いくつかの AI プロジェクトに関わり、AI サプライヤとしての大企業やベンチャーとお付き合いする中で、調整に苦慮する機会を多く体験しています。
業務システムとして組込む AI 自体の設計や性能は、ある程度満足出来る領域に達しているにも関わらず、その周辺の仕組みと合体する際に大きなギャップが生じることが少なからずあります。
例えば、画像解析を行うディープラーニングは、PoC レベルでは素晴らしく性能を発揮するのですが、PoB で実システムに展開するや否や、動的なインタフェース部分で、周辺機器との間で新たな開発要素が出てきたり、チューニングに関わる経費が大きくなってしまったり…
AI 大企業は、人件費やライセンスフィーが非常に高く、費用対効果が出難くなったり、AI ベンチャーは、体力的に PoB についてこれなかったりで、帯に短し襷に長しな状況になりがちです。
日本の AI ビジネスを展開している IT 企業の問題は、ユーザから見て、AI の思想とは真逆の手作り感が強く、AI 開発費用を早く回収したい、ただでさえ少ないデータサイエンティストを一部のユーザにしか展開出来ないという点にユーザの不満が出てきます。
ここに無理があると、プロジェクトそのものが失敗したりしてしまうために、PoC が上手く行っても、PoB で頓挫してしまうことは、ユーザよりもサプライヤ側の AI 業者に大きなリスクとなってしまうため、ベンダー、ユーザが、疑心暗鬼な状態になることで、調整役が苦脳してしまうという現状です。
PoB を突破出来れば、ユーザ、ベンダともに、Win-Win になりそうなんですが、今は、あるユーザの成功例を横展開するようなビジネスフェーズかなと思っています。
