9月13日の東京会場は、台風15号の影響がまだ残るなかであったにもかかわらず、多くの方が参加され関心の高さを感じました。また、台風の影響で会場に来られなかった方には心から見舞い申し上げます。残念ながら、当日ご参加がかなわなかったかった方にも講演資料をご提供いたします（準備出来次第、お申込み時にご登録いただいたメールアドレス宛にお知らせいたします。）ので、セミナー参加登録をされた方はしばらくお待ちいただければ幸いです。

ビッグデータを活用したオープンイノベーション～AI 戦略による産業競争力加速の取り組み～

奥野 恭史 氏　京都大学大学院 医学研究科　ビッグデータ医科学分野・教授

LINCでは、各製薬会社とIT会社が、創薬のプロセスごとに数十もの開発を同時に進めている。一例として、化合物の設計過程のAI化状況を紹介。薬を創る際には、膨大なパターンの化学構造を試して薬効があるか、副作用がないかを実験で評価しなくてはならないが、AIを使って効率化、無駄を省く試みを紹介した。

また、世界の創薬事情について、海外ではデータのシェアリングが始まっている。日本は第三次産業革命には乗り遅れたが創薬AIはこれから（日本が創薬AIで勝てる余地はまだある）。日本もアカデミアの研究から、実際のビジネスに活用し、エコシステムがまわるようにしていかなくてはならない時期にきているとした。

ライフサイエンスにおけるAI活用の課題として、創薬AIで（日本が世界に）勝つためには、データが重要。今回、LINCの研究成果を研究者探索サービス「JDream Expert Finder」を製品化できたのは開発会社であるジー・サーチにデータがあったからだ。

2030年に日本製品のAIが創薬の現場で活躍しているよう一層LINCの活動を推進していく。しかし、助成金だけでは限界がある。産業界も本腰入れて取り組んでいただきたい。

ビッグデータ時代の産学連携

荒木 寛幸 氏　文部科学省 科学技術・学術政策研究所 第2調査研究グループ 上席研究官

産学官連携について現状の課題について「官」の視点から紹介した。

研究者のマッチングについて、URAなど大学機関の課題として、（個人の人脈による為）情報の偏りや鮮度に問題がある。その為、企業が望む今まで会っていない（若手）研究者と出会えないといった、企業ニーズと大学のシーズがマッチしていない事が多々あるとした。また、企業側も企業自身の課題が抽出できておらずあいまいな点も問題とした。

これらの課題解決の一つとして、個人のスキルに依存した産学官連携からの脱却を提唱、データを駆使した現状把握が必要。そういった現状分析に、JDream3といった科学技術文献データベースや、今回リリースされた研究者探索サービスを活用しマッチングの効率化をしてほしいとした。

科学技術振興機構（JST）における産学連携支援

笹月 俊郎 氏　国立研究開発法人 科学技術振興機構 産学連携展開部 部長

科学技術振興機構（JST）がこれまでコーディネートしてきた産学官連携からの知見と、提供している支援サービスについて紹介した。

リアルによるコーディネートと共に、バーチャル（ネット）の支援サービスを紹介。
「J-STORE」はJSTが大学・国公立試験研究機関等から収集した特許情報やJSTの基礎的研究等の特許情報等を提供する無料のデータベース。「J-STORE」は、未公開特許も検索できるので研究者探索に是非活用いただきたい。また、研究成果最適展開支援プログラム「A-STEP」の支援内容についても紹介した。

現状、研究者マッチングは、出会いや人脈といった人に依存している。また、（訪問いただく）物理的限界などがある。
そういった、課題にビックデータを使ったサービスは、研究者探索ツールの活用で客観的な視点もデータから見えてくる。AI（を活用したサービス）と（従来型の）人との連携で研究者のマッチングがより良くなる事を期待しているとした。

バイエルのオープンイノベーション

八代 好司 氏　バイエル薬品株式会社 オープンイノベーションセンター シニアアライアンスマネージャー

バイエルの産学官連携の事例を紹介。
バイエルは世界各国で大学・研究機関との共同研究を実施している。創薬は莫大な資金と年月を掛けても失敗する事がある、難しいもの。

提携が失敗する主な原因として３つあるが、そのなかで半数が人間関係。逆に言えば、人間関係で失敗しなければ、成功確率は飛躍的に上がると考え、バイエルではアライアンスマネージメントを重視している。

日本の事例として、京都大学との共同研究の例を紹介。人間関係の重視から、事前の理解とマッチングにかなり時間をかけた。

研究者を探す方法として、LINC PJ08では、著者ネットワーク中でのハブとしての成長性を見る方法をに着目。LINCでプロトタイプを創製したビックデータを活用した研究者探索ツールがジー・サーチ社にて実用化されたことで、若手研究者の発掘がされることを期待したいとした。

JDream Expert Finderサービス概要

株式会社ジー・サーチ

3,800万件を超える科学技術論文や学会発表から約100万人の研究者ナレッジベースを新たに構築。ナレッジベースを活用した研究パートナー探索サービス｢JDream Expert Finder｣を2019年8月30日より提供開始。｢JDream Expert Finder｣のサービスを紹介した。

これまで登壇された産学官各界の有識者も指摘している共同研究者を探す上での課題を踏まえ、担当者自身で探せるツールの必要性を実感。ジー・サーチでは、日本の科学技術の振興に貢献すべくパートナー探索プラットフォームのラインナップを構築提供している。
研究者の採択課題データベース「COLABORY（コラボリー）」、採択されなかった科研費等の申請を産業視点で再評価する「L-RAD」、そして、今回リリースした過去の発表実績から研究者を探索できる「JDream Expert Finder」を紹介した。

そして、「JDream Expert Finder」の実際のサービス画面を使い、技術課題やキーワードでの探索や有望な研究者を探索できる機能など、主な機能の説明をおこなった。人脈マップからハブとしての中心度や、論文数、成長性グラフから今後を予測したりなどが判断できる。

研究者探索ツール「JDream Expert Finder」により、パートナー探索に客観的な指標を入れる事で、共同研究の更なる効率化と成功に役立てていただきたいとした。

The post セミナーレポート：特別セミナー「ビッグデータの利活用によるオープンイノベーション戦略」に行ってきた！ first appeared on G-Search SAGAS.

市場規模は今後10年で大きく進化する

AIビジネスはその定義によって市場規模も大きく変わります。例えば富士キメラ総研では、AIビジネスの国内市場規模は、2030年には2015年に比べ約14倍の2兆1,200億円に達すると予測しています。これはAIを活用した分析サービスや、AI環境を構築するためのコンサルティング、システムインテグレーション（SI）、AI環境を支えるプロダクト、クラウドサービスなどでの市場規模を予測したものです。
また、EY総合研究所では、AI関連産業の市場規模として2030年には2015年に比べ、約24倍の86兆9,620億円になると予測しています。これはAIを活用した機器、システムなど国内のさまざまな産業分野での市場規模を予測したものです。

このように、一口にAIビジネスといってもどの部分を切り取るかによってその市場規模はまったく別のものとなります。ただ、どちらにしても今後10年でAIビジネスが大きく躍進することは間違いありません。

身近なサービスに活用されているAI

すでにビジネスにAIを活用している事例としては、GoogleやAmazon、LINEが販売しているスマートスピーカーが挙げられます。このスマートスピーカーに組み込まれているAIとは音声認識機能で、ユーザーの問いかけに対し、音楽再生やリマインダー、乗り換え案内などのリアクションを行います。

また、一般的にAIというと「Artificial Intelligence （人工知能）」を意味しますが、IBMではAIを「Augmented Intelligence(拡張知能)」と定義しています。自然言語処理と機械学習を使用した「Watson（ワトソン）」というテクノロジープラットフォームを開発。顧客サポート、採用活動、人材育成支援などの活用で、ゆうちょ銀行、ソフトバンク、金沢工業大学などすでに国内で約200社に導入されています。

ほかにも、DeNAは2018年4月19日、AIを活用した次世代タクシー配車アプリ「タクベル」（現名称「MOV(モブ)」）のサービスを開始。サービス開始時は横浜、川崎市の2市のみでしたが、乗客はこのアプリを使えば予想到着時間を事前に確認したうえで、指定の場所へタクシーの配車依頼が可能です。このアプリに組み込まれたAIは、運行中の車両から収集されたデータとタクシー需要に関連するデータを解析し、乗務員にリアルタイムで走行ルートを推薦します。

業界別、AIビジネスへの取り組み状況

すでに多くの業界で成果を出しているAI。次に、実際にビジネスとしてスタートしていないものも含め、業界別にいくつかその取り組みをご紹介します。

金融

前出の富士キメラ総研の調査では、2030年にもっとも成長すると予測されているのが金融業です。前項でご紹介したゆうちょ銀行を始め、三井住友銀行、みずほ銀行、三菱UFJ銀行などのメガバンクでは主にオペレーターのサポートシステムとして成果を挙げています。顧客サポート以外では、証券会社や信託銀行で、過去のデータをもとに将来的な景気を予測することにAIの活用を進めています。

運輸・運送

運輸、運送業はEY総合研究所の調査でもっとも成長が見込まれている分野です。この分野も前項でご紹介したタクシー配車アプリがすでに実用化されていますが、それ以外にも多くの取り組みが行われています。例えば、ドライバーの疲労度合いや、運転スキル、環境条件などと合わせ、疲労と事故リスクの関係を解明、モデル化をします。これにより、安全・環境に配慮した事故ゼロ社会の実現を目指していく取り組みが進んでいます。

医療・介護

世界に類を見ない超高齢化社会である日本において、医療・介護の分野でのAI活用は、喫緊の課題といえます。この分野でのAI活用は、例えば介護分野で被介護者の1年後の状況を予測し、ほんの数秒でケアプランを作成するものです。医療分野で患者の電子カルテ情報を読み込み、エビデンスに基づいた治療法を表示するものなどが挙げられます。ほかにも医療画像診断支援、介護医療コンシェルジュロボットなど多くの開発が進んでいます。

高齢化社会が進む日本で今後さらに大きく発展

AIをビジネスに活用することで得られるメリットは、顧客の問い合わせに自動応答することでサポートの手間を軽減する。過去のデータを分析し、将来的な仕入れ、販売需要の予測をすることで資材や商品の欠品、不良在庫を防ぐなどが挙げられます。

少子高齢化が進む日本において、労働人口の減少を補うため、そして無駄を排除し既存の業務効率、生産効率を上げることで最大限の利益を上げるための2点が、AIのビジネス活用における主なメリットです。また、医療や運輸の業界において事故を減らし人の命を救う、介護業界において介護者の負担を軽減するなどといった、大きな役割も担っています。そういった意味で私たちの生活にAIが入り込んでくることは、もはや必然といっても過言ではなく、今後その規模はさらに大きく発展していくと予測されます。

The post 2030年に2兆円を超えるAIビジネス市場、分野別の取り組み状況 first appeared on G-Search SAGAS.

多くの業界で注目を集めるAI（人工知能）ですが、建設業もその例に漏れません。その背景には人手不足や業界の将来についての不安が大きいこともあり、政府も改革へと動き出しています。AIによって建設業がどのように変わっていくのか、今回は特に「働き方」に着目しながら見ていきましょう。

建設業における「働き方」のいま

近年、政府が強力に推進していることでも知られる「働き方」改革ですが、建設業の現状は他の業界と比べて良好といえるものではありません。象徴的なのが、多くの現場で週休2日制が未だ実現されていないことです。また、残業についてもいわゆる「36協定」にある「月45時間、年間360時間」という上限がそもそも適用されず（大臣告知の「工作物の建設等の事業」に相当）、結果的に2015年度の総務省による統計では、労働者の1割強で、月の残業時間が60時間を超え、49時間以上とあわせると全体の4分の1以上となっています。

当然ながら、こうした状況は業界全体にとって好ましくありません。熟練技術者の高齢化や労働力人口そのものの減少が見込まれている状況で、「長時間労働」は若手人材の確保に極めて不利だといえるでしょう。しかしながら、こうした残業が発生している理由について、国土交通省による調査（2010年）では「前工程の工事遅延」と「無理な発注」も環境的制約とともに挙がっており、改善のためには企業側だけではなく発注者をも巻き込んだ施策の必要性がもとめられています。

政府が推進する「i-Construction」

こうした状況を変えるため、政府もイノベーション推進の取り組みを始めています。国土交通省は働き方改革や地域社会の活性化についてとりまとめた「社会資本整備におけるイノベーションの推進」資料で具体的に言及しています。なかでも核となるICT（情報伝達技術）やAIなど最新技術の活用については「i-Construction」という名前で詳細がまとめられています。
資料によると「生産性の向上」こそが今後の建設業が成長していくためのキーポイントであるとし、この実現のためには天候に左右されやすい現地での作業（現地屋外生産）や作業者の労働力に頼る割合が大きい（労働集約型生産」といった建設業界が従来から持つ課題の打破が必須であるとしています。

このために活用されるのがICTなのですが、「i-Construction」のポイントは、ICTで製造業改革を推進するドイツの国家プロジェクト「インダストリー4.0」に代表され、世界的な潮流となっている製造業の手法を建設現場に取り入れるとしていることです。建設現場を製造業の「最先端の工場」のように捉え、ICT導入により品質管理と工程管理を徹底することで生産性を高めることが特徴です。

具体的な達成のための施策としては「ICTの全面的な活用（ICT土工）」、「全体最適の導入（コンクリート工の規格の標準化等）」、「施工時期の平準化」 の3つが重点施策（トップランナー施策）として設定され、2025年までの生産性2割向上という具体的な目標に向けたロードマップが設定されています。
この取り組みの重要な点は、現場の生産性を向上させることでひいては安全性や賃金水準の向上、多様な人材がより創造的な業務で活躍できること、といった建設業界を抜本的に改善していくことが最終的な目的として明言されていることだといえるでしょう。

膨大な作業をAIが強力に支援するBIM

政府もICT土木として重点施策の最初に言及しているように、建設現場の全面的な「3D化」はもっとも重要なキーワードといえそうです。国内でこのプロセス改革に取り組んでいるトップランナーとして挙げられるのが大手ゼネコンの鹿島です。同社は3次元での設計・施工のシミュレーションを可能とするBIMの全面的な導入を極めて短期間で実施、2017年4月には専門会社を分社独立させています。
BIMとは「ビルディング・インフォメーション・モデリング」の略称で、3次元の建物のモデルにコストや管理に必要なさまざまな情報を付加することで、より効率的かつ多角的な設計・施工を進めるためのワークフローです。

そもそも実際の工事を行なうための実施設計は、建設のワークフローのなかでも非常に負荷の高いプロセスで大量の図面が必要とされているものです。これまでにも多くの現場でCADの導入は進んでいましたが、図面が電子化されているだけで、個々の設計が互いに競合しないかといった検証・修正作業は人手で行わなくてはなりませんでした。
BIMではAIの技術を取り入れることにより、人間が行なっていた膨大な組み合わせとチェック作業を自動化し、複数の図面が3Dによって統合的にモデリングされるだけにとどまらず、材料や法規制などの情報を膨大なデータベースから拾い上げ関連づけることが可能になります。

こうした情報は施工までに必要不可欠ですが、従来の手法では「図面を見ているだけ」では判断が難しかったものです。BIMはそれらを統合することによって設計から施工、さらには修繕までのプロセスを1つのプラットフォーム上で管理できるというのが最大のメリットです。さらに、鹿島では3Dモデリングをベースにクライアントと詳細を詰めることで施主とのやりとりを活発にすることにもつながったとのこと。同社は本ソリューションの専門会社を立ち上げたことで、ゆくゆくは海外展開も視野に入れた日本初のBIMサービスプロバイダーを目指しています。

ICTは現場の助けにも

急速な進化を遂げるAIは人間から仕事を奪うのでは、といった声もちらほら聞かれます。しかし、ここまで見てきたようにAIは単純ながら膨大な作業を肩代わりしたり、熟練工しかできなかった作業をより容易にしたりする面もあります。今後こうした最新技術の支援で、建設の現場はよりフレキシブルに人材を活用できるようになり、新しい働き方が実現されていくことでしょう。

参考

• 働き方改革／建設業、長時間労働を是正－発注者の理解不可欠に　日刊工業新聞
• 資料2.長時間労働の指摘か?ある業種・職種の実態について(例)　厚生労働省
• 社会資本整備におけるイノヘ?ーションの推進　国土交通省
• i-Construction　~建設現場の生産性革命~　i-Construction 委員会（国土交通省）
• BIM専業の新会社 「グローバルBIM」 を設立　鹿島
• ゼネコンの未来を変える｢3D改革｣の衝撃　東洋経済

The post 建設現場もAIで！最新技術の導入で変わる建設業の働き方 first appeared on G-Search SAGAS.