飲食業のAI導入促進のためのデータラベリング

カテゴリ:売上拡大成功の秘訣やポイント


現在の第3次AIブームを支えている技術である機械学習には、その言葉の通り「学習」するためのデータが必要となります。ただ、AIが効率的に学習できるようにするためには、データの整理が不可欠となります。そこで本記事では、データを整理する方法のひとつであるラベリングを自動的に実行するサービスを紹介します。

データラベリングでAI活用を促進

飲食店向け予約/顧客台帳サービス「トレタ®」を開発・販売する株式会社トレタは2019年4月15日、飲食店における予約行動や喫食行動のデータ分析を効率的に行うためのデータラベリング技術を開発したことを発表しました。

前世紀末に起こったIT革命以降、飲食業の店舗運営にもデジタル情報とデジタルツールが活用されるようになったのは周知の事実のです。しかし、こうした飲食業のデジタル運営に関しては、蓄積されたデータがあまり有効利用されていないという現実がありました。というのも、飲食業にまつわる各種データには統一的な規格があるわけではないので、データを体系的に整備することが難しかったからです。

株式会社トレタが今回発表したサービスを使うと、顧客情報から日々の注文といった飲食業にまつわるすべてのデータにその意味を表すラベリングが自動的に付与されます。こうしたラベリングがなされることによって、今年の夏にリリースを予定しているAIを活用したBIツールを本格的に導入することが可能となります。

AI開発におけるデータ整備の重要性

ところで、データにラベルを付与することがなぜAI活用の促進につながるのでしょうか。この疑問に答えるためには、今日のAIがデータを学習する仕組みを知る必要があります。

今日のAIに活用されている技術である機械学習には教師あり学習、教師なし学習、そして強化学習の3種類があることが知られています。このなかでデータにラベルを付与することが不可欠なものは、教師あり学習です。教師あり学習とは入力と出力がペアとなったデータを大量に用意して、その大量のデータから入力と出力の関係をAIが学習する、というものです。具体例としては面積や立地から地価を予測するようなAIは、教師あり学習を実行することによって実現します。この例における面積と立地が入力、地価が出力に相当します。

AIが教師あり学習を実行する場合、必要になるのは学習データが何を意味するのかを明確にすることです。地価予測AIの例で言えば、入力データには「1坪○○円」「東京都23区」のようなデータの内容を明らかにする札=ラベルを付けなければ、AIは効率的に学習できないのです。

教師あり学習に限らず、教師なし学習と強化学習においてもラベリングこそ不可欠ではありませんが、学習データの整備は必須となります。近年、AI開発のノウハウが蓄積されつつあることに伴い、学習データが多いほどAIの性能が良くなることがわかってきました。それゆえ、高性能なAIを開発したいならば、高度なAIアルゴリズムを採用することよりも、大量の学習データを確保し整理することのほうが重要、とも言われています。

以上のように、AIは無から有を生み出す魔法の技術ではなく、大量の学習データに支えられてはじめて可能となる技術なのです。今後は、データをいかにAIが学習しやすいように整理するか、という問題に対する対策がどの業界でも重要になるでしょう。

顧客化を加速させる接客体験を
あなたのWEBサイトへ

お問い合わせ