人工知能とビッグデータが創出するマッチングビジネス

ビッグデータを人工知能で学習することで、
需要予測や需給の手配などが効率よく行える。
人間には実質的に不可能な複雑な条件同士の
需要と供給のマッチングを可能にする。
収集データを人工知能で分析することで、
商品の販売状況や欠品状況を早い段階で予測できる。

ビッグデータをどう収集するか？
・センサーデバイスから取得する
・インターネットから収集する
・ソーシャルログインで個人情報を収集する

マッチングビジネスでは、
人間には見えなかった適正や相性、ニーズに対するソリューションがより深く見える。
マッチングの領域は、
人×人（人材サービス）、
人×モノ（レコメンド）、
人×時間（ワークシェア）。
人工知能を用いた人材サービスや教育関連、情報通信、金融、技術マッチングに可能性がある。
顧客単位で最適な形にカスタマイズしたサービスを提供し続ける。
医療保険や勉強時間を大幅短縮化、キュレーションメディアに人工知能の採用事例がある。
レコメンドの将来性は、
①商品にまったく見向きもせず買わなかった
②商品に気づいたが手に取らず買わなかった
③商品を手に取ったが買わなかった
④商品を買った
に分類される。

シェアリングエコノミーにおける人工知能の活用は、
余っている資産を必要としている人と共有する仕組みをつくること。
フリーマーケット、ルームシェア、カーシェア、ライドシェア、スキルシェアの分野である。
人工知能を活用するにはビジネスセンスを必要とする。
誰の何の課題を解決するか？
例えば、Fintechにおける人工知能の使い道は、
顧客の入出金履歴、オンラインショッピング履歴、与信判断、コールセンターの業務効率化である。
ブロックチェーンでは、分散された取引台帳を与信として管理する。
IoTで進化する金融サービスとして、
自動車の走行データをもとに自動車保険料算出、
スマートウォッチ連携による位置情報不正利用検知がある。

銀行業務で人工知能の活用を見込む業務は、
ロボットが行う案内業務、
音声認識が行うコールセンター、
機械学習が行う与信審査、決済時の不正を自動検知である。

医療分野では、ホワイトジャックによる予診問診を行う。
血中酸素濃度、心拍/脈拍、血圧により病気の兆候を発見できる可能性がある。

人工知能とのコミュニケーションで広がる新しいビジネスとして、
人間との会話がある。
人間の言葉を自然言語処理が理解する。
音声認識は新たなインターフェースになる。
キーボード、マウス、タッチパネルに変わる新しいインターフェースが声である。
音声認識は、プラットフォームの地位を築き、
消費者にデバイスを普及させれば、
ネットワーク効果を活かすことで次々とサービスとの連携を持てる。
Amazoエコー、GoogleHOME、LINEClovaが次世代の覇権をかけてしのぎを削っている。