CASE

G社には鑑定士がおり、顧客からの送られてくる画像データを見て分類を判定する業務を行なっていました。この業務をできる人が限られており、事業の拡大ができないという課題を抱えていました。また、次世代の鑑定士を育てる際に、それを教えるAI鑑定士を作ることによって社内全体の質が上がっていくであろうと考えていました。

パートナー企業の紹介でG社と取り組むことになりました。
KICONIA WORKSはパートナー企業様やお客様に価値を創出することで信頼をしていただき、それによって更なるお客様の紹介をしていただき、プロジェクトが始まることも多く、今回もそのケースでした。

既存の概念などに捉われず、真摯にデータや結果に向き合ったことが結果的に良いAIの開発に繋がりました。
まずはG社の専門家の方々に判定結果のラベル付け（アノテーション）をしていただいており、その教師付きデータで学習を行いました。しかしながらその結果は散々なもので、到底G社の求める精度ではありませんでした。KICONIA WORKSでも様々な調査を行いましたが、精度改善策はなく、教師付きデータの精度に疑いを向けざるを得ず、それをG社と調査したところ、専門家の方のラベル付けに問題があったことがわかりました。改めて判定基準を明確にし、再度ラベル付けを実施いただき、学習させたところ、その精度は格段に良くなりました。
精度がこれ以上向上しないと判断し、即座に対応方法を考える事ができたことがとてもよかったと考えています。
最終的にはモデル構築後約1ヶ月という短期間でシステム開発に取り組み、納品することができました。

現在も活用してもらっており、鑑定の業務は自動化されており、アプリサービスとして展開しており、活用の幅を広げ事業も拡大しています。
求めていた精度のAIの開発ができて、非常に高い評価をいただきました。

• 丸山（エンジニア）
  課題から提案のサイクルを回してプロジェクトに取り組むことに心がけていたため、アノテーションの精度が悪かった時には、即座に改善すべき点を調査し改善策を示唆する事ができました。結果的に非常に精度の高い判定モデルができてよかったです。
• 海保（プロジェクトマネージャー）
  今回のプロジェクトでは、分類モデルのAIを運用するAPIを納品しました。
  システム開発では複雑な要件整理が必要で途中軌道修正も何度か必要でしたが、臨機応変にエンジニアとすり合わせを行いながら進めることができました。プロジェクトマネージャーの視点だけでなく、エンジニアの視点も大切にしてプロジェクトに取り組むことができました。