「競合他社が持てない機械学習モデル」を作る上で大切なことは？

　パロアルトインサイトでは、このように現場の人がAIに教え続けることができる「ハイブリッド型の現場AI」を常に意識して開発している。

石角友愛氏の新著『いまこそ知りたいAIビジネス』

このたび、パロアルトインサイトが多くの企業のAI開発を通じて学んだことを書籍『いまこそ知りたいAIビジネス』（ディスカヴァー・トウェンティワン）にまとめた。例えば、物流会社であるダイセーロジスティクス（東京・文京）とは配車AIの開発に取り組み、従来の配車システムでは不可能だった、現場の声に基づく配車スケジュールの策定を容易にした。

既存の配車システムは、各ストップの移動距離が最小になるように数学的なアプローチでトラックの配車スケジュールを割り出したものだった。現場の声が全く反映されず、AIによる学習機能も備えていなかった。

現場の声とは、例えば、「月曜の朝はこのルートは駐禁が取られやすいからいくら最短距離でも使いたくない」や、「このトラック運転手は新人なのでこのルートはやらせないでおこう」といった判断基準。これは単に移動距離を最短にすることや混雑を避けることだけを条件に割り出した、“型抜きクッキーのロジック”では解決できない。それ故に、配車専門家の「配車マン」と呼ばれる人が毎日3時間ほどかけて自分で配車スケジュールを「カルタ取り」と呼ばれる手作業に近いやり方で行っていた。

配車AIの開発に当たっては、トラックや納品先、ドライバーの属性をパターン化して、最適な配車組み合わせを作ることもできた。しかし、配車マンという配車の専門家が考える配車の組み合わせは、基本的にはドライバーや納品先などの属性や現場の制約条件を加味した上で作るものなので、それなら配車マンが過去に配車した内容をAIに学習させるのが一番効率的だ、という結論に至った。余計なビッグデータをやみくもに集めることよりも、解決したい課題に一番近いデータは何かを問いただすことの方が、より精度の高いAIを効率的に作れると実感した。

結果的に、配車の組み合わせの90％以上を自動的に出力でき、その後は微調整だけで配車作業が終了することもある。しかも、その微調整からAIが常に学習をする。時間節約の効果として、配車マンと現場チームのコミュニケーションなどにより時間を割けるようになった。

日本でAIというと「何か完璧に出来上がっているもの」「万能かつ総合力の高い技術」と思われがちだが、このようにAIは完全なる“生もの”であり、型抜きクッキーのように製品化してそれを導入すればよいというものではない。人間とAIの協業作業により、現場のスタイリストや配車マンが持つ知見をリアルタイムでAIに学習させて、競合他社が持たない機械学習モデルを作り上げていくことが今後より大事になる。