Kassidy Kelley

人工知能（AI）技術は何を実現し、何を実現しないのか。その認識は必ずしも正しい形で広がっているとは言えない。実際のところはどうなのか。特に労働者に対するAI技術の影響を専門家に聞いた。

ロボティックプロセスオートメーション（RPA）や人工知能（AI）技術を活用することで効率的にペーパーレス化を進めることが期待できる。ただしコンプライアンスのリスクに対処する必要はある。

ドキュメントのデジタル化にRPAや機械学習を生かす動きが広がり始めた。こうした取り組みを進める企業が目指すのは、コスト効率が良く、環境に優しいペーパーレス職場だ。

マーケティング担当者は機械学習がもたらす可能性を無視すべきではない。ただし機械学習があらゆるマーケティング活動にメリットをもたらすわけではないことに注意が必要だ。

企業は一人一人の消費者に合ったデジタルマーケティング戦略を生み出す必要に迫られている。そこで役立つのが機械学習だ。なぜなのか。

「AutoML」（自動機械学習）をうまく活用すれば、データサイエンティストの業務負荷を軽減できる可能性がある。ただし他の技術と同様、AutoMLは万能ではない。

多忙なデータサイエンティストの業務負荷をいかに軽減するか。その有力な手段となり得るのが、機械学習モデルの設計や構築を自動化する「AutoML」（自動機械学習）だ。どのような業務を効率化できるのか。

機械学習にはさまざまなアルゴリズムがあることを知っているだろうか。代表的な機械学習アルゴリズム「SVM」「k平均法」「アプリオリ法」について紹介する。

機械学習にはさまざまなアルゴリズムがある。前後編の前編に当たるこの記事では、数あるアルゴリズムの中でも、代表的な機械学習アルゴリズムの「線形回帰」「決定木」について紹介する。

機械学習をはじめとしたAI（人工知能）技術を取り入れる動きが広がっている。AI技術を活用しようとするならば、まずは最適なハードウェアを見つける必要がある。

機械学習ベースのAIシステムが有益な判断を下せるようにするには、学習に利用するデータの質が重要だ。FacebookとIBMのAIシステム担当者の話から、データの質を高める方法を探る。

機械学習導入の最初のステップは、質が高くクリーンな学習用データを用意することだ。研究機関と企業の事例から、学習用データの質を高める方法について解説する。

データサイエンティストは数が少なく高給であることから、企業での雇用が難しくなっている。だが、エッジデバイスのインテリジェンスが大きく向上すれば、データサイエンティストを必要としなくなるかもしれない。

銀行業界は、セキュリティ対策や顧客の口座開設プロセスの効率化にRPAツールを使い始めている。大手銀行とFinTech企業を中心にRPAツールの導入が進みつつあるが、地方銀行にとっては依然として障壁がある。

企業はRPA導入で解決すべき業務課題をどのように特定しているのか。RPA導入を担当するIT部門と事業部門の連携の方法は。RPA導入を経験した企業幹部の話を基に、これらの疑問を解き明かす。

自然言語処理（NLP）によって意図解釈を行い、bot技術の効用を高めるチャットbotが登場している。会話技術を進化させたbotはデジタルワーカーとして戦力になる。