筆者らはデータサイエンティストとして、さまざまなデータ分析やAI実装のプロジェクトに参加しているが、そこで多くの場合にぶち当たる壁がある。それは「PoCの壁」とも言えるものだ。AIやデータ活用に関しては多くのユーザーが前向きで、PoCの形でプロジェクトを始めるが、そこで作成したAIや機械学習モデルを実際の業務プロセスに活用しようとすると、まったく進まないという問題である。

ここにショッキングな事実がある。MIT Sloan（MITビジネススクール）の調査によると、AI投資を進めている企業のうち、投資利益が出ているのがたった10%という結果である（EXPANDING AI’S IMPACT WITH ORGANIZATIONAL LEARNING）。

ほかにもマッキンゼーの調査で、AIオートメーションのプロジェクトでの成功率が15%という結果もある（Operationalizing machine learning in processes）。

上記は主に経営層向けの調査であるが、技術者を中心としたアンケートでも、自らが実装したモデルが実際に業務適用された割合は0～20%に過ぎないとの回答が最も多くなっている（全体の58%）（Models Are Rarely Deployed: An Industry-wide Failure in Machine Learning Leadership）。

役立たずのデータサイエンス ～「PoCの壁」を考える、AIやデータサイエンスはなぜPoCで終わってしまうのか

※本記事は、スウィングクルーがピックアップしているマーケティング関連ニュースのクリップです。

スウィングクルーが発表しているニュースではございません。