いまこそ知りたいＡＩビジネス-石角友愛

# いまこそ知りたいＡＩビジネス ## Metadata * [[石角友愛]] ![image|150](https://m.media-amazon.com/images/I/81HYD7S8u6L._SY160.jpg) * ASIN: B07LF91P8R * Reference: https://www.amazon.com/dp/B07LF91P8R * [Kindle link](kindle://book?action=open&asin=B07LF91P8R) ## 要約 ## 読書メモ ## Highlights >[!quote] >日本では、ソフトウェアエンジニアの８割がシステムインテグレーター（情報システムの構築・運用等を請け負う企業）やＩＴ企業に所属している。 — location: [297](kindle://book?action=open&asin=B07LF91P8R&location=297) ^ref-40950 --- >[!quote] >あらゆる産業のベースにＡＩの考え方が必要になるからだ。非ＩＴ業界においても、ＡＩに対する基礎的な知識が必要になってくるし、ＡＩの浸透で私たちの働き方も変わってくる。 — location: [307](kindle://book?action=open&asin=B07LF91P8R&location=307) ^ref-1689 --- >[!quote] >１００年前に電気の登場ですべての業界が変わったのと同じように、今後数年間にＡＩが変革しない業界はないだろう」と — location: [323](kindle://book?action=open&asin=B07LF91P8R&location=323) ^ref-10615 --- >[!quote] >ＡＩ導入は、実は局地的であればあるほど力を発揮する側面を持っている。だから、中小企業ほどＡＩを効果的に活用することが重要になるのだ。 — location: [328](kindle://book?action=open&asin=B07LF91P8R&location=328) ^ref-47320 --- >[!quote] >企業のサイズや業種にかかわらず、今後皆さんがＡＩの影響なく仕事を続けることはありえない。 — location: [348](kindle://book?action=open&asin=B07LF91P8R&location=348) ^ref-8071 --- >[!quote] >今、正しくＡＩの導入をすれば飛躍的に事業を成長させるチャンス — location: [371](kindle://book?action=open&asin=B07LF91P8R&location=371) ^ref-59154 --- >[!quote] >＜ＰＯＩＮＴ＞ ■　企業サイズや業種にかかわらず、ＡＩはインフラになる ■　中小企業ほど、ＡＩの導入によるビジネスインパクトは大きい — location: [375](kindle://book?action=open&asin=B07LF91P8R&location=375) ^ref-34447 --- >[!quote] >コラボレイティブ・フィルタリング（似たプロフィールの個人同士を比較検証するプロセス）と呼ばれる、おすすめ機能でよく使われる機械学習の手法のひとつだ。 — location: [426](kindle://book?action=open&asin=B07LF91P8R&location=426) ^ref-24226 --- >[!quote] >ＡＩビジネスの現場では「フィードバックループ」と呼び、ＡＩの精度を高めるために必要不可欠なステップだ。（図 — location: [462](kindle://book?action=open&asin=B07LF91P8R&location=462) ^ref-25863 --- >[!quote] >現在、シリコンバレーのＡＩビジネス現場では、「すべての経営会議にデータサイエンティストが参加するべきである」と言われている。これは、これからのＡＩビジネスの基本的な考え方になるだろう。 — location: [513](kindle://book?action=open&asin=B07LF91P8R&location=513) ^ref-52077 --- >[!quote] >「小売業界にとって顧客中心主義は、今後いちばんの優先事項になるでしょう。大手の小売はレガシーシステム（複雑な基幹システム）を使っているため、ＡＩ機能搭載などの変更が非常に難しい状態 — location: [540](kindle://book?action=open&asin=B07LF91P8R&location=540) ^ref-8468 --- >[!quote] >顧客中心主義」を実現するためのパワフルなツール、それこそがデータサイエンスであり、データサイエンスの力で作るさまざまなＡＩだということが、 — location: [549](kindle://book?action=open&asin=B07LF91P8R&location=549) ^ref-44266 --- >[!quote] >ＡＩを検証し、学習トレーニングをするスタイリストの役目がそれにあたる。また、そもそもＡＩのプログラミングを考えるデータサイエンティストや、仕事上の課題を発見し、どこにＡＩを配置すべきかを考える仕事（これがＡＩビジネスデザイナーの仕事である）は、この先も人間がすべき仕事といえるだろう。 — location: [556](kindle://book?action=open&asin=B07LF91P8R&location=556) ^ref-40737 --- >[!quote] >「人が得意とすることはコンピュータにとって非常に難しく、コンピュータが得意なことは人にとって難しいことが多い。仕事を奪い合う敵ではなく、人とコンピュータがそれぞれの強みを生かすチームメートになれれば、企業のパフォーマンスが最大化するだろう」 — location: [571](kindle://book?action=open&asin=B07LF91P8R&location=571) ^ref-31584 --- >[!quote] >人間＋マシン＝スーパーパワー」を生み出すことができる企業が勝ち残ることができる。 — location: [590](kindle://book?action=open&asin=B07LF91P8R&location=590) ^ref-44878 --- >[!quote] >＜ＰＯＩＮＴ＞ ■　これからの企業の優位性は、ＡＩと人間の協働化をいかにうまく進められるかにかかっている — location: [610](kindle://book?action=open&asin=B07LF91P8R&location=610) ^ref-39966 --- >[!quote] >ＡＩビジネスとは、単にＡＩを導入するだけではない — location: [645](kindle://book?action=open&asin=B07LF91P8R&location=645) ^ref-25179 --- >[!quote] >ＡＩビジネスを考えるときは、ニーズや課題を抽出する必要があるということ。 — location: [653](kindle://book?action=open&asin=B07LF91P8R&location=653) ^ref-38932 --- >[!quote] >ニーズや課題解決にＡＩが寄与できるとなると、新しいビジネスモデルが生まれ、イノベーションが起こるということだ。 — location: [654](kindle://book?action=open&asin=B07LF91P8R&location=654) ^ref-18595 --- >[!quote] >この商品の特徴は、家の中に置かれたカメラレンズに映った出来事を、機械学習モデルを使って、自然言語で検索、抽出するところにある。利用者は、家の外にいても、家の中で何が起こっているかをアプリで確認できる。 — location: [698](kindle://book?action=open&asin=B07LF91P8R&location=698) ^ref-12241 --- >[!quote] >モノ」だけではなく、そこから得られるさまざまな「コト」（体験）だった — location: [710](kindle://book?action=open&asin=B07LF91P8R&location=710) ^ref-35330 --- >[!quote] >業界全体のバリューチェーン上の「どこで戦うか」、ビジネスモデルを「どのように変えていくか」 — location: [715](kindle://book?action=open&asin=B07LF91P8R&location=715) ^ref-24869 --- >[!quote] >＜ＰＯＩＮＴ＞ ■　新しい技術で顧客のニーズや課題解決に寄与できれば、大きなビジネスインパクトを生むことができる ■　ＡＩ導入の本質は、ビジネスモデルの変革である ■　ＡＩビジネスを行なう際は、これまでの収益構造を見直す必要がある — location: [764](kindle://book?action=open&asin=B07LF91P8R&location=764) ^ref-26538 --- >[!quote] >ＩｏＢ（Internet of Brains） — location: [782](kindle://book?action=open&asin=B07LF91P8R&location=782) ^ref-28948 --- >[!quote] >このような考え方を、Go to Market戦略と呼ぶ。ＡＩビジネスでは、データやプラットフォーム自体をオープンにして、素早くマーケットに届け、より多くのデータを集められたところが勝機を握る。 — location: [800](kindle://book?action=open&asin=B07LF91P8R&location=800) ^ref-29506 --- >[!quote] >日本人はＡＩで最終的に「モノづくり」をしようとする傾向がある — location: [814](kindle://book?action=open&asin=B07LF91P8R&location=814) ^ref-25618 --- >[!quote] >技術をオープンにすることによって、よりスピーディに、よりセンス良くマーケットに届けてくれるプレイヤーが世の中にたくさんいる — location: [817](kindle://book?action=open&asin=B07LF91P8R&location=817) ^ref-5789 --- >[!quote] >ＡＩを使って課題を解決するために取れる手段は「プロダクトアウト」だけではない。 — location: [836](kindle://book?action=open&asin=B07LF91P8R&location=836) ^ref-56028 --- >[!quote] >＜ＰＯＩＮＴ＞ ■　新しい技術は、公開することで価値が高まる場合も多い ■　課題解決のためには、必ずしもプロダクトアウトにこだわらなくていい — location: [842](kindle://book?action=open&asin=B07LF91P8R&location=842) ^ref-41964 --- >[!quote] >どんなデータを集めるべきか、どんなラベルづけをすべきか、というところから、データサイエンティストと話しながらデータ収集をしたほうが効率的だ。 — location: [885](kindle://book?action=open&asin=B07LF91P8R&location=885) ^ref-21524 --- >[!quote] >大量にビッグデータを集めてから、そのデータが「使えなかった」というロスを防ぐためにも、上流工程からデータサイエンティストを活用することが重要だ。 — location: [898](kindle://book?action=open&asin=B07LF91P8R&location=898) ^ref-2622 --- >[!quote] >シリコンバレーの企業では、「公開できるデータは公開してなんぼ」という考えの企業が少なくない。 — location: [901](kindle://book?action=open&asin=B07LF91P8R&location=901) ^ref-21471 --- >[!quote] >データはあくまでデータに過ぎず、大事なのは、そこから質の高いモデルを作り、それを商品や製品に組み込み、金のなる木に変えることである — location: [912](kindle://book?action=open&asin=B07LF91P8R&location=912) ^ref-3198 --- >[!quote] >「データは『 21 世紀の石油』と同じ」 — location: [915](kindle://book?action=open&asin=B07LF91P8R&location=915) ^ref-43454 --- >[!quote] >＜ＰＯＩＮＴ＞ ■　データをいくら大量に集めても、それが使える状態のものでなければ、ゴミデータも同然 ■　どんなデータを集めるべきか、というところから、優秀なデータサイエンティストに相談する — location: [919](kindle://book?action=open&asin=B07LF91P8R&location=919) ^ref-58051 --- >[!quote] >ＡＩを導入するということは、その企業が抱える課題と、その企業が持つデータ（これから集めるデータでも良い）を元に、どんな解決策があるかを考えることだからだ。 — location: [930](kindle://book?action=open&asin=B07LF91P8R&location=930) ^ref-56617 --- >[!quote] >ＡＩを開発し実装するためには、医者と同様、病状の把握と原因の特定、治療法の決定が必要になる。 — location: [937](kindle://book?action=open&asin=B07LF91P8R&location=937) ^ref-36167 --- >[!quote] >企業が持っているデータを検証しないことには、課題解決に向けて最適なＡＩモデルを考えることができない。提案書も見積もりも作れない — location: [940](kindle://book?action=open&asin=B07LF91P8R&location=940) ^ref-24202 --- >[!quote] >なぜこういった不幸な頓挫が起こったのかというと、事前にデータがどのような状態かを見ないまま、提案書や見積もりを作っているからだ。 — location: [966](kindle://book?action=open&asin=B07LF91P8R&location=966) ^ref-1525 --- >[!quote] >一部のサンプルデータをもらい、そのサンプルデータを解析することで、課題解決に対してどのようなアプローチが可能かを見極め、どのようなアプローチが有効と考えられるかを提案するものだ。企業にはその診断をもとに、本当にＡＩの開発と導入を行うかどうかを判断してもらう。 — location: [972](kindle://book?action=open&asin=B07LF91P8R&location=972) ^ref-65104 --- >[!quote] >①まず、サンプルデータに、任意のラベルづけをする。 ②次に、ラベルづけされたＡとＢのデータにどのような差（この差を「特徴量」と呼ぶ）があるかを探す。 ③その特徴量を今後どのようなＡＩ技術で解析、抽出し、課題解決につなげるかのプランを考える。 — location: [989](kindle://book?action=open&asin=B07LF91P8R&location=989) ^ref-19155 --- >[!quote] >無限の切り口の中から、課題解決に効く特徴量を見つけ出し、どんなデータ活用の方法があるのかを見極めるのが、データサイエンティストの腕の見せどころだ。 — location: [1004](kindle://book?action=open&asin=B07LF91P8R&location=1004) ^ref-30995 --- >[!quote] >事前にサンプルデータを検証するメリット — location: [1026](kindle://book?action=open&asin=B07LF91P8R&location=1026) ^ref-54034 --- >[!quote] >ＡＩビジネスのみならず、ＩＴビジネスは労働集約型モデルではない。 — location: [1047](kindle://book?action=open&asin=B07LF91P8R&location=1047) ^ref-4570 --- >[!quote] >ＩＴビジネスはサービス業ではなく、知的集約業なのだ。 — location: [1050](kindle://book?action=open&asin=B07LF91P8R&location=1050) ^ref-63245 --- >[!quote] >企業がその先に、「そのＡＩで何を実現したいのか」というビジョンを持っていれば、ＡＩ導入の投資利益率は高い — location: [1055](kindle://book?action=open&asin=B07LF91P8R&location=1055) ^ref-29564 --- >[!quote] >＜ＰＯＩＮＴ＞ ■　その企業が持っているデータを見てみなければ、提案も見積もりも出せない ■　サンプルデータを解析することで、プロジェクト頓挫のリスクを防げる ■　ＡＩビジネスは労働集約ビジネスではない — location: [1057](kindle://book?action=open&asin=B07LF91P8R&location=1057) ^ref-33517 --- >[!quote] >ＡＩを使って作りたい商品や事業アイデアはないが、今取り組まないと手遅れになるという危機感はある — location: [1065](kindle://book?action=open&asin=B07LF91P8R&location=1065) ^ref-48594 --- >[!quote] >危機感を持っている企業は持っていない企業より何歩もリードしている。 — location: [1068](kindle://book?action=open&asin=B07LF91P8R&location=1068) ^ref-8751 --- >[!quote] >まず、社内の課題の棚卸しと、その重みづけからスタート — location: [1076](kindle://book?action=open&asin=B07LF91P8R&location=1076) ^ref-46472 --- >[!quote] >具体的には、「いったん、ＡＩのことは置いておき、今解決したい課題をすべて書き出してください」と伝え、 — location: [1078](kindle://book?action=open&asin=B07LF91P8R&location=1078) ^ref-40273 --- >[!quote] >これらの課題をＡＩで解決できるものかどうかの仕分け — location: [1087](kindle://book?action=open&asin=B07LF91P8R&location=1087) ^ref-56132 --- >[!quote] >ＡＩビジネスを進めようと思ったら、データを採れること、そしてそのデータに基づいた仮説検証ができることが最低条件になる。 — location: [1095](kindle://book?action=open&asin=B07LF91P8R&location=1095) ^ref-50871 --- >[!quote] >検証に時間がかかる、あるいは定量的な検証が難しい課題の解決は、ＡＩには向かない — location: [1103](kindle://book?action=open&asin=B07LF91P8R&location=1103) ^ref-39255 --- >[!quote] >「効率化の大小」と「売上増加の大小」のマトリクス上に分類し、ビジネスインパクトの大きなものから手をつけていく — location: [1108](kindle://book?action=open&asin=B07LF91P8R&location=1108) ^ref-52573 --- >[!quote] >効率化を優先するか、売上増加を優先するか。それは、業界にもよるだろう。 — location: [1117](kindle://book?action=open&asin=B07LF91P8R&location=1117) ^ref-59192 --- >[!quote] >一度課題を見える化すると、どの分野にＡＩ導入するのが効果的か、わかりやすくなる。 — location: [1120](kindle://book?action=open&asin=B07LF91P8R&location=1120) ^ref-55084 --- >[!quote] >多くのＡＩビジネスは、部署をまたいだスキームの構築が必要になる。 — location: [1124](kindle://book?action=open&asin=B07LF91P8R&location=1124) ^ref-10775 --- >[!quote] >この棚卸しやＡＩ事業を推進する部署として向いていると感じるのは、事業部に横串を通しやすい経営企画部またはイノベーション推進部といった部署ではないだろう — location: [1126](kindle://book?action=open&asin=B07LF91P8R&location=1126) ^ref-64983 --- >[!quote] >経営企画の中で実証実験やＰＯＣ（Proof of concept＝概念実証）をたくさん回しているのに、事業化に結びつかないケースもある。 — location: [1133](kindle://book?action=open&asin=B07LF91P8R&location=1133) ^ref-18212 --- >[!quote] >会社の命運をかけたＡＩ導入プロジェクト」 — location: [1137](kindle://book?action=open&asin=B07LF91P8R&location=1137) ^ref-64899 --- >[!quote] >＜ＰＯＩＮＴ＞ ■　何をやればいいかわからないときは、ニーズと課題の抽出から始める ■　ＡＩでできることとできないことを仕分ける ■　効率化と収益化のマトリクスでビジネスインパクトを測る ■　棚卸しをした以上、そこで終わりにしない — location: [1138](kindle://book?action=open&asin=B07LF91P8R&location=1138) ^ref-41056 --- >[!quote] >ＡＩビジネスは机上の空論ではなく、泥臭い作業の連続なのだ。 — location: [1180](kindle://book?action=open&asin=B07LF91P8R&location=1180) ^ref-39895 --- >[!quote] >現場を知らないと、「定着の壁」どころか、その前に「導入の壁」にぶつかってしまうこともある。 — location: [1185](kindle://book?action=open&asin=B07LF91P8R&location=1185) ^ref-59351 --- >[!quote] >①どんなデータを採れば仮説検証サイクルを回すことができるのか、②何をもって効率アップと判断するのか（ＫＰＩの設定） — location: [1204](kindle://book?action=open&asin=B07LF91P8R&location=1204) ^ref-25348 --- >[!quote] >ＡＩビジネスで考えなくてはいけない課題の多くは、ＡＩ以外の部分にある。「導入」「定着」「効果検証」を見越したビジネスモデルを考えることが求められる。 — location: [1209](kindle://book?action=open&asin=B07LF91P8R&location=1209) ^ref-17300 --- >[!quote] >＜ＰＯＩＮＴ＞ ■　ＡＩビジネスの課題の多くは「現場」にある ■　現場の状況を精査せずに開発すると、ＡＩの導入、定着に壁ができる ■　効果検証できるモデルを作る必要がある — location: [1211](kindle://book?action=open&asin=B07LF91P8R&location=1211) ^ref-7435 --- >[!quote] >ＡＩの導入には、企業側のコミットメントが確実に必要である」 — location: [1217](kindle://book?action=open&asin=B07LF91P8R&location=1217) ^ref-34795 --- >[!quote] >データサイエンティストがクリエイティブかつ臨機応変にアプローチを考えながらモデルを作成する環境をつくっておくのが重要だ。 — location: [1224](kindle://book?action=open&asin=B07LF91P8R&location=1224) ^ref-31417 --- >[!quote] >我々は自分たちの仕事を、企業の課題を理解し、ともにビジネスモデルを考え検証し、ＡＩモデルを開発することだと捉えている。 — location: [1226](kindle://book?action=open&asin=B07LF91P8R&location=1226) ^ref-46906 --- >[!quote] >市場におけるビジネスオポチュニティの大きさに関して調査をしてからプロジェクト化するようにしている。 — location: [1233](kindle://book?action=open&asin=B07LF91P8R&location=1233) ^ref-53583 --- >[!quote] >需要サイド（想定されるエンドユーザー。この段階ではまだ漠然としたイメージでＯＫ）と供給サイド（技術的にどれくらい可能か）をあらゆる手法で調査する。このやり方を、「環境スキャニング」と呼ぶ。 — location: [1236](kindle://book?action=open&asin=B07LF91P8R&location=1236) ^ref-4047 --- >[!quote] >モックアップが静的なスケッチの延長線上にあるものだとすれば、プロトタイプは動的な試作品を指す。 — location: [1246](kindle://book?action=open&asin=B07LF91P8R&location=1246) ^ref-3544 --- >[!quote] >プロトタイプとは、要は「落としどころ」の確認 — location: [1268](kindle://book?action=open&asin=B07LF91P8R&location=1268) ^ref-14334 --- >[!quote] >プロトタイプのいいところは、早い段階で実際に利用するエンドユーザーの反応が見られること — location: [1295](kindle://book?action=open&asin=B07LF91P8R&location=1295) ^ref-26867 --- >[!quote] >ＡＩは「導入」し、「定着」させ、「効果検証」のサイクルが回って初めてビジネスになり得る。 — location: [1321](kindle://book?action=open&asin=B07LF91P8R&location=1321) ^ref-36600 --- >[!quote] >＜ＰＯＩＮＴ＞ ■　簡易でよいのでプロトタイプを元に仮説検証をくり返す ■　アウトプットから逆算して開発をする — location: [1323](kindle://book?action=open&asin=B07LF91P8R&location=1323) ^ref-59073 --- >[!quote] >①ＡＩで課題となるバイアスの取り除き方 ②個人情報の取り扱い方 ③著作権の取り扱い方 — location: [1332](kindle://book?action=open&asin=B07LF91P8R&location=1332) ^ref-18843 --- >[!quote] >①データが増えること（この場合では名前や部活動、趣味など）で生まれてしまう偏りをどう避けるか？ ②人間がデータをＡＩに学習させることによる恣意性をどう排除するか — location: [1366](kindle://book?action=open&asin=B07LF91P8R&location=1366) ^ref-13358 --- >[!quote] >人間がデータをＡＩに学習させることによる恣意性をどう排除するか」 — location: [1400](kindle://book?action=open&asin=B07LF91P8R&location=1400) ^ref-43379 --- >[!quote] >＜ＰＯＩＮＴ＞ ■　ＡＩに必要以上の学習データを与えることによって、バイアスが生じる ■　バイアスを取り除く部門や設計が必要になる ■　目的を持ったＡＩ開発（AI with Purpose）が今後より求められる　＊18 — location: [1444](kindle://book?action=open&asin=B07LF91P8R&location=1444) ^ref-58889 --- >[!quote] >「オープンデータ」についての考え方は、流れが急速に変わりつつある。 — location: [1457](kindle://book?action=open&asin=B07LF91P8R&location=1457) ^ref-52632 --- >[!quote] >①ＩＰアドレスやＣｏｏｋｉｅも個人情報とみなす ②個人情報を取得する際には、ユーザーの同意が必要 — location: [1524](kindle://book?action=open&asin=B07LF91P8R&location=1524) ^ref-44111 --- >[!quote] >１０００万ユーロ（約 13 億円）または前年売上高の２パーセントのいずれか高い方。権利侵害などの類であれば、２０００万ユーロ（約 26 億円）または前年売上高の４パーセントのいずれか高いほう — location: [1536](kindle://book?action=open&asin=B07LF91P8R&location=1536) ^ref-25540 --- >[!quote] >①ＥＵに支店、営業所などの拠点を持つ企業 ②ＥＵに商品やサービスを提供している企業 ③ＥＵから個人情報の処理について委託されている企業 — location: [1540](kindle://book?action=open&asin=B07LF91P8R&location=1540) ^ref-16192 --- >[!quote] >ＥＵ国内に旅行している日本人も、この法律適用の対象になる — location: [1545](kindle://book?action=open&asin=B07LF91P8R&location=1545) ^ref-28053 --- >[!quote] >ＡＩが出力したものを説明できる状態にしておくこと」 — location: [1550](kindle://book?action=open&asin=B07LF91P8R&location=1550) ^ref-18653 --- >[!quote] >ディープラーニングに代表されるブラックボックス化したＡＩに対して、上記の理由から中立的な立場をとり、ＸＡＩ（Explainable AI＝説明可能なＡＩ）を作ろうという技術者の動きも出てきた — location: [1563](kindle://book?action=open&asin=B07LF91P8R&location=1563) ^ref-15889 --- >[!quote] >皮肉なことに、アメリカがこの５年で進めたオープンデータ化によるＡＩの活用は、このＧＤＰＲの施行をきっかけに、一度根底から見直されようとしている。 — location: [1581](kindle://book?action=open&asin=B07LF91P8R&location=1581) ^ref-19053 --- >[!quote] >日本の企業がすぐにでも取り組むべきなのは、現在収集しているデータの整理と、今後のデータ収集方法の検討だ。 — location: [1589](kindle://book?action=open&asin=B07LF91P8R&location=1589) ^ref-39197 --- >[!quote] >ＧＤＰＲ用のＥＵデータベースとそうでないデータベースに分けたほうがよいだろう」 — location: [1598](kindle://book?action=open&asin=B07LF91P8R&location=1598) ^ref-29000 --- >[!quote] >一番良くないのは、「一切のデータを見せないほうが安全だ」と思考停止してしまうことだ。すべての情報を隠す方向で内向きになってしまうと、ガラパゴス化し、今後必ずインフラ化するＡＩ時代に対応できなくなる。 — location: [1605](kindle://book?action=open&asin=B07LF91P8R&location=1605) ^ref-4455 --- >[!quote] >＜ＰＯＩＮＴ＞ ■　個人情報保護のための法改正には常に目を光らせる必要がある ■　とくにＧＤＰＲでは個人情報の取り扱いが厳しく定められている ■　説明可能なＡＩ（ＸＡＩ）の開発がスタートしている ■　個人情報を合法的に取り扱う新規事業が注目を集めている　＊21 — location: [1627](kindle://book?action=open&asin=B07LF91P8R&location=1627) ^ref-9559 --- >[!quote] >クリエイティブとは一体なにか」「アートとは一体なにか」 — location: [1681](kindle://book?action=open&asin=B07LF91P8R&location=1681) ^ref-50493 --- >[!quote] >＜ＰＯＩＮＴ＞ ■　著作権に関しては、まだＡＩに対応した法整備がされていない ■　ＡＩ時代には、言葉の定義も企業の競争の仕方も変わって — location: [1706](kindle://book?action=open&asin=B07LF91P8R&location=1706) ^ref-9966 --- >[!quote] >データサイエンティストとはどんな仕事？ — location: [1716](kindle://book?action=open&asin=B07LF91P8R&location=1716) ^ref-45948 --- >[!quote] >これからの時代は、事務職の人であれ専門職の人であれ、ＡＩの活用は不可避になっていく。 — location: [1718](kindle://book?action=open&asin=B07LF91P8R&location=1718) ^ref-33229 --- >[!quote] >データアナリストは、すでに整っているデータを分析して改善点などを見つけるのが主な業務であるのに対し、データサイエンティストは、機械学習を導入するためのデータ構造を設計し、それを実装する役割までを一貫して担う。 — location: [1728](kindle://book?action=open&asin=B07LF91P8R&location=1728) ^ref-48505 --- >[!quote] >データサイエンティストによっては、プログラミングに特化していたり、機械学習に特化していたりといった、個別のビジネススキルを持つ人もいる。しかし、フルスタック（分業せずとも一人で仕事を進めることができる）のデータサイエンティストには、数学・統計学の素養に加え、機械学習、データの可視化能力、コミュニケーション能力、ビジネス戦略能力などが必要になる。 — location: [1734](kindle://book?action=open&asin=B07LF91P8R&location=1734) ^ref-7867 --- >[!quote] >残念ながら数日間のＡＩ研修に派遣しただけで、データアナリストが即戦力のデータサイエンティストに生まれ変わることは難しい。 — location: [1738](kindle://book?action=open&asin=B07LF91P8R&location=1738) ^ref-12470 --- >[!quote] >データサイエンティストは、ＡＩに特化したマシンラーニング（機械学習）のエンジニアに近いといえる。 — location: [1747](kindle://book?action=open&asin=B07LF91P8R&location=1747) ^ref-27244 --- >[!quote] >ＡＩビジネスデザイナーは、経営層とソフトウェアエンジニアやデータサイエンティストをつなぐ役割を担う。 — location: [1761](kindle://book?action=open&asin=B07LF91P8R&location=1761) ^ref-32169 --- >[!quote] >ビジネスデザイナーとは、企業課題を理解して関連性の高い情報（定性的、定量的）を集めて解釈し、イノベーションを作り出す職業だと定義されている。 — location: [1766](kindle://book?action=open&asin=B07LF91P8R&location=1766) ^ref-47406 --- >[!quote] >デザイン＝構想設計するという言葉どおり、企業の成長戦略を選定し、具体的な形に落とし込んで舵取りをする職 — location: [1768](kindle://book?action=open&asin=B07LF91P8R&location=1768) ^ref-49797 --- >[!quote] >「ビジネスデザインは、人間中心のイノベーションアプローチである。組織が新しい価値と新しい形の競争優位性を生み出すために、ビジネス戦略と、顧客への共感、そしてユーザー体験のデザインを統合するアプローチを指す」 — location: [1771](kindle://book?action=open&asin=B07LF91P8R&location=1771) ^ref-18005 --- >[!quote] >ＡＩの話がわかって、かつ経営課題をＡＩに落とし込めることがＡＩビジネスデザイナーの条件 — location: [1776](kindle://book?action=open&asin=B07LF91P8R&location=1776) ^ref-64647 --- >[!quote] >データサイエンティスト 10 人に対して、ＡＩビジネスデザイナーを１人の割合くらいで育てないと、実際に経営にインパクトを与えるＡＩビジネスが生まれないのではない — location: [1780](kindle://book?action=open&asin=B07LF91P8R&location=1780) ^ref-41027 --- >[!quote] >ＡＩビジネスデザイナーは顧客の課題を理解し、エンドユーザーのニーズを理解し、技術的な課題に落とし込み、ビジネスモデルをデザインして検証する役目だと定義づけている。 — location: [1792](kindle://book?action=open&asin=B07LF91P8R&location=1792) ^ref-17344 --- >[!quote] >ＡＩビジネスデザイナーも、これからのＡＩ時代に必ず求められる職種だ。ＡＩの概念がわかり、かつ、ＭＢＡなどで経営を学んでいる人などが適当といえる。抽象的な構想設計ができて、かつユーザーストーリーの形に落とし込み物語が語れる人。そしてそれを、具体的なプロジェクトとして推進できる人だ。タイプ的には、次章で詳しく説明するが、異なるジャンルの概念を掛け合わせて発想することができる人が向くだろう。 — location: [1802](kindle://book?action=open&asin=B07LF91P8R&location=1802) ^ref-46541 --- >[!quote] >＜ＰＯＩＮＴ＞ ■　データアナリストとデータサイエンティストは別の職種 ■　ＡＩビジネスデザイナーは、エンジニアと企業の間にたち、企業の課題解決に踏み込む ■　現在の職種からのキャリアパスも考えうる — location: [1815](kindle://book?action=open&asin=B07LF91P8R&location=1815) ^ref-23837 --- >[!quote] >データサイエンティスト、ソフトウェアエンジニア、ＡＩビジネスデザイナー — location: [1822](kindle://book?action=open&asin=B07LF91P8R&location=1822) ^ref-12955 --- >[!quote] >日本における「エンジニア 35 歳定年説」も、問題に輪をかけていると思われる。日本では、 35 歳前後で管理職にされてしまうエンジニアが多く、モチベーションが下がる元エンジニアが大量発生するといわれている。 — location: [1871](kindle://book?action=open&asin=B07LF91P8R&location=1871) ^ref-25070 --- >[!quote] >＜ＰＯＩＮＴ＞ ■　ＡＩビジネス人材は大量に不足している ■　今後、ＡＩビジネス人材の採用予算はさらに高騰化する — location: [1889](kindle://book?action=open&asin=B07LF91P8R&location=1889) ^ref-47920 --- >[!quote] >その頭脳を活用できるデータ基盤がないと、ビジネスとして利益が出ない — location: [1905](kindle://book?action=open&asin=B07LF91P8R&location=1905) ^ref-47833 --- >[!quote] >日本が得意とする分野を軸にＡＩビジネスを考えることができれば、挽回の余地があるかもしれない — location: [1916](kindle://book?action=open&asin=B07LF91P8R&location=1916) ^ref-56960 --- >[!quote] >日本の「モノづくり」が再び注目を集める時代が必ずくる — location: [1938](kindle://book?action=open&asin=B07LF91P8R&location=1938) ^ref-19168 --- >[!quote] >これからの時代はサプライヤーがその市場の鍵を握る可能性は多いにある。 — location: [1946](kindle://book?action=open&asin=B07LF91P8R&location=1946) ^ref-60578 --- >[!quote] >ソフトウェア開発に対して、もっとオープンになること。そして、ソフトウェア業界と共通言語を持ってビジネスを進める視点が求められる。 — location: [1948](kindle://book?action=open&asin=B07LF91P8R&location=1948) ^ref-5919 --- >[!quote] >日本の高いモノづくりクオリティで、少量多品種、そして量産の壁を超えることができたら、再び日本は世界のモノづくりの中心地になるのではない — location: [1961](kindle://book?action=open&asin=B07LF91P8R&location=1961) ^ref-5600 --- >[!quote] >日本のモノづくりと先端のＡＩを組み合わせることで、これまでになかったイノベーションが起こる可能性がある — location: [1969](kindle://book?action=open&asin=B07LF91P8R&location=1969) ^ref-13380 --- >[!quote] >各国のＡＩビジネス人材の受け皿になるチャンスが、日本企業には大いにある — location: [1987](kindle://book?action=open&asin=B07LF91P8R&location=1987) ^ref-18342 --- >[!quote] >＜ＰＯＩＮＴ＞ ■　日本のＡＩビジネスは「モノづくり」「B2B商品」に活路あり ■　海外のＡＩ人材を積極的に受け入れ、イノベーションを — location: [1993](kindle://book?action=open&asin=B07LF91P8R&location=1993) ^ref-20858 --- >[!quote] >世界的にはむしろ、ＡＩの浸透によって人間がより人間らしい仕事に時間を割くことができると、ポジティブに解釈されるケースが多いように感じる。 — location: [2014](kindle://book?action=open&asin=B07LF91P8R&location=2014) ^ref-44906 --- >[!quote] >人間が行なうには苦痛すぎる仕事をマシンにさせ、人間はよりクリエイティブな仕事につく — location: [2019](kindle://book?action=open&asin=B07LF91P8R&location=2019) ^ref-62558 --- >[!quote] >ＡＩが奪う量の仕事よりも、ＡＩが作り出す仕事のほうが多くなる — location: [2021](kindle://book?action=open&asin=B07LF91P8R&location=2021) ^ref-37343 --- >[!quote] >自分の会社を見ていると、３分の２の仕事は、数年前にはなかった仕事だった」 — location: [2023](kindle://book?action=open&asin=B07LF91P8R&location=2023) ^ref-64943 --- >[!quote] >ＡＩを教育するトレーナー — location: [2037](kindle://book?action=open&asin=B07LF91P8R&location=2037) ^ref-9410 --- >[!quote] >ＡＩモデルを企業内で横展開していくためには、彼の知見が最も重要 — location: [2038](kindle://book?action=open&asin=B07LF91P8R&location=2038) ^ref-20423 --- >[!quote] >ＡＩトレーナーに必要な資質は、ＡＩシステムのコンセプトを理解できていることだ。これは良いインプットデータであるとか、良くないデータであるとかを仕分けできる能力が必要なのだ。 — location: [2063](kindle://book?action=open&asin=B07LF91P8R&location=2063) ^ref-63018 --- >[!quote] >物事を俯瞰してみるメタ認知の能力も必要 — location: [2068](kindle://book?action=open&asin=B07LF91P8R&location=2068) ^ref-53528 --- >[!quote] >そのＡＩに学習材料を与えて教育しているのは人間であるケースが多い — location: [2083](kindle://book?action=open&asin=B07LF91P8R&location=2083) ^ref-10051 --- >[!quote] >最近はＡＩがゼロベースで学習していく技術も増えているが、ビジネスの現場に導入されているＡＩは教師あり学習も多いことを忘れてはならない） — location: [2084](kindle://book?action=open&asin=B07LF91P8R&location=2084) ^ref-40142 --- >[!quote] >そして、その学習の精度を上げていくのも、やはり人間である。 — location: [2085](kindle://book?action=open&asin=B07LF91P8R&location=2085) ^ref-62278 --- >[!quote] >＜ＰＯＩＮＴ＞ ■　ビジネスにおいては、人間とＡＩが融合したところにチャンスがある ■　ＡＩに学習させる職業が増えていく — location: [2086](kindle://book?action=open&asin=B07LF91P8R&location=2086) ^ref-48696 --- >[!quote] >今まで数人のエキスパートに頼っており、スケールできなかった分野を、いかにＡＩで拡張展開可能にするかという課題のほうが多いのだ。 — location: [2100](kindle://book?action=open&asin=B07LF91P8R&location=2100) ^ref-17531 --- >[!quote] >ＡＩ搭載型の産業ロボットが、ブルーカラーの仕事を奪うかというと、そうではない。 — location: [2109](kindle://book?action=open&asin=B07LF91P8R&location=2109) ^ref-3020 --- >[!quote] >安い労働力を目的に中国にアウトソースしていた事業が、ＡＩロボットの導入で逆にアメリカに雇用を生むようになっている。 — location: [2126](kindle://book?action=open&asin=B07LF91P8R&location=2126) ^ref-54447 --- >[!quote] >顧客マーケットに近い場所で生産できて物流コストも抑えられ、顧客との意思疎通もスムーズにはかれるので、結果的には効率的 — location: [2128](kindle://book?action=open&asin=B07LF91P8R&location=2128) ^ref-41960 --- >[!quote] >ＡＩの導入によって、８時間の勤務時間のうち、６時間が浮いたのであれば、その時間をより重要な仕事に充てることができる。 — location: [2151](kindle://book?action=open&asin=B07LF91P8R&location=2151) ^ref-5146 --- >[!quote] >この先はより一人あたりの生産性を上げていかないと、国際競争の中で生き残っていけない。 — location: [2153](kindle://book?action=open&asin=B07LF91P8R&location=2153) ^ref-735 --- >[!quote] >これからは、ＡＩに仕事が奪われる時代になるのではなく、ＡＩを使いこなしてより良い仕事をしてキャリアアップしていく人と、そうでない人に分かれる時代になると — location: [2155](kindle://book?action=open&asin=B07LF91P8R&location=2155) ^ref-9028 --- >[!quote] >＜ＰＯＩＮＴ＞ ■　ＡＩ導入によって、ＡＩトレーナーやロボット管理者という新しい人間の仕事が生まれている ■　あらゆる仕事がＡＩ化されるわけではない。人間がやるべき仕事は山ほどある ■　ＡＩを使いこなすという発想が重要である — location: [2159](kindle://book?action=open&asin=B07LF91P8R&location=2159) ^ref-38539 --- >[!quote] >「特化型」。代替のきかない特化した高度でプロフェッショナルな技術を持っている — location: [2169](kindle://book?action=open&asin=B07LF91P8R&location=2169) ^ref-37786 --- >[!quote] >と呼ばれる「適応者」だ。これは高い技術力を持っていて、市場で何が求められているかを考えながら、自分をいろいろな場所に適応させることができる人と定義されている。 — location: [2172](kindle://book?action=open&asin=B07LF91P8R&location=2172) ^ref-2412 --- >[!quote] >いくら技術が高くても視野が狭い人は淘汰される — location: [2174](kindle://book?action=open&asin=B07LF91P8R&location=2174) ^ref-24348 --- >[!quote] >技術が高く、かつ適応能力がある人が生き残る — location: [2175](kindle://book?action=open&asin=B07LF91P8R&location=2175) ^ref-25293 --- >[!quote] >シンセサイザー」と呼ばれる「合成役」。これは、異業種の人材をまとめて動かす、コミュニケーション能力が高い人材を指す。 — location: [2176](kindle://book?action=open&asin=B07LF91P8R&location=2176) ^ref-55414 --- >[!quote] >ＡＩで仕事が自動化すればするほど、最後に残るニーズはＡＩで吐き出されたデータをどう価値に変えて、どう事業に結びつけていくかを考えることだから — location: [2179](kindle://book?action=open&asin=B07LF91P8R&location=2179) ^ref-6395 --- >[!quote] >Chief Behavioral Officer＝最高行動責任者） — location: [2185](kindle://book?action=open&asin=B07LF91P8R&location=2185) ^ref-61351 --- >[!quote] >ＣＢＯとは、技術コミュニティとビジネスコミュニティの架け橋となり、心理学や行動科学の知見を生かして会社のマーケティング戦略を考える役割の人を指す。 — location: [2186](kindle://book?action=open&asin=B07LF91P8R&location=2186) ^ref-41856 --- >[!quote] >イノベーションを起こすためには、多くの場合ビジネスモデルの変革が求められる。 — location: [2208](kindle://book?action=open&asin=B07LF91P8R&location=2208) ^ref-19804 --- >[!quote] >ＡＩｘ行動経済学といった、別領域の掛け合わせ — location: [2210](kindle://book?action=open&asin=B07LF91P8R&location=2210) ^ref-18097 --- >[!quote] >今あるものを組み合わせて、今までになかったものを生み出す力が求められる。 — location: [2217](kindle://book?action=open&asin=B07LF91P8R&location=2217) ^ref-55489 --- >[!quote] >今、アメリカで主流になりつつあるのは、ＡＩバイリンガルを育てる教育 — location: [2218](kindle://book?action=open&asin=B07LF91P8R&location=2218) ^ref-65504 --- >[!quote] >今後、ＡＩやロボティクスを研究する生徒は、歴史や哲学、法律や経済学の知識が必要だ」 — location: [2229](kindle://book?action=open&asin=B07LF91P8R&location=2229) ^ref-46991 --- >[!quote] >ＡＩ時代にビジネスインパクトを出すためには、なるべく離れた分野の知を組み合わせたほうがいい。 — location: [2232](kindle://book?action=open&asin=B07LF91P8R&location=2232) ^ref-55437 --- >[!quote] >文系、理系、プラス体育会系など、異なる見地から課題解決ができるＡＩバイリンガルを育てる教育が注目されているの — location: [2233](kindle://book?action=open&asin=B07LF91P8R&location=2233) ^ref-59932 --- >[!quote] >ダブルメジャーと呼ばれる、文系理系をまたいで二重専攻した人 — location: [2240](kindle://book?action=open&asin=B07LF91P8R&location=2240) ^ref-32279 --- >[!quote] >リベラルアーツといわれる一般教養分野の学問を専攻する重要性 — location: [2241](kindle://book?action=open&asin=B07LF91P8R&location=2241) ^ref-12342 --- >[!quote] >＜ＰＯＩＮＴ＞ ■　これからの時代に生き残るのは「特化型」「適応者」「合成役」 ■　異なる領域を掛け合わせる力が必要 — location: [2246](kindle://book?action=open&asin=B07LF91P8R&location=2246) ^ref-52659 --- >[!quote] >今後ＡＩが社会に浸透していくと、今ある仕事の 50 パーセントは、２０３０年までに無くなる。これからは、社会人も新しいスキルセットを学べる場が必要だ」 — location: [2256](kindle://book?action=open&asin=B07LF91P8R&location=2256) ^ref-15339 --- >[!quote] >ＡＩ時代になったときに、仕事を見つけることができるかどうかは、今後自分にどれだけ「リスキル」の投資ができるかにかかっている — location: [2266](kindle://book?action=open&asin=B07LF91P8R&location=2266) ^ref-60592 --- >[!quote] >短期間のビジネススキルセットのプログラム（ナノディグリーやマイクロカレッジと呼ばれたりもする）は、今後どんどん増える — location: [2287](kindle://book?action=open&asin=B07LF91P8R&location=2287) ^ref-46785 --- >[!quote] >リカレント教育とは、基礎教育を終えて社会人になったあと、あらためて就労に活かすため学び直したり就労するサイクルを繰り返すことを指す。 — location: [2297](kindle://book?action=open&asin=B07LF91P8R&location=2297) ^ref-8474 --- >[!quote] >これから新しくキャリアを作りたい人は、何かをゼロから作ること、何かを体験して、アウトプットすることをおすすめしたい。 — location: [2334](kindle://book?action=open&asin=B07LF91P8R&location=2334) ^ref-5332 --- >[!quote] >これからは、アウトプットがある人とない人の差が大きくなる。 — location: [2337](kindle://book?action=open&asin=B07LF91P8R&location=2337) ^ref-43653 --- >[!quote] >＜ＰＯＩＮＴ＞ ■　社会人になっても学び直しが必要な時代に ■　今までの経験を生かしてＡＩビジネスにかかわることもできる ■　局所的ではなく、全体を俯瞰する視点を持つことで、キャリアをデザインできる — location: [2364](kindle://book?action=open&asin=B07LF91P8R&location=2364) ^ref-47573 --- >[!quote] >ＡＩが浸透する世界では、人はもっと多様な働き方ができるようになる。そして人ではなければできない仕事につくことになる。 — location: [2372](kindle://book?action=open&asin=B07LF91P8R&location=2372) ^ref-48777 --- >[!quote] >ワークライフバランスから、ワークライフインテグレーションへ — location: [2390](kindle://book?action=open&asin=B07LF91P8R&location=2390) ^ref-52393 --- >[!quote] >「ワークライフバランス（仕事と生活の両立）」という言葉に代わって、近年アメリカで提唱されている新しい働き方の概念が、「ワークライフインテグレーション（仕事と生活の統合）」 — location: [2403](kindle://book?action=open&asin=B07LF91P8R&location=2403) ^ref-37540 --- >[!quote] >「自分でなくてもできること」をどんどんＡＩに任せて、自分はビジネスやランニング、勉強といった「自分にしかできないこと」をやる。 — location: [2424](kindle://book?action=open&asin=B07LF91P8R&location=2424) ^ref-35142 --- >[!quote] >これから到来するＡＩ時代に大事なことは、私が今まで多くの方々に教わってきた「自分が一番幸せに思う時間を見極める」ことなのかもしれない — location: [2436](kindle://book?action=open&asin=B07LF91P8R&location=2436) ^ref-7146 ---