最近は「AI」や「機械学習」という言葉が目立たなくなった、と考える方もいらっしゃるのではないでしょうか。
イベントやセミナー、ネット上の情報や専門書などでは多く目にしますが、一般メディアが取り上げて騒ぐようなことが減ってきたのかもしれません。あるいはAIや機械学習は当たり前のことになりすぎて、あまり気にしなくなっているのかもしれません。こうした状況から、既に安定期に入ったといえるかもしれません。
そこでこの記事ではAI、機械学習に関する調査データを紹介し、これがどれだけ認知、理解されているのかを見ていきたいと思います。そして特にWeb関連、デジタルマーケティング関連で実際に取り入れられている事例についても紹介します。
AIと機械学習の実際
まずはAI、機械学習に関する調査データを紹介しましょう。
AIの認知度調査
AIを合わせたコンサルティングを得意とする、株式会社アドフレックス・コミュニケーションズが約1年前に実施した調査によると、AI（人工知能）にどんなことができるかについて「知っている」が18％、「なんとなく知っている」が59％とのこと。
この調査結果が掲載されたニュースリリースでは「わずか18％」という見出しになっていますが、調査対象を絞っていなければこうした結果もありうる、むしろいい方という捉え方もできます。
あなたの認識は合っている？今更聞けないAI（人工知能）の認識／イメージ調査（株式会社アドフレックス・コミュニケーションズ）
実際のところAIとは概念ともいえるわけで、なかなか実態がつかめないものです。そうした曖昧なものについて20％近くが知っている、なんとなくを含めれば8割近くも認知があるというのは、かなり高い数値ともいえます。時間が経過していますので、さらにこの認知度は高くなっているはずです。
またAIに関するイメージで、「ポジティブ」が83％というのもいい結果だと思います。何しろ日本では一般メディアが「AIに仕事が奪われる」「無くなる仕事ランキング」などというネガティブなアピールをしましたから、大きな誤解が生じている懸念がありました。しかしこの調査結果を見ると、多くの方はそうした情報に流されず、AIについて冷静に接しているみたいです。
AIと業務
さてAIといってもいろいろありますが、次はビジネスに限定した調査を紹介しましょう。デジタルマーケティングやWebの運営とは異なりますが、AIがビジネスで実際にどう活用されているかを考える上での良い参考になります。
サムトータル・システムズ株式会社が2019年末に発表した、「AIと人事業務の関わり方に関するアンケート調査」結果報告からです。
実際の調査から結果公開まで少し時間が空いているようなので各数値の変動はあるはずですが、傾向は十分にとらえることができるでしょう。
まずは人事業務へのAIの導入状況についてです。
全体で「すでに導入しているものがある」という回答は、わずか2％にとどまります。「導入する予定はない」が44％となっていますので、世の中でいわれるほど積極的な広がりは見せていないようです。
続いて導入対象の人事領域についても見てみましょう。
「人事管理」と「採用」が大きな値を示しています。
調査結果に対する考察によると、このあたりについては、実際にPRされているシステム商品の多さや、大手が導入したというニュースが強いインパクトを与えているということがあるようです。
この調査結果の傾向については、デジタルマーケティングやWeb関連の担当者が自身の業務に置き換えながら見ていくことでも、さまざまなヒントを得ることが可能と思います。
ぜひ掲載ページで他の回答と考察を読んでみるといいでしょう。
AIと人事業務の関わり方に関するアンケート調査（サムトータル・システムズ株式会社）
AIとデジタルマーケティング
デジタルマーケティング関連の担当者に対するアンケートは、株式会社アドフレックス・コミュニケーションズの「マーケター500名に聞く！AI（人工知能）と仕事に関する調査」で見ることができます。
実際のマーケティングや広報、宣伝担当者に対してAIについての調査をおこなっています。
特に実感値としてもっとも見ておきたい、AIと実際の業務に関する設問を抜き出してみましょう。
日々の業務でもっとも面倒と感じているタスク、それをAIで解決できると思うかという関連した設問ですが、もっとも面倒と感じているタスクは「分析・効果検証」が突出しています。これは多くのマーケティング担当の方が頷けるのではないでしょうか。
面倒なタスクをAIが「解決・効率化してくれると思う」「部分的に解決・効率化してくれると思う」あわせて8割なので、AIに対する期待は高いといえます。実際に分析や効果検証が実現できる（今後していける）とうたう機能は多くなっているので、現実味がある回答といえるでしょう。
出典は下記で、他の調査結果も公開されています。日々の業務に近く興味深い内容と思いますので、こちらも参照してみてください。
マーケター500名に聞く！AI（人工知能）と仕事に関する調査（株式会社アドフレックス・コミュニケーションズ）
【動画】マーケティング担当者必見！スタートアップCEOと考えるCXの未来
デジタル技術の進化と共に購買プロセスが大きく変化し、B2B・B2C に関わらず、購買者はあらゆるタッチポイントで一貫したサービスを求めるようになりました。この変化の激しい時代において求められる顧客体験とはどのようなものか？
本動画は、過去 SAP.iO のプログラムに参加し、当領域の最前線で活躍されているスタートアップ各社の CEO をお招きし、日本企業が目指すべき将来の CX のあり方などについてディスカッションした内容を収録しています。
AI、機械学習に関してのおさらい
ここでAI、機会学習について基本的なポイントを押さえておきましょう。
前項でも書きましたが、AIとは大きくは概念です。もちろん技術的なベースはありますが、それが明確に定義されているものではありません。
また冒頭でAIと機械学習をセットで書いていますが、AIという概念を支える大きな技術として機会学習がある形です。
このAIという概念は古くからあったものですが、コンピューター技術の進歩でそれがいま実用となるレベルになっています。また大量のデータが学問や企業で蓄積されてきたというのも、AIが利用に足るものとなってきた理由です。
AIについては得意なもの、苦手なものが存在します。そのためすべてのことをAIが解決してくれるということではありません。データをベースにしたものですから、もともとの数値を扱うのは得意です。それに加えAIが実用に向けて大きく動き出すきっかけとなった一つに、画像の識別があります。ですからAIは画像の識別については目覚ましく進歩していっています。一方でテキスト情報、特に日本語についてはまだこれからといった感もあります。
こうした得意不得意、AIでいま解決できることとできないことについても、よく認識しておくようにしましょう。
また実際にAIをビジネスで使っていく手順ですが、これについては従来からのIT関連のプロジェクトの回し方と、ほとんど変わりありません。しかしベースとなる技術が違うので、それについては学んでいく必要があります。またデータサイエンティストなど新たに大きな領域を担う専門家とも一緒に進行していく必要があるので、そことの連携やマネジメント力も培っていく必要があります。
Web、デジタルマーケティング関連のAI事例
AIはドローンや自動運転などのIoT、あるいは工場での異常値検出といった生産現場でのデータ分析など、さまざまな利用シーンがあります。このブログを読んでいただいている方向けに、デジタルマーケティング関連の事例をピックアップしていきましょう。
SNS
FacebookやInstagramでは、画像識別の技術を使った監視がおこなわれています。そのため利用規約に違反するような画像がアップされれば、警告が来ます。ほぼリアルタイムで出されることも多く、その技術に驚く人も多いでしょう。
広告画像でも文字は何パーセントまでと決まっていて、それに関するチェックがおこなわれます。これによりその精度の高さを実感している担当者も多いのではないでしょうか。
検索
Googleの自然検索、そして広告の両方でAIは大きく稼働しています。自然検索のアルゴリズムはAIを使い日々変化していますので、抜け穴的な形でSEOをおこなっていても、長続きはしません。
リスティング広告は、マーケティング担当者がAIの実用性をもっとも実感しているものかもしれません。人が調整するよりも、高い精度で目標に合わせていけるようになってきています。
レコメンド
膨大なデータをもとに関連する商品、サービス、コンテンツといったものをおすすめできるレコメンドエンジン。自社で構築する以外にも複数のツールがありますが、「Rtoaster」はルールベースとの組合せも可能です。
ルールベースとは手動であらかじめ定めたルールを設定することですが、自動レコメンドとこれを組み合わせることで、自社のビジネスニーズに合う施策がうてることが多くあり、より柔軟性が広がります。データがまだ十分ではないという場合も、ルールベースを使って補うことができます。
Hubspot
Hubspotも、機械学習を機能に盛り込むようになっています。
CRMはHubspotの代表的なものですが、ここでの重複データを機会学習により検出、統合する機能が追加されています。手動による操作をおこなうことで、いっそう精度を高めることが可能です。CRMにこうした重複データの検出機能がついたことで、日々の煩雑な業務が大きく緩和されるでしょう。
また、リードスコアリングに関してもAIが搭載され、資料がダウンロードされたら+10ポイントなどという人間の曖昧な判断は必要ありません。もちろん、これらの精度はデータが多ければ多いほど高まります。
まとめ
最後に紹介したレコメンドエンジンの「Rtoaster」、それと「Hubspot」のAI、機会学習を用いたデータ重複の検出と統合機能に見られるように、実務では自分たちで定めたルールに基づいて手動の操作を加えることが大切です。
一般的なニュースでほとんど触れられることはありませんが、実際のビジネスではこうした外れ値に対しての補正が重要となります。ですから今後は、AIや機械学習を理解した運用者も欠かせない存在となります。
もちろんこうした外れ値もデータの蓄積とともに自動で学習され、精度が高まってくるのでうまくいかない比率は低くなっていきます。しかし何らかのニュースやイベントなど、突発的な出来事で狂う可能性もあるので、運用者はそうした点も注意しておく必要があります。
