日本のＡＩビジネスはどうなるのだろうか
- ②「いまこそ知りたいAIビジネス」（著者：石角友愛）（詳細目次にリンク）
- ③「AIをビジネスに実装する方法 「ディープラーニング」が利益を創出する」（著者：岡田陽介）（詳細目次にリンク）
- ⑤「アフターデジタル オフラインのない時代に生き残る」（著者：藤井 保文， 尾原 和啓）（詳細目次にリンク）
「いまこそ知りたいAIビジネス」
はじめに
第１章 ここがヘンだよ，日本のAIビジネス
・「AI＝ロボット」という勘違い 「AIが動いている姿を見せてください」 「AIの〇〇ちゃん」と擬人化することの弊害 「AI〝が〟××する」ではなく，「AI〝で〟××する」 なぜ日本人は「AIが仕事を奪う」と考えるのか エンジニアを社内にかかえるアメリカ，外注する日本
・「AIビジネスは自分には関係ない」という勘違い 中小企業ほどAI活用が重要になる 街の歯科医にもAIは必要 AIを活用すれば業績が伸びる業種は全体の７割
第２章 AIビジネスの最先端を見てみよう
・AIはどんなシーンで活用されているか コーディネートをAI＋スタイリストで ユーザーにすすめる商品をAIで決める AIで新しい基準値を作る AIの判断をスタイリストに検証させる AIでトレンドを予測する 配送の最適化にもAIが使われる 商品のピックアップもAIで管理 顧客中心主義を実現できるのはデータサイエンスの力 すべての仕事がAIに置きかわるわけではない
・AIと人間の協働スキームをつくる コンピュータが得意なこと，人間が得意なこと テスラの自動運転は，人とAIの協働で進化する
・AIはビジネスモデルを変える AIとＡＲ技術で「試し塗り」が可能に イノベーションは顧客の課題解決から生まれる 日本企業に今求められているのは，ビジネスモデルの変革 AIビジネスは，どこで収益を得ればいいか カメラの概念を変えたセキュリティサービス 「借りる」と「所有する」の境目をなくすビジネスモデル 新しい課題を解決するには，新しいビジネスモデルが必要
・Go to Marketの発想で考える Go to Market戦略とは プロダクトアウトの落とし穴 ウーバーの課題解決法
第３章 AIを導入したい企業がすべきこと
・ビッグデータを集めればAIを導入できるわけではない 肝入りのAIプロジェクトが頓挫した理由 日本企業の多くは「データ集めなきゃいけない病」 せっかくのデータをゴミデータにしないために データは「 21 世紀の石油」
・課題は何か？ データは揃っているか？ 症状がわからないのに薬は処方できない サンプルデータから何が診断できるのか これが企業の持つデータを分析するプロセスだ 事前にサンプルデータを検証するメリット AIはクッキーの型抜きではない
・解決したい課題がはっきりしていない場合は？ 健全な危機感がAI導入につながる まずは課題を棚卸しする AIビジネスには仮説検証サイクルが必須 効率化と売上増加の二軸で判断する
・AI導入はゴールではない AIビジネスに立ちはだかる「定着の壁」 現場の声を拾いあげて，はじめてAIが活用できる 「導入の壁」を乗り越える 効果検証できなくては意味がない
・AI実装のプロセス AI導入には会社のコミットが必要 「環境スキャニング」でビジネスチャンスの大きさを調べる プロトタイプの重要性 プロトタイプがあれば，変更のコストも抑えられる アウトプットを想定して開発する
第４章 AIビジネスの課題とは
・AIの判断は中立か？ バイアスの取り除き方が今後の課題 グーグル翻訳で指摘されたAIの課題 AIは黒人より白人を３倍見分けやすい 目的を持ったAI（AI with Purpose）という対応策
・プライバシーはどう守られる？ フェイスブックスキャンダルがもたらしたこと 選挙に行く人を 34 万人増やした，個人情報の力 ＧＤＰＲは日本企業にどんな影響を及ぼすのか ＧＤＰＲによってAIビジネスはどう変わるのか ＧＤＰＲの施行は日本にとってチャンス？ 日本企業が今すぐ取り組むべきこと 今後，個人情報を暗号化する事業が増える
・AIと著作権 機械学習用のフリー画像 AIが作る作品の著作権はどこに？ 「クリエイティブ」「アート」の定義が変わる
第５章 AI人材とこれからの日本
・AIビジネスに必要な人材 データサイエンティストとはどんな仕事？ エンジニアにもさまざまな職域がある AIビジネスデザイナーとはどんな仕事？
・AI人材を育てるために今後必要な教育とは
・AI人材は今後ますます高騰する １億円のAI人材リクルートコンペ フェイスブックの平均年収は３６００万円 海外に流出する優秀な人材 インドから才能を輸入したメルカリ AI人材争奪戦。日本企業の選択肢は？ グローバルマーケット人材を採用するには？ 日本のモノづくりが持つ，ひとつの可能性 モノづくりのスキルをAI時代に生かす Ｂ２Ｂ企業にも活路はある 京都のモノづくりに見る日本の活路 世界のＴＯＰ２にどう食い込むか
第６章 AI時代における私たちの働き方
・AIは私たちの仕事を奪わない 人間＋AI＝スーパーパワー 「僕の仕事はどうなりますか？」 AI時代に増える職業 AIトレーナーに必要な資質
・AI時代に増える仕事 AI導入は省人化のためではなく，作業の均質化のため 中国企業が米国でAIロボットを使って生産工場を開設 AIロボット導入で雇用を増やし賃金も上げたアマゾン すべてがAI化されるわけではない AI化によって生産性を上げていく
・AI時代に生き残れる人，生き残れない人 これから生き残る３つのタイプ アメリカで「ＣＢＯ」という役職が生まれた意味 AIバイリンガルを育てる
・私たちはこれから何を学べばよいか 社会人になっても学び直しの時代に 企業の再トレーニングも加速 日本は２０１８年リカレント教育元年 自分のキャリアを自分でデザインする おわり
「AIをビジネスに実装する方法」
はじめに
1章 なぜ，いまだにAI導入を躊躇するのか
1 ディープラーニングの衝撃を目の当たりに
2 もはや「人工知能って何？」の時代は過ぎている
3「IoT×ビッグデータ×AI」の３つセットで
2章 ネコでもわかるディープラーニングの
1 人工知能（AI）を分類してみると Column「強いAI・弱いAI」「汎用型AI・特化型（専用）AI」という分類
2 旧来の機械学習は手間のかかる人工知能
3 ディープラーニングという新しい手法 Column 教師あり学習，教師なし学習，強化学習
4 手書き数字をディープラーニングで読み取る
3章 AIの導入前に知っておきたいこと
1 弘法も釣り竿を選ぶ
2 ボトルネックにAIを注ぎ込む
3 データ取扱いのリテラシー
4 非構造化データは宝の山
5「フレーム問題」にAIは対処できるか‽
6 SaaS，PaaS，IaaSのどれを利用するか ColumnAI企業と顧客企業の間の権利関係は？
4章 データ取得から学習，デプロイ，運用まで ～AI導入のプロセスを知る～
1 AI導入のための５つのプロセス
2 データを溜める，学習する
3 学習から推論へ
4 知られざる「ディープラーニングの闇」 Column ディープラーニングの機能はクラウド？ 現場？
5章 AIを導入した企業のビフォー＆ アフター
1「なぜ買わなかったのか？」をファクト・データでつかむ
2 経験とカンを数字とデータが実証～ICI石井スポーツ～
3４つのデジタル化を目指す～パルコ～
4 検査の自動化にどう挑むか～武蔵精密工業～
5 上級者のスキルを伝授～コマツ～
6章 画像，音声，テキストが新しいビジネスを生む
1 画像データを利用する ～実在しない人物の顔もつくれる!?～
2 動画を利用した場合 ～プロスポーツ選手と同じ動きができる!?～
3 音声認識を利用する ～会議の議事録も自動でできる!?～
4 テキストデータの活用は「自動翻訳」が
7章 レバレッジ・ポイントにAIの力を注ぎ込む
1 お客様が本当に欲しいものは何か？
2「車輪の再発明」はしない
3 永遠に超えられないAIの壁
4 Googleの対応の速さ，日本企業のあまりの遅さ
5 技術者倫理の必要性
おわり
「アフターデジタル」
第1章 知らずには生き残れない，デジタル化する世界の本質
1-1 世界の状況，日本の状況 1-2 モバイル決済は「すべての購買をIDデータ化する」 1-3 シェアリング自転車は「生活拠点と移動をデータ化する」 1-4 行動データでつなぐ，新たな信用・評価社会 1-5 デジタル中国の本質 データが市民の行動を変え，社会を変える 1-6 大企業や既存型企業の変革好事例「平安保険グループ」 1-7 エクスペリエンスと行動データのループを回す時代へ
第2章 アフターデジタル時代のOMO型ビジネス ～必要な視点転換
2-1 ビフォアデジタルとアフターデジタル 2-2 OMO：リアルとデジタルを分ける時代の終焉 2-3 ECはやがてなくなっていく 2-4 転覆され続ける既存業態 2-5 日本企業にありがちな思考の悪例 2-6 企業同士がつながって当たり前 OMOの行き着く先の姿
第3章 アフターデジタル事例による思考訓練
3-1 GDPR vs 中国データ共産主義 ～データの取り扱いをめぐる議論～ 3-2 「レアな接点」に価値がある時代 3-3 技術進化による「おもてなし2.0」 3-4 高速化・細分化・ボーダレス化する，これからのものづくり 3-5 不思議で特異な日本の
第4章 アフターデジタルを見据えた日本式ビジネス変革
4-1 次の時代の競争原理と産業構造 4-2 企業に求められる変革 4-3 日本企業が変わるには 4-4 つながる世界での私たちのポテンシャル