本記事では、AIを業務に導入するメリットとデメリットについて解説します。
AIを導入するメリットとして、労働力不足の解消、コストの削減、生産性の向上などが見込まれる一方で、AIを導入するデメリットとして、雇用の減少、情報漏洩のリスク増大などを懸念する声も少なくありません。
本記事では、そうしたメリット・デメリットについて詳しく解説するとともに、実際にAIを業務に導入している活用事例を紹介します。AIについて知見を深めたい方はもちろん、実際の業務へのAI導入を検討する方も参考にしてください。
マクロセンドは、AI活用の前段階として必要な、データ自動収集システム、データレイク・DWH基盤構築、セルフデータプレパレーションツールの提供等、各企業の状況・要望に合わせたデータ活用、DXを支援するサービスを行っております。興味のある方は、以下のサービス記事もご確認ください。
近年目覚ましい進化を見せるAI技術。企業のデジタルトランスフォーメーションを推し進めるうえで、欠かせない技術のひとつと言えるでしょう。
データ入力や工場のライン管理、受付業務といった定型作業の多い業務を、ルールベースの機械学習により置き換えられるだけでなく、ビッグデータを活用したディープラーニング技術の進歩によって、さらに高度な業務までAIに任せられるようになってきました。
さらに、データプレパレーションツールやAIOpsツールのように、あらゆるリソースからデータを集約して活用・分析をサポートするAIもある一方で、カメラやドローンにAIを搭載する独立型のエッジAIも注目されています。
DX・データプレパレーション・AIOps・エッジAIの詳細については、下記記事もそれぞれ参考にしてください。
関連記事：
AI導入によって得られるメリットは次の通りです。
1.労働力不足の解消
2.コストの削減
3.生産性の向上
4.顧客満足度の向上
5.従業員満足度の向上
6.安全性の向上
7.コミュニケーションの向上
8.生活利便性の向上
ひとつずつ詳しく見ていきましょう。
単純作業や定型作業をAIに置き換えて自動化することで、労働負担が軽減するとともに労働力不足の解消につながります。
特に農業や漁業など、人手が不足する業種では積極的に自動化を推し進めることで労働力不足を解消できますし、現在人が行っている作業をAIに置き換えることで人件費の削減も可能です。
たとえばエッジAIを搭載したドローンで農薬散布を自動化すれば農業の人手不足解消になりますし、過去の質問内容を分析できる問い合わせ対応チャットボットを活用すれば、コールセンターなどの受付業務を部分的に自動化、切り離すことができます。
多くの企業にとって、AIの導入は労働力不足の解消につながるとともに、人件費などのコスト削減にもつながります。
また、AIによるコスト削減は人の仕事をAIに置き換えることによる人件費削減効果ばかりではありません。
AIOpsツールなどによってデータを集約する環境を構築すると、ITリソースのサイジングや、運用データにもとづくリソースの使用効率とパフォーマンスの両立支援といった最適化をAIがサポートできるようになります。
単調で同じ動作を繰り返す作業や、ミスが許されない作業は、AIが最も得意とするところです。
どんなに単純な作業でも、人の手による作業が残っている現場では、なかなかヒューマンエラーをゼロにすることはできません。
それに対して、AIのような機械にそれらの作業を代替した場合、確実にミスが減らせるため、実質的な生産性の向上につながるのです。
AIを導入することにより、より少ないコストでより多くのアウトプットを生み出せるようになります。
AIを活用すれば、大規模な顧客データ、いわゆるビッグデータを用いた迅速なデータ分析が可能になるため、サービス全体の質が向上し、ひいては顧客満足度の向上につながります。
たとえば、ECで商品を購入した際に、併せて購入されることの多い商品を勧めるレコメンド機能や、市場動向から需要予測することで適切に在庫を管理して、在庫不足を防ぐなどの効果が見込めます。
その他にも、問い合わせ数の多い質問や比較的単純な質問に対してはチャットボットやAIガイドが対応し、より複雑な質問に人が対応することで、顧客ごとにきめ細かいサービスが提供できます。
AIの導入によって蓄積・活用できるようになるデータは、顧客満足度につながるものばかりではありません。AIを適切に活用すれば、従業員満足度の向上にもつながります。
理由はいくつかあり、ひとつは、AIを用いた自動化によってマネジメント層のリソースが空くことで、従業員に対するケアがはかどるようになることが考えられます。
また、定型業務をAIに代替することにより、よりクリエイティブな作業へ人材を活用できるのも大きなメリットと言えるでしょう。
一般に、AI導入のデメリットとして「雇用の喪失」が叫ばれますが、AIを導入することによって新たな雇用の創出につながるほか、「これは人間がやらざるを得ない」という仕事がはっきりする面もあります。
また、一部の人に集中しやすかった情報、属人化しやすい情報を定期的にAIに学習させておくことで、情報を平準化でき、全社員が同じ知識・ノウハウを共有することができます。
AIを活用すると、さまざまな事故を未然に防ぐことができます。
大きく分けて2つのケースがあり、人が行っていた作業をAI・機械に代替することで「人が巻き込まれる事故を防ぐ」ケースと、データに基づいて高精度な予測・検知を実現することで「事故そのものを防ぐ」ケースです。
工場の自動化（ファクトリーオートメーション）による危険作業の撤廃、完全自動運転化による事故防止、インフラ設備の老朽化予測、機械の故障予測・検知などが安全性の向上に寄与するでしょう。
自動翻訳などの精度向上、AIチャットボットによる問い合わせ業務の代替、カウンセリングAIなどの導入によって、コミュニケーション全般の質が向上することも見込まれます。
自動翻訳精度が向上すれば言語を問わずコミュニケーションが取れるようになり、外国人との交流がはかどりインバウンド需要の取りこぼし防止などにもつながるでしょう。
またAIチャットボットやカウンセリングAIが浸透してAIにできることとできないことが明確になれば、人による問い合わせ対応やカウンセリングの価値も向上します。
あらゆる業務がAIによって自動化されれば、迅速かつ安全に、24時間休みなく提供されるサービスが増えます。
従来は「サービス」だったものも徐々に「インフラ」として浸透するようになり、生活利便性は着実に向上していくでしょう。
また医療分野で活躍するAIも登場しており、さらなる安心・安全な生活をサポートする存在としても期待されます。
AIの導入に数多くのメリットが見込まれる一方で、次のようなデメリットも懸念されます。
1.雇用の減少
2.情報漏洩のリスク増大
3.リスクマネジメント難度の上昇
4.一時的なコストの増大
こちらもひとつずつ見ていきましょう。
AIが導入されるデメリットとして、もっとも注目されるのが「雇用が減少する」という点です。これは厳密には、「AIで代替できる仕事が増え、一部の職業がなくなる可能性がある」と言い換えられるでしょう。
AIによりなくなる可能性がある職業とは、例えば次のようなものです。
・一般事務員
・銀行員
・受付
・警備員
・スーパー・コンビニのレジ係
・タクシー運転手
・電車運転士
・データ入力係
・ホテル客室係
・工場勤務者
大きくまとめると、比較的単純作業の多い職業の雇用が、将来的に減少すると考えられます。
ただし、例えば「スーパー・コンビニのレジ係」の雇用が減少する一方で、商品の陳列や品出しといった、完全自動化が難しい業務の存在もあり、上記の雇用がすべてなくなるとは限りません。
さらに、AIの浸透によって生まれる雇用も多くあります。データサイエンティストのようなデータ分析スキルに長けた専門職のほか、心理カウンセリングなどの人しかできない仕事の需要が高まることも予想されます。
AIはあらゆるデータをもとに学習して分析・判断を行うため、顧客情報や企業秘密などの機密情報がネットワークを介して伝わることになります。
そのため、外部からハッキングされればあらゆる情報が漏洩するリスクがあるだけでなく、内部の人間が情報を漏洩するリスクも生じます。
特に、クラウド上のシステムや権限管理に不慣れな人の場合、意図せず情報を漏洩してしまう可能性すらあり得るのです。
しかしながら、このリスクはAIの導入に限った話ではありません。情報社会の現代において、ネットワーク上のセキュリティ面の対策は必須と言えます。社内に専門家がいない場合、担当者を雇用することを検討した方が良いでしょう。
AIの活躍するシーンは多岐にわたるからこそ、そのAIに問題が生じた場合に起きるトラブルも甚大なものになります。
専門家でなければどこまで影響を及ぼすかの予測も難しいため、まずは限定的な導入による試運転が欠かせません。
AIリスクを管理するコンサルティングサービスなどを利用しても良いでしょう。
AIの導入を検討する企業にとって、直近のデメリットとなるのは一時的なコストの増大です。
AIの本領を発揮するには業務フロー全体を見直す必要に迫られるケースも多く、システムの基幹から利用サービスを切り替えるとなれば相応の期間とコストがかかります。
また、AIは継続的に学習しながら運用するものなので、社内に専門家を用意することができない場合は社外の専門家を頼らざるをえず、ある程度のランニングコストもかかるでしょう。
長い目で見れば、人件費の削減、コストの削減などが実現できるものの、導入初期はむしろコストが増大する点に注意が必要です。
ここからは、実際にAIが活用されている事例を紹介します。
建設業における、AI画像認識を活用した検査アプリの導入事例です。
東急リバブル株式会社、 ジャパンホームシールド株式会社、株式会社Ristの3社は、共同開発し特許を取得した、AI による外壁クラック検査アプリ「CRACK SCANNER（クラックスキャナー）」の外部提供を2023年9月に開始しました。
このアプリは、検査部をスマートフォンで撮影することで、AI がクラックを検出し、その幅を1/100ミリ単位で計測するものです。最短15秒で検査が可能としており、建設業における2024年問題への対策としての効果も期待されます。
参考：
外壁クラック検査ツール CRACK SCANNER｜ジャパンホームシールド株式会社
業界初、AI による外壁クラック検査アプリ「CRACK SCANNER」の提供開始｜東急不動産ホールディングス（PDF）
AIをマーケティングに活用する事例です。
株式会社ロゼッタは、株式会社 MATRIXと共同で、生成AIプラットフォーム「Metareal AI」上において、マーケティングに役立つアプリを提供しています。
Metareal AIは、ChatGPTをはじめとする生成AIツールを企業のビジネス活用の観点で集約したプラットフォームです。
「SWOT分析」アプリでは、2つの質問に答えるだけで、企業やプロジェクトの強み、弱み、機会、脅威を分析し、戦略立案に役立てることが可能としています。
また「財務分析」アプリでは、14項目の入力から、企業/事業の財務状況を分析し、財務状況を詳細に把握できるとのことです。
参考：
「Metareal AI」ベータ版、6 つの AI アプリを追加提供開始！（PDF）｜株式会社ロゼッタ
倉庫業務の自動化事例です。物流業界はAIによる業務効率化が著しく、入出庫作業・受注処理・検品業務・荷物仕分けなどの各工程をすべて自動化・省人化することが可能です。
たとえばユニクロを展開するファーストリテイリングは、2018年にダイフク社と共同して倉庫業務にAIを導入・自動化することで、約100人いた従業員を10人まで省人化することに成功しました。
翌2019年にそれまで自動化が難しいとされてきたピッキング作業を自動化することで、完全自動化を目指しています。
参考：
サプライチェーン改革実現に向け、戦略的グローバルパートナーシップを拡大 － ダイフクに加え、MUJIN、Exotec Solutionsとパートナーシップを本日締結｜ファーストリテイリングIRニュース
ファクトリーオートメーションおよびスマートファクトリーを推し進めるうえで不可欠となる品質検査AI導入の事例です。
ドイツの自動車メーカー・アウディは、プレス工場における品質検査に、自社開発のAIを導入。数百万枚に及ぶテスト画像を使いAIをトレーニングすることで、板金に生じた微細なクラックのAIによる検出を実現しました。
同社は今後、プレス工場だけでなく塗装工場や組立工場などもサポートできるだろうとしています。
参考：
Audi optimizes quality inspections in the press shop with artificial intelligence｜Audi MediaCenter
送電線などのインフラ設備の監視・点検にもAIは活躍しています。
HUAWEIでは、中国の160万Kmにおよぶ高圧電線、400万本におよぶ鉄塔を、エッジAIにより監視・点検する取り組みに着手しています。
人手による巡回点検では20日間、ドローンによる点検では4日間かかっていたのに対し、エッジAIを駆使したカメラ監視システムでは、点検にかかるコストをわずか2時間まで削減できたとのことです。
参考：
HuaweiにおけるEdge-AI+IoTの取組｜YouTube
人事業務にテクノロジーを掛け合わせた、HRテック（Human Resource Technology）でもAIは活用されています。
たとえばエントリーシートの審査にAIを導入すれば、採用担当者の負荷が軽減するのに加え、人でなければ判断できない情報の精査に集中することが可能になります。また採用活動だけでなく、評価やキャリアプランの設計など、従業員満足度の向上にもAIは活躍します。
アメリカの大手IT企業であるIBMでは、自社のAI「IBM Watson」を、従業員体験向上のためにフル活用しています。
スキル・職務経歴・キャリア志向などのデータをインプットして学習機会を最適化・マッチングし、さらに従業員の問い合わせにもAIチャットボットが対応。採用活動でもAIを活用しており、求職者用の対話AIチャットボットを導入したところ、検索から応募へ進む割合が12％から36％まで向上したそうです。
同じくIBM Watson（日本語版）を導入したソフトバンク社では、エントリーシートの評価にかかっていた工数の75％削減を実現しました。
参考：
人事における AI のビジネス・ケース｜IBM
ソフトバンクの最新採用事例｜AI活用で75%の工数削減｜HR NOTE
行政における窓口業務の代替事例も豊富です。
静岡県焼津市、福島県会津若松市、岡山県和気町では、行政案内に対して、AIを活用したチャットボットサービスを導入することで、休日・夜間問わず、市民からの問い合わせにタイムリーに対応できるようにしました。
またそのほか、東京都港区や神奈川県綾瀬市では、自動翻訳システムを導入したり、自動翻訳システムを組み込んだチャットサービスを提供したりすることで、外国語話者住民からの問い合わせ対応を可能にしています。
さらに福井県永平寺町では、訪日外国人旅行者の対応のために、観光案内多言語AIコンシェルジュを導入しました。
参考：
エッジAIを搭載したAIカメラを活用すれば、入退場管理も無人化することが可能です。
NECでは、顔認証精度世界1位の技術を保有しており、ウォークスルー顔認証などのソリューションを実現しています。従来のセキュリティゲートでは、ICカードによる個人認証が一般的ですが、ICカードの紛失や貸与により容易に侵入が可能という問題がありました。
これに対し、エッジAIカメラの活用によるウォークスルー顔認証なら、認証を個人の生体情報に紐づけられる上に、指紋認証などと違って特別なアクションを追加することなく、セキュリティレベルを引き上げることが可能です。
また同社では、エッジAIカメラによる画像解析技術を活用することで、来店者の購買行動を取得する人物行動分析サービスなども実現しています。
参考：
エッジコンピューティングのソリューション事例: Vol.70 No.1: デジタルビジネスを支えるIoT特集｜NEC
スーパーやコンビニのレジ自動化といえば、決済の不要な無人コンビニ「Amazon Go」が代表的ですが、もっと身近な範囲で導入可能なレジ自動化事例があります。
株式会社ブレインの開発した「ベーカリースキャン」は、パン屋でパンを購入する際のレジで活躍する画像認識技術です。
ベーカリースキャンでは、あえてディープラーニングを用いず、独自の画像認識技術を開発しました。パン屋では頻繁に新商品が登場するため、それらを十分に学習できるだけのデータを収集するのは現実的ではないと判断したとのことです。
ベーカリースキャンを導入したベーカリーでは、スタッフのトレーニング時間が大幅に削減され、レジの処理速度や必要人員も削減されました。
参考：
数は少ないものの、医療の現場におけるAI技術の導入事例も存在します。
富士フイルムは、AI技術を活用した新型コロナウイルス肺炎の診断支援技術開発を開始しました。京都大学と共同開発した間質性肺炎の病変を定量化する技術を応用して、新型コロナウイルス肺炎患者の経過・治療効果の判定などをサポートします。
肺炎の進行や治療の効果を確認するために、1患者あたり数百枚にもおよぶCT画像を読影しなければならず、医師に負担がかかります。そこで、CT画像から病変の状態を識別・分類する画像認識AIを取り入れることで、医療現場の負担軽減を目指します。
参考：
AI技術を用いた新型コロナウイルス肺炎の診断支援技術開発を開始 | 富士フイルム
人手不足が深刻な、農業をAIで支援するソリューションです。オプティムは、AI搭載ドローンを農業に取り入れることにより、農薬散布を自動化しました。
画像認識技術により、害虫や虫に食われた葉の位置を特定し、必要な箇所に必要な量の農薬を散布します。
農薬散布をAI搭載ドローンに任せるメリットは人員コストの削減ばかりではありません。害虫のいる箇所にピンポイントで農薬を散布できるので、本来であれば撒く必要のなかった農薬を削減することにつながるのです。
「低農薬」はコスト削減になるだけでなく、農産物の付加価値としても魅力があり、低農薬農法で栽培した農産物は「スマート枝豆」や「スマート米」として、一般的な農産物よりも高値で取引されています。
参考：
ピンポイント農薬散布テクノロジーを用いた「丹波黒 大豆・枝豆」の栽培に成功、2018年10月17日から高島屋で販売｜オプティム
AIは、Googleなどの検索エンジンを筆頭に、データの検索支援にも多く用いられています。
「ハナノナ」は、そんな検索支援AIのひとつ。千葉工業大学の人工知能・ソフトウェアの研究プロジェクトで作られた、カメラで撮影した花の名前を教えてくれるAI搭載アプリです。
判定できる花の種類は2020年時点で770種。画像データベースImageNetに登録されている花の画像と、ネットで直接集めた花の画像、計35万枚の画像を使用しています。
参考：
Hananona – Flower Recognition Service
事例13：AI活用による不在配送の削減
株式会社JDSC、佐川急便株式会社、東京大学大学院 越塚登研究室・田中謙司研究室、横須賀市、グリッドデータバンク・ラボ 有限責任事業組合の5者は、共同で取り組む「AIと電力データを用いた不在配送問題の解消」に関する世界初のフィールド実証実験の結果、約20%の不在配送を減少することができたと発表しました。
実験では、電力データを活用した在宅判定アルゴリズムにより在宅予測・判定を行い、それらをもとに実際の配送を行います。ドライバーは、地域の担当ドライバーのほかに代走ドライバー、新人ドライバーなどでも対照実験を実施したところ、不在率削減効果のドライバー間での差は見られなかったとのことです。
さらに本実証実験では、「終日不在でも当日中に訪問し不在票を残す」といった現実に即した運用の範囲内で実現できたといいます。
参考：
世界初「AI活用による不在配送問題の解消」フィールド実証実験にて、不在配送を約20％削減｜PR TIMES
事例14：AIカメラ搭載バスによる巡回システムの運用
大阪ガス株式会社は、日常的に実施しているガス管の破損リスクを低減するためのパトロール点検が抱えていた課題の解決を目指し、AIカメラを搭載した路線バスによるガス管パトロール業務の試験運用を2021年6月1日に開始しました。
ガス事業者としてはじめての取り組みとなる本試験運用に用いられたAIカメラは、スタートアップ企業アプトポッド社と共同で開発したものです。
AIカメラ搭載路線バスの導入前は、巡回車両の巡回時間外に発生するリスクに対応できなかったのに対し、同一路線を1日に複数回走行する路線バスの活用により、終日パトロールすることができるようになりました。
同社ではAI搭載路線バスによるガス管パトロール業務を、2021年秋以降に本格運用する予定です。
参考：
【AI活用】ガス管の破損リスク低減・生産性向上を実現！大阪ガス×AIの新たな一手とは！？｜PR TIMES
事例15：AIによる店舗向け需要予測エンジン
拡張知能（AI）技術の研究開発およびライセンス販売事業を展開する株式会社トライエッティング（TRYETING）は、株式会社ウェザーニューズと連携して同社が保有する製造業・小売業向けの気象データセットを導入し、TRYETINGの需要予測エンジンを高精度天気データAPIに対応させました。
需要予測エンジンが高精度天気データAPIに対応したことにより、飲食店などの店舗における、地域別・店舗別の売上予測の実現が現実的になりました。
参考：
ピンポイント天気予測で店舗の正確な売上予測が可能に｜TRYETINGの需要予測エンジンがウェザーニューズの高精度天気データAPIに対応
事例16：AIによる発電量予測システム
株式会社UPDATERの再生可能エネルギー事業「みんなの電力」は、国立大学法人東京大学大学院工学系研究科 技術経営戦略学専攻田中謙司研究室と共同で、AIによる発電量予測モデルの研究に取り組み、「みんな電力 発電量予測システム」を開発しました。
発表によれば、発電量予測システムは一般送配電事業者の予測相当値と比較して15%高い予測精度を達成したとのことです。
また、同システムは、2022年のFIP制度導入に伴い、契約発電所の発電量予測に用いられます。
参考：
みんな電力×東京大学、AI予測モデルを用いた発電量予測システムの予測精度向上に取り組む｜みんな電力
事例17：世界70ヵ国超と1万超の都市で利用される配車アプリ
Uberは、サンフランシスコで生まれた配車サービス・アプリで、配車を希望するユーザーと配車サービスプロバイダ、公共交通機関などとのマッチングをサポートします。
ユーザーが目的地を入力すると、それをドライバーに配信し、さらにドライバーの走行履歴から目的地までの最短ルートを計算して表示します。ユーザーは目的を入力するだけで、近くの配車サービスプロバイダから自動的に配車される仕組みです。
日本国内ではフードデリバリーサービスのUber Eatsの認知度が高い傾向ですが、用いられているテクノロジーは同様で、使えば使うほどAIがより効率の良い走行経路を学習していくようになっています。
参考：
Uberのアプリとサービス、Uberで収入を得る方法｜Uber
それぞれのAI活用事例の詳細やその他の事例については、下記記事もご覧ください。
2021年1月28日
サービスに関するお問い合わせ
マクロセンドはこれまで、様々な業界のあらゆる課題を柔軟に解決してまいりました。
これまでに弊社が蓄積した知見・技術をもとに、お客様に寄り添ったご提案をさせていただきます。
