人工知能（AI）をマーケティングに活用する前に知っておきたい「３つのAI導入の失敗事例」

2018.04.12

成功事例だけでなく失敗事例を知ることでAIの導入、マーケティング活用へとの役立てていきましょう。

目次

IDOMがAIで失敗した理由

昨年、「デジタルマーケティングカンファレンス2017」において、中古車販売事業のIDOM（旧ガリバーインターナショナル）の中澤氏は、AI導入の失敗の原因は、『ビジネス課題を解決するためのAIではなく、いつの間にかAIありきで考えるようになったことだ』と語りました。AIをマーケティングでどう活用すべきか？と考える人が多いですが、AIは課題解決の一つの手段でしかないのですから、「本当にAIが最適な解決手段なのか？」を立ち止まってよく考えなければなりません。 ツールの使い方を考えるのではなく、「まず最適な課題解決を考えるべき」と語っていました。

今回は、AI導入の失敗事例をご紹介したいと思います。AIの成功事例が多い中で、失敗事例を知ることは、偏った見解から縛られることなく客観的に判断するための要素を提供してくれるはずです。

IDOMの中澤氏のセッションでは、「３つの失敗事例」が紹介されました。

車両レコメンドの失敗
AIチャットボットの失敗
有望見込顧客判別AIの失敗

どの事例もAIを活用しようかと考え始めたけれど、「実はそれって本当は必要ないね」とか、「そこまでお金をかけなければならないことじゃないね」と途中で気付き、AI導入を取りやめたケース・事例でした。AIに限らず新しいテクノロジーを導入する際にも参考になると思います。順番に説明していきます。

車両レコメンドAIの失敗

「車両レコメンドAI」とは、来店したお客様の定性情報をもとに、AIが営業マンにお客様が好みそうな車両をレコメンドして成約率を高めることを目的に開発されたAIです。このAIでは定性情報としてネット上の車両へのレビューテキストから感情を予測し最適な車両をレコメンドするものだったそうです。例えば、ネット上のレビューテキストにおいて、特定の車種に対してどのような気持ちを表現をしている人が多いのかをAIが分析して、車種と感情を結びつけます。そうすることで、来店したお客様から得た定性的な情報から好まれる車種を特定しレコメンドするというものだったそうです。

このAIの精度は非常に高かったそうです。実際にAIレコメンドを活用した営業マンからも「適切な車種をレコメンドしている」と報告があったくらいだそうです。なので、自信をもって運用していたのですが、ある日、部下が一つのエクセルを持ってきて事態は一変しました。そのエクセルには、「こんな人にはこんな車種をお勧めするべき」という内容が記載されたもので、まさにAIでやろうとしていることがエクセルで実現できていたのです。しかも、エクセルの内容の方が少し精度が高かったというおまけつきでした。

また、AIの場合、運用コストが非常に高かったのですが、エクセルは殆どコストをかけずに精度を上げていくことが出来ていました。そんなわけで「車両レコメンドAI」は失敗に終わったわけです。

このAIの失敗の原因は、このAIで何が出来るのか？ということに意識を集中してしまったために、課題を解決するためにAIが最も適切な方法であるかどうか検討をしなかったことだと中澤氏は語っていました。AIはあくまで手段の一つであり、必ずしもAIが最適な手段となるわけではない。もっと効果のある方法でしかもコストを抑えることが出来る手段があるのであればビジネス上そっちの方がいいに決まっている。AIをどう活用するかという検討の前に必ず「AIが最適な手段なのか？」「ほかにもっと良い方法はないのか？」という視点で考えなければならないという教訓を与えてくれた事例だったとのことです。

AIチャットボットの失敗

「AIチャットボット」も同じような理由で実施する前に見送ったそうです。というのもクルマの営業ではチャットボットでよく見られるようなタスク型で絞り込んでいくやり方ができなかったからです。AIは、大きな質問から始めて徐々に本当に知りたいことを絞り込んでいく方法をとります。しかし、クルマの営業というものは、お客様の発言の意図を膨らませていく必要がある。例えば、初老の方が「大きな車が欲しい」と言って来店されたとき、AIだとワンボックスなどをお勧めすることになりますが、クルマの営業では、「なぜ大きなクルマが欲しいのか？」を聞く。その質問にお客様が「クルマの運転が疲れるからだ」と答える。このような場合、お勧めすべきはセダンです。実際、ワンボックスを試乗すると何か違うと言って買わないのですが、セダンを試乗すると「こういうのが欲しかった」と言ったりするとのこと。

しかし、AIではこのようなお客様の発言の意図をくみ取って提案することは難しい。あるAIの会社に実現出来ないかどうか聞いてみたところ1億円から2億円かければできる「かも」しれないと言われたそうです。それでは２億円かけても十分なリターンは期待できないと判断したそうです。当然の判断ですね。

また、IDOMではトークスクリプトを毎日のようにABテスト的に実施して試行錯誤を繰り返しており、そのトークスクリプトの精度を上げることで成約率を5倍にした実績を持っているとのこと。人の訓練という手段の方がコストも安く精度が上がることが分かっていたので、そういう理由からもAIチャットボットは導入することを見送られたそうです。

有望見込顧客判別AIの失敗

有望見込顧客判別AIとは、購入まで至る可能性が高いお客様かどうかをWeb上のアクセス履歴や入力データなどから判別してくれるAIです。これにより効率的にお客様に対応することが出来るはずと期待されたものでした。このAIが見送られた要因も、コストに対して効果が見えないことだったそうです。有望見込顧客を見つけるための特徴量を今持っている社内のデータで導き出せるかどうかわからなかったとのこと。

AIは大量なデータを処理することで特徴量を見つけ出すことが出来ます。しかし、データ量が少ない場合その精度は下がります。IDOMの場合、データが少ないことが分かっていたためにAIを導入することで特徴量を見つけ出せるかどうかが不明確だった。AIの会社からは最低でも「5000万レコード」は必要と言われたそうです。AIで特徴量を見つけ出すには「色々な条件が必要」でどんな企業でもAIを導入すれば成果を出せるわけではないのです。

AI導入の失敗事例から学べること

多くの会社がAIに夢を持ちますが、実際にAIによって成果につながる特徴量を導き出すためには、条件が整っていなければいけません。もし、AIの導入を検討しているのであれば、まず社内にどれだけのデータが存在するのか？を確認した方がよいでしょう。データ量が少なかったり、精度が低い・偏っている等の場合は、AIを導入したところで良い結果は得ることは難しいでしょう。

また、AI開発には、社内にあるデータをAIが読み込める形式にするデータ連携開発が必要になります。そのためのデータ整備と連携開発には非常に大きなコストと時間と人材が必要になります。そのようなコストを鑑みても十分に成果を期待できるのであれば導入すべきなのだと思いますが、そのような企業がどれだけあるのか？疑問ですね。もっと、安くで効果的な方法があるのであればその方法を採用すべきです。

このように成功事例だけでなく失敗事例を知ることで、どのような条件がAI導入の成功には必要なのかがよく分かると思います。参考になれば幸いです。