日本が抱えるAI技術発展の課題と業界別にみるAI活用~最新動向と8つの事例

医療から自動車、環境などの多くの分野で目覚ましい発展がみられるAI(人工知能)は私たちの生活にも多くの影響を与えています。そんなAI研究に世界的に高い水準で取り組んでいるとされるのが米国や中国で、日本はそういったAI先進国と言われる国々と比較して後れを取っていると表現されることがあります。今回は2021年の現在、日本政府がAI技術発展のためにどのような政策を進めているのか、またすでにAI技術を導入している企業はどのように活用しているのか8つ事例と共に紹介します。

近年、急速に発展している人工知能(AI、Artificial Intelligence)は、様々な商品やサービスに組み込まれ、私たちの生活にも多くの影響を与えています。日本はAI技術を発展させるにあたり、人材の確保や研究体制の確立など多くの課題を抱えています。

世界から後れを取る、日本のAI技術・導入

日本のAI導入状況は他の先進国に後れを取っている

2018年にボストンコンサルティンググループがアメリカ、オーストリア、スイス、中国、ドイツ、日本、フランスの7カ国にAIの導入状況調査を行いました。「一部の業務をAIに置き換えている」または「一部の業務でAIのパイロット運用を行っている」と呼ばれる「AIアクティブ・プレイヤー」は中国が85%、時点で米国が51%となりました。日本は調査の対象となった7か国の中で最下位のわずか39%にとどまっています。(参考文献1)

日本が抱えるAI導入、利活用に対する課題

株式会社三菱総合研究所がAIを導入するうえでどのような課題があるか調査を行ったところ米国などの他国企業は情報保管のリスクやコストを課題として挙げていますが、日本企業は「IoTの導入を先導する組織・人材の不足」の回答が、他国企業と比較して高くなっており、日本のIT人材が不足している現状がうかがえます。また、AIを利活用する際の課題として「組織としてのビジョンや戦略の立案」「組織風土」といった組織改革に関する課題
が高い回答率となっており、AI・IoTの利活用がもたらす効果や、その効果を最大化するための方策について具体的に見えていない可能性が考えられています。(参考文献2)

AI導入の遅れを取り戻すための日本政府の取り組み

AI技術で世界を牽引する米国や中国と比較して、後れを取る日本のAI技術ですが、日本政府はこの現状に対して2019年にAI戦略を掲げ、AI技術の発展へ向けて進めてきました。いったいどのような取り組みが行われているのでしょうか。

IT人材を育成する新たな教育手法の導入と強化

IT人材の育成は、緊急的課題であるとともに、初等中等教育、高等教育、リカレント教育、生涯教育を含めた長期的課題だと言われています。内閣府が試算した結果によると2020年にはIT人材が30万人、2030年には60万人もの人材不足に陥るとされています。IT人材の育成はトップレベルの技術を持つような先端IT人材の育成ももちろんですが、社会全体でAI技術の活用が進むことで国民においてもITリテラシーの向上が求められることになります。そのため、2032年には初等中等教育を終えたすべての生徒がITリテラシーを獲得できるようにプログラミングや情報教育などの充実が図られています。また、社会人に向けて基礎的ITリテラシー習得のための職業訓練の推進やAI教育について学びたいときに大学等において履修できる環境の整備も進められています。(参考文献3)

AI研究開発体制の再構築

これまで日本では、基礎研究、汎用的研究等がそれぞれ独立的、分散的に発展してきた歴史がありましたが、今後AI関連の研究力を向上し、社会実装を推進するためには相互に連携・補完していくことが重要であると考えられています。そこで政府はAI関連中核センター群(理研AIP、産総研AIRC等)及び参画大学・研究機関等を束ねる「AI研究開発ネットワーク」を設置し、研究開発状況の意見交換、若手研究者支援の実施などを行っています。他にも日本のAI研究開発が世界の研究者から選ばれるように海外研究者、留学生、高度AI人材が活躍できるための研究や勤務・生活に関する制度環境の整備が行われています。


特化型AI技術ができる5つのこと

AIは使用目的や機能によっていくつかの種類があり、特定の決まった作業を遂行する「特化型AI」と、特定の作業に限定せず自律的にさまざまな知的作業を遂行する「汎用型AI」の2種類に分けることができます。汎用型AIが実用化されるにはまだ多くの課題が残されていますが、特化型AIは様々な形で私たちの生活に関わっています。いったい特化型AIはどんなことができるのでしょうか。

1.AIによる画像認識

画像認識とは、画像のなかに一体何が写っているのか、コンピュータに画像から特徴量を抽出させ、その特徴量をもとに識別する技術です。画像に映っている人物は誰なのかを特定するような顔認証システムは、画像認識の中でも実用化が進んでいます。「ディープラーニング(深層学習)」と呼ばれる手法を使うことで画像認識の精度は飛躍的に向上し、監視カメラに活用して訪問者を識別して防犯に役立てる、社員の入退室を管理するといった活用が期待されています。

2.AIによる文章認識

文章の理解には自然言語処理(Natural Language Processing)が使用されます。自然言語処理とは、人間が日常的に使っている自然言語をコンピュータに処理させる技術です。データの分析結果にコメントを付与したり、決算情報からニュース速報を作成するなど「定型的で、大量の文章を書く」仕事に使用されています。

3.AIによる音声認識

音声認識とは、AIが人の声を認識する技術です。そして、音声認識も自然言語処理に関する技術です。音声認識はすでにスマートフォンの音声アシスタント機能やスマートスピーカーなど実用化されています。

4.AIによる推論

推論とは、過去の事柄を元にして、新たなデータに対する解答を見つけることです。推論にAIを使うと原因追及や予測分析ができます。例えば、医療現場で問診結果からどのような病気のリスクがあるか予測することができます。他にもオセロやチェスといったルールの決まったゲームであれば、学習することによって人間の能力に匹敵する推論の能力を見せることもあります。

5.AIによる機械制御

機械制御とはAIに機械を制御させ、正確で高速な作業を実現する技術です。自動車の自動運転や家庭用のロボット、製造ラインでの不良品検出などに用いられ、これまでコンピュータによって行われていた自動化とは異なり、AIがデータの意味を理解、学習しながら最適な制御を行うことができます。


様々な分野で活用される日本のAI技術、業界別にみる8つの事例

独立行政法人 情報処理推進機構(IPA)が発行する「AI白書 2020」によると、企業のAI活用はわずか4.2%にとどまり、まだ日本では社会的にAI活用が進んでいるとは言えません。しかし製造業や農業をはじめとした様々な分野においてAI技術を活用している企業もあります。業界別に8つの事例からAI技術がどのように活用されているのか見ていきましょう。(参考文献4)

1.日本の食品業界のAI活用事例

■AI活用事例①:良品を学習させる、AIを活用した原料検査装置

マヨネーズなどの食料品でよく知られるキューピー株式会社では、2016年からAIを活用した原料検査装置の開発が進められていました。検査を行う際には、不良品を学習させることが一般的ですが、キューピーは良品を学習させ判別する検査装置の開発を行いました。この装置はすでにベビーフード工場や惣菜工場に導入されています。さらに、2020年には国立研究開発法人農業・食品産業技術総合研究機構生物系特定産業技術研究支援センターが公募する「令和2年度イノベーション創出強化研究推進事業」に採択され、AIを活用した検査装置のさらなる研究が進められており、原材料の判別を40種類以上対応可能にするほかに原材料内部の異物(虫)の混入検出がテーマとなっています。(参考文献5)


■AI活用事例②:「目利き」の技術をAIに受け継ぐ、品質判定AI

マグロの品質は、熟練の職人が「マグロの尾部断面」を見て、判断しています。この目利きの技術は、往年の勘と経験に基づく直感によるもので、限られた人間にしかできない極めて感覚的な「暗黙知」です。熟練の技を持った職人は全盛期の半数以下にまで減り、後継者不足によってその担い手が失われつつあります。そこで開発されたのが瞬時にマグロの品質を判定するAI「TUNA SCOPE(R)」です。35年のキャリアを持つベテランの目利き職人のもつ、職人自身でさえ言語化が難しいとされる目利きの技術を、ディープラーニングを活用することで習得することに成功しました。開発されたAIはスマートフォンアプリに実装され、熟練の職人による品質判定の結果と比較して、一致率は90%という精度を記録しました。さらに2020年3月には、「TUNA SCOPE(R)」を活用した輸出事業が、水産庁の「令和元年度水産物輸出拡大連携推進事業」に採択され、AIの公正な目利きを受けたマグロが、世界各国へと展開されていく予定です。(参考文献6)

2.日本の農業業界のAI活用事例

■AI活用事例③:土壌を見極めて種を蒔く、AI×ドローンで労力を軽減

農業では現在、農業従事者の高齢化や後継者不足が課題となっています。株式会社OPTiM(オプティム)はAIとドローンを組み合わせて播種(はしゅ)制御を行う技術を開発し、鳥獣による被害を軽減しながら播種作業の省力化を実現しました。ドローンが圃場上空から土壌状態を撮影、解析を行い、それぞれの場所に応じた強さで播種が実施されることで播種の植え込みを一定にすることができます。また、圃場を上空から撮影した画像と病害虫が発生している画像をAIを用いて解析することで、ピンポイントでの農薬散布、施肥が可能となり、農薬使用量の削減も可能になります。(参考文献7)

ドローンによる農薬散布のイメージ
ドローンによる農薬散布のイメージ


■AI活用事例④:作業能率の向上、軽労化を可能にする自動運転トラクタ

株式会社クボタは農作業の効率化や高精度化、省人化、さらには軽労化を実現するため、自動運転機能を搭載した「アグリロボトラクタ」開発しました。アグリロボトラクタは「耕うん」、「代かき」、「肥料散布」、「粗耕起」、「播種」の 5つの 作業が自動運転で行うことができます。他にも作業に必要な情報を入力すれば圃場の形状に合わせた最も効率的な作業ルートを作成する機能も搭載されています。障害物を検知するレーザー、ソナーがトラクタの前方、後方、側面に装備されているため、障害物等に近づくと、自動運転を停止します。また機体がマッピングした圃場や作業経路から外れると自動運転を停止します。これらの機能により未熟練者でも簡単に操作ができるので人手不足の解消が期待されています。(参考文献8)

3.日本の医療業界のAI活用事例

■AI活用事例⑤:リアルタイムで大腸がんを発見、内視鏡画像解析AI

大腸がんは日本において頻度の高い疾患で、最悪の場合死に至ることもありますが、早期に発見し、切除することができれば死亡率を抑制することができるため、内視鏡検査時に見逃さないことが重要となります。国立研究開発法人 国立がん研究センターと日本電気株式会社は共同でAIを用いた内視鏡AI診断支援医療機器ソフトウェアを開発しました。2021年1月には医療機器として承認されたこのソフトウェアは、1万病変以上もの早期大腸がん及び前がん病変の内視鏡画像をAIに学習させたことで、検査時に映し出される画像をリアルタイムに解析します。大腸前がん病変、早期大腸がんを検出すると通知音と画像上で強調して表示され、大腸がんの見逃しを防ぐことができます。(参考文献9)


■AI活用事例⑥:AIを活用したWEB問診で、診療の効率化、充実化を実現

2017年にUbie株式会社がサービス提供を開始した「AI問診ユビー」は、単にこれまでの紙の問診票のような定型質問をWEBで行うのではなく、AIが主訴や症状に応じて最適な質問を生成・聴取します。問診結果は医師用語に変換され、診察前にカルテの8割方が完成するため、一人あたり初診問診時間が1/3になり、年間で約1,000時間の業務時間削減が可能となります。また、AIが「5万の医学論文」を基礎に、医師監修のもと常に新しいエビデンス情報の追加が行われており、非専門領域の業務効率化や研修医、若手医師の教育などにも活用されています。(参考文献10)

4.日本の物流業界のAI活用事例

■AI活用事例⑦:人と協働して作業を効率化する自律協働型ピッキングロボット

近年、インターネットを用いた通信販売が発展し物流の仕事量が増加しています。日本通運株式会社では、2018年からRapyuta Robotics株式会社と自律協働型ピッキングロボット(以下AMR、Autonomous Mobile Robot)の導入に向けて共同開発が行われ、2020年8月から本格的な稼働が開始されました。AMRは既存の倉庫でもレイアウト変更やマテハン(マテリアルハンドリング)の更新を必要としないため、現場の作業を停めることなく導入することができます。AMRは自動で対象商品まで移動し、作業員が商品をピックしてコンテナに投入します。ここで次の商品へ移動する際にAIが最短でピッキングが完了するようにルートを提案してくれます。ピッキング作業の効率化だけでなく、だれでも簡単に作業を行うことができ、作業者への業務教育時間を短縮するなどの間接的な効果も得られます。(参考文献11)


ロボットによるピッキング作業のイメージ
ロボットによるピッキング作業のイメージ


■AI活用事例⑧:100キロ先まで勾配を先読み、AIを活用したハイブリッドトラック

これまで、高速道路を走行することが多く発進・停止の頻度が少ないことから、大型トラックにハイブリッドシステムは不向きだとされていました。日野自動車株式会社は勾配の多い日本の高速道路事情と大型トラックの車重に着目し、AIを活用したハイブリッド大型トラックを開発しました。GPSから受信した自車位置より、内蔵されている全国の主要な道路の情報から、100km先の道路の標高情報を先読みします。その情報をもとにAIがバッテリー使用の概略シナリオを作成します。下り坂では車両重量を活かした大きな運動エネルギーを電力に変換し、大容量のバッテリーに充電、平地では貯めた電力を使ってモーターのみで走行するなどのバッテリー制御を行うことで、燃費効率をサポートしています。(参考文献12)


AIの発展で日本はどのように変わっていくのか

AIの発展により効率化が期待される業務

2018年に財務省が行った調査によると、大企業、中小企業ともにAIの活用の目的を「業務効率の向上(従業員の負担軽減)」と回答した企業は60%を超えており、AI活用による業務効率化が注目されています。しかし、いったいどのような業務が効率化されるのでしょうか。効率化が期待されている4つの業務についてみてみましょう。(参考文献13)


1.問い合わせ対応
問い合わせ対応はすでにWEBやスマートフォンを用いた問い合わせ用のチャット機能を用意して業務効率化を図られていますが、AIチャットボットの登場によってより一層効率化されることが期待されています。AIが学習データや実際の問い合わせ応対を用いて学習することで、頻度の多い問い合わせには高精度かつ迅速な回答を返せるようになるため、オペレーターによる問い合わせ応対業務の一部あるいは全部の自動化を期待でき、人的コストの削減も期待できます。(参考文献14)


2.営業
営業業務ではSFA(Sales Force Automation/営業支援)システムやCRM(Customer Relationship Management/顧客関係管理)システムを導入することで様々なデータの収集・分析ができ、すでに導入している企業も多くあります。さらに顧客属性や購買履歴などデータをもとに、成約確率の高い見込み顧客の抽出、商談スケジュールの割り当て、顧客の属性に適した商品のレコメンドといった提案が可能となるAIを用いたシステムも登場しており、さらなる効率化が期待されています。(参考文献14)


3.人事
人事業務にテクノロジーを掛け合わせた、HRテクノロジー(Human Resource Technology)でもAIの活用が注目されています。採用であれば、例えばエントリーシートの審査にAIを導入することによって、担当者は人間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。他にも従業員のスキルや勤怠などのデータを分析することで、空席となっているポジションに適切な人材を移動させたり、離職する可能性の高い人材に対して重点的にフォローを行うことができます。(参考文献14)


4.物流
物流業界はAIによる業務効率化が著しく、WMS(Warehouse Management System、倉庫管理システム)やRFID(Radio Frequency IDentifier)などを用いて業務効率化が図られています。従来は入出庫作業時に必要だった管理を画像認識AIを取り入れることで自動化することができます。他にも商品出荷の業務効率化を目的として、季節ごとの出荷頻度や売れ筋商品を学習し棚を自動搬送、棚を適切な位置に配置変更する機能を持ったロボットも登場しています。(参考文献14)

AIの発展で47%の職業が代替できる可能性がある

AIが発展すると上記の4つ以外にもこれまで人間が介在していた単純な認識を伴う作業が効率化されていくことが予想されます。米国の701種の職業について、AIや機械が代替できる可能性を分析した研究では就労者の47%が代替できる可能性が高い職業に従事していることがわかっています。この研究を日本に当てはめた場合も代替できる可能性が高い職業に従事している割合は49%になるとされています。(参考文献15)

「AIが仕事を奪う」イメージは間違っている

701種の職業のうち、47%が代替できるとなるとAIの発展によって仕事が奪われるといったマイナスなイメージを持たれるかもしれません。しかし、実際には仕事のすべてが代替されるのではなく、人間が担うとコストパフォーマンスが低いタスクが代替され、人間はより知的で創造的なタスクに移行することができます。他にも少子高齢化に伴い、不足が予想される労働供給力の補完やAIの利活用に取り組む企業が産業競争力を向上させることによって雇用が維持、拡大されると考えられています。


まとめ

日本はAI技術の導入が遅れており、人材不足などの課題がありますが、政府が掲げたAI戦略をもとに教育や研究体制の拡充が図られています。それに伴い、さらに多くの企業がAI技術を導入することで私たちの仕事や生活に大きな変化をもたらすかもしれません。今後もAI技術に関する動向から目が離せません。

▽参考文献

参考文献1:『BCG、企業の人工知能(AI)の導入状況に関する各国調査を発表』(ボストン コンサルティング グループ)2019年2月
参考文献2:『ICTによるイノベーションと新たな エコノミー形成に関する調査研究』(総務省)
参考文献3:『AI時代を担う人材の育成』(参議院常任委員会調査室・特別調査室)2018年10月
参考文献4:『人工知能(AI)の導入や活用に必要なAI人材(コラム)』(独立行政法人情報処理推進機構)2020年6月
参考文献5:『令和2年度 イノベーション創出強化研究推進事業に採択 さらに、低価格・高精度・高速な食品原料外観・内部AI検査装置の研究開発を進めます』(キユーピー株式会社)2020年10月
参考文献6:『ISIDと電通、職人の能力をAIで継承する「プロジェクト 匠テック」を開始
~電通・ISID・双日の3社共同で、マグロの品質判定を行う画像解析AIシステム「TUNA SCOPE」の実証実験を実施~』(株式会社電通国際情報サービス)2019年5月
参考文献7:『土壌状態に応じたドローンによる播種(はしゅ)制御~ピンポイント農薬散布・施肥テクノロジー(基本特許)の応用~』(株式会社オプティム)2020年2月
参考文献8:『自動運転農機 アグリロボトラクタMR1000A【有人仕様】を発売 高馬力と自動運転作業の拡充で担い手農家を支援』(株式会社クボタ)2019年7月
参考文献9:『国立がん研究センターと日本電気株式会社が共同開発した内視鏡AI診断支援医療機器ソフトウェア「WISE VISION 内視鏡画像解析AI」医療機器承認』(国立研究開発法人 国立がん研究センター)2021年1月
参考文献10:『AI搭載のWEB問診システム「AI問診ユビー」』(Ubie株式会社)
参考文献11:『日通、倉庫向け協働型ピッキングソリューションの本稼働を開始』(日本通運株式会社)2020年8月
参考文献12:『日野自動車、大型ハイブリッドトラック 「日野プロフィア ハイブリッド」新発売』(日野自動車株式会社)2019年5月
参考文献13:『財務局調査による「先端技術(IoT、AI等)の活用状況」について』(財務省)
参考文献14:『AIによって具体的にどのような業務を効率化できるのか?』(株式会社コアコンセプト・テクノロジー)2019年11月
参考文献15:『第1部 特集 IoT・ビッグデータ・AI~ネットワークとデータが創造する新たな価値~』(総務省)

 

参考情報
・TUNA SCOPEは、株式会社電通、株式会社電通国際情報サービスの登録商標です。

 

▽おすすめ関連記事

こちらの記事もおすすめ(PR)