この連載は、2021年10月19日に行われた 第2期 AI 研究会 第5回「AI人材育成と採用」でアイデミーが登壇し講演した内容を一部編集したものです。
2021年7月から10月に渡って開催された本イベントは、日本経営合理化協会 (JMCA) の会員企業向けセミナーで、株式会社レッジが企画・運営を行いました。アイデミーが担当した講演「企業の DX 推進が準拠する標準ガイドライン」の目次は次の通りです。
| 1章: なぜ AI 人材が必要か？ | 2章: 製造業 DX の2つの照準 | 3章: 逆算的組織戦略の適用 |
|---|---|---|
| 1.1 ソフトウェアが変えた世界 1.2 ソフトウェアが変えた企業 1.3 価値と競争力の源泉 |
2.1 卓抜の先行事例 2.2 DX の全体像と時系列 2.3 工程革新と製品革新 |
3.1 勝ち筋を見抜く 3.2 職種定義と組織開発 3.3 DX の劈頭 |
どの業界にも共通する普遍的な内容を述べた第1章「なぜ AI 人材育成が必要か？」を AI-CAN 限定で公開します。連載3本目となるこの記事は、第1.3節「価値と競争力の源泉」です。
価値と競争力の源泉 _ 4つの状況証拠
目次
1 Google DeepMind が機械学習で目覚ましい成果を連発
まず第1.3節の始めはソフトウェア技術全般の中から特に AI に注目します。イギリス発のスタートアップ DeepMind は2014年、Googleによって買収されました。DeepMind 社の顕著な3つのマイルストーンを振り返ります。
- DeepMind 社が開発した囲碁 AI AlphaGo は2016年3月、国際棋戦で多数の優勝実績を持つプロ棋士と五番勝負の対局を行い、4勝1敗で破りました。
- 2016年7月、データセンターの冷却整備に機械学習を利用し、40% もの節電に成功しました。
- 2020年11月、タンパク質の構造予測コンペで史上最高精度を達成しました。
データセンターの電力削減の課題は、多変数の最適化問題です。こうした課題に専門家をつけて労働集約的に取り組んでも、もしかすると同じ成果を実現できたかもしれません。でも Google はデータセンターをどんどん増設していて、それも24時間365日稼働しています。電力の最適化問題を人手で解消しようとすれば、人件費は膨れ上がり、スケーラビリティにも限界があります。
ここに「ソフトウェアを適用する」ということの強みがあるわけです。こうした課題に対して、専用のハードウェアを設置するのでもなく、人間の整備士を配備するのでもなく、他でもない「ソフトウェア」でアプローチしました。この方法によって実際にコスト削減を実現し、さらに競争力を拡張することができるのです。
1.1 多変数系の最適化を実現する AI が、事業の競争力を飛躍的に改善
これが価値と競争力の源泉になっていることを確認しましょう。Google が実現したのは、ソフトウェアによるサーバー冷却の電力の 40% 削減と、PUE (Power Usage Effectiveness)の 15% 改善です[1]。PUE は、消費電力全体をサーバー等の消費電力で割った数字で、大きいほど効率が悪いことを意味します。Google のデータセンターの PUE は 1.12 と業界最小クラスで、つまり非常に効率的だということです。これも極めて大きなインパクトのあるニュースでした。
2008年の時点で Google は世界中に36ヶ所のデータセンタを持っており [2]、現在ではその数はさらに多いでしょう。仮に「電力効率化装置」のような物理的な機械を製造してデータセンターごとに設置する方法では、データセンタの数に比例した費用がかかりますし、故障に備えた保守作業も追加で発生してしまうでしょう。一方で、機械ではなく人間の整備士に作業を担当させる案も、一筋縄ではいかないでしょう。
Google は PUE の推移グラフを公開しています。始めは PUE は高いものの、マシンコントロールを ON にすると PUE はぐっと削減できます。PUE は制御が ON の間ずっと低く維持されており、OFF に戻すとまた PUE は元の水準まで増加しています。
電力使用の効率化という難しいタスクをスイッチ1つで実現できる状態は、人間の整備士を世界中に配置するよりも、競争力確保の点で優れています。その理由は、膨大な数の Google のデータセンタで節約された電気代や人件費を、別の事業への投資に分配可能であるからです。
1.2 50年来のブレイクスルーが新規事業の嚆矢に
もう1つの事例を紹介します。一般に、タンパク質はその立体構造によって機能が異なることが知られています。人間の眼球も手も指も神経も脳も胃も腸も、どれもタンパク質で構成されていますが、それぞれが異なる機能を持っています。この理由の一つが、タンパク質の立体構造の違いです。
巨大な分子量を持つタンパク質の立体構造の推定は極めて難しい問題でした。この問題に DeepMind は深層学習で取り組み、高速かつ高精度な推定を実現しました[3]．下図の緑色が真の分子構造で、青色が計算機が推定した分子構造で、かなり一致していることが分かります。
この実現が意味することは、Google のバイオテック市場への進出可能性です。「検索と広告の会社」と認識されることが多い Google ですが、1つ強力なブレークスルーを生み出すと、事業の横展開を目指せるようになるのです。これも「優れたソフトウェア技術は、価値と競争力の源泉だ」という好例でしょう。
2 先端 IT 企業の研究開発投資は加速的に急増
ソフトウェアが価値と競争力の源泉であることに気付いた IT 先端企業たちは、続々と研究開発に投資を行っています。下掲のグラフは Google の親会社 Alphabet、Apple、Amazon の技術投資額の推移を表しています[4]。彼らは「ソフトウェアこそが競争力の源泉である」と熟知しているからこそ、これだけ多くの投資ができるのだと推測できます。
この投資に AI が占める割合はおそらく少なくないでしょう。深層学習技術は、ネットワークのパラメータの数を増やすほど性能が向上していくような傾向があり、2020年の最先端のネットワーク GPT-3 は何千億もの天文学的なパラメータ数で性能を実現しています[5]。AI は驚くほど費用がかかる技術分野になってきており、ソフトウェアで競争力を確立した企業を追い越すのは簡単ではないでしょう。
3 すべての産業で競合が GAFAM / BAT などの IT 企業に
首相官邸による資料『日本経済再生本部 未来投資会議（第23回）2019.2』は、突き抜けた性能のソフトウェアを持つことで、企業は事業の多角化を目指せるということを示唆しています。検索エンジンから始まった Google、Macintosh というハードウェア事業から始まった Apple、ソーシャルメディアの Facebook、書店の Amazon などの企業は、驚くほど短い期間で事業の多角化を実現しています。
Google はもはや検索だけの企業ではありません。みなさんがお使いのスマートフォンの OS Android を開発し、世界最大規模の動画サイト YouTube も持っています。Google Pay といった決済/金融にも通じ、他にも自動運転 Waymo や通信回線事業 Google Fi、地図、Web ブラウザなど、数え切れないほどのサービスを提供しています。
Apple は依然として MacBook や iPhone、iPad などのハードウェア製造業者でありながらも、それだけにとどまらない多様なサービス事業へ進出しています。Apple Music や Apple TV+、Apple Fitness+ などが代表で、他にもカリフォルニア州で自動運転技術の実証実験をしていることが公然の秘密 [6] という話もあります。このような多角的な事業展開で、Apple は2021年末時点で時価総額が世界一位の座に君臨しています[7]。
Facebook も祖業から大きく踏み出しており、メッセンジャーアプリ WhatsApp、写真共有メディア Instagram、VR ゴーグルの Oculus などを展開し、メタバースへの取り組みを本格化することも発表しています[8]。
Amazon の書店事業も EC という包括的な枠組みへ拡張されただけでなく、Amzon Prime Video や Amazon Music、そしてクラウドサービス AWS など、多数のサービスを展開しています。
彼らの共通点は何でしょうか？それは、繰り返し強調しているように、やはり「ソフトウェア」です。ソフトウェアは世界を変え、そして企業を変えました．価値と競争力の源泉となった「ソフトウェア」こそが、彼らの驚異的な成長力を裏付けているのです。
4 AI 導入の経済効果: 2025年までに11兆円、労働人口効果160万人相当
ここまでアメリカの事例を中心に言及したので、最後は日本の話題に触れましょう。これは2019年3月に行われた「戦略的基盤技術高度化・連携支援事業」という日本の市場調査です。最新データであるとまでは言えませんが、AI 技術がもたらす経済効果を試算したものとしてたいへん参考になります。
ここでは日本の基幹産業である製造業に注目してみましょう。図中の下段の色の濃い四角の部分が、製造業への経済効果を示しています。この図から、AI 導入による経済効果は、他の業種に比べて特に製造業で大きいことが見て取れます。
製造業の中でもどんな業務で AI が活用できると報告されているか、3つの例で確認しましょう。まず左端に位置する「1 予知保全」業務では、建設業とサービス業で実現する経済効果を合計したよりも大きな経済効果が、製造業界にもたらされると書かれています。「2 需要予測」では製造業と卸・小売の経済効果は概ね同額程度です。「5 不良箇所自動検出」では他業界では類を見ない大きさの経済効果が期待できそうです。
経済効果には波及効果が含まれるので、図に示された額がそのまま売上げや利益を意味するとは限りません。しかし AI の導入で「機会損失を減らす」「業務効率を改善する」が実現されれば、自然な形での増益は期待できるといってもよいでしょう。そしてこれは製造業だけに限りません。それは例えば、バックオフィスにおいてもソフトウェアが強力に付加価値創造を後押ししてくれるからであり、そのことは AI が「3 経理関連業務効率化」業務で業界を問わず概ね同程度の経済効果が見込まれていることからも読み解けます。
—
ここまでの第1章「なぜ AI 人材育成が必要か？」では、事例をつぶさに分析しながら次の3点を確認しました。
- ソフトウェアがビジネスの世界をすっかりと転換させたこと、
- その転換に適応して変革を実現した企業が存在していること、
- 変革を遂げた企業では，ソフトウェアが価値と競争力の源泉であること
当日の講演では，第2章で「製造業 DX の 2つの照準」について、第3章で「逆算的組織戦略の適用」について、さらに詳細にお話しました。本連載では以降の内容を掲載しませんが、ご興味のあるかたはお気軽にアイデミーへお問い合わせください！
