AI開発とは？AIの概要と開発プロセス、外注する手順まで解説！

近年、あらゆるシーンで注目されているAIですが、その概要や開発プロセスについて詳しく知っている方は少ないはずです。そこで本記事では、AIの概要を確認した上で、AIを開発する目的やAIの種類、AI開発のプロセス、AI開発の外注を成功させるポイントなどについて解説していきます。

ハイブリッドテクノロジーズの
開発サービスはこちら

AIとは

AIとはArtificial Intelligenceの略語で、日本語では人工知能と称します。AIについて共通した定義はありませんが、人間に類似する知能を有する機能を持つコンピュータシステムとして一般的に捉えられています。

コンピュータの性能の向上により、コンピュータも人間と同様に学べるようになりました。それが現在のAIにおける中心的な技術である機械学習です。機械学習などのAI技術によって、AIは人間の仕事を代替して行えるようになりました。翻訳や自動運転、医療画像診断などはその一例です。その他にも、AIはデータに基づいた分類や推論を得意とすることから、膨大なデータに基づいた正確な判断も行えます。

現在、AIの技術は開発途上にあり、人間に代わるような万能な機能は有していません。AIのほとんどが単一の機能に特化したものとなっています。AIに関する研究が進む中で、将来的にはさらに高度な知能レベルを持つAIが開発されると期待できます。

AIを開発する目的

AIの開発の目的には社会が抱えるさまざまな課題の解決があります。少子高齢化により労働人口は年々減少しており、働き手の不足が社会における深刻な問題の一つとなっています。先に見たようにAIは人間のような知能を有し、ビジネスにおける作業や判断なども行えるため、人間に代わる労働力になると考えられています。働き手が不足した社会でも人々の生活を維持するためにはAIの力は不可欠であるといえるでしょう。

また、AIはビッグデータの活用の観点からも必要とされています。企業は収集した膨大な量のデータや社内に蓄積されたデータを分析・解析したものを、業務や経営方針の決定などさまざまな場面で活用できます。ビッグデータを活用することでデータを最大限利用でき、データに基づいた正しい判断ができるようになると期待できます。

その他にも、AIを活用することでコスト削減につなげることも可能です。人間が行っていた業務をAIに代替することで人件費を削減できる他、業務効率化や業務フローの簡略化などによりコストダウンにつなげられることもあります。

企業が同業他社間の競争に勝ち続けるためにはAIをうまく活用し、競争上の優位性を確保することがもはや必須になりつつあるのです。消費者にとっては企業がサービスや商品にAIを導入することで、サービスをこれまで以上に利用しやすくなったり、商品に対する満足度がアップしたりというメリットがあります。

総務省が制定した「AI開発ガイドライン」

総務省は「AI開発ガイドライン」を制定しました。このガイドラインではAIの利用者、特にAIサービスなどを他者に提供する者やビジネスにおいてAIシステムなどを利用する者が対象となっています。

人間中心のAI社会原則を踏まえたAI開発利用原則を定める際に、AIの利活用に関して留意すべき事項を適切に認識し、それら留意事項への対応を自主的に検討することを促すことを目的としています。

AI 利活用原則について以下のとおり記されています。

AIの種類

AIには特化型AIと汎用型AIがあります。特化型AIとは特定の分野での高い処理能力を有するもので、汎用型AIとは分野を問わずに人間のような能力を発揮するものです。以下、それぞれについて詳しく解説していきます。

特化型AI

特化型AIとは、特定の分野で高い処理能力を発揮できる人工知能です。特化型AIの特徴は特定の分野で人間以上の処理能力を発揮できるところにあります。

特化型AIはビジネスにおいて広く活用されている傾向にあります。例として、車の自動運転や天気予測システム、画像や音声認識などが挙げられます。また、本田技研工業株式会社は運転手の状態やレベルに応じて危険を事前に知らせ、注意を促す運転支援技術の開発に成功しました。他にも、短編映画の脚本や絵画、文章作成など、AIが対応できる範囲は年々広がりを見せています。

汎用型AI

汎用型AIとは特定の分野に限らず、人間のように思考して問題を処理する力を持っている人工知能です。人間と同様に自ら考えて行動し、自意識を持っています。また、人間のように楽しければ笑う、悲しければ落ち込むといった、感情をアクションに結び付けることも可能です。汎用型AIは特化型AIよりも人間に近い存在としてみなせるでしょう。

ただし、汎用型AIの実用化にはいたっておらず開発の途中にあります。実用化にはもうしばらく時間がかかるでしょう。

AIの技術とは

AIに用いられる技術として機械学習と深層学習があります。機械学習とは膨大な量のデータをコンピュータに学習させ、学習データに基づきタスクをこなすものです。一方、深層学習とは人間による調整を行わずともコンピュータ自身で学習を深めていく技術です。以下、それぞれについて詳しく解説していきます。

機械学習

機械学習とはAIの技術領域の一つに含まれています。大量のデータをコンピュータに学習させることで、精度を高めていく技術です。訓練データ、もしくは学習データと称されるデータを用いて学習し、学習結果を利用してタスクをこなしていきます。膨大な量のデータを学習させることによって、さまざまな場面に対応できるようになります。

ただし、機械学習は学習していないデータに基づく判断が求められる場面では、正しく判断できないこともあるようです。

深層学習

深層学習とは機械学習の一つであり、ディープラーニングとも称されています。人間の脳内ニューロンの構造を模倣したネットワークによって、人間が調整を行わなくてもコンピュータが自ら学習を深めていくことのできる技術です。

深層学習の代表的なアルゴリズムとして、画像認識において頻繁に利用されている畳み込みニューラルネットワーク（CNN）、時系列データの予測で使われることの多い再帰型ニューラルネットワーク（RNN）などが挙げられます。

深層学習が普及したのも、コンピュータ技術の発達によります。膨大な量の学習データの用意がインターネットの普及などによって可能になった他、学習で行う膨大な計算もコンピュータの進化によって短時間で完了できるようになりました。

AI開発のプロセス

AI開発のプロセスとして、以下の4つのフェーズが挙げられます。

• 構想フェーズ
• PoCフェーズ
• 実装フェーズ
• 運用フェーズ

それぞれについて詳しく解説していきます。

構想フェーズ

構想フェーズとはAI開発の目的を明確にして、どういったAIを開発するか検討・構想を行う段階です。

構想フェーズで重要となるのがヒアリングです。開発会社はクライアントに対して、AIの利用用途や抱えている課題、開発を依頼することになった理由などを質問し、課題を洗い出した上で、AI開発の目的を決定します。AI開発の目的は開発会社が開発を行う際の基盤になるため、相互で齟齬が生じないように注意してください。

また、構想フェーズでは目的が明確になったら、AI学習に用いるデータを用意します。顧客データなど自社が保有しているデータを整理し、必要なデータをまとめておきましょう。誤りのあるデータが含まれていると、AIの精度が下がるので注意してください。

PoCフェーズ

PoCフェーズはプロトタイプにデータを学習させて運用を行いつつ、構想している計画が実現できるか検証を行うフェーズです。

開発会社がAI作成に入ったら、クライアント側は準備したデータの提供を行います。そして、プロトタイプやAIモデルが完成したら開発会社と一緒にその精度について検証します。

ただし、PoCフェーズは開発の手法によってクライアントの役割が多少変わることも少なくありません。例えば、アジャイル開発の場合は必要な基本機能を完成させ、その後で機能を追加していくため、各機能の完成ごとにテストが必要です。一方、ウォーターフォール開発は最初にどのようなAIにするか詳細に要件定義しておくため、開発中は開発会社にほとんど一任できます。

実装フェーズ

実装フェーズとはプロトタイプに基づいて、AIの実装を開始するフェーズです。PoCフェーズにおいて実現性の確認ができたら、モックアップの開発内容を基盤にして最終的なシステムとして完成できるように作業を進めていきます。

実装フェーズでは本番環境に必要な要件の定義を行い、開発を進めていき、AIのモデルを最終化します。AIのモデルが完成したらテストをして、動作確認を行ってください。このとき、正常に動作するかだけではなく、ビジネス上の実務オペレーションも踏まえて稼働するかも確認するようにしましょう。

運用フェーズ

運用フェーズとはAIを実際の業務の中で運用するフェーズです。システムが問題なく稼働するための保守を行います。

また、AI開発の目標達成状況の確認を行い、成果を常に確認するようにしてください。目標達成状況の確認にはPDCAサイクルの活用がおすすめです。Plan（計画）、Do（実行）、Check（評価）、Act（改善）の4段階を繰り返すことで、より効果的な運用を目指します。

AI開発とソフトウェア開発の違いについて

AI開発とソフトウェア開発の違いを確認するにあたって、まずはそれぞれの定義を確認していきましょう。

• AI開発リリース段階では開発形にはなっていないことがほとんど。リリース後にデータの調整を重ね、精度の向上を目指す
• ソフトウェア開発完成形の実現を目標に開発を進める

AI開発とソフトウェア開発はリリースまでのプロセスは類似のフローで進められますが、ゴールに大きな違いがあります。ソフトウェア開発では計画段階で完成形について想定し、それを100％実現できるように開発を進めるのが一般的です。対して、AI開発ではリリースの段階で完成形になっていないケースも多々あります。想定した完成形に近いAIモデルの構築を目指しますが、リリース後に行うチューニングやデータの調整などで完成形に近付けていきます。

こうしたことからも、AI開発とソフトウェア開発では運用フェーズに入ってからも行うべき事柄が大きく異なります。ソフトウェア開発は運用フェーズに入れば保守点検のみ行えばよいケースも多いですが、AI開発では各種調整なども必要です。そのため、AI開発では運用フェーズに入ってからも、プログラミングやデータ解析を得意とするエンジニアの存在が不可欠となります。

AI開発を外注する手順

AI開発を外注する手順は以下のとおりです。

• 要件定義
• データ収集
• テスト検証
• 本番反映
• チューニング

それぞれについて詳しく解説していきます。

要件定義

要件定義とはプロジェクトを進めるにあたって具体的な流れや目的を示すものです。システム開発の分野で考え出された工程ですが、AI開発の工程の一つにもなっています。

要件定義では開発会社とクライアントが開発物の要件に関してすり合わせを行います。クライアント側はAI開発の目的や自社が抱えている課題などを明確にしておき、開発会社にしっかりと伝える必要があります。

データ収集

データ収集はAIの学習に利用するデータを収集し、開発会社に送付することです。AIが正確に判断するためには大量のデータを学習していることが前提となります。例えば、AIが一枚の写真から物体を識別するためには、写真に類似した膨大な量の画像を読み込まなければなりません。大量のデータを機械に記憶させていなければ、AIは判断を正しく行うことは難しいでしょう。

データ収集を行う際は誤ったデータが混じっていないか必ず確認しながら行いましょう。誤ったデータが混在していると、AIは正しく判断できないこともあります。

テスト検証

テスト検証とは開発したプロトタイプをテスト環境下に反映することです。テスト検証してみると、想定していたように動作しないケースも珍しくありません。

テスト検証で問題のある箇所が発覚したら、そのフェーズに戻って修正を行い、再びテストを行います。AI開発では一度で想定していたような開発ができることは少ないので、修正とテストを根気強く繰り返すことが重要です。

本番反映

テスト検証で修正点がなくなったら、テスト環境に反映したものを本番環境に反映します。

チューニング

AI開発におけるチューニングとは、AIの改良に向けてデータやパラメーターなどの調節を行うことです。本番環境に反映したAIの学習とチューニングを繰り返し、精度を高めていきます。

チューニングは開発後に快適に利用し、トラブル発生などを回避する上でも重要な作業です。常に最適な状態を保てるようにしましょう。

AI開発の外注を成功させるためのポイント

AI開発を外注したものの、想定していたようなAIが納品されなかったという事態を防ぐには、ポイントをおさえた上で外注する必要があります。

AI開発の外注を成功させるためのポイントは以下の3つです。

• AIを利用する目的を明確にする
• 後々のアップデートを見込んだ更新しやすいアルゴリズムを設計してもらう
• トラブルに対応できるようなプログラムを設計してもらう

それぞれについて詳しく解説していきます。

AIを利用する目的を明確にする

AI開発を外注する際は、AI開発の目的まで開発会社に丸投げすることは危険です。外注する際にも、自社がAIを利用しようと考えるにいたった目的を明確にし、洗い出すようにしてください。

AIを利用する目的として、一般的に以下の目的が挙げられます。

• AIを導入することで解決したい課題
• その課題はAIを導入によって解決できる見込みがあるか
• 課題解決のためにどのようなAIが必要か
• AIで効率化したい業務は何か

上記の項目を整理した上で、「AI導入によって〇〇を解決する」「利益率を〇％アップさせる」などといった明確な目的を掲げるようにしましょう。

目的が明確になっていればそれに合わせたAIを導入できるため、最大限の効果を得られると期待できます。また、従業員全体で目的を共有しておくことで、従業員からもAI導入について納得してもらいやすくなるでしょう。

後々のアップデートを見込んだ更新しやすいアルゴリズムを設計してもらう

AIは開発して終わりではなく、学習とチューニングを繰り返すことで精度を少しずつ高めることができます。また、運用開始後、リリース時のアルゴリズムについてもアップデートしていかなければなりません。

開発の段階でアップデートを将来的に必要なことを想定し、更新しやすいアルゴリズムにしておくとアップデートをスムーズに行えます。アップデートを行う際にAIがブラックボックス化していると、手間や費用が想定以上にかかることもあります。

トラブルに対応できるようなプログラムを設計してもらう

AIを運用していたら、トラブルが生じることもあります。トラブルが生じ、解決に時間がかかれば、長時間にわたって業務を中断せざるをえません。

AIに不具合が生じた際には開発者だけではなく、運用担当者も対応できるようなプログラムが組まれていると安心です。また、開発会社からトラブルが生じた際の対応方法についてあらかじめ聞いておくことをおすすめします。

ハイブリッドテクノロジーズの提供サービス

ハイブリッドテクノロジーズでは、ビジネスデザイン、UIUXデザイン、設計、実装、テスト、リリース、運用、保守まで一気通貫してサービスを提供しております。500名以上の経験豊富なエンジニアにより、迅速かつ高品質なシステム開発が可能です。 アジャイル開発、ウォーターウォール開発、ハイブリッド開発と言った様々な開発手法に対応しており、契約形態に関しましてもラボ型契約と受託型契約の2つから選択いただけます。お客様の状況や開発内容に応じて、開発手法と契約形態を柔軟にご指定いただけますが、それぞれの開発手法、契約形態の特徴の親和性から、アジャイル開発ではラボ型契約が、ウォーターウォール開発とハイブリッド開発では受託型契約を選択されるクライアント様が多数を占めます。

ラボ型開発について： ラボ型開発 サービス

受託型開発について： 受託開発 サービス

ハイブリッドテクノロジーズが選ばれる理由

弊社ではクライアント企業様及びエンドユーザー様の声を聞き、UIUXを意識したビジネスデザインを行なっております。 テーマを決めて分析し、仮説を立ててビジネスデザインを行い、プロトタイピング、検証、フィードバックを受け、再度分析から始める。 この一連の流れを、アジャイルスクラム開発に精通した500名以上のエンジニアが高速で回していくことにより、最速でより良いものを実現していきます。 ハイブリッドテクノロジーズには市場の声を現実にするための仕組みとメンバーが揃っています。

システム開発の成功事例

システム開発での成功事例をご紹介します。

見守りサービス (株式会社otta)

詳しい情報は開発実績ページへ

サービス内容

位置情報履歴を、無料スマホアプリやメールを通じて保護者様に伝えるサービス

サービス上の課題/目指したいサービス

課題
共働き世帯や高齢者の増加など、社会構造の変化により、子どもや高齢者の見守りへのニーズが急速に高まっている。一方で、見守る方々の高齢化や地域コミュニティの変化により担い手は減少方向にあり、この需給ギャップを埋めるには、見守りの仕組みの生産性を大幅に向上させなければならない。

目指したいサービス
IoTを活用した見守りサービスのパイオニア企業として、見守り活動の生産性の飛躍的な向上に貢献するとともに、従来のサービスでは困難であった、多くの方々にご利用いただける料金体系を目指すこと。

クライアントの課題/要望

・追加開発体制のリソースが不足している
・既存ベンダーの開発チームと組み合わせながら、チームを構築したい
・事業状況に応じて柔軟にリソースを調整したい

当社を選択していただいた理由

キャピタル案件であり、HTからの投資次第で開発も頼みたいという理由から

当社ご提案内容

業界ラボ型（ストック）開発＋保守にて提案
toB向け見守り管理システム開発
・今後の基盤変更も意識しながら登園バス管理システムの管理画面を作成し、サービス展開をしていきたい
・今後の開発体制構築も視野に入れつつまずはスモールに体制を構築しつつ今後の足掛かりとしたい
リソース活用し柔軟に対応できることと、javaを中心に進めていたが、よりモダンな言語を基盤に開発を進めたいという要望に対し、得意分野であった。

学習履歴データの可視化システム(放送大学学園)

詳しい情報は開発実績ページへ

サービス内容

学習履歴データ可視化システムの開発

サービス上の課題/目指したいサービス

課題
オンライン授業システムのデータベースには多量の学習履歴データが蓄積されており、このデータを学内の担当者が活用できるよう整備し、学生指導のためのヒントとして、あるいは学生に受講を促すための情報源として活用したいという意向があった。

目指したいサービス
・学外に開示する「サービス」ではなく、学内担当者用の「ツール」であること
・コマンドラインで操作可能なツールであること
・追加機能の実装をできるようにすること

クライアントの課題/要望

・社内で開発体制を保持していないこと
・金額をミニマムに抑えながら安定的な運用を実現したい

当社を選択していただいた理由

充分に仕様を満たす提案内容と他社と比較して最も安価な金額で入札提示したため。

当社ご提案内容

学習履歴データベースとBIツールの開発
オンライン授業システムのデータベースに蓄積された学習履歴データを活用するにあたって、実運用されているDBの処理とバッティングしないように、MongoDBに格納する処理にて開発を進めました。またMongoDBにデータを格納する際、他データとの連携も考慮し、汎用的なExperienceAPIに準拠したデータ形式を採用しました。
個人情報の扱いにおいては、開発人員含め、学生の個人情報の漏洩を防ぐため、学生の識別子を匿名化しての実装を実施しました。

DocIT (株式会社ドキットメディカルサービス)

詳しい情報は開発実績ページへ

サービス内容

働き口を探す医療従事者と、働き手を求める病院をつなぐマッチングプラットフォーム

サービス上の課題/目指したいサービス

課題
高額な紹介料がネックとなりスポットで人が必要な際に苦心をする病院の課題解決

目指したいサービス
休日や長期出張の空き時間を有効活用したい医師と、長期連休などで一時的に人手が必要となる病院をマッチングすることで医師の働き方の多様化を実現するサービス

クライアントの課題/要望

・サービス構想はあるが、実現させる開発パートナーが必要
・上流工程からの開発サポートが必要

当社を選択していただいた理由

開発にあたってサービス設計から本開発まで、一緒に伴走し考えながら開発してくれるパートナーとして安心感を感じて頂き、当社を選ばれました。

当社ご提案内容

ラボ型（ストック）開発にて提案
1.医療求人の性質を鑑みた機能提案、システム設計・開発

本サービスでは失敗の許されない医療系求人を取り扱うため、求人マッチングをする前に信頼のできる医師・病院であることを確認できることが重要となります。 そこで、実際に求人マッチングした医師・病院による相互レビュー機能を実装することで、信憑性の高いレビュー情報を蓄積することを提案・実現しました。 また、求人マッチング前に病院担当者と直接チャット出来る機能も実装することでレビューでは分からない定性的な情報確認も可能としました。 アジャイルスクラム手法の開発を取り入れることにより、システム開発の進捗報告を実際に動くシステム画面をお見せしながらデモンストレーション形式で毎週行いました。

2.定期的なスプリントを繰り返し、顧客と一緒に品質を高めるプロセスにて進行

実際に動くシステムを毎週見ていただくことで、開発進捗についての安心感やお客様も気がついていなかった新たな改善点がを発見でき、それを修正して再度デモンストレーションを行いました。この一連の流れを回すことで、お客様の求めるものを高い品質でご提供しました。

3.デザインを用いた視覚的なアウトプットで、具体的なシステムイメージを共有

Webサービス開発に初めて挑戦するお客様のため、お客様が思い描くビジネスを実現するためのシステムイメージを具体化していくデザインサポートも担当。求人情報サービスという特性上、さまざまな情報要素が混在する中で、目に見える形でデザインを整理・提案し、お客様からのフィードバックを受け、再提案を繰り返すことで、よりユーザーにとっての最適なWebサービスのための設計・提案・実現を行いました。

THINK, Reviewers (株式会社スパイス ボックス)

https://www.spicebox.co.jp/

詳しい情報は開発実績ページへ

サービス内容

独自の「ソーシャルリスニング」手法をもって、企業と生活者の 間に生きたコミュニケーションを構築するサービス

サービス上の課題/目指したいサービス

課題
インフルエンサーの評価指標としてフォロワー数とエンゲージメント数が重要視されているケースが多いが、商品販売施策においては保存数が重視される。保存数を把握した上でインフルエンサーと企業のマッチングを行うプラットフォームが存在していなかったため、新たなサービスとしてスピード感を持ってサービス開発を行いたい。

目指したいサービス
・サービス名「THINK」：Twitter調査における既存システムの安定的かつ継続的な運用を維持しつつ、インフラコストを削減すること。
・サービス名「Reviewers」：インフルエンサーマーケティングで投稿保存数という指標を重要視するインフルエンサーマッチングプラットフォームの新規立ち上げをすること。

クライアントの課題/要望

・開発が発生した際に、都度RubyonRailsの対応人員を増やすのが難しい
・インフラ周りに強いメンバーがいない
・金額をミニマムに抑えながら安定的な運用を実現したい
・追加開発が発生した場合には、知見を維持した状態で取り組める体制がほしい

当社を選択していただいた理由

・開発リソースの柔軟性とインフラなど対応範囲の幅広さが先方ニーズにマッチしていたこと
・定常運用の際にもコストを抑えて対応できること

当社ご提案内容

受託型開発（フロー）にて提案
インフラ知見を持つディレクション人材をアサインメントすることで、インフラ周りの調整や業務対応にスピード感を持って対応できる体制を構築
インフラ/保守/開発を幅広く対応可能、かつ、コストミニマイズなオフショア体制をご提案しました。
ディレクション人材がインフラの知見を持ち、定常作業はベトナム側で行えるようにマニュアル化を行い、コストミニマイズしながらも幅広い知見を活かせる体制提案を行いました。 新規の開発が発生した際に、既存チームの知見を活かしながら適宜開発者を追加して、素早く開発を実行できる体制を実現しました。

その他システム開発事例

ハイブリッドテクノロジーズでは、その他にもモバイルアプリや業務用アプリケーションまで、多種多様な290社以上の制作実績がございます。
システム開発をご検討の方はぜひ一度お問い合わせください。

まとめ

AIのニーズは将来的にますます高まると予想され、さらに多くの企業が導入するようになると見込まれています。自社にAIを導入することで膨大な量のデータを短時間で分析できるようになり、業績拡大なども期待できるでしょう。

AIの開発を行う際は自社が抱えている課題を明らかにし、どのようなAIが必要なのか明確にしておく必要があります。外注する場合はAI利用の目的を開発会社に正しく伝えられなければ、想定していたような成果が出るAIが納品されないこともあるので注意しましょう。