Turn Your Data into Knowledge
AIの能力が高まるほど、企業にとって重要になるのは、より高性能なAIモデルを選ぶことだけではありません。
AIが企業の実務で的確に判断するためには、その企業固有の顧客、製品、技術、設備、業務、過去の経験についての情報が必要です。
これらはすでに企業内に存在しています。
データベースには数値や取引記録があり、文書には技術や業務の知識があり、問い合わせ、商談記録、報告書、議事録などには日々の経験が蓄積されています。
問題は、それらがAIの判断に利用できる形で組織化されていないことです。
機械学習とAIをつなぐ
機械学習とデータマイニングは、AIエージェント以前から企業で利用されてきました。
顧客データから顧客セグメントを発見する。製造データから品質に関係するパターンを見つける。市場データから事業機会を探索する。
生成AIの登場によって、この役割がなくなったわけではありません。
むしろ、機械学習によって企業データから得られたパターン、状態、類型、過去事例をAIエージェントの判断材料として利用できるようになりました。
さらにLLMと埋め込み技術によって、従来扱うことが難しかった自然言語テキストも機械学習の対象に含められるようになっています。
機械学習
→ ビジネス・コンテキスト
→ AI
マインドウエア総研は、この接続に注目しています。
概念形成というアプローチ
私たちは、機械学習のあらゆる領域を網羅しようとは考えていません。
長年取り組んできたのは、多数の観測データから、その背後にある構造を見つけることです。
データによって、得られるものは異なります。
顧客データなら顧客セグメント。
製造データなら製造状態。
商談履歴なら商談パターン。
市場・技術情報なら事業戦略ドメイン。
製品・顧客ニーズ・技術情報なら新製品コンセプト。
これらは、人間があらかじめすべての分類を決めるのではなく、蓄積されたデータから形成することができます。
マインドウエア総研では、この考え方を概念形成アプローチとして研究・開発しています。
データから、継続的に使える知識へ
分析は、一度レポートを作って終了する必要はありません。
過去のデータから形成したパターンに、新しい案件、問い合わせ、工程状態、市場情報などを継続的に照合すれば、
- 過去のどのパターンに近いのか
- 類似する過去事例は何か
- これまでになかった新しい事象なのか
- 時間とともにどのような変化が起きているのか
を判断する基盤として利用できます。
これは企業に蓄積された経験を、将来の判断に再利用することでもあります。
企業固有の知識は企業側に残す
AIモデルやクラウドサービスは今後も変化していきます。
一方、企業が長年蓄積してきた顧客理解、技術、業務経験、過去の判断、成功や失敗のパターンは、その企業自身の資産です。
こうした知識や経験を特定のAIモデルだけに依存させず、企業側で保持し、必要に応じて異なるAIから利用できるようにすることには長期的な価値があります。
それは、企業がAIを利用しながらも、自社固有の知識と判断基盤を自ら保持し続けることにつながります。
マインドウエア総研は、機械学習、概念形成、ナレッジベースとAIを組み合わせることによって、そのための実用的な技術基盤を構築していきます。