成に向けチューニングを行う必要があります。入力データは時間の経過とともに変化するとされており、初期のAIアルゴリズムの精度が時間の経過とともに低下する可能性があるためです。ソフトウェアとは異なり、AIはリアルタイムで変動するデータを処理するので、長期間にわたって100%の一貫性を維持することはありません。合併や買収、顧客の好み、需要の変化に合わせ、多くの企業は、分類法、定義、およびビジネスルールも、時間の経過とともに調整が必要です。

より詳細な内容は、ホワイトペーパー「商品分類・商品属性抽出・構造化を自動化するAI」は下記のボタンからダウンロードいただけます。是非ご活用ください。

詳細資料のDLはこちら.png

お問い合わせはこちら.png

▼世界2.5万人のデータサイエンスリソースを活用したビジネス課題解決型のAIサービス
詳細はこちら
●CAXバナー.png

出典https://www.crowdanalytix.com/product-onboarding-challenges-2/
CrowdANALYTIX Resouce Library 


導入事例・ユースケース一覧を見る