最終更新日： 2019年7月10日

おざけんです。

ディープラーニングがリードする機械学習（AI・人工知能）への注目の高まりですが、toCで一般ユーザ向けにディープラーニングを活用しきれている会社は多くありません。ディープラーニングなどの技術は、多くが企業内での業務効率化などで使われ、異常検知などで活用が進んでいます。

これからはtoCサービスでもディープラーニングの技術がより活発に使われていくでしょう。しかし、そこには精度の問題やUI・UXへのスムーズな組み込みなどいくつかハードルがあります。

サービスにAI技術を組み込むにはどんな工夫が必要なのか。その手がかりを探すために株式会社FiNC Technologies（以下FiNC）を訪ねました。FiNCはヘルスケアアプリでAIによるパーソナルトレーナーを実現させるべく展開しているtoCサービスです。

FiNCは2016年に人工知能に特化した研究所「FiNC Wellness AI Lab（以下AI Lab）」を設立し、これを中心にディープラーニングをはじめとするAI及び最先端テクノロジーを駆使したヘルスケア領域の課題解決を目指しています。

取材させていただいた方をご紹介します。代表取締役CTOの南野充則さんです。

株式会社FiNC Technologies 代表取締役 CTO 南野充則さん

FiNC Wellness Labの役割は！？ 「機械学習は全エンジニアができるようにする」

FiNC Technologiesは2012年に設立されました。人工知能研究所「FiNC Wellness AI Lab」の設立は2016年です。なぜ2016年にAI Labが設立されたのでしょうか。

Labの設立の前に現場の知識を得ることに専念した。

ーーAI Labの設立の経緯を教えてください。

南野さん：FiNCは元々パーソナルジムを運営していました。パーソナルジムでアドバイスを受けると健康になることができます。もし、それをアプリ上で実現できるとしたら、さらに安く、そしてもっと多くの方にサービスを提供できると考えました。

もともとFiNCの代表の溝口は、パーソナルジムは事業としてスケールしないと考えていました。これからの高齢化社会で高齢者のユーザが増えることや、場所やお金の制約も加わるため、スマートフォンアプリを使ってスケールしていこうという想いがあったんです。

ーーすぐにアプリ開発に乗り出したんですか？

南野さん：実はそうではありません。最初に行ったのは、パーソナルジムをまずオンラインで提供するという取り組みです。その時はまだAIの活用を行っていません。まずは、パーソナルジムで提供しているサービスをオンラインに移してやってみたらどうなるのかという実験を3年ほど行いました。

では、次の段階に進むにはどうしたらいいのか！？となったときにオンラインで1対1で行っていたパーソナルトレーニングを人ではなくてAIなどのシステムでできるようにするという戦略を立てました。そして東京大学特任准教授の松尾豊先生にアドバイザーになってもらったのがちょうど2016年だったんです。そのタイミングで、AIをFiNCのサービスにどのように取り込んでいくのかを議論したときに「FiNC Wellness AI Lab」の設立を決めました。

AIの導入に不可欠な現場知識

最初はAIの実装をせず、パーソナルジムの運営、そしてオンライン化への戦略的な取り組みに力を入れていたというFiNC。その期間に得た知見は、AIの導入時にも役立つ知恵となったと南野さんはおっしゃいます。

ーー実際にパーソナルジムを運営されていたということは、現場の課題などを実感できますよね。どんなオペレーションがあるのかを理解することでAIの導入時にも役立つことがありそうですが、いかがでしたか？

南野さん：まさにその通りです。実際に「トレーナーがどんなことをしているのか」「栄養士さんはどのようなことをしているのか」「どんなアドバイスをすればユーザはちゃんと継続してトレーニングをしてくれるのか」などについて考察する機会になりました。

そして何が本当に必要なのか？を考えてオペレーションを標準化していきAIの導入に役立てることができたと思っています。

ーー最初からAIを完全に導入しようとされていなかったということは「スモールスタート」が重要だったんでしょうか？

南野さん：「スモールスタート」は重要でした。toCで展開しているため、FiNCのアプリを今の規模に持っていくにはかなりの資金が必要だと思っていました。いきなりAIの導入などを大規模にやると資金がすぐに飽和してしまう可能性があります。

だからこそ、まずはジムで売上を立て、その後にオンラインでも売上をたて、それによって資金調達を行い、次のフェーズへいくという繰り返しを行ってきました。いきなり最終形を作ろうとすると膨大な開発費がかかってしまいます。

優先順位を決めて、ちょっとずつ資金調達も行いながらノウハウをためて戦略を進めていくということです。

「FiNC Wellness AI Lab」は5人の組織で4つの研究を

AI Labはどれくらいの規模で研究にあたっているのでしょうか。また、全社の中でのLabの位置づけも伺いました。

ーーAI Labはどんな組織ですか？

南野さん：AI Labには5人のメンバーがいて、それぞれが1つのプロジェクトを持っています。それぞれがプロジェクトマネージャーのような立ち位置で、独立して動いているイメージです。

取り組みとしては、大学の研究室のように基礎研究に力を入れているというよりは、FiNCのプラットフォーム上でたまったデータを使ってどんなことができるのかを検討しています。

ーー具体的にどんな取り組みをされているんですか？

南野さん：FiNCのアプリに関しては4つの研究開発をしています。

1つがチャットボットの言語解析です。どんな文章をユーザが入力してくるのかを認識するために自然言語処理の研究をしています。

2つ目で特に力を入れているのが画像認識です。FiNCでは現在1日数十万枚ほどの食事画像のデータがたまっています。それを活用してカロリーを推定するなどの研究をしています。

3つ目が姿勢の認識です。トレーナーはトレーニングをするときに姿勢をまず、見てトレーニングメニューを決めます。トレーナーがその姿勢を見分けられるようになるまでにとても時間がかかるので、ディープラーニング技術を活用すれば効率化できると思い、始めた取り組みです。

4つ目がUI・UXに関わる部分です。プッシュ通知の内容によってユーザの行動変容がどうなるのかなどを研究しています。

そして他にもいくつか他の企業と一緒に取り組んでいるものがありますね。

南野さんによると、この中でも姿勢の認識の部分が、パーソナルジムを運営していたときの知見が活かされたといいます。現場でどんな課題があり、何に苦労しているかを知った上でAIを導入することの大切さを感じました。

ーー全社の中ではAIエンジニアはAI Labだけに所属しているのでしょうか？

南野さん：違います。私は機械学習は基本的に全員のエンジニアが扱えるようになってほしいと考えています。実は、サーバーサイドのエンジニアも機械学習をできるようにするプログラムを今作っているところなんです。

また、AI Lab以外にデータ分析チームがあります。データ分析チームではしっかり機械学習を扱える人を増やし、AI Labではどちらかというと機械学習の中でもディープラーニングを中心にガッツリやっているイメージです。

AI Labでは研究開発でFiNCにどんな可能性があるのかを探り、データ分析チームなどでは既存のサービスの中でためたデータを分析したり、既存のモデルの精度を改善していくために動いているようです。

自動化のノウハウ どこから自動化を進めた？

FiNCは最初からAIの活用はせず、戦略を練って少しずつ、AIなどの導入を進めていることがわかりました。では、データがたまり、多くのAIの活用法が見出される中で、どのように優先度を付けているのか。そのノウハウを伺いました。

ーーFiNCの事業をスケールさせるに連れて、データも多くなり、AIを入れられる箇所が増えてくると思います。どのように優先順位を決めてきたのでしょうか？

南野さん：FiNCにはPMが二人います。その二人とCTOの私、そして代表の溝口を含めた4人で優先順位を決めて作っていく流れでした。

その中で意識していたのは、「母数」です。

FiNCにはビジョンがあり、ミッションがあります。ミッションは「すべての人にパーソナルAIを」です。それに沿って「全ての人にパーソナルAIを付けましょう」「FiNCのアプリはパーソナルAIを搭載したアプリですよ」というメッセージを発信するときに、多くのユーザのニーズに応えていきたいという考えがあります。

だからこそ、“多くのターゲット” = “マス”に対してアプローチできるか否かが重要な指標になります。ユーザが毎日使うような歩数を記録する機能や睡眠時間を計測する機能など、マスからアプローチしていくことが大切だと思います。そのときにどのようにアプリが使われて、どのようなアプローチでは継続率が上がるのかを数字で見て判断することが大事です。

十分な分析を行った上で、多くのターゲットがいるマスポジションからAIの導入を進めていくことが肝心のようです。

ところで、FiNCのアプリのリリースは2017年3月のことです。AI Labが設立された2016年。AI Labの設立より後にリリースされたアプリは、AIの導入を前提に設計されたのでしょうか。

ーーサービスの設計の際にAIの導入や自動化する部分を意識していたんでしょうか？

南野さん：そこは正直別で考えていました。

FiNCがやっていることはパーソナルAIを作るということです。しかし、最初から全部AIにすることは難しいです。そもそもデータがたまらなければチューニングできません。

だからこそ、目の前のユーザがしっかり満足できる機能を提供することにひらすら注力して全力でやっていました。

判断の難しい実用化のタイミング キーはユーザの期待値

AI Labでは4つの軸に加えて他の企業との共同研究の取り組みを行っています。

そこで難しいのが研究を終えて実用化するタイミングではないでしょうか。機械学習では100%の精度を出すことは難しく、ミスが発生するリスクも考えなければなりません。

継続性を重視しUI・UXに力を入れるFiNCはどんな基準で研究してきた技術をサービスに組み込むと決定しているのでしょうか？

ーー研究を実用化するときの決断ってすごく大変なものだと思います。どんな基準で導入することを決断しているんですか？

南野さん：ユーザの期待値に合わせていくことがとても大事だと思います。

ユーザが期待している機能以下であれば満足度が低下し、クレームも起きてしまいます。しかし、期待値以上の機能が提供できていれば「あれ、意外に使えるじゃん！」となります。そこのすり合わせがすごく大事だと思っています。

そのための流れとしては、私たちが実際に手で触ってみて使えると思えば、まずβ版で提供します。そしてフィードバックをもらうようにしています。「サービスを良くしたいのでフィードバックをお願いします」というメッセージも入れることで期待値を下げているんです。

そしてユーザの反応を見ながら認識精度を上げたりして改善していく流れがFiNCでのリリースのステップになっています。

ーーユーザの期待値を下げれば確かに満足度の低下にはなりませんね。しっかりと「協力してください」とメッセージを伝えることが大事なんでしょうか？

南野さん：まずは選ばれた人に「あなたはβ版ユーザです」としっかりと告知をします。その上で、「FiNCのアプリを一緒に良くしてほしいと思っているので、もしよければこの機能を使ってみてください」とちゃんと伝えます。

そうすると好意的に協力してくれるユーザが積極的に協力してくれて、クレームに繋がることもとても少ないんです。

AIをやる上でも最も重要！？ユーザの継続性の問題

2018年9月20日、東京 渋谷で開催されたTech In Asia Tokyo 2018において南野さんによる講演が行われました。そこで語られたのは、「継続されるアプリ」の重要性です。データを元に、高度な判断力を得るAIにとって、ユーザが継続してアプリを使用し、データをためて行く仕組み作りが欠かせないのです。

▼関連記事：約55億円の資金調達 / FiNC Technologiesの新代表取締役CTO 南野充則さんが語るFiNCの技術的戦略【TECH IN ASIA TOKYO 2018 レポート】

約55億円の資金調達 / FiNC Technologiesの新代表取締役CTO 南野充則さんが語るFiNCの技術的戦略【TECH IN ASIA TOKYO 2018 レポート】

ーー先日の講演では、「ユーザの継続性」を強調されていました。toCならではの重要なポイントだと思います。改めてお聞きしますが、AIありきの設計ではなく、目の前のユーザに楽しんで継続してもらうことが最も重要なのでしょうか？

南野さん：もちろんです。ユーザが価値を感じないとAIを使う意味はありません。ユーザに価値のあるサービスを提供することが最優先で、その後、コストを安くするために、もしくはサービスの精度を上げるためにシステムで解決するという発想のほうがスムーズだと思うんですよね。

AIを使うためのシステムになっている場合も見受けられますが、それだと目的がAIになってしまいます。今までの経験からしても、ユーザの価値を上げることに注力した設計がtoCでのAI開発において大事だと思います。

ーーサービスの設計の時点で、どんなデータを取得しておこうと予め考えている部分はあるんですか？

南野さん：FiNCのアプリでは、さまざまなABテストができるようになっていて、ほとんどの行動をログとして記録します。スクロールやボタンのタップなどのような行動はすべて蓄積してあります。このデータはすぐに解析できるようにしていて、自社で解析エンジンも用意してあるんです。そのため、機械学習を使う際にもこのデータを活用できます。

ーーそのときに、先述のような優先度の決定を行って、機械学習を導入していくんですね。

南野さん：そうです。「母数が大事」と述べましたが、母数が多いほうがデータがたまりやすいのは当然のことです。その部分は、ユーザに最適化した際のFiNCのサービスへのリターンも大きいので、母数の大きいところからやっています。

例えば、FiNCではオンボーディングという、アプリを始めてすぐのチュートリアルの部分に力を入れてきました。アプリをインストールしてからすべてのユーザが触れる部分がこのオンボーディングの部分のため、この部分の最適化は優先的に行ってきました。

この部分はいくつものパターンを用意していて、それを用いて最適化しています。

ーー機械学習に限らないかもしれませんが、FiNCは全社でデータ意識や、数字の意識が強いんですね。

南野さん：そうです。どの画面に何秒間滞在したのか、どれくらいスクロールしたのかなど全部データで取得して、数字で考えています。この心がけによって、機械学習も導入しやすくなっています。

ーーだからこそ、「全てのエンジニアが機械学習をできるようにする」ことにつながっているんですね。

南野さん：全てのエンジニアが機械学習ができたほうが絶対効率と考えています。これをやってください！と依頼する手間が省けます。

だからこそ、日本ディープラーニング協会のG検定やE資格の受験の費用を負担するなどして、エンジニア全員が機械学習を扱えるようになってほしいと思っています。

機械学習まつりを開催中！？

「全エンジニアが機械学習を使えるようにする」機械学習技術を重視して、スキルの装着を促進しているFiNCですが、なんとFiNCでは「機械学習祭り」が開催されているといいます。

南野さん：実は今データ分析チーム主導で機械学習祭りをしています。機械学習祭りというのはFiNC全体でもっと機械学習を使っていこうというお祭りです。

FiNCにあるデータをこう使ったら面白いんじゃないかというアイデアをハッカソンのように社内で募って、面白いアイデアは実際にモデル構築をします。ポイントはビジネスサイドも参加するということです。そしてその成果を発表したりしているんです。

ーー具体的にはどんなアイデアが出てくるんですか？

南野さん：ユーザのオンボーディングでの利用時間と継続率、課金率との関係性や、チャット画面での吹き出しを出す速度が速いほうがいいのかどうかの検証などさまざまなアイデアが出てきますね。

FiNCでは数字がないと意思決定をしません。そのため、社内の文化としてこのようにデータドリブンに数字をもとに判断するという意識が定着してきています。

ユーザの継続性につながる機械学習エンジニアとデザイナーとのコミュニケーション

toCのサービスを作る上で継続してユーザに使ってもらうためにUI・UXが重要です。機械学習を用いた機能をサービスに実装するにあたって、どのようなコミュニケーションをとっているのでしょうか。

ーーデザイナーやグロースハッカーなどUI・UXを作る人と、機械学習エンジニアとのコミュニケーションはどのように取っているのでしょうか？

南野さん：機械学習は処理時間がかかることがありますが、もちろんユーザの待ち時間を増やしていいわけではありません。基本待ち時間はゼロに近づけるのが良いのですが、それが難しくても、許容できる待ち時間があります。

それも数字でしっかりと定義しています。例えばAIのレスポンスは0.1秒以内にしてくださいという風にお願いしてあります。

ーーもし、その0.1秒の壁をクリアできない場合にはサービスに実装されないんですか？

南野さん：例外もあります。食事認識の精度が高くUXを上げてくれるけど、認識に1秒くらいかかってしまう場合などは、1秒間ユーザを飽きさせないアニメーションを用意するなどして、1秒を感じさせない工夫も行っています。

ただ、これはユーザを待たせる時間より、機械学習が提供する価値が大きい場合のみです。例えば、食事の写真を撮影して5つの料理を認識できる場合、認識に1秒かかっても人の手で入力するより早いですよね。

そこで、文言で「ただいま解析中です」って書くだけでも違いますし、「フリーズした」と思わせない工夫が必要です。

ここでも重要視しているとわかったのは「ユーザがどう感じるか」ということでした。AIが提供する価値がユーザにとってどれくらい嬉しいものなのか、それをしっかり検証してサービスに実装していくことが大切のようです。

さいごに

インタビューの中で特に印象的だったのは、ユーザの継続性、ユーザが感じる価値を再重視するということです。AI、機械学習を用いてユーザが感じる価値を最大にしていく、そのために数字で具体的にUI・UXを管理し、機械学習技術をサービスに取り込んできたのがFiNCだとわかりました。

全エンジニアが機械学習をできるようにする取り組みも印象的です。機械学習が機械学習エンジニアだけのものでなく、全エンジニアが必要なときにデータを自分で機械学習を用いて分析できるようにすることは、今後のエンジニア組織にも求められていることだと感じました。

最後に南野さんに今後の展望を伺いました。

南野さん：FiNC Wellness AI Labで、結局何がやりたいのかというと「世の中を健康にすること」です。健康寿命を伸ばすAIを作りたいと思っています。

アプリのダウンロード数が増えて多くのユーザに使っていただけるようになりデータの活用が本格的にできるようになりました。

これからは2つのことに注力していきたいです。

1つ目は人材の育成です。とにかくエンジニア全体が機械学習をできるようにしていきたいです。

2つ目は機械学習の活用のアイデアをたくさん生み出していくことです。インパクトがあるAI活用の方法を、FiNCだけでなく他の企業などとも協力して考えて行きたいと思います。

そして、toC向けにディープラーニングを活用している会社として、FiNCがリードして、日本だけでなく世界に発信していきたいと思っています。

おざけん

■AI専門メディア AINOW編集長 ■カメラマン ■Twitterでも発信しています。@ozaken_AI ■AINOWのTwitterもぜひ！ @ainow_AI ┃

AIが人間と共存していく社会を作りたい。活用の視点でAIの情報を発信します。