20261017福岡devIO 「AIは"良いダッシュボード"を作れるか？

Transcript

1. データ事業本部 ビジネスソリューション部 データ活用推進チーム
3. • 部署 • 認定資格 ◦ データ事業本部 ◦ 2025 All AWS Certifications Engineers ビジネスソリューション部 ◦ 2026 All AWS Certifications Engineers データ活用推進チーム ◦ 応用情報処理技術者（IPA） • 名前 ◦ 武田 順子（たけだ じゅんこ） ◦ データベーススペシャリスト（IPA） 失効 • 出身・住まい 失効 ◦ 福岡（生まれは佐賀県基山町） • 主な担当 ◦ ダッシュボードの要件定義・開発 失効 3
4. 今日お話ししないこと • AIツールの操作方法 • モデル操作 • BIツールの使い方等 4
5. 2024年 DevIO福岡より再掲 引用元：大手町・丸の内・有楽町（OMY）データライブラリ 引用元：大丸有スマートシティプロジェクト 5
6. 2024年 DevIO福岡より再掲 歩行者 • エリアで勤務していますか • 自動運転バスを利用しますか • 具体的な利用シーンは • 歩行者と自動運転は共存可能 だと思いますか等 試乗者 • エリアで勤務していますか • 自動運転バスを利用しますか • 具体的な利用シーンは • 歩行者と自動運転は共存可能 だと思いますか • バス停の区間は適切ですか • 料金はいくらが適正ですか等
7. アンケートデータ 自動運転履歴データ Tableauで自作した時は このデータを事前加工しましたが AIには加工前のそのままを渡しました
8. AIは「それっぽいまとめ」はしてくれてるけど、なんだか「？」 ↓2024年 自作 Tableau(DevIO福岡) 可視化のためのデータ加工を行って取込 ↓AI作 HTML 生データそのまま
9. 指標の数値は並んでいるけど そこから結論にたどり着けない 納得感がない 勝手に推定してる 壊れた円グラフ 三つ並べる必要はない ブラッシュアップさせるには？
10. 私の脳内にあって、AIに渡してない情報を考えてみる 2024年 DevIO福岡より再掲
11. データと一緒に「ダッシュボードのゴール」を渡してみる。 「実証実験の自動運転を継続するかどうかを決める。継続する場合、障害となるこ とを明確にする」ことをダッシュボードのゴールとして、データと一緒に渡す。 【Goodポイント】 安全性・収益性・利便性・満足度等 「何を確認したら意思決定できるか」 という項目を出してくれた 【気になるポイント】定義明確化 勝手な指標を作って、それっぽい数値を入 れてきた 【気になるポイント】数値検証 「料金がかかるなら乗らない」は、AIの表 示が約15%に対し、実データは25.7%
12. 生成AIによるダッシュボード作成の解決すべき3つの主要課題 1. それっぽく見える 2. 指標・定義の曖昧さ 3. 数値の正確性・検証 【課題】鵜呑みのリスク 一見それっぽい構成に惑わされ ず、もっともらしく見えて、受 け入れてしまう 【課題】独自の解釈・ハルシネ ーション AIが勝手に独自の計算指標や都 合の良い定義を作り出す。 【課題】集計精度の乖離 AIが表示する推定値と、実際の 生データ集計値（ファクト）に ズレが生じる。 【対策】中身の定義を疑う 用語や指標の定義を明確にし て、関係者に合意を取って、AI に明示的に渡す。 【対策】ファクトチェック 意思決定に使う前に、必ず元デ ータとの数値検証プロセスを組 み込む。 【対策】納得できるかを問う ビジネスゴールを言語化し、 「この画面で判断できるか？納 得できるか」と批判的に見る。
14. AIは「良いダッシュボード」を作れるか？ 答え：作れます。 ただし、ゴールと定義を渡す必要があります。 ゴールと定義を渡すには、人間にしかできないことがたくさんあります。 変わらなかったこと 人間にしかできない「言語化と定義確認」 • ゴールの言語化 ◦ 何を目指すのか目的を明確に定義する • 定義確認・数値確認 ◦ 同じ名前でも細かな定義が揺れる ◦ 定義を踏まえての計算式 ◦ 定義を踏まえての数値検証
15. 芸術的な美しさは不要です。 凝った作りも不要です。 意思決定して行動できれば、それが「良いダッシュボード」です。