一休の榊淳社長と、マッチングアプリ「Pairs」を運営するエウレカ執行役員Data Director奥村純氏との対談2回目は、AI活用について切り込む。AIをビジネスに生かすための組織づくりや、PairsにおけるAI活用に迫った。

エウレカ執行役員Data Director奥村純氏。榊氏との対談はオンラインで実施した

［画像のクリックで拡大表示］

榊 淳氏（以下、榊氏）　奥村さんは、DeNAでAIエンジニアとしてAIプロジェクトのマネジメントをされていたとのことですが、AIプロジェクトが組織の中で挫折するのはなぜなのでしょうか。

奥村 純氏（以下、奥村氏）　2つあって、1つはROI、つまり費用対効果で説明しにくいことです。AIを適用しても実際にビジネスがうまく回るかどうかは予測できません。やってみないことには、事前に結果を予測しづらいところがあるのです。

　もう1つは、組織としてラーニングができる仕組みを整える必要があり、労力がかかることです。AIのモデルをつくるのは、AIプロジェクトのチームだけで頑張ればいいのですが、実際にシステムに組み込むには現場のエンジニアたちがAIの扱い方を学習しないといけません。さらに、うっかり外れ値（一般的な分布から大きく逸脱したもの）を推薦すると、ユーザーからクレームが来る可能性もあるので、その場合のコミュニケーションプランを想定しておく必要もあります。経営的な視点で見ると、組織として知見を積み重ねないと、AIが使いやすく活用できる組織にはならない。愚直に小さな失敗を繰り返しながらどれだけ学習できるかが問われます。

榊氏　僕は経営者ですが、コーディングしているときはエンジニアなので、エンジニアとしてはその気持ちがよくわかります。でも同じことを経営者として見ると、「3回に1回ぐらいはプロジェクトとして当たりを出してほしい」と言いたくなってしまいますね。

奥村氏　経営会議に出るようになれば、ROIに責任を持たないといけなくなるので、榊さんの気持ちもわかります。解はなくて、二重人格のままでいることでしょうか。

榊氏　僕はデータサイエンスをやるときは、ROIで説明したことがありません。ROIで説明しても、その説明を聞いて判断するのが僕ですからね。

　先ほどのAIをシステムに組み込んだ場合の、組織としてのラーニングについてもっと聞かせてください。例えば、こんなことはありませんか。優秀なサイエンティストが入ってきて、最初は試行錯誤をしながら頑張ります。でもその分野特定の知識、つまりドメイン知識の習得に時間がかかってしまう。そのときに経営者が否定する態度を取るのは問題ですが、サイエンティスト自身も結果を出せないことに苦しんでしまう。この状況にどう対応すればいいのでしょうか。

奥村氏　それは過去にも経験したことがあります。ビジネスマインドのある⼈はビジネスで成果を出す動き方に適応する⼀⽅で、そうでない人は成果に考えが及ばずに⼿法ばかりを突き詰めてしまう状況に。振り返ると、僕もその当時のプロジェクトマネジメントでは、ビジネス成果を強調しすぎました。AIの分野では、全部ができるスーパーヒューマンはいません。適材適所だと割り切り、ビジネスマインドがある人にはビジネスKPI、リサーチャータイプには精度を上げることなど、目的とそれに応じた評価軸を人によって使い分けることが必要だと思います。

専門特化の人材にビジネス面の過度な期待をすると逆効果

榊氏　おそらく日本では10年後も同じ話をしているのではないでしょうか。日本の典型的な大企業も、いずれはデータサイエンティストを抱えたときに同じ悩みに直面しそうです。

奥村氏　きれい事に聞こえるかもしれませんが、専門特化した優秀な人たちにビジネスへの期待を込めすぎると縮こまってしまいます。そのとがった専門性をどこに配置するかを考えるのが、マネジメントの仕事ではないでしょうか。

榊氏　今の話は耳が痛い。ビジネスを改善するチームにいるデータサイエンティストに「ビジネスに興味があるか」と聞くと、「興味があります」と言いますが、どう見てもリサーチャータイプなんですよ。

　「君はビジネスには興味はないよね？」と聞くと、そのときも「あります」と答える。でも退職するときに「本当はありませんでした」と言われることもありました。僕が「ビジネスに貢献しろ」という空気を発散しているからなんでしょうか。

奥村氏　適材適所を意識するようになったのは、DeNAでAIの部署に移ったときに米国のGoogle本社に1カ月間行った際の経験がきっかけです。GoogleのプログラムにDeNAの人材として参加し、機械学習のトレーニングを受けました。それだけではせっかくの機会がもったいないので、現地での交流にも精を出したのです。そのときに聞いたことの1つに、人材配置の話があります。

　Googleの採用面接は厳しくて、トップ1％の人しか採用されません。それだけの狭き門をくぐってきている人たちですので、仮に入社後にある人が成果を出せなかったとしても、その人個人の能力の問題ではなく、配置が悪いからと考えるそうです。だから、もっと成果が出せる部署に異動させればいい。「Googleだからできる」と思うかもしれませんが、その考え方が僕には腹落ちするものでした。

［画像のクリックで拡大表示］