費用対効果を意識したAI・機械学習・深層学習のマネジメントについて

マネジメント・CxO

kimura_m

直近 インターネット広告・CRM業界ベンチャー企業 / プロジェクトリーダー(兼データサイエンティスト)

AI
ロボット
RPA
IoT
ビッグデータ
データベース
資金調達
デジタルトランスフォーメーション
新規事業
業務改革
ジョイントベンチャー
中期経営計画
コスト削減
アドテク
需要予測
在庫管理
WEB広告運用
働き方改革
CxO
ベンダー選定
フリーランス
IT戦略
人材育成
要件定義
プロジェクト管理
システム構築
スマートファクトリー
ファクトリーオートメーション
業界
情報システム
経験年数
3~5年
面談方法
電話
謝礼金額
15,000円~

◆ 概要

システムの機能要求やスケジュール、予算などの情報をヒアリングさせていただければ、以下の内容に関するご相談に対応できます。

(1) AIベンダー選定時の注意点

そもそもAIベンダーが必要かどうかや、想定される見積もり金額などについて、ご質問に返答致します。

システムの規模やスケジュール次第では、機械学習エンジニアやデータサイエンティストを数名アサインするだけで済む場合もございます。その場合は、AIベンダーに要求されるであろう金額よりも大幅に少ない予算で概念実証(PoC)からアプリケーション化まで進めることが可能になります。

実際、私が技術顧問や社外CTOを担当してきたプロジェクトの中では、1/3程度にまでコストを削減することができた事例もございます。そのプロジェクトのお客様は、当初AIベンダーに多額の資金を投じる想定でおりました。しかし私が技術顧問としてヒアリングしたところ、要求されるアプリケーションの規模が大きくなく、モデリングの難易度が低いことが判明しました。単価が比較的安い「駆け出し」データサイエンティストをアサインし、私が支援すれば、PoCからアプリケーション化まで十分実現可能であったのです。

そこでお客様には、AIベンダーに依頼するのではなく、若手のフリーランスをアサインすることを提案しました。その結果として、見積もり時の想定の1/3程度のコストでアプリケーション化が実現しました。というのは、技術顧問としての私の単価と若手のデータサイエンティストの単価の総和が、AIベンダーの見積もり値の3割程度に留まったためです。


(2) AI・機械学習を「内製」する場合の注意点

AIベンダーに依頼することだけが、AI・機械学習モデルの開発方法ではございません。近年では私のような技術顧問・社外CTOをアサインすることにより、社内でAI・機械学習を「内製」できるようにしたいと考える企業様も徐々に増えております。

機械学習ライブラリが普及し、現代では誰でも一定程度は機械学習モデルを実装できるようになっています。いわゆる「AIの民主化」により、AIを「内製」すること自体は決して珍しいことではなくなっているのです。

しかし、既存の機械学習ライブラリを使い回すだけでは、コスト削減への意識が度外視される傾向にあります。機械学習ライブラリのベースとなっている学術論文では、GPUのメモリで言えば32-64GBのサーバーコストが要求されますが、アルゴリズムを見直せば、8GBで済む場合もあります。GPUのコストは8GBにつき10万円前後ですので、コスト削減のための策を講じるだけでも、費用対効果のインパクトは大きいと言えるでしょう。

加えて既存の機械学習ライブラリを用いた開発では、教師データ(アノテーション)を集めるために、多くの人的コストを支払わなければなりません。しかし、このコストもまた、アルゴリズムを見直すことで、削減することができます。こうしたアルゴリズムを知っているかどうかによって、必要となる教師データが1/10にまで減らすこともできます。

実際、私が担当したことのあるプロジェクトでは、当初お客様が実装した物体検知モデルでは約10000枚の画像が教師データとして要求されていましたが、私が再設計した物体検知モデルでは、1000枚程度の画像で目標の性能を達成しました。

アノテーションは多くの場合、アルバイトにやっていただくか、社内のリソースに空きのある人材に頼むか、あるいはお客様に付与していただく必要があります。いずれの場合も、人件費や調整のための時間的コストが付き物です。アノテーションのコストを1/10に減らすことができるということは、こうした人的コストを減らすことに等しいと言えるでしょう。

その他、例えば以下のようなご相談内容に対応致します。

◆ 費用の見積もり方がわからない

如何に「AI」や「機械学習」と言っても、ビジネスとして取り組む以上、初期費用はなるべく抑えたいところです。しかし「AI」や「機械学習」の場合、どのような観点から見積もり、技術選定していけば良いのかわからないというご相談を受けます。

確かに、「AI開発」には通常のソフトウェアの制作とは異なる論理が介在しています。機械学習のアーキテクチャ設計やアルゴリズム設計、モデリング、実装の経験が無ければ、正確な見積もりは難しいでしょう。

「AI開発」の技術選定もまた、専門知識が要求される試みです。例えばGPUサーバを選定する場合であっても、スペックが高ければ高いほど良いという訳ではありません。実際これは、「AI開発」の専門家の技術力や知識をはじめとした「実力」に依存して決まる変数でもあります。

人によっては、メモリが16~32GBのGPUサーバで無ければ動作させることのできないタスクであっても、例えば私が技術顧問として設計から実装まで見直せば、8GBのメモリで済んだという事例もございます。恐ろしいことに、「AI開発」のコストは1/2にもなれば1/4にもなり得るということです。

「AI開発」を発注する場合にせよ、「AI人材」の雇用を強化する場合にせよ、あるいは「AI」に関わるスタートアップ企業に「出資」する場合にせよ、こうした技術選定の背景知識をおさえておかなければ、貴社は「AI」の投資対効果の面で不利な立場に立たされることになります。巷の「AI開発」を担っている研究開発者たちやデータサイエンティストたちは、貴社に必ずしもこうした背景知識を教えてくれるとは限りません。

◆ 「AI(機械学習)」のモデルが思うように動作しない

高い費用をかけて内製・外注した機械学習モデルが、ビジネスのソリューションとして機能しないという問題は、「AI」という概念が大衆化されて以来、スタートアップ企業、中小ベンチャー企業、そして大企業が共通して直面し続けている問題です。

中長期の研究開発を通じて出来上がった「AI」が、ビジネスの何の役に立つのかわからないといった悲しい状況も発生しているようです。あるいは、納品された直後までは順調に機能している「AI」でも、その既存モデルを「横展開」した途端に精度が落ちてしまったといったご相談も頻繁に受けます。

このようなお悩みをお持ちの企業様に対しては、単に機械学習や統計学の理論や方法を詳解するだけではなく、お客様のニーズを明確化させるための「概念実証(proof of concept: PoC)」や、お客様のニーズに合わせてカスタマイズできる独自の機械学習ライブラリのソフトウェア・アーキテクチャ設計、Pythonコードの実装、性能の比較検証などのノウハウを伝授致します。

自己紹介

# 対応可能なご相談の例

## 費用の見積もり方がわからない

- AIベンダーに多額の資金を投じる必要があるのか、それともフリーランスのデータサイエンティストや機械学習エンジニアをアサインすれば済む規模なのか。
- 学術論文で提唱されている機械学習モデルでは32-64GBのGPUメモリが必要とされるが、サーバーコストを削減することはできないのか。
- 教師データ(アノテーション)を準備するための人的コストを削減したい。より少ない学習用データではAIを開発できないのか。

## 社内に「AI」や「機械学習」の専門家が定着しない

- AIベンダーに「発注」できるようになりたい。「発注」のための基礎知識を養いたい。
- 社内で機械学習モデルを「内製」できるようにしたい。「内製」のための技術的なノウハウを伝授して欲しい。

得意分野・資格

未記入

職務経歴

プロジェクトリーダー(兼データサイエンティスト)

インターネット広告・CRM業界ベンチャー企業

2011年04月 ~ 2016年03月

アナリスト

外資系総合コンサルティング会社

2016年05月 ~ 2016年07月

機械学習エンジニア

インターネット広告、アドテクノロジー、メディア事業を扱う某メガベンチャー

2016年08月 ~ 2017年08月

データサイエンティスト

国内の電機メーカーとして知られる某多国籍コングロマリット

2017年09月 ~ 2021年08月

技術顧問、社外CTO

自動車電装品、半導体、携帯電話事業を主とする某商社

2020年10月 ~ 2021年12月

技術顧問

システム開発を担うIT企業

2021年07月 ~ 2021年12月

技術顧問

某産業機械・農機メーカー

2021年10月 ~ 2021年12月

技術顧問

輸送用機器メーカー

2021年10月 ~ 2021年12月

このアドバイザーに仕事を依頼する