トップ企業が機械学習をどのように使用するか

公開: 2022-03-11

過去1年以内に、機械学習マニアはビジネスの世界を席巻しました。半世紀前にこの用語を作り出したコンピューター科学者のArthurSamuelによると、機械学習は、大規模なデータセットとトレーニングアルゴリズムを使用して「コンピューターに明示的にプログラムせずに学習できるようにする」コンピューターサイエンスのサブフィールドとして定義されています。

多くの幹部は、機械学習がインターネットやパソコンと同じくらい重要なパラダイムシフトを証明するだろうという直感的な感覚を持っています。 PwCが実施した最近の調査によると、ビジネスリーダーの30％が、AIが5年以内に業界に最大の混乱をもたらすと考えていました。 2016年だけでも、50億ドルを超えるベンチャー資金が機械学習の新興企業に殺到しました。マッキンゼーグローバルインスティテュートは、機械学習には、パターン認識、自然言語の生成と理解、プロセスの最適化など、「多くの一般的な作業活動に幅広く適用できる」と述べています。

機械学習が今重要な理由

最近の誇大宣伝は、機械学習を適用したいセクターやステージ全体の組織の参入障壁を減らした3つの主要な開発によって推進されています。

より多くのデータとより安価なストレージ：クラウドベースのツールの台頭とAmazon Redshiftなどのサービスを介したデータの保存コストの急落は、ビジネスクリティカルなアプリケーションによってこれまで以上に多くのデータが日常的に生成および保存されることを意味します。
オープンソースライブラリ： GoogleのTensorFlowやscikit-learnなどの広く利用可能な機械学習ライブラリにより、データサイエンティストやジェネラリストソフトウェアエンジニアの幅広いユーザーが最先端のアルゴリズムにアクセスしやすくなります。
優れた馬力：機械学習用に最適化されたクラウドベースのプラットフォームとカスタムハードウェアの開発は、これらのアプリケーションをより高速かつ低コストで実行できることを意味し、さまざまなビジネスニーズへの適合性を高めます。

要約すると、機械学習に投資する説得力のある証拠があります。しかし、組織は実際にこのテクノロジーをどのように使用しているのでしょうか。企業が価値を創造し、コストを削減し、ROIを向上させるために、今日、機械学習はどのように展開されていますか？

この記事では、あらゆる規模の企業が機械学習を使用して、ユーザー獲得、カスタマーサポート、予測、不正防止、人事管理の5つの主要なビジネスケースに対処する方法を示すケーススタディを共有します。

1.ユーザー獲得

大まかに言えば、一般的な消費者または企業ビジネスの顧客獲得ファネルには3つの段階があります。顧客ベースをセグメント化してニーズを理解して対処し、適切なメッセージを適切なタイミングで提供し、製品のユーザーに変換します。

機械学習は、ユーザー獲得ファネル全体で、スタートアップ企業や大企業で広く使用されています。アマゾンはここでの重要な例です。2017年の株主への手紙の中で、CEOのジェフベゾスは、機械学習がユーザーの好みに基づいて製品や取引の推奨事項を強化することで、Amazon.comのエクスペリエンスに「表面下」で貢献する方法について述べています。ただし、ユーザーをセグメント化して関連商品を表示することは、最初のステップにすぎません。多くの小売業者は、機械学習を使用して、ブランド、コピー、プロモーションの価格をその場で調整し、特定の顧客の販売の可能性を最大化します。

企業の面では、Salesforceは最近Einsteinを立ち上げました。これは、CRMデータを調べて、特定の見込み客が売り込みから転向する可能性を高めるために調整された推奨事項を提供し、メールを送信する適切なタイミングを提案する製品です。

2.カスタマーサポート

もちろん、顧客を獲得することは最初のステップにすぎません。 eコマースであろうと企業であろうと、ユーザーを維持し、解約を制限するには、タイムリーで効果的なカスタマーサポートを提供する必要があります。

現在、数十のブランドが機械学習を利用してカスタマーサポートエクスペリエンスを向上させています。たとえば、ブラジルのスーパーマーケットOcadoは、Googleの機械学習APIを使用して、カスタマーサポートの問い合わせの感情を測定し、否定的な回答をサポートキューの先頭に移動するカスタムシステムを構築しました。その結果、Ocadoは緊急のメッセージに4倍速く応答し、中傷者になるリスクが高い顧客を取り戻す貴重な機会を生み出します。

最近では、会話型の「ボット」が、人間のオペレーターの助けを借りずにサポートリクエストをトリアージしています。マシンを利用した自然言語を使用して、返品ラベルの発行などの日常的なリクエストに対応できる最初の応答を提供しています。チャットボットは、サポートコストを最大30％削減するだけでなく、迅速に対応することで顧客満足度を高めることができ、理解力が向上するにつれて機能の範囲が広がります。米国の消費者の驚異的な44％が人間よりもチャットボットとのやり取りを好むため、機械学習に投資する消費者向けの企業には大きな利点があります。

3.予測

バックオフィスでは、さまざまな組織が機械学習を使用して、より堅牢で詳細かつ正確な予測モデルを構築し始めています。

2016年、ウォルマートはデータサイエンス採用プラットフォームKaggleでコンテストを開催し、45店舗の履歴データを使用して、各店舗の部門別の売上を予測するモデルを構築するよう申請者に求めました。保険大手のAIGは、クレームを予測し、結果を予測する会社の能力を向上させることを目的として、機械学習モデルを構築するために125人のデータサイエンスチームを編成しました。

世界的なアイウェアコングロマリットであるLuxotticaでさえ、機械学習を予測需要に活用しています。毎年2000の新しいスタイルをコレクションに追加し、機械学習と過去の発売のデータを使用して販売実績を予測しています。

4.セキュリティと不正の検出

2016年、詐欺は平均的なeコマース小売業者に総収益の7％以上の損失をもたらしました。不正管理の従業員の給与、チャージバック、および誤検知のために拒否された正当な取引はすべて、この費用の原因となります。

機械学習は、何百万ものトランザクションをリアルタイムでインテリジェントに監視し、不正による無駄を減らす強力なツールとしての可能性を発揮し始めています。 PayPalはこの分野のリーダーです。彼らは、オープンソースツールと膨大なトランザクションデータを使用して、人工知能エンジンをゼロから構築し、古い不正モデルによって生成される誤警報の数を減らすことを主な目標としています。

人間はまだモデルを訓練し、曖昧さを整理するためのループにいますが、最初の結果は驚くべきものでした。新しいモデルを実装して以来、PayPalは偽陽性率を半分に減らしました。ホワイトグローブソリューションを求める企業の場合、Sift Scienceのような新興企業は、企業のデータを消費し、企業顧客のネットワーク全体から不正信号を適用して、詐欺師の最新技術を迅速に捕らえることができます。

5.人事管理

質の高い人材の採用、管理、維持は、すべてのビジネス能力の根源です。採用で最も厄介な部分の1つは、数百または数千の履歴書をフィルタリングして、面接の候補リストを作成することです。採用担当者の半数以上が、これが彼らの仕事の最も難しい部分であると述べています。この問題は、アディダスやメイシーズなどの企業が過去に採用マネージャーが下した決定に基づいて履歴書をフィルタリングするために使用する候補者管理システムを作成するRestlessBanditなどのスタートアップによって対処されています。

重要なのは、これらのアルゴリズムをトレーニングして、無意識の人間の偏見を無視し、仕事の説明で偏った言語にフラグを立てることさえできるということです。つまり、機械学習は、最初のパスで人間の採用担当者が見落とす可能性のある、パフォーマンスが高く多様な候補者を特定できる可能性があります。保持の面では、機械学習は優れたマネージャーのメンターシップを強化し、同様のプロファイルを持つ過去の従業員に基づいて、具体的で偏りのないキャリアアドバイスを生成することにより、従業員のパフォーマンスを向上させることができます。

米国の消費者の驚異的な44％が人間よりもチャットボットとのやり取りを好むため、機械学習に投資する消費者向けの企業には大きな利点があります。

機械学習の影響が大きくなる

この記事では、機械学習がさまざまな組織に直接かつ即時の価値を生み出すことができる最も重要な方法のいくつかを確認しました。機械学習をある種の企業の万能薬と見なすのは間違いです。最終的に、機械学習システムのパフォーマンスは、トレーニングされたデータと同じくらい優れており、企業の重要な決定は、多くの場合、「エッジケース」です。評価するには、人間の判断と逸話的な経験の測定が必要です。

経営幹部は、機械学習の抽象的な可能性に目がくらむのではなく、コアビジネスの課題を検討し、機械学習の主要な機能である大量のデータから意味と意味を引き出すことで、このテクノロジーに投資するという問題に取り組む必要があります。。上記のケーススタディの多様性を考えると、機械学習技術が役立つ可能性は予想よりも高い可能性があります。