今月末にDXセミナーの講師を務めるため、今までとは違った切り口で情報収集しようと思い、タイトルに惹かれて手に取りました。
「投資対効果を最大化するAI導入7つのルール」
（石川聡彦さん）
著者の石川さんは、東京大学工学部在学中の2014年に株式会社アイデミーを創業して代表取締役社長に就任。
2017年にAIプログラミング学習サービス「Aidemy」の提供を開始して2年間でユーザー数5万人を突破するなど、日本最大級の先端技術のラーニングサービスを展開。
さらに法人向けAIシステムの内製支援クラウドソリューション「Aidemy Business」を開発・運営していらっしゃいます。
小学生時代に歌舞伎子役として6年間活動した経験をお持ちです。
最も印象に残ったのは、タイトルにもあった7つのルールでした。
開発着手前の準備めっちゃ大事です。
58ページ
機械学習のビジネス活用7つのルール
ルール1
機械学習の投資対効果を明確にすべし
ルール2
「使えないデータ」と「使えるデータ」を把握すべし
ルール3
機械学習で狙うべき領域を同定すべし
ルール4
インプットとアウトプットの解像度を高めるべし
ルール5
機械学習の性能を正しく評価すべし
ルール6
実運用のイメージを高めるべし
ルール7
ステークホルダーとのエコシステムをつくるべし
そして、単語の意味を明確に定義しているのが、個人的には好印象でした。
21ページ
機械学習を一言で定義すると、「データからルールを自動的に獲得する技術」と言えるでしょう。
38ページ
「自動的に」は「あるデータと別のデータの関連性を人間が定義しなくていい」ということです。
53ページ
機械学習プロジェクトでは、「どんなデータを使って、何をどのくらいの性能で判断できれば成功といえるのか」を事前に定義することが重要です。
120ページ
機械学習プロジェクトを具体化する作業とは、このように、どんなデータをインプットとし、どんなデータをアウトプットするか議論を進め解像度を上げる作業を指します。
130ページ
特に不均衡データの場合は、単なる「正解率」という単一の指標では、実態とかけ離れた性能の数字がでてしまうこともあり、「検知率（見落とさなかった確率）」や「不良判定品の不良率」を見る必要があるのです。
これからAIを活用したプロジェクトを始めようとする方には、162ページ以降で紹介されている3パターンの機械学習プロジェクトの企画書が、とても参考になると思います。
「投資対効果を最大化するAI導入7つのルール」
（石川聡彦さん）
大谷更生の発想の源泉をお届けするために、毎日12:00に配信しているメールマガジン『日刊「大谷更生」』の読者登録は↓
