AI分析の比較データを決める手順と対象範囲の示し方
参照したAIgram
目次
概要
AIに分析をさせたとき、出てきた答えがどこまで信じられるのか判断に迷う、という経験をお持ちの方は多いと思います。事例を見ていくと、精度を左右しているのはモデルの新しさよりも、何と何を突き合わせるかを先に決めているかどうかでした。
富士フイルムビジネスイノベーションと杉並区の実証実験では、「認識・構造化」AI技術が形式の異なる行政評価関連文書を施策単位で分解・整理し、共通のデータ構造に変換しました 杉並区行政評価を認識・構造化AIで支援。その結果、過去の評価結果や他自治体が公表する行政評価関連文書との横断的な比較・分析が可能になることが確認されています。
不動産の査定でも同じ構えが見られます。株式会社フロンティアの「ワンルーム売却診断」は直近5年間の実取引データや価格推移、マンションデータをもとに売却価格の目安を提示し、空室や地方物件については条件の近い事例を踏まえて相場目安を示します AI査定くんによるワンルーム売却価格診断。MFSの「CAPS」は1981年6月以降に建築された新耐震基準のマンションを対象に、誤差率中央値を東京23区で6.1%、全国で7.4%と対象範囲を分けて公表しています MFS「CAPS」で最短1分の不動産AI査定。豊田自動織機は、Azure IoT Hubで統合した塗装工程データを基盤に約400変数を分析し、品質不具合に相関の高い要因を絞り込みました 豊田自動織機、Azureで塗装不具合25%削減。
比較の土台をそろえる、期間を区切る、条件の近い対象に限る、精度は対象範囲とセットで示す。この4つが、事例に共通する進め方です。
比較の前に文書を共通の構造へ変換する
杉並区の実証実験の背景には、自治体が作成する各施策・事業に関する文書の構成や記載形式が多様であるという課題がありました 。そのため内容の確認・整理に一定の時間を要し、評価の観点や評価文の記載内容に職員間でばらつきが生じやすい状態だったと説明されています。
書き方がそろっていない文書同士は、そのままでは比べられません。「この項目とこの項目は同じことを指している」という対応づけを、人が毎回頭の中で行う必要があるからです。
「認識・構造化」AI技術は、文書に含まれる情報を項目や意味の単位で捉え、文脈に基づいて整理・分類します。これにより、形式や記載方法が異なる文書を、横断的な比較・分析が可能なデータへ変換します。比較する前に、比較できる形にそろえる工程が置かれているわけです
。
比較の精度を上げる最初の作業は、分析そのものではなく、対象を同じ項目立てに整理することです。
比較するデータを一つの基盤に集約する
豊田自動織機は、Azure IoT Hubで塗装工程のデータを統合し、Azure上でAIと機械学習による約400変数の分析を行いました 。変数が数百に及ぶ分析では、データが部署ごとの別々の場所に散っていると、そもそも同じ土俵に載せられません。
この取り組みで重視されたのは、集約の先にある「同じものを見る」状態でした。プロジェクトでは、製造部門、生産技術、他の関連チームが同じデータを参照し、より迅速に意思決定の足並みをそろえられるよう、共通の可視性に重点が置かれています。
集約の効果は、次の2つに整理できます。
- 複数の工程・部門のデータを同じ基盤に載せることで、変数をまたいだ相関の分析が可能になる
- 関係者が同じデータを参照することで、要因についての議論を同じ情報の上で行える
参照する期間を区切って明示する
比較の土台が整ったら、次に決めるのは「いつからいつまでのデータを見るか」です。
「ワンルーム売却 超高精度AI査定くん」は、直近5年間に実際に行われた売買データを活用し、過去の成約事例に加えてワンルームマンションの価格推移も分析します 。期間を直近5年間と区切ったうえで、その中の変化も見る構成です。
CAPSは、物件単位で最大2019年4月までさかのぼった推移グラフを表示します 。さらに、全物件の不動産価格は月初5営業日を目処に最新価格へと毎月値洗いされます。どこまでさかのぼった数字なのか、いつ時点の数字なのかが、どちらも利用者に示されています。
期間を明示しないまま「相場」とだけ言われても、それが10年平均なのか直近1年なのかで意味は変わります。期間の宣言は、分析結果を受け取る側が判断するための材料でもあります。
条件の近い対象に絞って比較する
期間の次は、比べる相手の条件です。マンションは立地や築年数、面積、階数などの条件によって価格が大きく変動するため、客観的で信頼性の高い適正価格を把握する手段は限られていた、とCAPSの説明では述べられています 。
条件が価格を左右するからこそ、査定では入力する項目が定められています。
- CAPSは、マンション名と、専有面積・所在階・間取りの3項目を入力すると、最短1分で査定結果を表示する
- 「ワンルーム売却診断」は、所在地・マンション名・専有面積などの基本情報をもとに、約200万棟規模のマンションデータから対象物件と条件が近い事例を使って分析する
- サブリース契約中、空室、地方物件のように判断が難しい物件でも、条件の近い事例を踏まえて相場目安が示される
入力項目は、利用者の手間を減らすためだけのものではありません。何をそろえれば比較として成り立つのかを、サービス側があらかじめ決めている結果でもあります
。
対象の種類ごとに扱いを分ける
条件をそろえようとしても、対象そのものの性質が違う場合があります。そのときは、扱いを分ける判断が必要になります。
食事写真からカロリーと栄養素を記録するCal AIでは、創業者のZach Yadegari氏が「食品によって、最適なモデルが異なることがわかりました」と語っています Cal AIが食事写真を解析し栄養素を記録。単一のAIで押し通すのではなく、複数のモデルを食材ごとに使い分ける構成です。
開発の初期には、食品パッケージの読み取りや、具材が入り混じったボウルの識別といった課題に直面したと述べられています。これに対しては、モデルの再学習や補助的な画像処理アルゴリズムを用いて精度を高めたとのことです。
同じ土俵に載らない対象を無理に一つの方法で処理せず、種類ごとに扱いを分けることも、精度を上げる手段の一つです。
精度を対象範囲とあわせて明示する
そろえた条件は、精度の示し方にも反映されます。
CAPSは、1981年6月以降に建築された新耐震基準のマンションにおけるAI査定で、実際の売出価格に対する誤差率中央値（MER）が東京23区で6.1%、全国で7.4%だったと公表しています 。対象を新耐震基準の物件に限り、地域を2つに分けたうえでの数字です。今後は価格モデルおよび賃料モデルのMERを月次で公開する予定とされています。
この結果は、賃料約273万件、売買約184万件の計約450万レコードにおよぶ募集データをAIが学習したものです。何を学習し、どの範囲でどれだけの誤差だったのかが、セットで示されています。
Cal AIについても、食材ごとにモデルを使い分けることで90%の精度を実現しているとされています 。精度の数字は、それがどの対象に対するものかまで含めて読むことで、はじめて自分の状況に当てはめられます。
統一した指標を起点に要因を絞り込む
条件をそろえたデータは、要因の特定に使えます。
東芝は、「Meister Apps 工程改善アシストパッケージ for SMTライン」のダッシュボードで指定した異常KPIを起点に、Azure OpenAIをベースとした計画・分析・改善提案の各AIエージェントが連携するMVPを開発しました 東芝のAzure OpenAI製造ライン原因究明。製造ノウハウを活用したAIが熟練者の思考プロセスを再現し、生産技術センターの検証では提案までの時間が数分以内に短縮されています
。起点になっているのは、ダッシュボード上で共通に測られているKPIです。
豊田自動織機では、温度の安定化により、パイロット運用期間中にブツ関連の品質不具合を約25%削減し、問題解決の機会が約4倍に増加したと報告されています 。約400変数の中から相関の高い要因を絞り込めたことが、この対策につながりました。
行政評価の実証実験では、職員が自身で入力した情報と、生成AIが作成した文案を比較しながら内容の確認や修正が行える環境をkintone上に構築しています 。AIの出力をそのまま採用するのではなく、人が突き合わせて判断する場が用意されています。
結論
事例に共通していたのは、AIに渡す前の準備を丁寧に行っている点でした。
- 施策・事業単位で情報を構造化することにより横断的な比較・分析が可能となり、情報整理・分析の効率化や評価内容のばらつきの抑制につながる可能性が確認された
- 対象を新耐震基準のマンションに限り、地域を東京23区と全国に分けたうえで、誤差率中央値6.1%・7.4%という形で精度が示されている
- 直近5年間という期間と、条件の近い事例という範囲を定めたうえで売却価格の目安が算出されている
なお「ワンルーム売却診断」には、診断結果は実取引データなどをもとに算出した参考価格であり、実際の売却価格は市況や物件の個別条件、売却タイミングなどによって変動する場合があるという注記が添えられています。範囲を定めることは、その範囲の外については断定しない、という姿勢とも結びついています。
期間・条件・項目をそろえ、どの範囲の話なのかを添える。この2つを決めておくことが、AI分析の結果を実務で使える形にします。