AI現場リーダーが語る／AI成功の手法をともに学ぶ

AI・データ活用の推進体制

セブン銀行では、データサイエンティストチームを編成し、AI・データ活用の企画から実装・推進までを一気通貫で担当しています。具体的な取り組み事例として、人流データとATMの利用データを組み合わせて設置候補地の利用件数を予測するプロジェクトや、インドネシアのATM進出におけるAI活用が挙げられます。

デビット利用者のペルソナを推定するプロジェクト

このプロジェクトでは、顧客データとデビットカード利用データを組み合わせて、個々のお客様のペルソナを推定し、ターゲットに応じて文面をカスタマイズしたダイレクトメールを送る試みが行われました。しかし、毎回同様のプロセスを実施することが必要で、しかも外部委託で取り組んでいたため、コストがかかり過ぎて採算が合わず、継続性がありませんでした。この失敗から、内製の重要性が学ばれました。

ローン督促の架電順序を最適化するプロジェクト

各ローン延滞者の貸し倒れリスクを予測して、リスクの高い顧客に優先的に電話をかける方法が試みられましたが、実際には貸し倒れが多く、電話を優先的にかけるだけでは効果がありませんでした。現場の人たちと協力して、新たに督促手段としてショートメッセージ（SMS）を活用するなどの新しいアプローチが試みられました。その結果、副次効果としてSMS督促が現場に定着しました。この失敗から、従来の方法にとらわれず、新しいアプローチを試みる重要性が学ばれました。

AI・データ活用の流れと重要性

中村氏は、AI・データ活用の一連のプロセスについても説明し、ビジネス理解の重要性を強調しました。

AI・データ活用はトライアンドエラーで進める必要があり、ビジネス効果を追求することが重要です。そうすれば、失敗しても社員の成長につながり、社員の成長が会社の成長にも寄与し、ビジネス効果につながっていくことを強調しました。

ボトムアップでのデータ活用

まず、ボトムアップでデータ活用を進めることが重要であると述べました。現在できることから始め、データの利活用を進めることで、徐々にデータの価値を引き出していくアプローチを採用しています。

合成データの活用

次に、合成データ技術を活用して、過去のデータをつなげた未来をシミュレーションする取り組みを紹介しました。具体的には、25万件の個人データをもとに合成データを作成し、これを活用して新しいアイデアを生み出す試みを行いました。これにより、データの利活用の可能性を広げることができました。

環境構築の重要性

鈴木氏は、データの利活用基盤を整備することの重要性を強調しました。システム間の連携を進めるためのユースケースの発掘や、システム間の連携の重要性を認識してもらうための取り組みを紹介しました。これにより、データの横断利用が可能となり、業務の効率化や高度化が実現しました。

マーケティングや業務効率化のユースケース

部門内のユースケースを発掘し、マーケティングや業務効率化のためのデータ活用を進めました。これにより、業務の簡素化や効率化が図られました。

システム間の連携

システム間の連携を進めるためのユースケースを発掘し、その重要性を認識してもらうための取り組みを行いました。これにより、システム間のデータ連携ニーズが高まり、データの利活用に対する意識が高まりました。

データ利活用の文化の醸成

鈴木氏は、データの利活用を進めるための文化の醸成が重要であると述べました。データの利活用を進めるためには、協力を得るための環境を整備し、データの価値を理解してもらうことが必要です。

ユーザーの支援体制

三菱UFJ信託銀行　デジタル戦略部では、事業部門のデジタル化の案件の企画立案をサポートし、それに係るPoC予算執行やリスク評価を行う組織を設けています。これにより、事業部門のデジタル化の推進がスムーズに行われるよう支援体制を整えています。

生成AIの社内推進の取り組み

生成AIの社内推進では、全社的にChatGPTを導入し、直後に社長との生成AI活用における対談動画を全社に配信するなど、生成AIの認知を高める取り組みを行いました。また、関心の高い一部の社員に対しては、アイデアソンを通じて生成AIの活用を促進しています。

プロンプトアイデアソン開催

プロンプトアイデアソンの取り組みでは、ユーザーの認知を深めるためのポータルを作成し、生成AIの活用方法を紹介する取り組みを実施しました。また、インセンティブを設けることで、ユーザー個人個人が生成AIを試行錯誤する動機付けや触れる機会を増やしています。

47部署へのヒアリング

47部署に対して、生成AIの活用方法についてのインプットセッションを行い、業務課題解消に向けたユースケースの選定を進めました。これにより、各部署のリテラシーを向上しつつ、実務ニーズに応じた生成AIプロジェクトの推進が可能となりました。

ビジネスの効果と技術的な難易度

ユースケースの選定においては、ビジネスの効果と技術的な難易度を考慮しています。具体的には、定量的な効果（人件費の削減や業務効率化）だけでなく、定性的な効果（品質の向上）も評価しています。

各部の優先度

各部の優先度も考慮し、ベテラン社員のノウハウが失われるリスクが高い場合など、優先度の高い案件を選定し、リスクも踏まえたAIユースケース選定を意識しています。

データ利活用の文化醸成

生成AIをはじめとするデータの利活用を進めるためには、文化醸成が重要です。協力を得るための教育や環境を整備し、データの価値を理解してもらい協働してデータ利活用推進を行うことが必要です。

組織の立ち上げ

データ活用推進組織は、2019年に創設され、メンバーは社内公募で集められました。特にFINTECH事業を中心に、エポスカードのデータウェアハウスの運用と中央集権的な分析業務を行っています。

メンバー構成とスキルアップ

メンバーは分析担当者と開発担当者で構成されており、スキルの向上を図るために研修やコンサルティング会社の支援を受けています。これにより、統計知識やプログラミングスキルを向上させ、効果的なデータ活用が可能となっています。

内部と外部の認識のずれ

組織内のメンバーがやりたいことと、外部から期待されることが一致していなかったため、徹底的な対話を通じて認識のすり合わせを行い、組織のビジョンや行動指針を整理しました。

スキル不足とツールの使いこなし

エポスカードのデータを活用した価値創出の検討を行っていましたが、スキル不足やツールの使いこなしに課題がありました。これを解決するために、コンサルティング会社の支援を受けたり、メンバー自身が研修に参加してスキルを向上させる取り組みを行いました。

事例の創出と事業への貢献

技術やモデルの精度にこだわりすぎてビジネスインパクトにコミットできていなかったため、依頼者との対話を重視し、プロジェクト形式で取り組むようにしました。また、評価指標を見直し、アウトプットが活用されることを重視するようにしました。

サービス利用客予測モデル

サービス利用を促進するために、スコアリングモデルを活用し、利用率の向上と電話オペレーターの生産性向上を実現しました。

ロイヤルカスタマーのクラスタリング

ロイヤルカスタマーの戦略を立てるために、クラスタリングを行い、お客様の特徴を整理しました。これにより、マーケティングのタイミングや訴求内容を最適化するなど、利用額向上施策の検討が行えます。

データ利活用の文化環境の構築

大西氏は、データの利活用を進めるための文化環境の構築が重要であると述べました。データの利活用を進めるためには、協力を得るための環境を整備し、データの価値を理解してもらうことが必要です。