
SUNABACO AI人才育成講座を受講して
2024.10.19 自分の誕生日という偶然の日に、SUNABACOさんのAI人材育成講座の発表会が行われました。
私もこの講座を受講し、Pチームとして発表に臨みましたので、こちらでその奮闘や学びがあった部分についてご紹介いたします。
※特に成績優秀だったチームについては以下の記事より配信されています。
1 SUNABACO AI人材育成講座とは?
SUNABACOさんは社会人等を対象としてキャリア教育(プログラミングスクール、WEBデザイン、DX等)をされている会社さんで、昨年からプログラミング、DX等でお世話になっており、再現性のある形で業務に使える実践重視の講座を作られており、卒業生の皆さんは各地でとんでもないプロジェクトで活躍されています。
※DX人材育成講座の参加記事
2 AIの正しい使い方
イントロダクションの1発目に面食らったのはこちらの言葉です。
「AIができたって、何も変わりやしない!!」
なんだって〜って感じですがこれは、今の理解では、「AIは適切な場面で正しく活用しなければあっても成果は得られないよー」ってことなんだということです。

3 適切なAIの使い方とは?
講座ではもちろん様々なAIの活用ことを学んだのですが、特にAIの活用の仕方は様々ある中で、それを業務改善に活用するには?という部分に注目した場合、ある型があるということがわかってきました。
それは、「業務のボトムネックを見つけ、そこにデータを用意して、AIに分析させて意思決定の判断材料に使う」です。
ここまではDXの時も若干以下の書籍で触れられたのですが、
具体的には、スイムレーン図という図を作成して、業務ごとに散らばったデータを統合(なければ取得する)して、データパイプラインを作成しそれをAIに分析させるです。
まず、スイムレーン図とは業務フロー図とその業務の意思決定が誰がどのように行っているかを観察し、課題とそこのデータの有無を見つける図です。これがとても重要で、それがないとAIがあっても役が立たないのです。
当たり前に聞こえるかもしれないですが、これが案外出来てなくデータ取れば何か見えるんじゃね?という幻想を抱くのです。
これと現場の観察とを組み合わせ課題解決の糸口を見つけるのです。

また、データのパイプラインですが、課題を解決するために業務で個々に散らばったものを統合しデータベースを作成します。そのデータも分析するのに必要な情報となっていないこと(データレイク)があるので、分析に使えるように変換が必要です。

4 卒業制作(PBL)での実践
今回の卒業制作では、チームメンバーに東京周辺で冠婚葬祭用の生花を制作されている会社にお勤めの方がいて、そこで花特に白菊の廃棄(ロス)が問題となっているということからそちらをテーマに取り組みました。

スイムレーン図と分析
今回の業務の中でスイムレーン図で作成し、社内であったデータは過去6年分の仕入れの詳細データと葬儀数、売上等の月毎の大まかなものです。こちらのデータで分析することにしました。

まずは、因果推論から葬儀数と花(種類)に関係性があったので、相関関係を調べました。関係がある花(カーネション等)と関係がない花(白菊)などがあるということがわかりました。関係のあった使用数量も多いカーネーションにしては仕入れ量をVARモデルで予測することは可能(精度は高くない)です。


ここで、問題が一つあることがわかりました。仕入れの動向は受注動向により変化するが、白菊はそうではない意思決定が行われており、この予測モデルでは対応できないことがわかりました。特に菊は農家からの直接の仕入れで毎月一定数の量が入ってるとことがデータでもわかっています。

5 サンプリング(現場の観察)
そのため、菊の必要量が分からないと推論しても意味がないため、1日分の受注内容(紙ベース)でサンプリングをしてみると、白菊の廃棄率が55%以上あることが観察されました。

6 やっぱり大事DX!
今回はAIによって予測はできるが、実際の必要な数量と発注した数量の差分を見ないと廃棄を減らすことができません。しかし、実際の注文の詳細データがないため、それをデータとして残すしそれを分析することが重要です。
そのためには、業務の流れと紙ベースで処理していることを変えなければなりません。これはある意味会社の流れを変える戦争(DX)です。
でもこのデータのパイプラインを組み立て、AIに分析させるための流れを作らないと課題は解決できないのです。
最初に言った、「AIができたって、何も変わりやしない!!」は、こういうことなんだと実感しました!
AI使って上手行くというのは、現場の観察と、人との調整だったり、課題解決に必要な適切なデータを取るという人間でしかできない部分が一番重要なのだということがわかりました。

7今回の講座の感想
以上の部分は、PBLに限らず、自分の業務で言えることなのですが、日報、生産、財務など個々のデータはありますが、ここが統合されていませんでした。これらをパイプラインで繋ぎ経営の改善に繋げれるように今後もして行きたいと思います。
今回も、卒業制作のメンバー、SUNABACOスタッフの皆さん、そして同じ講座を受けていた全国の猛者たち獅子奮迅の取り組みから多くの学びがありました。
興奮冷めきらないうちに次のプロジェクトに取り掛かりたいと思います。
興味のある方は、こちらに飛び込んでみてくださいオススメの講座です↓