データサイエンスとAIが主要な企業を葬る理由

目次

1. はじめに
2. コナー・ジェンセンとは
3. テクノロジーとAIへの興味
4. データとアナリティクスへの魅力
5. 過去の経験と保険業界での変革
6. データ科学と保険業界の結びつき
7. データ駆動型企業への変革と課題
8. データと分析への文化変革
9. データサイエンス人材の重要性
10. AIへの移行のイテレーション
11. AIプロジェクトの失敗と失敗の回避
12. AIの進化的な普及とビジネスへの影響
13. AIの将来予測
14. まとめ

コナー・ジェンセン（Connor Jensen）とは

👤 アイルランドの出身で、現在はデイクープ（Daicoup）のテクノロジーエグゼクティブ兼戦略担当のリーダーとして活躍しているコナー・ジェンセンは、さまざまなバックグラウンドを持つテクノロジーエキスパートです。彼の経歴はバリスタやアーチェリーインストラクターから始まり、その後は気象予報士や保険アクチュアリーなど、多岐にわたります。データとAIの世界に独自の視点を持つ彼は、企業がAIの旅に乗ることをサポートするだけでなく、妻と7人の子供、そして小さなアヒルの群れと非常に高飛車なガチョウと一緒にシカゴ郊外で過ごすことも楽しんでいます。

🔑 キーポイント： コナー・ジェンセンはアイルランド出身のテクノロジーエキスパートであり、デイクープのテクノロジーエグゼクティブ兼戦略担当のリーダーとして活動しています。彼のバックグラウンドは多岐にわたり、バリスタやアーチェリーインストラクターなどさまざまな職業を経験しました。データとAIの世界に独自の視点を持つ彼は、企業がAIを活用して変革を実現するためのサポートをしています。

テクノロジーとAIへの興味

🤔 コナー・ジェンセンさんにとって、テクノロジーとAIへの興味はどのように生まれたのでしょうか？彼のバックグラウンドや経験は、その興味の源泉となったのでしょうか？

🗣️ コナー・ジェンセン： 「私は学ぶことや新たな挑戦を好む性格です。私の経歴を見ればわかるように、数学やアナリティクスのような応用科学には常に興味を持ってきました。大学中退後の私の若気の至りな時期はさておき（それは私がよりエゾテリックなことに没頭していた時期です）、私は空軍に入隊し、当時気象予報士として働きました。それは科学が応用される部分であり、データを使用して予測をし、モデルを作成する仕事でした。私たちはそのモデルの構築者でしたし、ただ研究所で働いているわけではありませんでした。この経験が私のその後のキャリアに大きな影響を与えています。

その後、私は数学の学位を取り直し、保険業界に進みました。小売業やサポート業界で働くなど、それまでさまざまな経験を積みましたが、どうすればよりよい意思決定ができるか、どうすればデータを活用して問題を解決できるかということに常に興味を持っていました。それからもちょうど12年前、データサイエンスという新たなエマージングフィールドがテック業界から広まり、ビジネスの在り方を変える可能性があることに注目していました。保険業界は、データを使ってビジネスの在り方を変えてきた長い歴史があります。アクチュアリーサイエンスは、統計学の前身としてデータを活用して意思決定するための手法です。保険業界はデータサイエンスの重要性を理解している一方、これまで同じやり方でビジネスを行ってきたため、変化に取り組む課題もあります。保険業界がデータとAIをビジネスの強力な要素にするためにどのように変わろうとしているのかを見ることは本当に興味深いです。」

🔑 キーポイント： コナー・ジェンセンさんは学ぶことや新たな挑戦が好きな性格であり、数学やアナリティクスの応用領域に常に興味を持ってきました。彼の気象予報士としての経験は、データに基づいた予測とモデル作成に関する興味を深め、その後のキャリアに大きな影響を与えました。保険業界ではデータを活用してビジネスの在り方を変える必要があるという課題に対して、コナーさんは常に興味を持ってきました。

データとアナリティクスへの魅力

🤔 どのようにしてコナー・ジェンセンさんはデータとアナリティクスの世界に興味を持つようになったのでしょうか？もし可能であれば、彼のバックグラウンドにおいてどのような役割がデータとアナリティクスが果たしているのか教えていただけますか？

🗣️ コナー・ジェンセン： 「私は数学と統計学の応用に興味があり、データを活用してより良い意思決定をすることに常に関心を持っていました。私は学生時代に数学の学位を取得し、その後データを活用することによってビジネスの方法を変えるために保険業界で働くことを選びました。保険業界はデータを重要な要素として活用してきましたが、同時に長い間同じやり方でビジネスを行ってきたため、変化に取り組む課題もありました。

私が12年前に在籍していた保険会社は、データサイエンスと新興の技術を活用してビジネスを変革しようとしている初期の段階にありました。保険業界はデータを活用して意思決定する長い歴史を持っていますが、データサイエンスやAIといった新たな技術を取り入れることで、ビジネスの在り方をより変えることができるという可能性に注目していました。このような変化を実現するために私たちはチームを組み、プラットフォームを構築する作業に取り組みました。当時、技術の面での課題が最も大きく、ノンテック企業であるため、外部の契約業者に作業を委託しなければなりませんでしたが、結果的には貴重な機会となりました。困難な課題には同時に大きな機会があるものです。

私は数年間そのチームとプラットフォームの構築に取り組み、その後別の会社に移り、現在は約6、7年前からテクノロジーに専念しています。私は非テック業界、特に旧来のビジネスモデルを変えようとしている企業や業界全体に取り組んでいます。データサイエンスやAIをビジネスの中核とするために、データをどのように利用するのか、どのようにしてより良い意思決定をするのかについて、様々な成熟度を持つ企業や業界にわたって作業を行っています。これまでの経験から、さまざまな企業の中での共通点と違いを見ることができ、それが非常に興味深いです。」

🔑 キーポイント： コナー・ジェンセンさんは数学や統計学の応用に興味を持ち、データとアナリティクスを活用してより良い意思決定をすることに関心を持ってきました。保険業界では長い間データを活用してビジネスの在り方を変えてきましたが、新たな技術を取り入れることでさらなる変革が可能だと感じています。コナーさんは保険業界におけるデータサイエンスやAIの重要性について語り、ビジネスの変革に向けて取り組んできた経験を共有しています。

過去の経験と保険業界での変革

🤔 保険業界での経験から見て、データサイエンスやAIの導入による変革にはどのような課題がありましたか？保険業界において、データサイエンスやAIの採用が進む上での共通の課題について教えていただけますか？

🗣️ コナー・ジェンセン： 「保険業界はデータを活用して意思決定するための長い歴史がありますが、同時にデータサイエンスやAIという新たなフィールドがテクノロジー業界からのエマージングとして出てきたことで、ビジネスの在り方を変える機会が生まれました。私が保険業界での経験を積んでいた約12年前、データサイエンスという分野が新たに注目を浴び始め、保険業界でもそれに応じた変化が求められました。

保険業界はデータを活用することによって意思決定を行うという点で、データサイエンスに近い領域と言えます。保険アクチュアリーサイエンスは統計学の前身であり、データを活用してリスクの予測やプレミアム設定を行ってきた分野です。その意味では、保険業界を元祖のデータサイエンスフィールドと見ることもできます。しかし、保険業界では一方で長い間同じやり方でビジネスを行ってきたため、それが技術やビジネスの変革に取り組む上での課題になっていたと言えます。

私が約12年前に在籍していた保険会社は、データサイエンスという新たなエマージングフィールドを取り入れてビジネスの在り方を変えようという早期の取り組みを行っていました。保険業界を変革するためには、データサイエンスやAIといった新たな技術の活用が必要であると感じていました。このような変革を実現するために、私たちはデータサイエンスチームを立ち上げ、プラットフォームの構築に取り組んできました。ただし、そのプロセスはこれまでの経験やデータの文化を変えることになるため、テクノロジー面における課題が最も大きかったと言えます。ノンテック企業であったため、私たちは外部の契約業者に作業を委託する必要がありましたが、テクノロジー面における課題が意外にも最大の挑戦でした。しかし、テクノロジーという課題は同時に最も機会を生み出すものでもあります。

私は数年間、そのチームとプラットフォームの構築に取り組み、その後別の会社に移り、現在は約6、7年前からテクノロジーに専念しています。私は非テック企業、特に旧来のビジネスモデルを変えようとしている企業や業界全体に取り組んでいます。データサイエンスやAIをビジネスの強力な要素にするために、データをどのように利用するのか、どのようにしてより良い意思決定をするのかについて、様々な成熟度を持つ企業や業界にわたって作業を行っています。このような経験を通じて、保険業界がデータサイエンスやAIをビジネスの中核にするためにはどのような課題があるのかを理解しています。」

🔑 キーポイント： 保険業界におけるデータサイエンスやAIの導入には、技術やビジネスの変革に取り組む上での課題が存在します。保険業界には長年にわたる伝統があり、同じやり方でビジネスを行ってきたため、新たな技術やアプローチへの変革に対する課題もありました。それにもかかわらず、保険業界はデータを活用してリスクやプレミアムの予測を行ってきたため、データサイエンスやAIを活用するための土壌もありました。保険業界での経験を通じて、データサイエンスやAIの導入における共通の課題を理解し、ビジネスの変革に取り組むための戦略を構築する重要性を説明しています。

データ駆動型企業への変革と課題

🤔 データ駆動型企業への変革に取り組む上での課題について、具体的にどのようなものがあるのでしょうか？企業がデータサイエンスやAIをより有効に活用するためには、どのような戦略が必要となるのでしょうか？

🗣️ コナー・ジェンセン： 「データ駆動型企業への変革は、企業全体のあらゆるレベルにわたって行われる必要があります。この変革は短期間で実現できるものではありません。例えば、私たちの会社のような規模でも、数千人の従業員がいるため、変化に時間がかかります。さらに大きな企業や数十万人の従業員を抱える企業では、より多くの変革が求められます。データ駆動型企業を実現するためには、ビジネスのあらゆる側面でデータを活用し、意思決定に活かすことが必要です。

たとえば、ビジネスリーダーに対してもデータを活用して意思決定をする能力が求められるようになるでしょう。営業担当者の採用基準にデータを活用しているのか、データを活用して営業活動を行っているのかといった点も見る必要があります。また、人事担当者の採用基準や従業員のリスク予測などにもデータを活用することが重要です。これらはデータ駆動型企業において重要な要素であり、トップダウンのアプローチによる戦略的な変革が必要となります。

データ駆動型企業への変革の課題の一つは、変化に対する企業全体の理解と受け入れです。特に人々の変革への抵抗感は大きいものです。また、データサイエンスやAIといったテクノロジーの進化のスピードに追いつくことも課題です。テクノロジーは急速に進化しており、企業がそのスピードに追いつくためには資源や時間が必要です。さらに、ビジネスの実績や利益への影響を考慮しながら、テクノロジーの変革を実現するためのリソースの配分についても慎重に考える必要があります。

データ駆動型企業への変革は、時間がかかるものですが、イテレーションを重ねながら徐々に改善していく必要があります。早期に結果を求めるあまり、プロジェクトを中断してしまうケースもありますが、そのような場合でも失敗から学び、次のイテレーションに生かすことが重要です。変革の進捗を監視し、課題や問題点を洗い出しながら改善を図ることが成功への鍵です。」

🔑 キーポイント： データ駆動型企業への変革にはさまざまな課題が存在します。企業全体の理解と受け入れ、テクノロジーの変化に追いつくスピード、リソースの配分、結果に対する期待などが挙げられます。データ駆動型企業への変革は時間がかかるものであり、イテレーションを重ねながら徐々に改善していく必要があります。失敗から学び、課題や問題点を洗い出し、改善を図ることが成功への鍵です。