DX時代が到来しましたが、*DXに関してはさまざまな誤解や混乱があります*。ここでは、ITエンジニアの皆さんがDXに関する認識を改め、**DXを自身の成長と活躍にどう生かせば良いのか、AIとの関連も交えて**探っていきます。

*DX（デジタルトランスフォーメーション）*は最早、流行語ではなくなり、一般社会にすっかり定着してきました。経営層が株主総会などで、企業の重点取組事項に「DX推進」を掲げる事例も増えています。また、企業によっては「DX推進部」などの専門部署を設け、DX化に注力する姿勢を示しているところも少なくありません。

DX推進組織を作るのは間違いではないのですが、*経営者が「DX=デジタル化」「DX=AI導入」といった誤解を払拭しないまま進めている企業もあり、一部でDXの失敗や混乱の原因*となっています。

**DXはデジタルの力を借りて、企業の競争力を高めることです。デジタル化が目的ではありません**。ここを見誤ると、DX推進に失敗します。ここはITエンジニアとしても押さえておきたいところです。

### DXは組織変革、デジタルによる業務改革

**DXの目的は大きく変化する社会環境やビジネス環境に対応し、強い経営を目指すこと**です。社会が大きく変わっている以上、仕事のやり方を変え、組織も変わらなくてはなりません。

コロナ禍で在宅ワーク・テレワークが推奨されましたが、DXに取組み、リモート会議やテレワークにコロナ禍の前から取り組んでいた企業は直ちに対応できました。一方、DXを単なるデジタル化と捉えた企業は、仕事のやり方も組織変革も行わず、ただ単にAIなどの最新技術を導入しただけで終わっています。*企業そのものが変わらなければ、DXとは呼べません*。

*DXの推進には3段階*があります。もちろんデジタル化は必須ですが、**DX実現に至るまでに「デジタイゼーション（Digitization）」と「デジタライゼーション（Digitalization）」の2つの段階を経る必要があります**。

*従来アナログで行っていた業務をデジタル化すること*です。例えば、稟議書や申請書など、紙ベースで行っていたものをペーパーレスにしたり、電話や書類で行っていたコミュニケーションをメールやLINEに切り替えたりといったものが該当します。

*デジタル化によって生成・蓄積されたデータを活用し、業務全体を効率化すること*などを指します。DXは最初にデジタイゼーションを進め、デジタライゼーションに移行が完了していることがその前提なのです。

この2つのステップを飛ばしてDXに取り組むのは、体力づくや準備運動を飛ばしていきなりプールに飛び込むようなものです。*DXは最新技術を取り入れることだけではなく、人や組織が変わっていなければ、絵に描いた餅で終わってしまう*リスクがあります。

以上2つのステップを経て、初めてDXのステップに至ることができるということを認識しておく必要があります。

DX推進において、よくあるのが**「DX=AI」という誤解**です。では、AIとは何なのでしょう？*AIを導入すると何が変わる*のでしょうか？

AIの定義は完全に定まっているわけではありませんが、*AIとは"Artificial Intelligence"の略語で、人工知能と訳されています*。AIとコンピューターの違いは、**AIには「学習・推論・判断」といった機能が備わっている**点です。そこで、人の作業をAIが行うことが可能となり、しかも24時間365日、AIは不眠不休で働き続けることができる点が強みです。

AIの進化は目を見張るものがあり、実際に一部の仕事はAIに置き換わっています。AI技術を駆使した無人店舗が登場したり、AIを搭載したコンシェルジュがお客の案内を行ったり、**少しずつ人間の仕事がAIやAIを搭載したロボットによって置き換わっています**。タクシー運転手の仕事も自動運転技術の発達によって無くなっていくと言われています。

一方で、*AIが進展することで生まれる仕事*もあります。AIを開発したり、管理する仕事です。データサイエンティスト、AIエンジニアは益々需要が高まるでしょう。

資格がものを言う、税理士や公認会計士の仕事も将来は無くなるかもしれません。弁護士の仕事もAIがかなりの部分を肩代わりするかもしれません。ただし、*AIは人の仕事を奪うのではなく、人の仕事を手助けし、分業を図りながら共存する関係*へと進化していくでしょう。

さて、先ほども少し触れましたが、DXとAIを混同している人がいると述べました。では実際のところ、*DXとAIは何が違うのか*を見ていきましょう。

### AIはDXを進める上での1つの手段

AIやRPAなどの最新デジタル技術を単に導入しただけではDXの実現はできません。先ほど述べた通り、*DXに到達するためには「デジタイゼーション」と「デジタライゼーション」というステップを踏む必要*があります。

DX実現には、これらのステップを踏みながら、併せてAIをDX実現に向けた1つの手段として、*AIをどう活用するのかという戦略*が必要です。すなわち、**組織変革、ビジネス革新がDXの目的であるのに対し、AIはあくまでもそれらを実現するための手段**だということなのです。ここを見誤ると、DXは失敗します。

ここでRPAという言葉が登場しました。**AIとRPAは同列で扱われることがありますが、それぞれ概念は異なります**。その違いを確認しておきましょう。

*RPAは"Robotic Process Automation"の略語*で、コンピューター上で行われている処理や作業を人に代って自動化する技術のことです。**RPAによって人間が繰り返し行うような定常的業務の自動化が図れる**ことから、*RPAはデジタルレイバー（仮想知的労働者）*とも呼ばれます。

AIには「学習・推論・判断」といった機能が備わり、人の脳と同じような働きを持っています。一方、RPAは作業などの指示をされた事は行いますが、「学習・推論・判断」は行えません。

RPAはあくまでも人が教えた通りに動きますが、*RPAをAIと組み合わせることで、AIが人の代わりに判断と指示を行い、その指示に従ってRPAが作業をすることで、高度な自動化を実現する*ことができます。例えば、自動運転自動車などがその例です。

ただし、あくまでもAIはコンピューターであるため、トラブルやハッキングのリスクはあります。緊急時の対応を誰が行うのか、イレギュラー時の対応や法制度面の整備など、実用化に向けた解決すべき課題が残されています。

ここまでDXとAIを題材にして、ITエンジニアとしてDXについて知っておきたいことを述べてきました。DXの重要性はよく理解頂いたと思いますが、皆さん方が**DX人材と活躍する上で何が必要なのか**について、*DXに求められる人材像*から探っていきたいと思います。

*DX推進に必要な人材について、独立行政法人情報処理推進機（IPA）が、6つの職種を示しています*。これはアンケート調査によって洗い出したものですが、以下参考まで載せておきましょう。

「DXやデジタルビジネス」の実現を主導できるリーダー格の人材

「DXやデジタルビジネス」の企画や立案・推進等を担える人材

「DXやデジタルビジネス」に関するシステムの設計ができる人材

*4.データサイエンティスト／AIエンジニア：*

「DXに関するデジタル技術」AI・IoT等に強く、データ解析にも精通した人材

「DXやデジタルビジネス」に関するユーザー向けのシステムデザインを担当できる人材

上記以外のデジタルシステムの実装、インフラ構築等を担える人材

*参考:[デジタル・トランスフォーメーション推進人材の機能と役割のあり方に関する調査～調査結果サマリ～](https://www.ipa.go.jp/files/000073017.pdf)*

以上、IPAのレポートからDX推進に必要な人材像を挙げてみましたが、デジタル技術の活用などによって企業の優位性を確保するためには、*幅広いスキルを有する人材の必要性*がお分かり頂けたかと思います。

DXを推進していく人材には、**基礎的なIT知識から始まり、データの利活用に関する理解、UI・UX志向などのさまざまなスキルが必要**であり、自ら積極的にそうしたスキルの習得を目指す必要があります。

**DX人材になる最大のメリットは、活躍の場が広がりや収入アップが期待できる点**です。また、DX人材を目指すことによって*スキルアップやキャリアアップ*を図ることができます。

DX人材は引く手あまたであり、職探しで困ることはないでしょう。そして、*DX開発・DX推進で得たノウハウやスキルは必ずその後の仕事にも活かせます*。組織変革や新製品・新サービスの開発にまで関われ、ITという枠を越えて活躍機会が広がります。日本はDX推進によって、世界のトップグループへの返り咲きを目指します。この*国策ともいうべきDXに、1人でも多くのITエンジニアの皆さんが参画*されることを期待しています。

<br/>
<center>[【関連情報】「AI面接とは? 求職者・企業のメリット・デメリット、AI面接の対策を解説 
｜CANVAS」](https://mynavi-agent.jp/dainishinsotsu/canvas/2024/09/post-1358.html)</center>

2018年に日本経済の再生に向けて経済産業省が提唱したDXですが、その広がりと共に誤解や混乱が生まれています。AIの導入がDXという誤解もあり、正しい理解がDXの推進には重要です。ここでは、DXの目的、DX実現の手段であるAIについて解説していきます。

DXはデジタルの力を借りて、企業の競争力を高めることであり、デジタル化は目的ではない

DXによる組織変革、ビジネス革新がDXの目的であるのに対し、AIはあくまでもそれらを実現するための手段

DX人材は基礎的なIT知識から始まり、データの利活用に関する理解、UI・UX志向などのさまざまなスキルが必要

DXにAIは必要な要素であるが、AI導入はDX推進とイコールではない

最近**RPAとAIという言葉をよく耳にし、両者を混同している人もいますが、両者は明らかに異なる**ものです。ここでは、RPAとAIの特徴や違い、メリットやデメリットを考察しながら、RPAとAIについて掘り下げます。

### RPAとは業務自動化ツールのこと

RPAはRobotic Process Automationの略語で、一言で表すと**「人の代わりに仕事をしてくれる自動化ツールのこと」**です。*RPAは'デジタルレイバー'（Digital Labor）や'仮想知的労働者'と表現されるケースもあります*。

*・手順が決まっている定型業務*

*・反復して行うルーティンワーク*

などで、主にはPC上で行う事務作業分野での利用が進んでいます。

RPAを機械のロボットをイメージしてしまいがちですが、*RPAは広義の意味でのロボット*です。

また、RPAはよくExcelマクロと対比されがちですが、マクロはExcel上で動作し、Excelの制約を受けるため、どうしても処理できる量には制限があります。一方、RPAはPCやサーバー上で動作するため、マシンスペックによっては*高速で大量の処理*を行うことが可能です。

RPAは2020年の総務省調査*:[AI・RPAの利用推進について](https://www.soumu.go.jp/main_content/000724615.pdf)*によると、地方自治体の68%が導入済であり、**RPAは導入しやすく、効果を得やすいツール**だということが分かります。以下、そのRPAのメリットを列挙してみましょう。

RPAはツールの利用が一般的ですが、単純作業や反復作業をRPAツールに覚え込ませると、*人の処理速度の10倍以上のスピードで業務を処理*します。しかも、*年中無休、休むことも退職することもないため、業務に掛かるコストを大きく削減*できます。

RPAは*決められたことを決められた通り行うため、判断ミスや誤入力を防げます*。また、長時間の作業も可能であり、さらに結果の検証まで自動で行うことが可能ですので、仕事の精度が上がります。

単純作業をRPAに置き換えることで、人はより高度な判断業務、営業活動などに時間を割くことができます。結果、*仕事の質が上がり、全体の生産性を高めることが可能です*。

RPAにはデメリットと言えるほどのものはありませんが、強いてあげるならば、以下の2つがあります。

*1.属人化してしまうと失敗する*

RPAに仕事を教え込むのは人間です。その人が退職した場合、何か問題が起きた時に対処するのに時間が掛かります。RPAを利用する場合は、そうした事態を想定して、業務マニュアルの作成や引継ぎをきちんと行っておかなければなりません。

*2.業務の変更に柔軟に対応できない*

業務の自動化は大変便利で、メリットも多いのですが、一方で業務がブラックボックス化するリスクがあります。運用変更の際に、業務が見えないために、RPAが記録した業務の変更に手間取ります。RPAを導入する場合は、今の仕事のやり方がベストなのかどうか、今後変更する可能性がないのかについてよく確認しておく必要があります。

RPAについての理解は整理できたでしょうか？続いてAIについて見ていきましょう。ここでは、*AIの概念*について再認識をしてください。

AIは日々進化しており、その定義はまだ定まっていませんが、*大まかな定義としては、AIは人工知能のことです*。AIはコンピューターですが、単なるコンピューターとAIの違いは、**「学習・推論・判断」といった機能が備わっているか否かの違い**です。

AIはコンピューターにはできない学習・推論・判断を行えるため、*人の作業や思考を肩代わりすることが可能*です。またAIには感情がありませんが、24時間365日不眠不休で働ける点は人には真似ができないことです。

AIのメリットを以下に挙げます。RPAのメリットと対比させながら読み進めてください。

*1.肩代わりできる人の仕事の範囲が広い*

AIはRPAと同様に、単純作業・反復作業を行うのは得意ですが、**自分で学習してスキルを高めること、推論すること、そして判断が行えるため、かなりの人の仕事を肩代わりすることが可能**になります。

AIは膨大な量のデータを収集して分析したり予測したりすることに長けています。*ビッグデータ解析*と呼ばれるものは、まさにこれです。この*分析や予測の能力は人を上回っており、経営やマーケティングなどで大いに役立っています*。コロナ禍での人出の解析などもAIが行っています。

*iPhoneのSiriなどはまさにAI*です。Siriは人の言葉を理解して必要な情報を集めてくれますが、このような形で*AIはすでに私たちの生活に入り込み、私たちの生活とAIは切っても切れない関係*になっているのです。

以上のように大変便利なAIですが、*AIにも解決すべき問題、すなわちデメリット*があります。

研究開発中の自動運転技術にAIが搭載されていますが、車の自動運転で事故が生じた場合に、その**責任の所在が不明確**です。AIと人の責任の分界点を明確にしていく必要があります。

*2.AIの思考プロセスがブラックボックス化する*

AIは自己学習しながら思考の精度を上げていくため、*思考のプロセスは学習とともにブラックスボックス化していきます*。AIの思考をモニタリングしたり、解析できるような仕組みを併せて用意しておく必要があります。

以上、RPAとAIの特徴やメリット、デメリットを述べてきました。その違いは理解されたと思いますが、*両者の違いについて改めて整理*しておきましょう。

### RPAとAIの違いは手足と頭脳の違い

RPAは人が定めた業務のルールを教え込むと、教えられた通りに動きます。1度設定したタスクは何度も繰り返して実行でき、迅速にルーティンワークを正確にこなすことができます。**RPAとは、人が行っていた手作業を代替するツール**と言っても良いでしょう。

*人体の部分で言えば、脳からの指令に従って動く手や足と同じ*です。

一方のAIは、人に代わってRPAなどのツールに指示をすることができます。さらに、AIは学習や判断ができるため、業務フローの見直し・改善を提案することもできます。

以上の通り、RPAは人の作業を行う手足であるのに対し、**AIは人で言えば「頭脳」に当たる**といえます。

では、AI搭載のOCRはRPAでしょうか？OCRそのものが自動的に書類を読み取ってデータに変換するのであれば、AI-OCRはRPAと言えます。

**人の手足に相当するRPAと脳に当たるAIを組合わせることで、かなり人間に近い動きをさせることが可能**となります。

現在、*多くの企業で事務作業を中心に導入されているRPAは「クラス1」とも呼ばれる簡易的なもの*です。

*クラス2（別名EPA:Enhanced Process Automation）*になると、AIの機能を取り入れ、非定型作業の自動化・言語解析・画像解析・音声解析・マシーンラーニング技術などに機能がアップします。iPhoneのSiriなどは、クラス2のRPAと言えるでしょう。

さらに、*クラス3（別名CA:Cognitive Automation）*になると、高度のAIとRPAが融合し、ブロセス分析・改善・意思決定までを自ら行えるようになります。

クレジットカードの新規申し込みで、免許証写真とスマホの入力情報を対話型のAIで収集し、そのデータを自動審査（信用情報と自動突合）に廻して、自動的にクレジットカードを発行するといったRPAが実用化しています。このような、*ほぼ無人でクレジットカード発行を行っている事例*があります。*金融業界では、急速にAIとRPAを連携させて自動化が広がっています*。

最終的な承認行為は人が行いますが、それ以外はほぼ自動化され、人的業務の大幅な改善とスピードアップを実現しています。**経理業務・コールセンター業務・コンシェルジュ業務も大半はAIとRPAで対応できるようになってきており、今後急速にRPAに業務が移行していくことでしょう**。

## AI時代を迎えて、エンジニアとしてさらなる活躍を目指そう

最後に、*RPAエンジニアの仕事とAIエンジニアの仕事の内容について紹介*します。

*RPAは、定例業務を代替するロボットソフト*です。企業がRPAを導入する上で、何を・どの範囲で自動化するのか・RPAが行った作業の結果を誰が確認し、承認するのかといったワークフローや役割分担などを新たに決める必要があります。また、RPAに任せられる仕事か否かについても判断が必要です。

**RPAコンサルティングは、RPA導入希望の企業に対して、ヒアリング・提案・見積もりなどを行う仕事**です。

**RPAツールやRPAアプリケーションの設計・開発・保守・運用を行うのが、RPAエンジニアの仕事**です。

RPAの構築においては、よく知られたWinActorなどのRPAツールを利用したシナリオ設計、製造に加えて、RPAの主要開発言語である*VB.NETやVBScript*などを用いたRPAの機能拡張を行います。

機械学習エンジニアは、**主にプログラミングを担当するAIエンジニアで、プロジェクトに応じて機械学習システムの開発や、プログラムの実装を担当**します。プログラミング言語としては、*汎用的プログラム言語のPython（パイソン）*の知識や経験が求められます。

データサイエンティストは、AIエンジニアの中でも**アナリティクス分野を担当するエンジニア**です。

ビッグデータの解析・分析・得られた結果からビジネス改善の提案や、施策立案を行います。*AIに関する知見に加え、データ分析のプログラミング能力・統計学・問題解決を図れるコンサルティング能力なども求められます*。

機械学習エンジニアの役割に加えて、次の*データアナリストとしての役割を持ち合わせていること*が求められます。

データアナリストも、データサイエンティストと同じくアナリティクス分野を担当するAIエンジニアです。

データサイエンティストと重なる部分もありますが、**よりデータ分析に特化したエンジニア**です。

ユーザー動向や将来に想定されるユーザーニーズなどを分析し、仮説の検証を行いながら、*問題解決やサービスの改善の提案を行うのが主な仕事*です。

### RPAとAIに強いエンジニアを目指そう

RPAとAIについて解説してきましたが、興味は湧いたでしょうか？*RPAエンジニアもAIエンジニアも*、どちらもこれから非常に有望な職種です。それぞれの仕事の内容を理解し、自身の適性や興味を勘案し、ぜひあなたのキャリアパスに含めてみてください。

RPAの急速な普及と併せてAIが注目されていますが、RPAとAIは異なるものです。しかし、RPAとAIを連携させることで、人の仕事の多くを代替させることが可能になってきました。AI時代の到来に対応できるエンジニアを目指し、RPAとAIへの理解を深めましょう。

RPAは人の代わりに仕事をしてくれる自動化ツールのことで、人の体で例えると手足である

AIは学習・推論・判断といった機能が備わった人工知能で、人の体では脳に当たる

ITエンジニアはRPAやAIへの理解を深め、AI時代に活躍できるエンジニアを目指すことをおすすめする

RPAとAIの違いを理解し、エンジニアとしてのスキルアップを図ろう

AIは人間を超える存在になるという見方があります。2045年にはシンギュラリティが訪れ、人間の仕事の多くはAIに代替されるという意見もあります。しかし、AIは万能ではありません。AIには「できること」「できないこと」があります。

もちろん、AI技術の発展により、AIができることは増えていますが、元々AIには苦手な領域があります。*そういったことを正しく理解して、AIの開発や活用を考えていくべきでしょう。*この記事では、AIができること、できないことにフォーカスして解説していきます。

AIエンジニアを目指す方、AIのビジネス活用を検討されている方の参考になれば幸いです。

AIとは、Artificial Intelligenceの略語で、人工知能と訳されています。**AIは人の知的能力を模倣した技術を意味し、 データを分析して推論したり、判断を行ったり、最適化の提案、課題の定義や解決を行ったり、自ら学習を行ったりできます。**

AIには機械学習が必須ですが、機械学習とは人が行う「学習」と同様の仕組みをコンピュータで実現します。機械学習では、読み取ったデータから見出したパターンやルールなどを新たなデータに当てはめ、データの識別や、未来予測を行うことができます。

機械学習の1つの手法であるディープラーニングでは、人の脳の神経回路構造を模した数理モデルであるニューラルネットワークを利用して、人間が学習しているのと同じようにコンピュータが学習を行います。

今さら聞けない人工知能（AI）の基礎知識｜AI開発の基本を解説！

エンジニアなら知っておくべき！機械学習とディープラーニングの違いとは？

### AIを機能で分けると2つの種類がある

**AIの種類は、機能的な視点から「特化型AI」と「汎用型AI」の2つに分かれます。**ここでは、特化型AIと汎用型AIの違いについて解説します。

【参考】：[人工知能技術戦略会議（ 第6 回）｜内閣府](https://www8.cao.go.jp/cstp/tyousakai/jinkochino/6kai/sanko1.pdf)

*■ 汎用型AI（AGI）とは*
汎用型AIとは、AGI（Artificial General Intelligence）とも呼ばれ、特化型AIのように役割が限定されておらず、同時に様々な役割を担えるAIシステムです。人と同じような思考回路を持ち、自ら判断することができるAIです。

AIの概念が登場した頃は、AGIの実現は困難だという意見が多勢でしたが、ディープラーニング技術の登場によって、その実現性が一気に高まっています。今話題のChatGPTきはAGIの先駆け的な存在ですが、まだ現段階では優れた学習能力と自然言語処理能力を持つソフトのレベルに留まっています。

*■ 特化型AI（ANI）とは*
私たちが普段AIと呼んでいるのは特化型AIという種類です。ANI（Artificial Narrow Intelligence）とも呼ばれ、ある特定の分野や領域に特化したAIのことです。特化型AIは最初から役割が決められており、限定された範囲内で動作したり、処理を行ったりするシステムのことを意味します。

特化型AIの例としては、1人1人の顔を見分けて防犯に活かす顔認識システム、ヘルプデスクなどで活用されているチャットボット、自動車の自動運転システムなどがあります。このように、特定のタスクでは人間を上回るパフォーマンスを発揮しますが、感性や思考といった面では人間を超えることはできていません。

AIは既に様々な分野に導入され、成果をあげています。ここではAIができること、得意なことについて一覧で紹介していきます。

**音声認識とはAIが人の言葉を音声として認識し、さらにテキスト化する技術のことです。**単にテキスト入力の代替というだけではなく、AIが人の言葉を理解することで、コンピュータと人との会話を実現することができます。

音声によって動作するスマートスピーカー、コールセンターに導入されているボイスアシスタントなどがあり、すでに実用化されている機能です。

**画像認識とは、画像として映っている人、モノ、景色などを認識する技術のことです。**画像に映っているものが何であるのかを解析します。

画像認識はパターン認識技術の1種であり、最近ではディープラーニング（深層学習）によって、さらにその精度が向上しています。セキュリティシステムでの活用や、性別や年齢判別などのマーケティング領域でも活用が進んでいます。

**自然言語処理（NLP）は、人が日常的に使用している自然言語をコンピュータに認識させ、処理させるための一連の技術のことです。**コンピュータに「言葉」を教える分野であるともいわれています。

最近では高精度な翻訳ツール「DeepL」が登場したことや、Googleの検索エンジン精度が向上したことで、コンピュータが長文の文章でも正確に処理ができるようになっています。ChatGPTやスマホの音声アシスタント機能にはまさに、この自然言語処理技術が使われています。

自然言語処理とは？注目される理由やできることをわかりやすく解説

工場などでは昔から機械による制御が行われていましたが、近年は自動車、センサーなどの制御に「機械制御AI」が活用されることで、AIがデータを学習しながら、より最適な制御を行うことができるようになっています。

**AIは単に決められた制御を行うだけではなく、制御を繰り返し行いながら、そこから得られたデータを用いて学習を続け、時間とともにより高精度な制御が実現されるようになっていきます。**

異常検知は製造・生産などの現場で、機械や設備などを監視し、停止や故障の前に何らかの異常を検知して、トラブルの発生前に警告を発したり、予防保守を促したりします。

これまでは異常検知は人の目視や経験、勘に頼っているケースが多くありましたが、**積み上げられた故障データ、稼働データなどを機械学習することで、AIによる異常検知を実現しています。**これによって、有人監視を減らし人の負荷を減らすとともに、故障率の低減にも役立っています。

**AIの未来予測とは、収集した大量の過去データを解析し、そこから予測することで予測制度を高める技術です。**「ビッグデータ解析」とも呼ばれ、近年様々な分野で注目を浴びています。AIの未来予測では、製品の需要予測、売上予測などで実際に活用されています。

天気予報の精度が上がっているのも、AIの未来予測技術が用いられているからです。このAIによる未来予測はあらゆる分野で導入が始まっており、例えば高速道路の渋滞予測や感染症の感染予測など、私たちが日頃目にしているものも少なくありません。

AIは既に私たちの身の回りでも活用されており、私たち自身も既にAIを用いたサービスや製品を利用しています。ここではAIの活用事例について一部紹介します。意外な活用方法、面白い活用策をぜひ確認してみてください。

【参考】：[自治体におけるAI活用・導入ガイドブック｜総務省](https://www.soumu.go.jp/main_content/000820109.pdf)
【参考】：[中小企業のＡＩ活用促進について｜経済産業省](https://www.meti.go.jp/policy/it_policy/jinzai/AIutilization.html)

### 音声入力により看護記録の入力効率化

聖マリアンナ医科大学病院では、看護師による看護記録の入力をタイピングから音声入力に切り替えました。*その結果、記録スピードは約4.5倍に向上し、時間外労働は半減、患者に対する直接ケア時間が4.6%増えたという成果に繋がっています。*

【参考】：[ICT や IoT 等を活用した働き方　P12~17｜厚生労働省](https://www.mhlw.go.jp/content/12602000/000727855.pdf#page=44)

### AI活用による住民サービスの充実

岡山県和気町では住民からの相談、問い合わせに対する各担当職員による直接応対に加え、*チャットボットを用いて、24時間いつでも、どこからでも問い合わせに対応する体制を構築しました。*

その結果、問い合わせ担当窓口ごとに分かれていた情報を一元化し、利用者が簡単に必要な情報を入手することができるようになり、住民サービスの向上にもつながっています。

【参考】：[地方自治体におけるAI・ロボティクスの活用事例  P4｜総務省](https://www.soumu.go.jp/main_content/000595981.pdf)

AIはDX推進の一環として導入されるケースが少なくありませんが、*不二家では赤字事業の洋菓子部門から、需要予測にAIを活用しています。*

AIによって商品ごとの需要予測の精度を高め、欠品による売上損失を減らし、また過剰製造による廃棄ロスを減らして、売上や利益を向上させるとともに、従業員のモチベーションアップなどの副次効果も得られています。

【参考】：[きっかけはAI導入、不二家など3社の事例から学ぶDX戦略の極意とは？｜マイナビニュース](https://news.mynavi.jp/techplus/article/20211013-2124552/)

DX推進が捗らない企業が、喉から手が出るくらいに欲しいIТ人材とは

ここまでAIができることや活用事例を挙げてきましたが、*AIは決して万能ではありません。AIのできないこと、苦手なことを理解した上で、AIの有効活用を図っていくことが重要です。*

人間は相手の表情、目の動き、声のトーンなどから相手の感情を理解することができます。一方、AIはあくまでも人の言葉をテキストとして認識するため、感情や心理を読み取ることは苦手です。

**AIの学習能力を高めることで、ある程度人の感情を理解できるようになるかもしれませんが、感情の理解という面では人間には及びません。**しかし、最新のAI技術を駆使して「感情認識AI」が研究開発されています。これが実用化されれば、さらにAIと人とのコミュニケーションが円滑化するでしょう。

【参考】：[道徳感情数理工学｜東京大学](http://meome.t.u-tokyo.ac.jp/)

基本的にAIは膨大なデータを学習することで、それらのデータから導き出したパターンや結論などから行動します。従って、**AIがレポートをまとめたり、ブログや小説を書いたりできるのは、あくまでも膨大な学習の結果であり、現状はゼロから何かを編み出すことはできません。**

## AIにできること、できないことを正しく認識しよう

この記事では、AIにできること・できないことを中心に、AIの活用事例も交えてAIとは何かを解説しました。AIを有効に活用するためには、まずAI技術、AIの持つ特性に関する理解を深め、AIを開発したり、活用することが大切です。

世の中では大変な勢いでAIの導入や活用が行われています。AIには大きな需要があり、豊かなマーケットがあります。**AIにできることとできないことを正しく理解したうえで、自身の成長や自社の課題解決につなげていきましょう。**

機械学習が学べるおすすめの本12選！初心者から上級者まで厳選してご紹介！

Pythonと機械学習を学んでAI時代に対応できるエンジニアに

<br/>
<center>[【関連情報】「【シンギュラリティとは】AI進化にどう対応!? 悲観よりAIに触れるのが得策｜CANVAS」](https://mynavi-agent.jp/dainishinsotsu/canvas/2023/08/post-1041.html)</center>

身近な存在となったAIですが、AIを開発したり、活用したりする上では「AIにできること」「AIにできないこと」を正しく理解することが大切です。AIの活用に際しては活用事例が参考になります。この記事ではAIにできること、活用事例、できないことを解説していきます。

AIができること、できないことを正しく理解し、AIの開発や活用に生かすことが大切

AIには大別すると「特化型AI」と「汎用型AI」がある

AIができることには、音声や画像認識、自然言語処理、異常検知、機械制御、未来予測がある

AIができることとは？活用事例やできないことも併せて紹介

近年、AI技術を活用したサービスが注目を集めています。自然言語処理の技術を用いて自然で流暢な会話ができるAIチャットボットサービスや、AI画像生成サービスなど無料で使えるものもあり、便利なAI技術が、身近に利用できるようになってきています。

*AIを活用するためには、蓄積されたデータを元にAIに学習をさせることが必要です。*しかし、AIが学習するとは、一体どういうことなのでしょう。その仕組みや流れなどについて気になる方も多いのではないでしょうか。

## AIの学習の仕組みを知ってAIへの興味を深めよう

AIは学習することで、人間にとってより有益な情報をアウトプットすることができます。

例えば、AIによる画像の自動生成サービスなどで、AIが画風を学習して、特定のクリエイターの特徴を持ったイラストを生成する、といったことも可能です。その影響は大きく、イラストを公開している人たちから自分の絵をAIに学習禁止させたいと言う声も上がるほどです。

*AIの学習手法について知る時に、重要なキーワードとして「機械学習」や「ディープラーニング」「ニューラルネットワーク」などが挙げられます。*

この記事では、AI技術に興味がある方のために、AI技術の概要や役立てられる分野などについて解説し、AIに学習させる方法の基本的な仕組みについて述べていきます。また、これをきっかけに、AI技術について学び、スキルアップを目指してみてください。

<center>[エンジニア転職を成功させるため<br/>ぜひ*『マイナビIT エージェント』*をご活用ください！](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)</center>

## AIとは一体どのようなものか

ここでは、AIに学習させる方法の前提知識として、AIとはどのようなものであるのかを解説します。AIの概要や使用されている分野、AIを活用できる職種の年収などについても説明します。

AIとは、Artificial Inteligenceの略称で、人工知能とも呼ばれます。人間の観察や思考、反応などの知能を必要とするふるまいを機械に行わせる技術です。

*AIの定義は研究者により異なるため、明確なものはありませんが、共通する認識として、「人間の知能をコンピュータ上に再現したもの」と捉えられています。*

AIは様々な分野で活用が進んでいます。例えば、AIによる言語処理では、文章の要約や翻訳、また、データを用いた文章の生成などができます。また、音声認識を活用してスマートデバイスの音声操作などにも使われます。

また、自動車に搭載されたカメラやレーダーなどから取得するデータを分析して車両を制御する、自動運転システムにもAIは活用されています。

*その他にも、マーケティング分野においては人流分析や需要予測、医療における診察での活用、コールセンター でオペレータの補助や問い合わせ対応を行うなど、AIの活躍の場面は一層広がってきています。*

IoTとは？概要から動作の仕組み・実際の用途まで丁寧に解説！

### AIを活用できる職種の年収とは

AIを活用できる職種であるAIエンジニアに近い、システムエンジニアの年収は「マイナビエージェント職種図鑑」での平均年収は431万円（※2023年5月執筆時点）、経済産業省2017年発表の「IT関連産業の給与等に関する実態調査結果」から近い職種のIT技術スペシャリスト（特定技術(DB・NW・セキュリティ等））を参考にすると、平均年収758万円と分かりました。

国税庁2020年発表の「民間給与実態統計調査」における民間企業平均年収は433万円なので、AIエンジニアは一般平均年収と同程度から高めであることが分かります。

AIエンジニアは活躍できる分野が多く、画像処理や音声認識など、求められる技術も様々です。*AI技術の専門家としての高度なスキルを持ち、さらにAIを利活用する業界や分野における経験や知識が豊富なAIエンジニアであるほど高収入となる傾向があります。*

【参考】：[マイナビエージェント職種図鑑](https://mynavi-agent.jp/it/jobindex/04.html?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)
※【平均年収 調査対象者】2020年1月～2020年12月末までの間にマイナビエージェントサービスにご登録頂いた方
【参考】：[IT関連産業における給与水準の実態① ~ 職種別（P7）](https://warp.da.ndl.go.jp/info:ndljp/pid/11623215/www.meti.go.jp/press/2017/08/20170821001/20170821001-1.pdf)
【参考】：[民間給与実態統計調査-国税庁](https://www.nta.go.jp/publication/statistics/kokuzeicho/minkan2020/pdf/002.pdf)

AIエンジニアとは？AIエンジニアの概要と転職で成功するための秘策を解説

ここでは、AIを学習させる手法の1つである機械学習モデルについて解説します。機械学習には、教師あり学習や、教師なし学習、強化学習などのタイプがあります。

機械学習は、AIが学習する方法の1つです。機械学習では、コンピュータを用いてデータの反復学習を行います。学習によって得た知識を元に、データのパターンやルールを抽出してモデル化します。

機械学習では、人間に与えられた基準を元にトレーニングを行います。**機械学習でトレーニングすることによって、AIは得られたデータを元に未知のデータに対して何らかの判断を下すことができるようになります。**

*教師あり学習とは、「入力したデータ」に対して、人間が「正解のデータ」を教えて学習させる方法です。*与えられた正解のデータに対して、入力されたデータが「正しいか」「正しくないか」を繰り返し学習します。

この学習により、AIは「識別」「分類」などを行うことができるようになります。例えば「正解のデータ」として、「犬」の画像データを与えれば、「猫」の画像データが入力されたら「正しくない」と識別したり、「人間」「犬」「猫」の写真を分類したりすることができます。

また、過去のデータを数値として学習し、連続する数値の次の値を予測する、「回帰（予測）」も可能です。回帰では、結果のデータから原因を予測することができ、天気の予測や、店舗の売上予測を行うのに活用できます。

教師なし学習は、AIに正解を与えずに「データの構造」を学習させる方式です。*教師あり学習では、あらかじめ正解データが与えられますが、教師なし学習ではコンピュータ自身が試行錯誤してデータ内の特徴を抽出し、似たようなもの同士をグループ分けします。*

例えば、大量のデータの中からデータの特徴的な構造の類似部分を抽出することで、画像データの集まりを写っている人物の性別でグループ分けしたり、自動車やバスといった車の種類で仕分けしたりすることができます。

*強化学習は、AIが行なった出力に対してスコア（報酬）をつけることにより、コンピュータが自ら高得点を目指して試行錯誤を行い、より正確さの高い判断を行うことができるようにする学習のやり方です。*

教師なし学習と同じく、正解データを学習させることはありませんが、強化学習では、機械自身がより高い報酬を得るために、適切で効率的な判断を行うように動くという点が異なります。

ディープラーニングは、機械学習の1種ですが、AIにより複層的に学習させることができることから注目を集めています。ここでは、ディープラーニングの概要と、それを実現するためのニューラルネットワークについて説明します。

*ディープラーニングは、機械学習をさらに細分化したもので、自ら判定基準を学習し、自動で学習を繰り返すものです。*機械学習は、学習に同じプログラムを使って学習を繰り返しますが、ディープラーニングでは、目的にあったプログラムを自ら生成します。

また、膨大なデータを参照にすることで、注目すべき要素を自ら学習し、人間の指示に頼らずに学んでいきます。学習のアルゴリズムが、自分自身で予測が正解かどうかを判断します。

技術の記事（5ページ目）