カテゴリ:ビジネス
□ AIをどのように企業の戦略の中に組み込んでいくか □ AIを活用の「戦略デザイン」 ・持続的な競争優位性を高められるか ・何重にも利益を生み出すループを描けるか ・勝ち続ける仕組みをデザインできているか Prologe 勝敗を分ける「何重にも稼ぐ仕組み」 □ 「収穫」は英語で「ハーベスト(Harvest)」という。 □ 会社や事業の仕組みそのものを変身させる「デジタルトランスフォーメーション(DX)」になっていないのではないか □ 競争の源泉を1つだけつくって満足するのではなく、二重、三重のループを作って、複数の競争優位を築くこと □ 1つの精度が上がれば、別のデータが取れるようになる。そのデータをもとにさらにAIの精度を上がて行くことで、他社が簡単に追いつけない強力かつ持続的な競争優位性を獲得することができる □ 実務におけるループを回すことで実務の精度が上がれば、結果的にリスクをコントロールできるようになるため、それが新しい確信を持たらすことになるはずだ。 □ キーワード ・E2E学習 ・レスデータ ・データ・ネットワーク効果 ・リンクデータ Chapter1 AIと人とのコラボレーション □ AIはデータを食べて日々成長する □ ヒューマン・イン・ザ・ループ3つの型 ・AIが間違っていないかどうかを人間がチェックする「人間検査型」 ・裏側に人間がいて、AIがうまく対応できないときだけ人間が出てきて対処する「人間バックアップ型」 ・ある現象をモニタリングしているAIが判断に迷った時に人間に知らせる「監査型」 □ AIの学習サイクルに専門家を送り込むと、コスト削減以上のメリットが得られる Chapter2 AIで何を実現できるかを見極める □ AIが実現する5つの「最終価値」 1)売上増大 2)コスト削減 AIと人間の組み合わせ事例 3)リスク/損失予測 4)UX(ユーザ体験)向上 顔認証技術を組み合わせれば、顧客が入店した時点で、その人が何を買ったか、どんなやり取りがあったかわかるので、個別の顧客にニーズに合わせた対応が可能になる OMO(Online Merges with Offline:オンラインとオフラインの垣根がなくなること) 5)R&D(研究開発)加速 □ 最終価値=機能×データ □ 認識 → 予測 → 対処 □ 自動化 → ヒューマン・イン・ザ・ループ → エキスパート・イン・ザ・ループ □ 異常検知・不正検出 → 資産管理 → 自動運転 □ 思い込みをいったん排除して、もう一度ゼロベースでAIに何ができるかを取らえ直すことだ □ その際に全体を俯瞰してボトルネックになっている部分に着目すると、自分たちにふさわしい最終価値が見えてくるだろう。 □ データ量ではなく、つねに新しいデータを生み出すループ構造をつくることであり、、戦略的なAI活用はもはや「ループ・イズ・キング(Loop is King)のフェーズに突入 Chapter3 戦力基盤を競争優位に変換する □ 「顧客に対してどのような価値を提供するか」 これを「ユニークバリュープロポジション(UVP:Unique Value Proposition)と呼ぶ □ シングルライン 活用するAIの機能は? → そのAIに何をさせる? → 増大させる最終価値は? → 向上させるUXは? □ 「最終価値」を「競争優位」へ変換する 1)売上増大 : 広告市場の独占、急成長の原動力 → シェア拡大 2)コスト削減 : コストリーダーシップ戦略、マイクロプロダクト化 3)リスク/損失予測 : サブスクリプションモデル、フィンテック化 4)UX(ユーザ体験)向上 : マーケット内の最高UX、カスタマーサクセス上の圧倒的な勝利 □ 需要予測の精度が上がれば上がるほど、ユーザーをサブスクモデルに誘導しやすくなる □ サービス提供側から働きかけてユーザーを成功に導く「カスタマーサクセス」の取り組みが重要だ。 Chapter4 データを収穫するループをつくる □ リアルタイムデータを取得できる体制がなければ、時代の変化に取り残される恐れがある □ 「どんなデータを収穫するか」から逆算してループ構造をつくることを視野に入れる □ 最初から完璧を求めず、開発しながらどんどん制度を上げていく □ どんなデータをためればいいのか 1.「構造化データ(Stractured Data)」ではなく「非構造化データ(Unstructured Data)」 ・ディープラーニング(深層学習)という画期的な技術によって、AIは生データを直接扱えるようになった ・最初は雑でもいいからできるところから始めてみよう 2.人間が関わることはすべてデータになる ・すべてログ(記録)をとっておく □ 個人データはためればためるほど威力が増す Chapter5 多重ループを回して圧勝する □ このループ構造がきわめて優れているのは、データを育てて収穫するというサイクルをあえて止めない限り、ずっと回り続ける □ フェイブのダブルハーベストループ 1.「最終価値=AIを使うメリット」を見極める 2.戦略へのアップグレード 3.ループ構造をつくって競争優位を維持させる 4.もうひとつの最終価値を見極める 5.もう一つの戦略へのアップグレード □ ダブルハーベストループによって採取的に競争優位になりたいなら、ひとまず全データをとっておいて、それをらをうまくつながて行く発想に立つべきだ Chapter6 ハーベストストーリーを実装する □ たとえ社内にAIのエキスパートがいないとしても、ベンダーに「丸投げ」するだけでは、たいていうまくいかない □ AIと一般的なソフトウェアではどこが違うのか。根本的な違いは不確実性である。 □ オプションを最大化する発想が求められる □ 発注段階では、仕様を確定するのではなく、期待値の幅をフェーズごとに狭めていくアプローチをプランニングしておく Epiloge 地球をやさしく包む「最後のループ」 □ 高速・大容量・低遅延の5G □ AIとのコラボレーションが進むほど、専門家はもてる能力とパフォーマンスを最大化できる □ HRテックが注目を集めるのは、この分野がAIによってますます洗練され、大きな変革期に入りつつあるからだ。 □ AIによる最適化は「持続か可能な地球」をの残すところまで進む おわりに AIよりも戦略よりも大事なこと 堀田 創 □ 「どうやるのか(HOW=戦略)」ではなく「なぜやるのか(WHY=目的)」 □ 数々失敗の原因は、「なぜやるのか(WHY)」が見えていなかったことに合ったのです □ なぜやるか?を洗い出す2つのアプローチ 1.MTP(Massive Transformative Purpose:野心的な変革目標) ・どんあおおきな問題に取り組むのか? ・それをどのように解決するのか? □ 「いま実現されていること」よりも「これから実現されていくこと」を踏まえて、できるだけ未来的に記述する □ 「自分自身がどんな未来を創りたいのか」という問いかけを発想の起点に □ 激しい変化に振り回されることなく、一貫した意思決定を保つためには、遠い未来を見据えたパーパスほうが役に立ちます ☆彡 こちらもどうぞ アフターデジタル/藤井保文 尾原和啓 第1章 知らずには生き残れない、デジタル化する世界の本質 アフターデジタル2 UXと自由/藤井保文 ☆彡 こちらもどうぞ 尾原和啓さんの 私が読んできたできた本 お気に入りの記事を「いいね!」で応援しよう
Last updated
2023/04/21 10:33:29 AM
コメント(0) | コメントを書く
[ビジネス] カテゴリの最新記事
|
|