生成AIとデータ分析の3日間研修で、10年以上眠るログ活用に動き出した通信会社

足りなかったのは、道具ではありませんでした。監視や通信のログ、お客さまセンターに残る音声は10年以上分が積み上がっていて、素材そのものは十分にあります。それでも、新たな収益の種に変えようという動きは始まらない。ここがこの取り組みの出発点です。

編集部の見立てでは、この事例の本質的な課題は、経験のなさが検討そのものを止めていた点にあります。Google Cloudを触ったことのある人材が社内にほとんどいない状態では、何ができて何ができないかの見当がつかず、企画を立てる段階にすら進めません。データ活用が動き出さない理由は、たいていデータの量ではなく、使い道を具体的に思い描ける人が社内にいるかどうかに行き着くのではないでしょうか。

外部研修に何を任せ、何を自社で済ませるかを先に切り分けた設計が効いています。書籍などで得られる知識は最低限のところまで自社内の机上教育でカバーし、外部には実際に現場で使える技術を演習を通じて教える役割を割り当てました。3日間という限られた枠を、本を読めば分かる説明に費やさずに済みます。

パートナーの選び方も、この切り分けと地続きです。選定理由に挙がったのは、Google Cloudのユーザー会での接点と、技術ブログに表れている豊富な現場知見でした。提案資料の見栄えではなく、公開された技術情報という誰でも確かめられる材料で判断する進め方は、実践的なノウハウを身に付けたいという目的とかみ合っています。

ハンズオンを主体に据え、講師がこまめに進捗を確認しながら進める組み立ては、初心者が置き去りにされないための工夫として読み取れます。参加者には会社のプロジェクトとして生成AIに触れるのが初めてという人もいて、その状態で機械学習やビッグデータまで扱う以上、手が止まった人をその場で拾えるかどうかが理解の深さを分けます。関連部署を巻き込んだ編成にも、「自分の会社でどう活用できるか」を各自の業務に引きつけて考える余地を生む効果がありました。

3日間を終えた時点で得られたのは、動くシステムではなく「こういうものを使って、こういうことができる」という見取り図です。参加者からは、機械学習は難しいという先入観が社内データを使う演習によって解け、視野が広がったという声が出ています。一方で、学んだ範囲はGoogle Cloudのごく一部という認識も示されており、まずは蓄積データをGoogle Cloudに取り込んで可視化する作業を2025年2月まで進め、来年度中に形になるものを作り上げる方針が置かれています。