Please enable JavaScript.

Coggle requires JavaScript to display documents.

AI導入はなぜ失敗するのか (ver.1 (実行できるが、成果が出ない (予測モデルの精度が上がらない (データに問題あり…

- - - - データが思うように集まらない
      - 技術が不適切
      - 対象がAIに向いていない
    - - グローバルに事例検討できていない
      - 各企業が先進事例はオープンにしていない
      - 先行事例がないとリスクが大きすぎるために検証に踏み切れない
    - - ユーザーがいない（需要がない）
      - 成功の基準が独りよがりであった
      - 小規模すぎて現実の問題を反映できていない
      - 検証の間に現場の状況が変化していた
  - - - データに問題あり
        
        データの中身が特定の要素に大きく偏っている
        
        「正解」のデータがない
        
        使用可能なデータを把握していない
        
        データ数が足りない
      - アルゴリズムに問題あり
        
        目的に応じたアルゴリズムが選べない
    - - 技術を理解しているメンバーがいない
- - - - AI導入が目的化してしまっている
        
        株主へのアピールをしたがっている
        
        経営層の思い付きに現場が反論できない
        
        現場の知識不足
        
        社内の専門家不足
      - 現状の問題が定量化されていない
        元のKPIがない
        
        問題分析が甘い
    - - 要求レベルが高すぎる
        
        AIが可能なこと。不可能なことを理解していない
        
        人命に直接かかわるため、ラインを引き上げざるを得ない
  - - - 目標が不明確
      - 必要技術が不明確
    - - ステップごとの目標を理解していない
  - - - 技術者が不足している
      - 実行者が不足している