ビジネスにおいてKPI（重要業績評価指標）は不可欠だ。目標の達成度を客観的に評価するためにも、KPIの明確化は重要である。では、AI（人工知能）を導入する場合のKPIは、どのように決定すべきなのか。今回はビジネスのKPIだけでプロジェクトを進めた結果、AI導入に失敗した保険会社の例を紹介する。失敗の原因は「決断できない担当者」である。

これまでの連載では、AIのPoCとITのシステム開発の違いについて述べてきた。PoCのあとにはシステム開発が待っていることを理解しなければAIプロジェクトを本当の意味で成功に導けるとは言いがたい。そこで今回は、PoCを乗り越えながらも、本番のシステム開発フェーズに入って失敗した例をもとに、AI導入という目標は同じであるものの、仕事の進め方が変わることを提示したい。

PoC（概念実証）の対象となる機械やシステムなどの規模が大きくなると、多くの人がプロジェクトに参加するようになる。その結果、担当者間のコミュニケーション不足や急な設計方針などで問題が生じることがある。つまり、PoCがうまくいかないケースには、そうしたAI技術以外が原因となることも多い。そこで今回はどうすればAI活用のPoCが成功するかについて、実際の製造企業の失敗例を基に考えてみる。

「AIとITのプロジェクトは進め方が違う」ことは、AIプロジェクトを進めるうえで重要なポイントであり、陥りやすい“ワナ”である。技術の内容が違うことを理解していても、仕事の進め方が変わることが理解しにくいからだ。第2回目は、あるネット専業銀行の失敗例を紹介する。 CIOの肝煎りではじまったAIプロジェクトは、何がいけなかったのだろうか。

最近になって、AI（人工知能）のPoC（概念実証）に関する記事、さらにはAIプロジェクトの失敗に言及する記事が増えてきた。私は2016年からこの問題を語り続けてきたが、中にはビジネス側とシステム側の対立を煽り、ビジネス側を勉強不足と切り捨てるものも見受けられる。しかし、万人がビジネスとAIを深く理解した、超人になることは現実的ではない。異なる強みを組み合わせ、1人ではできないことを成し遂げてこそ、組織は価値あるものになる。本稿はAIプロジェクトの失敗例を通じて、つまづきやすいポイントを提示するとともに、発注するビジネス側が何をしなければならないかを明確にしていきたい。