人工知能と機械学習を活用し、課題解決

相乗効果:AIと機械学習で機械と人間の力を最大限に活用

人型ロボットからすでにモバイルデバイスに搭載されているシンプルなデジタルアシスタントまで、多くの種類がある人工知能(AI)や機械学習(ML)はビジネスをはじめ、さまざまな場面で使用されています。しかしその意味は混同されやすく、誤解される恐れがあります。では、AIや機械学習をビジネスで活かすための課題はいったい何なのでしょうか。

その課題に触れる前に、AIについて改めて確認しましょう。人工知能(AI)は、弱いAIと強いAIという2種類に大きく分けることができます。前者は「特化型AI」とも呼ばれ、知能を活性化するアルゴリズムとプログラムされたレスポンスに依存する一連のテクノロジーであり、通常は特定のタスクに使用されます。具体例として、Alexaにアラームのセットや明かりの点灯を頼めば、弱いAIが作動するところを見られます。そこに思考はなく、事前のトレーニングに基づいて一見スマートに見える対応が行われるだけです。逆に強いAIは人間の脳を模倣します。強いAIは「思考」し、コンテキストを認識し、その理解に基づいて決定を下します。

今日、私たちが目にするほとんどのAIは弱いAIに分類されるものですが、時間とともに学習して成長するスマートテクノロジーの実現は近づきつつあります。そこで登場するのが、AIのサブセットである機械学習(ML)です。MLアルゴリズムは、周囲のデータに基づいて分析、学習し実行できるレベルに到達しており、一部のアルゴリズム(教師なし機械学習)は明示的にプログラムする必要もありません。大量のデータの並べ替えからデータ内の有用なパターンの発見まで、人間なら何百時間もかかるような大量のデータを扱う面倒な作業は、今やMLアルゴリズムを使ってわずかな時間で行うことができます。このテクノロジーは、自律走行車やサイバーセキュリティ技術などですでに実用化されています。データが毎秒生成される現代において、これはほんの始まりに過ぎません。
AIとMLの相乗効果のイメージ


重要性

ビジネスに人工知能と機械学習を利用するべき理由

データが爆発的に増加する中、AIと機械学習はその真価を発揮しつつあります。機械学習は、調整と改善を行えるようアルゴリズムを訓練するために、大量のデータを必要とします。今日の企業には膨大なデータがあり、そのデータは今後ますます増え続けるでしょう。AIやMLを使用すると、人によるデータ分析だけでは実現できない価値をそれらから引き出し、新しいインサイトや自動化を使って有効性と生産性を高めることができます。
課題

人間とテクノロジーをつなぐ上での課題

AIと機械学習をビジネス上の課題に適用することで、人間としての強みを活かし、増幅できるようになります。これによって私たちは新たなインサイトを引き出し、既存のプロセスを自動化できます。
しかし、それには以下のような課題があります。
構造化データのアイコン

データの量と複雑さ

データは急速に増え続けていますが、その多くは非構造化データや半構造化データです。これらはリレーショナルデータベースから生成される構造化データの場合と比べて、データの理解とパターンの発見がはるかに困難です。


データ準備のアイコン

データの準備

データの準備とデータ品質の確保は、AIやMLから価値を引き出すための重要な課題の1つです。データを分析するためには、データを調査して理解した上で、データの準備、フォーマット、クリーンアップを行うことが重要です。これは、データサイエンティストにとって最も手間のかかる作業であり、多くのデータサイエンティストがこの作業に80%の時間を費やしていると言われています。


スマートフォンのアイコン

多くのツールとテクノロジー

通常、AIやMLから価値を引き出すには、さまざまな手順、ツール、テクノロジーが必要です。まったく異なるツールやシステムからデータを移動して集約し、関連付けなければならないため、時間がかかります。企業は、単一のプラットフォームを使用して、リアルタイムの本番環境に機械学習を簡単に適用して管理できる機能を必要としています。


AIと機械学習から価値を引き出す

AIと機械学習は、さまざまなユースケースの中でも、異常検知、予測分析、クラスタリングなどのユースケースに最適です。【前のセグメントに訳をまとめました】【前のセグメントに訳をまとめました】
異常検知のアイコン

データから異常値を見つける

AIやMLは、集中的な訓練によってベースラインを作成することで、過去の行動からの逸脱や、類似のホストやユーザーのようなピアグループからの逸脱などを特定し、他の方法では特定できない不自然な変化、行動、問題をすばやく見つけることができます。

異常検知

  • 過去の行動からの逸脱

  • ピアグループからの逸脱(多変量凝集型異常検出)

  • 特徴の不自然な変化

未来予測のアイコン

未来を予測する

ビジネスからITやセキュリティの運用に至るまで、幅広いプロセスで生成されるリアルタイムデータに基づいて、非常に正確でプロアクティブな意思決定を行うことができます。予防措置を講じるには、どのようなデータが保存されているかを把握していなければなりません。サービス健全性スコア、容量計画、さらにはメンテナンスの必要性まで、今ではあらゆる予測が可能です。

予測分析

  • サービス健全性スコアの予測

  • 顧客離れの予測

  • 容量計画

  • トレンドの予測

  • 影響を与えているエンティティを検知

  • 早期警告 - 予測的メンテナンス

データ把握のアイコン

全体を把握する

トレンドを見つけることは、プロアクティブな運用に不可欠です。自社のデータの中から行動やトレンドを見つけ、それらを相互に比較する方法を理解することは有益です。クラスタリングを利用すれば、類似のデータポイントを識別してグループ化できるため、アラートのノイズを低減し、ひいてはより的確な意思決定を行えるようになります。

クラスタリング

  • ピアグループの特定

  • イベントの相関付け

  • アラートのノイズを低減

  • 行動に関するデータ分析

解決策

人間と機械を結び付ける

Splunkを使用すれば、AIと機械学習によって組織の専門知識とデータを補完し、あらゆる業界、ユースケース、スキルセットの効率と生産性を向上させることができます。
ユースケースのアイコン

ユースケース
ユースケースに関係なく、より効果的でスマートなインサイト、意思決定、アクションを促進するほか、IT運用分析を強化してIT環境のパフォーマンスを高く維持できます。また、未知の事象を防止することで組織をより効果的に保護できます。さまざまなユースケースにAIとMLを適用する方法については、以下をご覧ください。
業種のアイコン

業種
適切なデータがあれば、AIと機械学習はあらゆる業種のあらゆる組織に利益をもたらします。停電の防止から不正行為の特定まで、スマートテクノロジーはより正確で迅速な意思決定を可能にします。さまざまな業界でAIとMLを利用する方法については、以下をご覧ください。

お客様に最適なソリューション
Splunkのプレミアムソリューションに組み込まれたAIとMLがあれば、データセットを選択してモデルを調整できます。データサイエンスの専門知識は必要ありません。
Splunkでできること