費用対効果が読めないAI導入の壁をどう突破したか、現場主導のデータ活用策

効いたのは、AI開発にかかるコストそのものを圧縮して、ROIの計算式を組み替えたことだと考えられます。データ加工、特徴量の設計、機械学習といった工程を自動化するツールを選ぶことで、育成コスト・開発コスト・外注コストのいずれもが軽くなる。人材育成に時間をかけてから活用を始めるのではなく、専門知識がなくても扱える道具を先に置いてしまう順序が、投資判断の壁を下げたと見られます。ユーザー数が増えてもライセンス費用が変わらないという条件も、全社に広げるほど一人あたりのコストが下がる構造をつくるという意味で、市民データサイエンティストという方針と整合しています。

ツール選定の基準が、汎用的な性能比較ではなく自社の使われ方に寄っていた点も見逃せません。気温から「一日前の気温」「毎週月曜日の気温」といった派生的な説明変数を自動生成する機能は、分析の勘所を知らない現場社員が試行錯誤する場面を補います。専門用語を登録できる辞書機能や日本語対応は、ビル設備という固有の語彙を持つ現場で、言葉の壁が分析の壁にならないようにする配慮でしょう。日報や点検記録といった自然言語の蓄積を将来的に活かす狙いも語られており、「いま使える」ことと「手持ちの資産を活かせる」ことの両方で選ばれていることが分かります。

育成の設計では、つまずきそうな場所に先回りする運用が組まれました。クレンジングなどのデータ加工でいきなり大量データを扱えば工数がかさんで気持ちが折れる。そこで最初から少量データで始めるよう周知しておく。演習は通常業務の傍らで進むため後回しになりやすいと見て、8チームが一堂に会する報告会を定期開催し、競争意識が働く場をつくる。NECの「DX人材育成サービス」による伴走では、解説やコンテンツへの要望に対して改善案が返される往復も生まれており、教材を渡して終わりにしない設計が、演習の継続を支えていると考えられます。