【AI導入までの道のり9：
　マネジメントの重要な2つのポイント】

　　

段階３－２（運営編）

モチベーションを設計する

新しい事業や研究開発は大半が失敗するので、
デフォルトだと多くの場合モチベーションは
減衰していきます。
　
　
そのため、

「成功を感じられる体験」
「その成功が蓄積されている体験」

　
を上手く設計する必要があります。
　
　
RPGでいうところのレベルアップの
仕組みに近いですね。
　
　
モチベーションの設計については
この本に全て書いてあるので、
こちらを参考にすると良いです。
　
　
『説得とヤル気の科学』
https://amzn.to/2IT4APt
　
　
　
学んだ知識をQiitaに書いていいねを獲得する、
GitHubのStarを獲得する、
　
というのも「成功を感じられる体験」の一つです。
　
　
研究成果本体だけでなく、
そうしたフィードバックもモチベーションの
設計に活かすことができます。
　
　

　

段階３－３（運営編）

メンバーへの支援体制を設計する

　
　
マネージャーの最大の仕事は
メンバーを教育することです。
　
　
マネージャーの仕事はチームの
アウトプットを最大化することであり、
　
そのためにはメンバー各人の
スキルアップが最も有効なためです。
　
　
なお、
　
これは前回紹介した
HIGH OUTPUT MANAGEMENTにも
書いてあるとおりです。
　
　
『HIGH OUTPUT MANAGEMENT』
https://amzn.to/2V60cTI
　
　
そうした意味では、
マネージャー自身が研究成果を
出すのは必須ではありません。
　
　
逆に、
　
研究成果を出しながらチームのマネジメントも行う
というのはとんだ超人野郎といった話になります。
　
　
優秀な新人がいたりすると、
その先を走らないといけないという焦りが
生まれることもあると思いますが、
　
そもそも自分を追い越すような人材が
出てこないようなチームでは発展して
いかないですし、
　
自分の限界がチームの限界になると
いうのも健全ではありません。
　
　
優秀な部下や人材を歓迎しましょう！
　
　
そして、
　
能力を最大限発揮できるように
環境を整えるのがマネージャーの
役割とも言えますね！

　　

　　

　　

【AI導入までの道のり10：
　AI導入までに必要なステップ(技術編)】

　段階４（技術編）

研究プロセスを把握する

　　

　”人工知能を活用したい”
”人工知能ビジネスをしたい”

　　

　といったような声は多いですが、
導入までにどういったプロセスが必要かを
分かったうえで相談に来る方はほぼいません。

　　

「もうすでに出来上がっているものを
　インストールして”ポチ”っとしたらAIが動き出す」
　
「AIに大量のデータを学習させたら、AIが最適な
　回答をすぐに導きだしてくれる」

といったように、
　
AIのプログラミングを組んだらすぐに
成果を出し始めると思っている場合が
すごく多いです。
　
　
実は、人工知能の導入までの流れはものすごく

　　

【地味な作業】

が必要になってきますし、すぐに
「はい、できあがりましたよ」
とはならないんですね。
　
　
”データの準備”～”導入”までの流れを
説明していきたいと思います。

　　

＝＝＝人工知能導入までの流れ＝＝＝

【１．データの準備】
　
　１－１．どのようなデータを使用するか検討します。
　１－２．検討したデータの収集をします。
　
　
【２．手法の選択】
　機械学習の「手法／学習方法／アルゴリズム」を選びます。
　
　
【３．前処理】
　
　３－１．必要なデータの選別を行っていきます。
　３－２．データランダリング（整える）します。
　３－３．データ拡張（増やす）を行います。
　３－４．学習・評価用にデータを分類します。
　
　
【４．モデルのトレーニング】
　
　４－１．ハイパーパラメーターのチューニングをします。
　４－２．学習をさせます。
　
　
【５．モデルの評価】
　
　５－１．推論
　５－２．２（手法の選択）から５までを精度が出るまで
　　　　　繰り返していきます。
　５－３．最適なモデルを選ぶ
　
　
【６．納品】
　　選択した学習済みモデルを本番環境にデプロイして適用させます。

　　

＝＝＝＝＝＝＝＝＝＝＝＝＝＝

　
　どうですか？
　
　
詳細を省いて、すごくシンプルに説明したので
少しイメージしにくいところはあるかと思いますが、
　
　
今回ここで抑えていただきたい重要な行程は、
　

『５－２．
　２（手法の選択）から５までを
　精度が出るまで繰り返していきます』

　　

このステップです。
　
　
人工知能は魔法のテクノロジーではなく
実際は精度が出るまではひたすらテストを
行っていきます。
　
　
実はすごく地味なプロセスを経ています。
　
　
そして良い人工知能にはこのプロセスが
必要不可欠なんですね。
　
　
このプロセスがない人工知能は
使い物になりません。
　
　
これは現在、資金力にものをいわせて
広められているAIがまさにそれですね。笑
　
　
　
求めている成果を出すために

　　

”どのようなデータが必要なのか”
”どの学習方法が適しているか”
”どのように精度を上げていくか”

　
　というのは持っているデータや
お客様の状況で個々によって
変わってくるんですね。
　
　
これは素人ではわかりません。
　
開発者が判断する必要があります。

↓　↓　↓

公式LINEにてAIの最新情報を無料でお届けしています！
メッセージをいただければ個別相談も可能です。
【Shannon Lab公式LINE】登録はこちら↓
https://lin.ee/51AvzBZ
ID検索はこちら→@wcl3002n

※この記事は過去に配信した以下メルマガを基にしています
　2019年5月15日
　2019年5月31日