投稿元:![ブクログ](//image.honto.jp/library/img/pc/logo_booklog.png)
レビューを見る
アメリカでのai活用事例。
スティッチフィックスの事例が面白かった。ai+スタイリスト。aiで働き方が変わる。aiを使いこなす、共存できる人が強い。
ai時代に必要とされる人材。
1.特化型(スペシャリスト)
→一芸に秀でる。
2.適応者(グレートアダプター)
→自分のスキルをマーケットニーズに合わせれる。最適なポジショニングを選択できる。
3.合成役(シンセサイザー)
→aiのアウトプットをどう価値に結びつけることができるか?
勉強が大事。リスキル。自分の中の優先順位をつける。(ほんとに自分がやるべき仕事か?)
投稿元:![ブクログ](//image.honto.jp/library/img/pc/logo_booklog.png)
レビューを見る
AI関連の内容ももちろん充実し、最後にはAIを使ったより良い人生の歩み方、時間の使い方が学べる最高の一冊でした!
投稿元:![ブクログ](//image.honto.jp/library/img/pc/logo_booklog.png)
レビューを見る
AIとは何ぞや?が一般人にでも分かりやすいようにまとめられた本。
後半は横文字の専門的な言葉も多かったが、技術系の自分にはすんなりと入ってきた。
AIに対して過剰な期待あるいは不安を持つ一般層と、それを理解できない技術者層。日本は、この二つの層に大きな隔たりがある事を著者は危惧している。
AIビジネスの最先端情報や、AIを導入しようとしている企業が注意すべき事、AIビジネスの課題、今後求められるAI人材と今後の働き方について分かりやすくまとめられており、AIに詳しくない方は一読する価値があると思います。
投稿元:![ブクログ](//image.honto.jp/library/img/pc/logo_booklog.png)
レビューを見る
結局「AIで何ができるのですか?」「AIが仕事を奪うのか?」ばかりが先行しているが、「本質は違うよ」という部分を解説してくれている本。
AI以前に「データをそろえる」という作業で相当な手間と時間とお金がかかっているのが現実。
データサイエンティストとデータアナリスト。
その違いについても説明しているが、日本は圧倒的にサイエンティストが足りない。
それは今の仕事をしていても感じる部分だ。
Paraviについては、データが命であるはずなのに、それが改善作業(いわゆるPDCA)に活用できていないのが悔しいところだ。
それを高速で改善していくためには、正しくデータを読める人間が必要なのだ。
表現を変えると「データをデザインできる人」みたいなイメージ。
それを「AIに食わせて」行く作業になるのだ。
AIが食えるデータに加工することが、まさにデザインなのだが、これがサイエンティストというかアーティスト。
これは自分でもとてもできそうにない。
データを読み解くためには、業務に精通していないといけない。
そしてデータを読み込むセンスが必要だ。
さらに数学の知識も必要。
試行錯誤するためには、自分でプログラムをかけた方がいい。
(イチイチ外注先に説明する能力があれば、自分で作れるはず)
「GDPR問題」については検索して調べてもらえばと思うが、確かにその通りだ。
データは宝の山だけに、個人情報がふんだんに詰まっている。
その取扱いの難しさ。
AIに自分の事を自分以上に知ってもらうことの気味悪さ。
やっぱりAIについて、常にアンテナを貼ってもっと勉強する必要があることを感じた。
投稿元:![ブクログ](//image.honto.jp/library/img/pc/logo_booklog.png)
レビューを見る
AIに仕事を任せられる
インフラ
馬なし馬車
AI、機械学習ディープラーニングの手法
姿形のないもの、単なるツール
AIは人間が作り、人間が操作する
システムインテグレーター、システム構築を請け負う企業
7割の仕事で業績が伸びる
コーディネートをAIである
似た人に似たものをお勧めする
服も淘汰されていく
データをまとめる力がある
ライバルではなくチーム
AIの利用料にお金をかける
偏見をなくすには経験させる
変更できないよう、直前でアナウンス
どんな状況かで見積もりは変わる
ユーザーの行動を予測するためにデータを用いる、その整理のためにAIを使う
導入がゴールではない
現場の声を聞く必要がある
環境スキャニング
どのような環境であれば最も効果的に力を発揮できるか
現在の就活、富裕層の男性が最も雇われやすく貧困層の男性が最も雇われにくい
Facebookスキャンダル
トランプの選挙に大きな影響
個人情報の保護が今後より一層大事になる
エンジニア35歳定年説
生産性を上げることはできる
CBO
オンオフがない
ワークライフインテグレーション
インフラ
日本のGDPは3倍以上に伸びる余地がある
AIは機械学習を中心とする手法のこと
AIで〇〇をする
7割の業界はAI入れると業績伸びる
小売、運輸、旅行
AIはエンドレスに学習する
データサイエンティスト
テスラ、まだ人間らしい状況判断ができない
車の運転は共同作業
段階的住宅所有プログラムなど新しいビジネスモデル
OEM再販モデル
自社だけでなく他者と協力して商品制作を行いより多くの人に利用してもらいデータを取る
go to market戦略
PDCAを回していく
導入には会社のコミットも必要
富裕層の男性が一番企業が欲しい、貧困層の女性、富裕層の女性、貧困層の男性
フェイスブックスキャンダル、アメリカ大統領選に影響
ソーシャルグラフ
GDPR一般データ保護規則
まだAIに対応した法律がない
100万人のAI人材の需要に対し、30万人の供給しかない
AIは生産性を上げる
リカレント教育、社会人再
投稿元:![ブクログ](//image.honto.jp/library/img/pc/logo_booklog.png)
レビューを見る
なんか初めは色々な事例があって面白いかなって感じやったけど、読み進めていく中で事例しか書いてへんよなって感じがした。途中までしか読んでないけど、結局コンサル入れりーやって事な感じがした
投稿元:![ブクログ](//image.honto.jp/library/img/pc/logo_booklog.png)
レビューを見る
インドから才能を輸入したメルカリ・他ゾゾの例を上げ、日本のもの作りと先端のAIを組み合わせる事で、5年遅れの日本のAIビジネスにイノベーションを起こせるという。
キーワード・キーセンテンスを羅列してみた。
「データサイエンティスト」
「リベラルアーツ」
「異なる領域を掛け合わせる合成能力を持ち合わせた合成役」
「アウトプット作りを英語でやってみよう」
「ワークライフインテグレーション(仕事と生活の統合)」
投稿元:![ブクログ](//image.honto.jp/library/img/pc/logo_booklog.png)
レビューを見る
AIとは実態が見えにくいので、何となく生活は便利にするというポジティブなものより、仕事が無くなるというネガティブの考えが日本には多いと思う。それを変えていくかないと日本はAI後進国になってしまうような気がします。
投稿元:![ブクログ](//image.honto.jp/library/img/pc/logo_booklog.png)
レビューを見る
AIの導入的な知識が理解できる1冊。AI人材とこれからの働き方を読むと、今後目指すべき指針が見えてくる。
以下、気になった箇所。
◆AI導入のために
・データは21 世紀の石油
→生のままでは使い物にならない
・導入・定着・効果検証のサイクル
→現場状況を精査してから開発する
→どのデータで検証するか、効率アップのKPI
◆AIビジネスの課題
①バイアスの取り除き方
→人間がAIに学習させることによる恣意性
マイノリティーにおける精度も公表するべき
→目的を持ったAI開発(AI with Purpose)が必要
②個人情報の取り扱い
→Facebookスキャンダル(トランプの選挙対策)
個人情報を政治に利用、人の態度変容を起こす
→ソーシャルグラフ
ウェブ上で誰と誰が交友を持っているか
「つながり」のデータそのものが金脈
⇔コラボレイティブ・フィルタリング
これを買った人は、これも買っています
→GDPR(一般データ保護規則)
1.IPアドレスやCookieも個人情報とみなす
2.個人情報取得時は、ユーザーの同意が必要
③著作権の取り扱い
◆AI人材とは
・AIの活用は不可避、AIはインフラになる
→ 世界の企業が必要とするAI人材は約100万人
70 万人不足している
・AIに関する職種
→数学・統計学を活用し企業価値向上を検討
・データアナリスト
→整っているデータを分析し改善点を見つける
・データサイエンティスト
→機械学習導入時のデータ構造の設計〜実装
機械学習のエンジニアに近い
・AIビジネスデザイナー
→経営層とデータサイエンティストをつなぐ
→企業の成長戦略を選定
ユーザーストーリーに落とし込み、語れる
→具体的なプロジェクトとして推進できる
・ビジネスデザインとは
→人間中心のイノベーションアプローチ
→経営課題とユーザー体験に基づく問題解決手法
・イノベーションとは
→ 3つのベン図が重なったスイートスポット
…ビジネス性(Viability)
ユーザーのニーズ(Desirability)
技術性(Feasibility
◆AIとこれからの働き方
・AIにより、より人間らしい仕事に時間を割ける
→人間が行なうには苦痛すぎる仕事をAIに
人間はよりクリエイティブな仕事に
・AIが奪う仕事よりも、作り出す仕事の方が多い
・AIトレーナー、ロボット管理者
→良いデータ、良くないデータを仕分ける
→AI搭載型の産業ロボットが、消費者の好みや劇的なプロセス変化に自動で対応することは難しい
・AI時代に生き残る人材
トーマス・フリードマン『フラット化する世界』
→特化型:代替のきかない技術を持つ
→適応者:高い技術力を持ち、適応能力が高い
→合成役: コミュニケーション能力が高く、異業種の人材をまとめて動かす
・AIバイリンガルを育てる教育
→歴史や哲学、法律や経済学の知識も必要
→自分たちが何を作るべきかを議論できなくなる
→文系理系を二重専攻した人が重宝される
・ビジネスモデルの変革には、AI×別領域の掛け合わせが必要
→ AI×行動経済学
CBO(Chief Behavioral Officer)
・リカレント教育
→社会人が学び直したり就労するサイクル
→ 不安に思うのは、問題意識がある証拠
→何かをゼロから作る、アウトプットが大事
・ポートフォリオキャリア
→複数のキャリアを持って働く人も多い
・ワークライフインテグレーション
→仕事と生活の統合
→オンとオフなんてない、あるのは私という人間
⇔ ワークライフバランス
バランス=両立にプレッシャーを感じる
◆用語
・カグル
→ 世界一のデータサイエンティストのコミュニティを持つバーチャルプラットフォーム
・分類器
→大量の商品データが、どのプロダクトカテゴリーに属するのかを分類する
投稿元:![ブクログ](//image.honto.jp/library/img/pc/logo_booklog.png)
レビューを見る
AIビジネスの①具体性、②将来性、③国際性の3つの見地から解説した本です。
日本のAIビジネスにおいて勘違いされている点とその理由の解説と、実際にAIビジネスを導入する際にどんなステップを踏めばいいのかが分かる教科書的な本。AIがこれから会社に導入され、ユーザーになるだろう自分にとっては学びが多い本でした。
印象に残ったのは、
・AIを擬人化しない、AIが××するではなく、AIで××する
・どんなデータを集めるべきかということころからデータサイエンティストに相談する→ 企業が抱える課題とその企業が持つデータを元にどんな解決策があるかを考えるため。
AI(ソフト)と日本の「モノづくり」(ハードウェア)の理想的な融合に期待したいです。
投稿元:![ブクログ](//image.honto.jp/library/img/pc/logo_booklog.png)
レビューを見る
AIについて漠然とした知識しか無かったがなんとなく分かってきた。中でもデータサイエンティストという仕事に興味を持った。AIに仕事を取られるとニュースやSNSで言われていたため、いかにAIに取って代わられない仕事に就くかが大事だと思っていた。しかしAIに仕事を任せることで人間は人間にしか出来ないことをするということを認識できた。私も私にしか出来ないことを見つけていきたい。
•自分の人生を自分でデザインする
•社会人になっても何かしら学び続ける
投稿元:![ブクログ](//image.honto.jp/library/img/pc/logo_booklog.png)
レビューを見る
借りたもの。
今後ますますAIのビジネスが重要視されるにあたり、日本のAIビジネスの問題点、必要な人材などを紹介した一冊。
「AIとは何なのか?」という入門的な話から始まり、AIビジネスが進んでいるアメリカと日本を比較し、その違いから日本のビジネスモデルの変革を訴える。
藤本浩司『AIにできること、できないこと、ビジネス社会を生きていくための4つの力』( https://booklog.jp/item/1/4535788774 )でも指摘されていた、AIが万能ではない事、オードリー・タン『オードリー・タン 自由への手紙』(
https://booklog.jp/item/1/4065220955 )にもあった、AIとはツールであり、協働するもの、人間の仕事の効率化であり、人間の仕事が失われる事はないと指摘する。
日本のAIへの思い込み、AIは万能ではない事を説明する中で、日本のビジネスモデルの偏向が垣間見える。AI搭載の新しい商品と言うと、ペッパー君のイメージもあるためか、ぬいぐるみや人型といったハードウェア(物体)的なもの想像してしまう事に、著者は頭を抱えているようだった。(アトムやドラえもんのせいか?)
前述著『AIにできること、できないこと』にも被るが、これからの必要な人材としてAIエンジニアを挙げている。
それはAIとは「作って終わり」な代物ではなく、時代のニーズやファッション業界では刻一刻と変化するトレンドは、人の手によって更新されていかないと、意味が無い。
著者は日米を比較し、「ものづくり」の考え方に差があることを指摘。
日本は「ものづくり大国」を掲げているが、ハードウェア(実際の物体的なもの)だけでなく、ソフトウェアにも注力すべきと説いている。
何故なら今後、ソフトウェア(AI技術)とハードウェアの連携の重要性がますます大きくなるためだ。
あらゆる業界のニーズやトレンドの分析をAI(技術)にさせるとしても、その情報の傾向を知っているのは人間の方だし、それをAIに落とし込む知識と仕組みをしらないと、AIに反映できないためだ。
AI技術(ソフトウェア)を蔑ろ(外注傾向)である日本のビジネスモデルを変革する時期に来ていると、著者は訴える。
安宅和人『シン・二ホン』( https://booklog.jp/item/1/4910063048 )でも、海外から人材を招きその技術を取り入れることを訴えていた。
また、AIエンジニア、AIデザイナーに必要な知識として、MBAが見直される旨も指摘。
アメリカでのAIビジネスの実例の紹介も多く、ヴィジョンがつかみやすい本だった。
flier紹介。( https://www.flierinc.com/summary/1874 )
投稿元:![ブクログ](//image.honto.jp/library/img/pc/logo_booklog.png)
レビューを見る
【目的】
AIをビジネスに活かす方法
【まとめ(1P)】
・インフラ化するAIをビジネス化/開発/現場展開する人材の確保が必要
【ポイント(What)】
・AIは電気と同じくインフラになる
・フィードバックループ=データを追加し精度を上げる
・AIによって人間が人間らしい仕事に専念できるとポジティブに考える
【アウトプット(How)】
・すべての課題をリスト化し、AIで解決すべきか仕分け
・単なる省人化でなく属人的なプロセスを展開するため
【その他】
・日本ではAIを擬人化して説明することが多い
・日本企業はデータの公開を躊躇する傾向
・家事を仕分け(子供目線で親にしてほしいことは?)
投稿元:![ブクログ](//image.honto.jp/library/img/pc/logo_booklog.png)
レビューを見る
【目的】
AI関連のネットニュースで見かけたことがあった石角女史の著書がKindle Unlimited対象だった為、読了。軽い内容なのでサクッと読める。米国のAI活用企業事例やシリコンバレー・日本の比較などは興味深かった。
【メモ】
・AIを一人称の主語として使わない、AIは単なるツール
・アメリカのデータサイエンティストは広義なAIではなく、マシンラーニングと呼ぶことが多い
・ソフトウェアエンジニアの所属(日:米=Sier+IT企業8割:ユーザー企業7割)
・シリコンバレーでは「すべての経営会議にデータサイエンティストが参加するべきである」と言われている
・日本のAIビジネスはプロダクトアウトのモノづくりになりやすい
・データやプラットフォームをオープンにして素早くマーケットに届けデータを集めることをGo To Market戦略と呼ぶ
・石油もデータも生のままでは使えない
・効率化と売上増加の二軸でAI導入のビジネスインパクトを測る
・日本企業では経営企画部、イノベーション推進部が事業部に横ぐしを通しやすくAI事業を推進しやすい
・ウェブ上の交友情報はソーシャルグラフと呼ばれる。繋がりデータそのものが金脈
・データ取得時点で、個人情報のみ別管理するように整理する
・データアナリストは整理されたデータの分析、データサイエンティストはデータ構造設計から機械学習実装までを一貫して担う
・フルスタックエンジニア、(クラウド)インフラエンジニアもAI時代に重宝される。プロダクト作成にはデータサイエンティスト1人に対し、エンジニア3~5人必要
・AIビジネスデザイナーは経営層とエンジニアを繋ぐ役割。AIが分かり、経営課題をAIに落とし込めることが条件。
・AIの概念が分かり、MBA等で経営を学んでいる人が適当。抽象的な控訴言う設計ができ、ユーザーストーリの形に落とし込める。プロジェクト推進できる人。異なるジャンルの概念を掛け合わせて発送することが出来る人。
・AIビジネスパートナーと相対する担当者はAI実装経験を積むことが出来る
・日本はモノづくり(ハード)とB2B販売に強み
・トーマス・フリードマン「フラット化する世界」の生き残る3つのタイプ。「特化型」「適応者」「合成役」
・合成能力とは、AI自動化により吐き出されたデータをどう価値、事業に結びつけるかを考える。今あるものを組み合わせ、今までになかったものを生み出す力
・ワークライフバランスではなく、ワークライフインテグレーションへ
投稿元:![ブクログ](//image.honto.jp/library/img/pc/logo_booklog.png)
レビューを見る
AIについて学びたいと思い、手に取りました。AIは、ロボットのような形あるものではなく、ツールだということは押さえておくべきポイントだと感じた。海外の事例など多く書かれており、勉強になりました。学び続けないと思える本でした。