急速に進む日本でのAI活用、米国に追いつき新たなフェーズに--PwC Japan調査
ZDnet より 220520 藤本京子
PwC Japanグループは5月19日、同社が実施した2022年の人工知能（AI）予測調査について記者会見した。その中で、PwCコンサルティング パートナー 兼 PwC Japanグループ データ＆アナリティクス／AI Labリーダーの中山裕之氏は、「日本企業のAI活用が急速に進み、米国に追いついた」とした。
同調査は、日本と米国で2022年1月に実施。AIを導入済みまたは導入を検討中の企業の中から、日本では売上高500億円以上の企業の部長職以上、米国では売上高5億ドル以上の企業の幹部社員以上を対象に行われた。回答者数は、日本が300人、米国では1000人。
中山氏によると、日本ではAIを活用する企業が増加し、導入企業の比率が2021年の43％から2022年は53％と、10ポイント増加したという。その一方で、米国では2021年が58％、2022年が55％とほぼ変化しておらず、この数値から見ると日本のAI活用比率が米国にほぼ追いついたことになる。
この1年で米国での導入率が頭打ちとなった背景について、中山氏は欧米のコンサルタントと検討した上で2つの仮説を挙げた。それは、「米国といえども全ての企業が進んでいるわけではなく、6割というのが一つの壁になっていると考えられること。
もう一つは、米国企業では短期的な成果が求められるため、短期で結果が出ないと投資が止まる。そのため、現在は新型コロナウイルスの影響で投資が止まっていると考えられる」とした。
⚫︎日本のAI活用の課題
導入企業の比率は米国に追いついたように見える日本だが、全社的にAIを導入していると回答した割合は、米国では26％となっている一方、日本ではその半分の13％にとどまっており、「活用方法にはいまだ差があるのが現状だ」と中山氏は指摘する。
特に日本では、「投資対効果（ROI）の測定能力で遅れを取っている」と、PwCコンサルティング パートナー データ＆アナリティクス リーダーの藤川琢哉氏は説明する。
⚫︎日本のAI活用の課題
導入企業の比率は米国に追いついたように見える日本だが、全社的にAIを導入していると回答した割合は、米国では26％となっている一方、日本ではその半分の13％にとどまっており、「活用方法にはいまだ差があるのが現状だ」と中山氏は指摘する。
特に日本では、「投資対効果（ROI）の測定能力で遅れを取っている」と、PwCコンサルティング パートナー データ＆アナリティクス リーダーの藤川琢哉氏は説明する。
米国では、64％がAI活用のROIを正確に測定できていると回答した一方で、日本ではその比率がわずか21％だったという。こうしたことから藤川氏は、「日本でも概念実証（PoC）の段階からROI測定を確実に実施し、全社展開でAIの効果を最大化すべきだ」と述べている。
また、AIガバナンス対策の実施率も、さまざまな項目で米国より日本が低かった。例えば、2022年に「AIシステムおよびプロセスのガバナンス（企業統治）を強化する」と回答したのは、米国で43％、日本で34％。
また、AIガバナンス対策の実施率も、さまざまな項目で米国より日本が低かった。例えば、2022年に「AIシステムおよびプロセスのガバナンス（企業統治）を強化する」と回答したのは、米国で43％、日本で34％。
「AIモデルの性能のモニタリング（監視）と報告を実施する」と回答したのは、米国で40％、日本で26％といった具合だ。藤川氏は、「社会に受容されるAI活用を目指してAIガバナンスの対策を実施し、その取り組みを対外的に開示していかなくてはならない」としている。
さらに、日本では「AI固有のリスクに対する関心度がまだ低い」と藤川氏は指摘する。AI固有のリスクとしては、自動運転で物体認識のAIが障害物を誤認識する「安全性・信頼性」に関するリスクや、男女差別などの社会的なバイアスを含んだデータを学習してしまう「公平性」に関するリスク、AIの判断がブラックボックスで理解できない「説明可能性」に関するリスクなどが挙げられる。
さらに、日本では「AI固有のリスクに対する関心度がまだ低い」と藤川氏は指摘する。AI固有のリスクとしては、自動運転で物体認識のAIが障害物を誤認識する「安全性・信頼性」に関するリスクや、男女差別などの社会的なバイアスを含んだデータを学習してしまう「公平性」に関するリスク、AIの判断がブラックボックスで理解できない「説明可能性」に関するリスクなどが挙げられる。
こうしたリスクへの関心度は、それぞれ37％、26％、22％にとどまっており、「AI固有の新たなリスクにも目を向け、早急に対策を進めるべきだ」と藤川氏は述べている。
⚫︎AI導入の内製化が重要に
藤川氏は、AI活用には導入の内製化も必要だと指摘する。それは、導入を外部委託してしまうと柔軟な軌道修正が困難なためだ。「AI活用は、トライ＆エラーによって数少ない成功事例を見つける作業であり、リリース後に精度を改善していくことで効果が高められる。
⚫︎AI導入の内製化が重要に
藤川氏は、AI活用には導入の内製化も必要だと指摘する。それは、導入を外部委託してしまうと柔軟な軌道修正が困難なためだ。「AI活用は、トライ＆エラーによって数少ない成功事例を見つける作業であり、リリース後に精度を改善していくことで効果が高められる。
そのため導入を内製化すれば、アジャイル開発のように柔軟に軌道修正できるようになる」と藤川氏は話す。リソース不足で内製化できなくても、「準委託で契約し、社員が委託先の軌道修正をコントロールする『自走化』を目指すべきだ」とした。
特に日本では、運用改善（MLOps）人材や、業務とデータサイエンスの橋渡し役を務めるトランスレーター人材を自社で育成したいと考える割合が非常に低く、前者が8％、後者が21％となっている。
特に日本では、運用改善（MLOps）人材や、業務とデータサイエンスの橋渡し役を務めるトランスレーター人材を自社で育成したいと考える割合が非常に低く、前者が8％、後者が21％となっている。
藤川氏は、「こうした人材こそ内製化すべき。特にトランスレーターは、自社の業務知見が必要なため、自社で育成するのが最適だ」としている。
⚫︎AI活用の新たなフェーズ
最後に藤川氏は、AI活用で新たな取り組みをしている企業が増えているとして、最近のトレンドを紹介した。
その一つは、AIと他のテクノロジーとの融合だ。この分野を優先課題と考えている割合は、米国の33％に対し日本は40％と、特に日本で関心が高いことが分かる。
中でも、IoT、ロボティクス、拡張現実（AR）といった分野との融合に取り組む企業が多く、こうした領域ではいずれも30％以上がAIとの融合を実施中で、導入予定まで含めるといずれの分野も50％を超える。藤川氏は「今後もAI単体ではできないことが生まれてくるだろう」と述べている。
また、データ流通も新たなトレンドで、他社とのデータ連携を実施しているか検討中の企業は70％に上る。「自社内でのデータ活用が一段落し、自社データを新たに収益化しようと考える企業や、他社のデータを購入して自社で活用しようと考える企業が増えているためだ」と藤川氏は分析、
⚫︎AI活用の新たなフェーズ
最後に藤川氏は、AI活用で新たな取り組みをしている企業が増えているとして、最近のトレンドを紹介した。
その一つは、AIと他のテクノロジーとの融合だ。この分野を優先課題と考えている割合は、米国の33％に対し日本は40％と、特に日本で関心が高いことが分かる。
中でも、IoT、ロボティクス、拡張現実（AR）といった分野との融合に取り組む企業が多く、こうした領域ではいずれも30％以上がAIとの融合を実施中で、導入予定まで含めるといずれの分野も50％を超える。藤川氏は「今後もAI単体ではできないことが生まれてくるだろう」と述べている。
また、データ流通も新たなトレンドで、他社とのデータ連携を実施しているか検討中の企業は70％に上る。「自社内でのデータ活用が一段落し、自社データを新たに収益化しようと考える企業や、他社のデータを購入して自社で活用しようと考える企業が増えているためだ」と藤川氏は分析、
これが社会課題の解決や新たなビジネスチャンスにつながるだろうと述べた。
