AI

中小・中堅企業ではディープラーニング開発で業務改善ができる?3つの事例を紹介

深層学習機能があるディープラーニングは、業務の改善をする上で役に立っており様々な企業が導入しています。中小・中堅企業でも業務改善が見込められており、今回は実際に導入した事例を3つ取り上げながら説明します。

ディープラーニング開発とは

ディープラーニングは人間の行動をコンピュータに学習させる手法です。日本語では深層学習ともいい、人工知能の発展を支える技術でもあります。現在、ディープラーニングは様々な分野で使われており、新たな物が次々と開発されています。

ディープラーニングを使った開発の具体的な例を挙げると、自動運転車です。本来は車に人が乗って運転するため、停止標識を認識したり、信号で止まったりするのは、人の神経によって行われているものです。自動運転車ではこれらを全てAIに学ばせ、人の代わりに運転をできるようにしています。

ディープラーニングは人が行う行動を学ばせているため、人間の神経細胞であるニューロンの仕組み模したシステムであり、ニューラルネットワークがベースです。ニューラルネットワークを多層にして用いることで、より深く学習できるようになります。

では、なぜディープラーニングが重要なのでしょう。

ディープラーニングは高い認識精度を持っており、今までには考えられないような発明ができるようになったからです。自動運転車のように安全性が問われる分野でも、ディープラーニングの高い認識精度で、安全に運転ができるようになります。

近年ではディープラーニングが幅広い分野で使われており、自動運転から医療機器まで活用されています。例えば、航空宇宙・防衛では物体認識・物体検出を行い、地上部隊の安全性を判断できるのです。

(参考)https://jp.mathworks.com/discovery/deep-learning.html

 

事例1ディープラーニングによってタクシーの運行データを予測

1つ目は、ディープラーニングによってタクシー運行データを予測する事例です。

タクシー業界でAIを取り入れた背景としては、天気が悪いときや急いでいるときにタクシーがつかまらない、乗れないという状況を改善するためです。

そこで開発されたのがAIタクシー。AIタクシーは乗車台数予測システムを導入しているタクシーのことで、NTTドコモが携帯から受信する電波を基に、エリアごとに人口をリアルタイムで予測する移動需要予測技術です。

AIタクシーによってできることは、例えばAIが500m四方内の30分後の乗車台数を予測し、地図画面上に表示させたとします。10分毎に更新されるため、ほぼリアルタイムで見ることができ、予測精度は93〜95%と高いです。

AIタクシーを利用することでドライバーが土地に詳しくなくても、どこにお客がいるか分かるので、時間通りに場所にたどり着くことができます。そのため、あまり経験がないドライバーでも、ベテランドライバーのように高い乗車回数を達成できるのです。

実際にAIタクシー導入して得られた効果は、新人ドライバーでも高い乗車回数を達成できたこと、1台あたりの売り上げ向上が見込めること、全台に導入することで数億単位の売り上げ拡大が見込めることなどです。

また、乗客側も丁度良いタイミングでタクシーをつかまえることができ、タクシーがつかまらない不満がなくなります。乗客の不満が減る分、利用する回数が増えるので、タクシー会社側は更なる売り上げが見込めるようになるのです。

(参考)https://nissenad-digitalhub.com/articles/ai-for-taxi/

事例2 AIによる園芸品生産予測システム

2つ目は、AIを活用した園芸品生産予測システムです。

導入した背景は、農作物を出荷する際に機械で等級などを自動的に判別し、品質データを記録していました。作成したデータは翌日以降に生産者に手渡ししていましたが、生産過程にはあまり活かせてなかったからです。

なぜなら、最低でも2〜3週間後の出荷量を予測できていないと、有利な条件で取引ができません。これを経て園芸品生産予測システムが開発されました。

園芸品生産予測システムは農作物の生育から出荷までのデータを一元管理して3週間先までの生産予測ができるのです。システムを活用することで、農産物のフィードバックがすぐにできたり、質の向上に向けた営農指導ができたりします。

実際に導入た方法は、ハウス内の環境データ、気象データ、生育データに加えて品質データ、出荷データなどを同じシステムで管理しました。一元管理したデータは見やすくて現場で生かせることができたそうです。

また、出荷情報や予測結果はパソコンやスマートフォンで閲覧できたそうです。生産者とは最短で共有できるようになり、生育管理や収穫の時期の調整などもできるようになりました。

園芸品生産予測システムはテスト段階で大きな効果が得られたので、翌年から本運用を開始したそうです。農作物の栽培管理や単価上昇に繋がるシステムなので、全国での導入を考えています。

(参考)https://www.itmedia.co.jp/enterprise/articles/1812/04/news097.html

 

事例3 ディープラーニングによる住宅ローン事前審査申込書のデータ化

3つ目はAIを使って住宅ローンの事前審査申込書のデータ化作業をする事例です。

銀行では住宅ローンの事前審査申込書の手作業が多く、人員の確保が大変でした。お客様を待たせてしまうこともあり、住宅ローンの事前審査申込書は記入事項が多く、作業時間が長くて大変でした。

これ踏まえて業務の改善を検討し、住宅ローン事前審査申込書の作業をデータ化しました。具体的には、送られてきたローン審査申込書を画像データに変換し、画像データをテキスト化してCSVファイル出力をして審査システムへ登録して審査を行います。

AIを取り込んだOCRシステムは手書きの書類をただ取り込むだけでなく、データ化できるシステムです。手書きの文字を素早く認識してWebブラウザなどで共有することができます。

このシステムの導入により、住宅ローンの事前審査申込書をすぐに確認することができ、手間が省けるようになりました。また、時間の短縮ができたので、少ない時間で数多くの申込書をデータ化できます。お客様の待ち時間が減り、事前審査の結果がすぐに得られるようになったので、双方ともメリットを得られたのです。

(参考)https://it.impress.co.jp/articles/-/18852

まとめ

ディープラーニング精度が高いことから、安全性や希少性のある分野でも導入することができる技術です。ディープラーニングを活用することで様々な面で業務改善をすることかでき、売り上げ拡大やスタッフの負担を減らす、お客様の満足度を上げるなどの効果が得られます。

関連記事

  1. 中小・中堅企業で使える人工知能システム開発とは?3つの事例を紹介 

  2. DX時代における機械学習の利用法

  3. ビッグデータ

  4. DXを実現するためにはプログラミング知識が必要か?

  5. AI画像認識技術の実態に迫る

  6. DX時代において人工知能をうまく活用するためには?

PAGE TOP