デジタルトランスフォーメーション（DX）が高まる一方で、現場主導によるDX、とりわけAIを用いたデータの活用推進は多くの企業で課題となっています。誰もが容易に、短期間で高精度なAIモデルを構築することが可能なAutoMLの導入は、この課題の解決に非常に有効です。
KPMGは、数多くのDX推進および人材育成の支援実績を活かし、企業におけるAutoMLの活用範囲検討から導入後の評価、自走化に向けた従業員の育成まで、総合的に支援します。
AutoMLとは
AutoML（Automated Machine Learning：自動機械学習）とは、ノンコーディングかつ短期間でAIモデルを開発する手法およびツールを指します。データサイエンティストの不足がAIを用いたデータ活用のボトルネックとなっている企業が多くあるなか、AutoMLを活用することで、AIモデル構築において高度な技術を要するプロセスを自動化でき、専門知識やスキルがなくてもAIの開発が可能となります。
【汎用的なAIモデル構築のプロセスとAutoMLの自動化範囲】
【AutoMLと一般的な開発型AIの違い】
| 開発型AI | AutoML | |
|---|---|---|
| 開発の主担当・専門性の必要有無 | AIベンダーや高度な技術を持つデータサイエンティストなどによる開発が必要 | 専門性は必要なく、基礎的なデータ分析の素養がある事業部門やコーポレート部門の業務実務者による開発が可能 |
| モデルの精度 | 最適なアルゴリズム選定のための高い専門性や深い経験を用いて、人手によるコーディングで高精度なモデルを構築 | 数十から数百のアルゴリズムを総当たりで組み合わせ、一般的なデータサイエンティストと同等以上の精度でモデルを自動構築 |
| 開発にかかる期間 | 開発者による業務要件理解も含めたモデリングで、数週間から数ヵ月で導入 | AutoMLが自動でモデリングするため、業務要件理解は不要であり、数日から数週間で導入 |
| 開発にかかる費用 | 一般的には数百万から数千万円単位 | ツールによっては数十万円からPoC（概念実証）ができるものもあり、スケールに合わせて調整可能 |
AutoMLの一般的な活用事例
AutoMLは、幅広い業界・部門におけるさまざまな業務ケースで活用が可能です。KPMGは、企業が自社での活用事例をイメージできるよう、AutoMLに関する基礎講座や事例紹介のワークショップを実施します。
自走化に向けたロードマップ
4つのステップを通じて、業務実務者がAutoMLの知識や経験、業務変革の基盤となる課題解決手法を習得できるよう支援します。また、定常的な自走化に向けた推進リーダーの選定および育成も伴走支援することで、中期的な企業の自走化を後押しします。
KPMGによる支援
KPMGは｢業務変革DX｣と｢AI構築支援｣の豊富な経験をもとに、ツールの導入にとどまらず、アイディエーションワークショップのファシリテーションや、現場のアイデアの実現性を高めるサポート、AutoMLの構築や運用、およびこれらに伴うBPRのアドバイス等が可能です。
また、企業が抱える個別の課題に対し、特定のソリューションやベンダーに偏ることなく、中立的な立場で施策を立案し、企業変革の推進を支援します。
