最終更新日： 2019年7月10日

こんにちは。
AINOW 編集長のかめきちです。

皆さんの会社でもAIの導入を検討されているでしょうか？
もうやっているよという方も多いかと思います。
しかし、AIの開発や製品を導入して、効果や精度改善できていますか？
もし、うまくいっていないとしたら、導入の段階で間違っている可能性があるかも…

そこで、私達のdip AI.Labで活用している、AIを導入したが機能しないという最悪の自体を減らすことのできる、AI開発用のフレームワークを共有させてください。

お話したいラインナップはこんな感じです。
※ もう知ってるよという人はCanvasへ行きましょう。

リーンスタートアップって何？

リーン・スタートアップの手法には、状況によって様々な考え方があるので、ここでは簡単にどんな考え方なのか、かなりざっくりと説明します。ここだけで本が何十冊と書けてしまうので….

スタートアップ企業は資金が潤沢ではなく、リソースもままならないという状態の中、最小のコストで如何に効率よくサービス構築をしなければなりません。その為、資金がショートする前に仮説検証する必要があり、偉人達の失敗からこのようなフレームになりました。現在では、スタートアップだけではなく、新しいサービス機能開発をする際に、活用されるようになってきています。

リーンスタートアップは、状況に応じて活用するフレームワークが異なってきます。大きなフェーズで分けると下記のようになります。

アイデアを考える時

Lean UX（顧客開発）

Lean UXを定義する6つの要素とは? / UX for Lean startups
参照：https://calgaryux.files.wordpress.com

どこにサービス化するユーザ、課題があるか探る手法
主にインタビューやアンケートなどを基に課題と解決策を特定していく。

アイデアをサービスにまとめる時

Lean Canvas

「MVPとは？」をもう一度考えてみた
参照：https://producthubbpma.files.wordpress.com

立ち上げたい事業やサービスの成功に必要な要素が揃っているか整理するもの
Canvasの項目整理には、さらに顧客開発モデルを使うこともある。

サービスが活用されるか検証する時

MVP Canvas

MVPとは？をもう一度考えてみた
参照：https://producthubbpma.files.wordpress.com

Lean Canvasで考えた各項目が本当に成り立つかどうか、机上の空論でないか確認をしていく際に、仮設検証の方法を整理する考え方。

機能を開発する時

Product Backlog（アジャイル開発）

主にスタートアップで用いられるのがScrum開発、ユーザが使う最小の単位で開発していくやり方、良くある開発手法として、ウォーターフォールモデルと比較される。

サービスを作る上でもこのような手法がありますが、かなり複雑なので、さらに詳しく知りたい方は、こちらのスライドが大変参考になりますので、ご参照ください。言葉の整理ができると思いますよ。

AI開発特有のポイント

次は、AIサービス開発についても整理をしておきましょう。AIサービスは普通の開発とポイントが異なっていること気づいていますか？
そういえば、先週はこの記事で盛り上がっていましたね。

TechCrunch Japan

製品化への道に潜む「AIの溝」の越え方 | TechCrunch Japan

http://jp.techcrunch.com/2017/01/06/20170105crossing-the-ai-chasm/

AIが私たちの生活やビジネスをより良くしているという、うきうきするようなニュースを毎日耳にする。AIは既にX線写真を解析し、モノのインターネットを動かし、営業・マーケティングチームの次の一手を考え出すほどまでになった。その可能性は無限大に広がっているよ...

1.ビジネスとデータの動きを理解する必要がある
AIを入れるのは属人化した業務の自動化、既存サービスの効率化が多いと思うので、既に業務が動いている場合が多いのではと思います。そのため、ビジネスを良く理解しないとAIを入れても何も変わらないことが考えられます。

2.データの量/質が必要
アルゴリズムはデータがなければ分析できず、サービスを運営する際に取得している「トランザクションデータ」だけでは精度がでない可能性があります。また、分析手法によっては一定量データがないと精度がでないこともあるので、データの有無が明暗を分けます。

3.分析アルゴリズムが必要
AIを導入・開発するということは、何かしらの機械学習、ディープラーニングなどのライブラリを用いると思います。AIの精度を上げるため、統計学や古典的な機械学習、ディープラーニングを目的に応じて使い分ける必要があるので目利きが出来ないといけません。

リーンの考え方がピッタリな理由

・ユーザとデータを結ぶので顧客開発モデルが活きる
AIはユーザと既存サービスを繋ぐ役割をするので、誰のどんな課題を解決するか、既存サービスよりも明確に定義する必要があります。また、人間らしい振る舞いをさせたい場合には、より高度になりますね。

・アルゴリズムは一度で成功するとは限らない、変化に柔軟である必要がある
統計分析は1度で終わることがないと思いますが、オンラインでデータが更新されるAIアルゴリズムでは、その改修工数が増加します。これに対応するには、如何に柔軟な開発をする事が求められてきます。

・追加投資を得るために、KPI管理が重要
AI系は成果が出るまで時間を要すので、目先のKPI管理だけではなく、サービスとしての検証方法が大事になってきます。AIは投資費用が大きいプロジェクトになるので、投資家や経営者に説明する際にも大切な指標ですよね。

「AI Lean Canvas」を書いてみよう

さあ、それではシートにAIサービスを落として整理してみましょう。
もし、シートに記載する項目が浮かばなかった方、ユーザと課題の分析が足りていないので、サービスが失敗する可能性があります。インタビューを実施して見直しをしてみましょう。やり方は後ほど、

まず、シートの考え方ですが、数字の順番沿って項目を埋めていきましょう。シートを埋め終わる頃に、あなたの導入したいAI製品・サービスが、ユーザにとって本当に嬉しいものなのかどうかわかるはずです。もし、喜ばれないものだったら、やらない方が良いかもしれません。

今回は、試しに飲食店探しのチャットAIで考えてみましょう。

①：誰が喜ぶのか？

（ユーザ設定）
サービスを使うユーザを特定します、具体的にどんな人物化想像できるくらいまで落とし込めると良いですね。

②：なぜ喜んでくれるのか？

（課題特定）
ここが1番大事なポイントかもしれません、現状のサービスのどこに不満を持っているか特定しましょう。ここが明確でない場合、サービスを導入する必要がないのかもしれませんよ。

③：なぜ、AIを活用するのか？

（コンセプト）
今回はAIを導入したいということでサービスを考えていますが、AIでなくては実現できないことを考えてみましょう。AIを入れるとどんなメリットがあるのだろう。そして、それはAIを入れることでどのくらい便利になるのか？

④：どんなAIを提供する？

（提供機能・分析手法の特定）

ここはアナリストやAIプログラマーの腕の見せどころになるところです。扱うAIの種類がわかることで、どんな会社に依頼すればよいのか？情報収集する先が変わってきます。
あなたのAIサービスはどんな分析手法で課題解決できるでしょうか、画像解析、自然言語解析、統計的な予測、どれを使いますか？

⑤：どうやってデータを取得する？

（チャネルの特定）
AIサービスは、ユーザとシステムを繋ぐ仕組みになります。どこでAIが動くかによって取得できるデータが変わってくるので、AIが稼働する場所を整理していきましょう。ポイントは、AIを活用する上で必要なデータはどこから取得できるのか？それは、チャットなのか、既存のWebシステムから収集できるのか？

⑥：分析に活用するデータ

（データの特定）
AIのベースを作る上で必要になる手元にあるデータとAIが学習する上で必要になる、これから取得するデータの2種類を考えてみましょう。このデータが決められない場合、AIは何も学習できないおバカAIになってしまうかもしれません。

・分析に活用できるデータ
今あるデータはどんな種類のデータが揃っているか？AIを構築するに十分だろうか？

・精度向上に取得したいデータ
機械学習を考えていくと既存データでは、精度が出ない可能性が高いが、どんなデータが必要になるのだろう？

⑦：AI導入に掛かるコスト

（導入コスト）
どのくらいのコストでAIを導入して回収していきますか？もしかしたら、ディープラーニングをやろうとして破綻してしまうこともわかるかもしれません、短期では成果が出ないので、いつまでにどのくらい掛けてアウトプットを決めるのかしっかり定義しましょう。

⑧：AIの効果をどうやって知るか？

（主要指標）
どんなビジネスやサービスでも必要になるのが指標です。以外と疎かにしてしまい、AIを入れたけど、どうなったのかわからないケースも多いのではないでしょうか？小さい指標から落としていきましょう。AIを入れることで改善される指標はなんだろう？

⑨：なぜ、喜ばせることができる？

（既存との優位性）
既存のサービスがあるにも関わらず、どうしたらユーザは喜んでくれるのか考えてみましょう。AIによる強いメリットを訴求しないと興味をしめしてもらえません。AIだからこそ提供できる価値をまとめてみましょう。

今回使用したシートは、こちらからダウンロードできます。
Ver.1.0なのでアップデートしていきますね。

埋めれなかった人はもう一度ユーザと課題を考えよう！

AI Lean Canvasを埋めるには、結構難しいと思います。しかし、ここまで考えるからこそ、良いAIサービスになるというものです。そこで、埋められなかったところを考える手法があるので、こちらもご紹介します。各手法の詳細は別途で記事を連載していきますのでお楽しみに。

• リーンインタビュー設計
• ペルソナ作成
• カスタマージャーニーマップ
• ストーリーマッピング
• エレベータピッチ作成

記事が待てない方は、こちらのキーワードで検索してください。
もし、今すぐやり方を知りたい方はコチラまで！

AINOW

AI/DX専門メディア「AINOW（エーアイナウ）」です。AI/DXのプロジェクトに関わる多くの方々に向けて有益な情報を発信し、国内のAI活用とDX推進を加速させていきます。
TwitterやFacebookでも活動の様子を発信しています！