データサイエンス人材がいなくてもなんとかなる！ AIツールを使ったチーム開発
こんにちは！ヒューマノーム研究所です。
AIは既に多くの業界で利用されていますが、みなさんは自分自身でAIを作ったり、自分が作ったAIでデータ解析をしてみたことはありますか？ どんなに単純な機能であったとしても、実際にAIを作って活用してみた経験をお持ちの方は、それほど多くはないのではないでしょうか。
当社は「Humanome CatData（以下「CatData」）」という表データを使ったAI開発ツールを開発しています。CatDataはノーコードツールという、プログラミングやシステム開発の知識がなくてもAIをつくることができるツールです。開発を始める前に専門知識を勉強しなくては！というような手間が省けるので、「AI使って業務改善してほしいって急に言われたんだけど・・・。」というような方にも気軽にお使いいただけます。
今回は、AIを実際にチームの中で活用する際の流れと、その際に便利に使えるCatDataの機能をご紹介します。
利用する流れは以下を想定しています。
「ひゅうまのむこさん」がAIモデルをつくってみる
同じチームに所属する「のむおさん」にモデルを使ってもらう（モデルを使う機能・グループ機能を利用）
AIを使ってちょっとした予測をしてみる
「モデルを使う機能」とは？
CatDataの「モデルを使う」機能は文字通り、開発したAIモデルを通常よりも簡単な操作で使えるようにした機能です。予測したいデータの数が表データ形式にしなければならないほど大量にあるわけではない、というような、特定のデータについてちょっと予測したい時など、特に便利に使える機能です。
そもそも「AIモデルとか聞いたことないんだけど...」という方は、まず下記の記事をご覧ください。AIモデルの語源から、この単語が情報科学分野でどのように使われているのか？まで含めて説明しています。
CatDataは無料でほとんどの機能をご利用いただけます。アカウントをお持ちでないようでしたら、ぜひお試しください！
AIモデルを作ってみる
「モデルを使う」機能を利用するためには、事前にAIモデルを準備する必要があります。というわけで、AIモデルを作成するまでの流れを軽く解説します。
今回の記事では以下のサンプルデータを使います。リンク先からダウンロードしてお使いください。
では、順番に操作方法を説明します。
まず最初に、CatDataのホーム画面で、表データをアップロードします。
「学習」を選択し、「保存」ボタンを、次の前処理画面では「モデルの新規作成」をクリックしてください。
今回は、「最頻購入カテゴリ」と「購買総額」について予測するAIモデルを、それぞれRandom Forestで作成します。「予測対象の列」を変えて学習することで、指定した列を予測するAIモデルを作ることができます。
「学習」画面の中にあるAIモデルのリストから、使いたいモデルの「評価画面」ボタンをクリックし、次の画面の右上にある「モデルを使う」ボタンを押すことで、簡易的な予測機能を使うことができます。
つくったAIを他の人に使ってもらう
さて、ここまで「ひゅうまのむこ」さんが、CatDataを使ってAIモデルを作る様子をご覧いただきました。つづいて、のむこさんと同じチームに所属している「のむお」さんに、のむこさんが作ったAIモデルを使って、数値予測を進める様子をご紹介します。
以下は指定されたCatDataのユーザー間で、データやAIモデルを自動的に共有できる機能「グループ機能」が適用された状態を前提として、説明を進めていきます。
グループ機能を使っているのむおさんの画面は以下のように表示されます。同じグループに所属する「ひゅうまのむこ」さんや「ひゅうまのむすけ」さんが作成したデータが、並列に並ぶ様子が確認できます。
冒頭で、AIを開発するためには専門知識が必要、という話をしましたが、通常は、開発したAIを使う時も専用の利用環境を準備する必要があります。CatDataであれば、グループ機能を適用することでメンバーの作ったAIやデータをかんたん操作で取り扱うことができます。
今回は、先程作成した「顧客購買データ」から作成したAIを使って、特定のターゲットに関する予測をしてみます。使い方は、使いたいモデルを選び、「モデルを使う」機能の専用ページに移動したら、そのターゲット情報を入力し、「予測の開始」ボタンをクリックするだけです。
今回は「関東に在住する30歳の女性。以前からの顧客であり、何度も来店し、購入してくれる。よく買うものは化粧品。」という属性情報を入力した結果、このような顧客の購買見込額は15,680円と予測されました。
この画面では、顧客を購買額で分類した場合、この方がどのあたりの層に属するか？を示す情報（グラフ）も同時に表示されます。「かなりいろいろ贔屓にしてくださっている層なんだな」みたいなことがひとめでわかります。
同様に購入カテゴリを予測してみます。想定する顧客層には、どのような商品について需要があるかを知ることができます。
今回ご紹介したように、グループ機能をご利用いただくことで、メンバー間の作成データやAIを共有し、AIを作る人と使う人の間で、分業して作業を進めることができます。
最後に
「AIをつくるなんて難しそう」と思われがちですが、ツールの手助けを借りながら、具体的にできることを考えてみると、その壁は案外低いかもしれない、というイメージをお伝えできたでしょうか。
必ずしもチーム全員がAIを作れる必要はありません。AI作成者とAI利用者を分担することで、より実務に適したAIをつくることができます。
「作業者＝AIを作る専任の人」「利用者＝つくったAIを使うだけの人」のように、役割を明確にすることで、それぞれの負担が軽減されます。同じAIに関わる人であったとしても、役割ごとに抱く感想は異なります。各担当者が自分の目線でAIを取り扱い、フィードバックを行うことで、ニーズに寄り添うAIに近づけるのではないかな、と私達は考えています。
ぜひ、気軽にAI開発にチャレンジしてみてくださいね！
関連記事
表データを利用したAI学習テキスト（Humanome CatData）
画像・動画を利用したAI学習テキスト（Humanome Eyes）
AI・DX・データサイエンスについてのご質問・共同研究等についてはお気軽にお問い合わせ下さい！
この記事が気に入ったらサポートをしてみませんか？