営業の仕事も、AIにとって代わられる?
「自分の仕事が、近い将来AI(人工知能)に奪われるかも知れない・・・」。
そう心配している人は、世の中には多くいるのかも知れない。
一方で「自分の仕事なら大丈夫」と思っている人もいる。
特に対人相手の仕事の場合は、AIが完全に人の仕事にとって代わる割合も少ないとも言われる。
例えば接客業や営業の仕事の場合だ。
確かに当面の間は、例えば営業の仕事でもAIに完全にとって代わられることはないかも知れない。
しかし、営業の仕事の仕方にはAIの影響が大きくなってきていることは、言うまでもない。
もしそれがわかっていないのなら、AIにとって代わられる以前に、その職場自体が「淘汰」されてしまうのかも知れない。
営業の仕事をする上でのAIの活用によって、これまでの仕事に対する意識がどのように変わるのか。
また、どんな仕組みでAIが振る舞って営業の仕事の役に立ち得るのだろう。
「営業力強化」についての三菱総合研究所のコラムに、面白い記事がある(*1)。
この記事によると、囲碁AIのAlphaGoの技術が営業の仕事を変えるというのだ。
囲碁AIが、本当に営業活動に役に立つの!?
確かに、人間の世界No.1の棋士を打ち負かすほどに囲碁AIが戦略的に賢いのであれば、その賢さを営業活動に活かせられば良いだろう。
しかし、具体的にどんな方法で活かせられるのだろう。
何しろ、AlphaGoは「囲碁」という少ないルールに縛られた、ゲームの「閉じた」世界で好成績を残したに過ぎない。
何が正しく何が勝ちなのかもはっきりしていない開かれた世界である(魑魅魍魎の巣食う?)現実のビジネスの世界で、どこまで囲碁AIのアルゴリズムが通用するのだろうか。
「現実のビジネスの世界は、そんなに甘いモンではないぞ！」。
そういう声が、現場で経験を重ねてきたセールスマンの深層心理なのかも知れない・・・。
上述のコラムによると、営業職でAIのできることについては、現状のAIでは側面的な支援や仕事の効率を高めるくらいが限界だとしている(少なくとも今の時点では)。
確かにそうだろう。
インタラクティブな(対話的な)人間を直接相手にする営業のような仕事では、機械的・画一的に対応されていてはお客さんだって怒るというものだ。
現実世界の曖昧さを解釈できるようになってきた今のAIは、例えばレコメンド機能がそれぞれの趣向に合わせておすすめを提示してくれるようになったり、画一さは薄れてきている。
とは言っても、熱意のようなものを伝えたりユーモアだったり、主体性が肝心な、相手の感性に訴えることだって、依然としてセールスマンには重要な武器だ。
ということは、営業活動にはAIはたいして役に立ってくれなさそうにも思える。
・・・いや、そうではない。
上述のコラムによると、優れた営業職員ならばこそ、人工知能と共存していくことができるのだという。
AI時代に営業成績を高めるためには・・・
優れた営業職員の成績を高める3つの仕組みとして、三菱総合研究所のコラムでは以下の3点が挙げられている。
・ 職員のスキルアップ
・ 営業先の精度向上
・ 顧客体験を高める効果
最初の「スキルアップ」は、営業活動そのものではなく、活動方法の教育面での話だ。
また、3つ目は前述のレコメンドのような、お客さんの個性に細かく合わせていくということだ。
この2つは、いずれも人間がこれまでしていたことだが、AIがより精度を上げていこうとするものだと言える。
AIが営業活動のサポートに、特に役立つと思われるのは2番目だろう。
なにしろ営業のターゲット先は、膨大だ。
たとえば総務省統計局が6月28日に公開したデータによると、日本では平成28年6月1日時点で、
企業等の数: 385万6457企業
事業所数: 557万8975事業所
従業者数: 5687万3千人
もの数の企業や事業所が存在している(*3)。
日本だけでもこれだけの潜在的な営業対象が存在するのだ。
もちろん営業対象は立場や状況によって変わり、この膨大な数の中から立場によって独自に「営業対象かどうか」の分類がされて絞られていき、さらにその中から優先順位のソートだってしなくては仕事にならないだろう。
これまでは人為・経験で大まかに営業対象を決めていただろうが、他社との競争に勝ち抜くには、他社と”差”をつけるには、膨大な情報の中から自分の欲しい情報を効率的に見つけ出す方法が必要だ。
画一的ではなく多様なニーズに応えて選別を行うには、AIはどのような仕組みである必要があるか。
営業力強化にAlphaGoの技術が活かされる?
三菱総合研究所のコラムでは、営業力強化には囲碁で人間棋士を破ったAlphaGoが参考になるという。どういうことだろうか。
従来の囲碁AIは、囲碁の盤面があまりにも探索範囲が広すぎるため、当分の間は人間に勝つことはないと言われていた。
囲碁は19路盤(19×19のマス目)で行われるが、単純計算するとその打ち手のパターンは、19*19=361の階乗となる。
361!は10進数で769桁にもなる、巨大な数だ。
もちろん囲碁は全てのマスに石を置くわけでもないので、それらを引いていくと、可能な盤面は「10の365乗」と推定されている。
「10の365乗」がどれだけ大きい数なのかは想像もつかないが、たとえば「観測可能な宇宙に存在する基本粒子の数」が10の80乗~85乗だと言われているから、囲碁の可能盤面の広大さが少しはわかってもらえるだろうか(*4)。
では、AlphaGoはどうやって囲碁の広大な盤面の数の問題を攻略したのか。
それは可能な盤面の数のうち、有効な手だけを探索することにし、大幅に探索範囲を狭めることができたからだ。
コラムでは、「形成判断」概念をAlphaGoが持ったと表現している。
なお、コラムでは書かれていないことだが、現在のAlphaGoはZeroというバージョンで、イ・セドル棋士や柯潔棋士を破ったものとは学習の方法が異なる。
Zeroになって、以前のAlphaGoよりもさらに強くなった。
以前のAlphaGoは、人間の残されていた棋譜のデータを使って学習をし、さらにコンピュータ同士でも対戦を繰り返す方法をとっていた。
そのため、過去の人間のクセに依存しているとも言われていた。
一方のAlphaGo Zeroでは、過去の棋譜は使わない。
囲碁のルールだけを教え、後はコンピュータ同士の対戦を繰り返しているだけだ。
(なお、以前のAlphaGoはルールは教えられていなくて、棋譜からAlphaGo自身でルールを学んでいる。囲碁の強さで言えばZeroにかなわないかも知れないが、自身でルールを学ぶというのは別の意味で凄いことだ。)
AlphaGo Zeroでは、「強化学習」で学習が行われた。
強化学習とは、人間の脳では大脳基底核で行われている行動と報酬(強化信号ともいう)のループによって、より良い行動を学習していく過程、ひと言で言うと「試行錯誤」をモデルにした学習方法だ。
報酬は行動の各段階に与えられ、どの行動が良くどの行動が悪いのかが数値として割り当てられる。
しかし結果がすぐに出ない場合、行動に報酬をどれだけ与えて良いのかがわからない。
強化学習では一連の行動の流れが終わってから行動選択の逆ルートを辿って、報酬を(減らしながら)割り振っていく。
1個体(エージェント)を見立て、何度も何度も結果が出るまで一連の行動(多くが失敗)を繰り返すことを前提とする学習機構だ。
子供は失敗を繰り返しながら(強化学習し)、自転車の乗り方を学んでいく(小脳に記憶される)。
将棋の場合は、王を取れなくても飛車角などを取れれば(ゲームの途中の段階で)大きいポイントを与えることができるが、囲碁の場合はどの手が大きいポイントでどの手が小さい価値なのかがわかにくい。
強化学習は、このような報酬の与え方がわかりにくいものにも(理屈の上では)適用できるのだ。
もうAlphaGoは人間との対戦はしないらしいが、中国の企業テンセントが開発したAI「絶芸（Fine Art）」が人間との対戦をしている。
「絶芸」はDeepMind社のAlphaGo Zeroに関する論文を参考に作られたものだが、これも柯潔棋士に勝利している。
しかも2子のハンディキャップが柯潔棋士に与えられているにも関わらず・・・(*2)。
強化学習によって、AIは広大な囲碁の可能な盤面の探索のうち、有望な盤面だけを探索する方法を見出したのだ。
囲碁AIの目的はあくまで勝利することであり、可能な盤面を全て知ることではない。
同様に、営業先の選定も、膨大な企業数や事業所数から自社にとって有利な対象を選びとることができれば、それは充分役に立つはずだ。
ビッグデータ時代にはぜひとも必要な技術なのだ。
AIとどうやって付き合っていく?
人間(や哺乳類)の脳の試行錯誤機能、つまり失敗をしながら徐々に改善していくプロセスをモデル化したのが強化学習だ。
それは囲碁でも営業でも、場所も状況も問わず一般的に広く適用できそうな手法だ。
といっても、強化学習を実装して試してみると、意外に適用範囲を選ぶように感じられる。
強化学習がそのタスクにハマる時にはいいが、ハマらない時にはそれほど良い手法ではないようにも思う。
しかも、どこをどう手直ししていいのかもわかりにくく、思いのほか扱いが難しく感じる。
上述のコラムでも、AIを使う立場の人間側が、「AIとどのように共存していけるか」が重要だとしている。
AIの進歩が速いからといって、何でもAI頼みにはできないのだ。
もしそれができるのなら、そもそもあなたが淘汰されてしまうかもしれないわけだ・・・。
比較的AIに仕事を奪われにくそうな営業の仕事であっても、あなたの生き残り戦略は、やはり自分でAIのことを知りAIと「対話」しながら「試行錯誤」をしていく必要があるのだ。
<参考>
- 営業力強化は人工知能と人材育成の二人三脚で ： ビッグデータの今 (三菱総合研究所)
https://www.mri.co.jp/opinion/column/big_data3/post.html - 中国テンセントの囲碁AIが、「世界最強の棋士」に勝利した理由──猛攻の影には「AlphaGo」あり (WIRED.jp)
https://wired.jp/2018/01/27/tencent-go-ai/ - 平成28年経済センサス‐活動調査（確報）_産業横断的集計（結果の概要） (総務省統計局)
http://www.stat.go.jp/data/e-census/2016/kekka/pdf/k_gaiyo.pdf - 数の比較 (Wikipedia)
https://ja.wikipedia.org/wiki/数の比較 - 人工知能NIKITA(ニキータ)
http://nikita.weic.co.jp/ - 変化する脳：進化/発達/学習/修飾 – 日本神経回路学会
- http://www.jnns.org/previous/niss/2001/Lecturenote/Doya/Doya.pdf
役にたったらいいね！
してください
NISSENデジタルハブは、法人向けにA.Iの活用事例やデータ分析活用事例などの情報を提供しております。
