Data Analytics 事業部 AI開発の軌跡

当社におけるAI開発の軌跡 代表的な開発実績

  • 2015Data Analytics 事業開始
  • 2018新生児予測モデル開発

    概要 新生児出生減少傾向が産科の売上減少に繋がっている。 このような中で、各種データや地理情報システムを用いて出生予測数を割り出し、地図上にプロットすることで出生数密度が分かる。 特長 高密度地域から誘導を行うことで売上の増加に繋がった。

  • 2019降雨量予測モデル開発

    概要 土砂災害非発生データの集合体を生成して、そのパターンや閾値を超える雨が降れば、自動で警報を出す。 特長 従来は補正を手動で行っていたが、AI開発により自動補正を可能とした。

  • 2020災害土砂崩れ予測モデル開発

    概要 機械学習や数値解析、ニューラルネットワーク(ディープラーニング)に対応したソフトウェアライブラリを用いて土砂崩れ箇所の危険度分析を行う。 特長 ハザードマップ調査前に事前に予測を行うことで経費や人の効率的な使い方が可能となる。

  • 2021みんなの消費(家計消費需要予測)モデル開発

    概要 約690項目に分類された二人以上の世帯の家計の消費支出をもとに、地理情報システム(GIS:Geographic Information System)上で国勢調査の人口データを分析しターゲットとする立地の半径3Km以内における潜在需要額(家計消費需要)を算出しています。 特長 自社データだけでは得られない家計消費額を得ることで商圏分析に適用できる。

  • 2022医療データ解析、再発予測モデル開発

    概要 特定の病気の罹患履歴のある患者の再発を予測する。 特長 パラメータを含めた予測モデルを生成した。

  • 2022自然言語データ解析、類義語/分類モデル構築

    概要 類義語・表記揺れに対応するモデルの構築や、文章分類モデルを構築。 特長 本番稼働するWebサービスに組み込まれるモデルを構築。

  • 2022金融データ推進協会(FDUA)に加盟

    概要 特別会員として参加。 特長 金融業界におけるAI・データ活用の最新トレンド情報と、AIトップ企業からの最先端技術をリアルタイムで共有。

失敗しないAI導入のアプローチ

AI開発は、開発しても効果が出ない可能性があり、従来型開発手法(例:ウォーターフォール型)を使った場合、1つのAIモデルを開発するために多くのコストと高いリスクを伴い、必ずしも実態にそぐわない場合が多くあります。 このため、アイティーシーでは、探索的段階型開発手法を採用しています。 探索的段階型開発手法は、小さく始めて効果が出る可能性が高い場合にのみ次のステップに進める手法なので、より早いタイミングで効果が出る/出ないの判断が可能となり、リスクを大幅に下げることができます。

①アセスメント
AIの開発可能性を検証する段階 成果物:レポート等

・課題設定 ・KPI設定 ・必要データ設定 ・モデル作成可否判断

②Poc
学習用データセットを用いてAIの開発可能性を検証する段階 成果物:レポート・学習済モデル(パイロット版)

・KPI達成可能判断 ・開発移行可能性判断 ・学習済みモデルの帰属判断(ある場合)

③AI開発
AIを作る段階 成果物:学習済みモデル等

・学習済みモデルの帰属/利用条件判断 ・KPI達成度判断 ・事業利用への具体化

④追加学習
AIをさらに学習させ性能を上げる段階 成果物:再利用モデル等