AIブーム発生から5年。変わるベンチャーの画像認識ビジネス
コメント
選択しているユーザー
AI ブームが発生したのは 2012年9月の ILSVRC (ImageNet Large Scale Visual Recognition Challenge)
「AI のゴッドファーザー」雌伏の30年
https://t.co/mTAiB4NAvh
注目のコメント
まさしく記事の通り、これからはビジネス的な費用対効果が重要になってきます。特に、コロナ禍の流れで小売業などでの活用が増えていますが、小売は利益率の低さなどもあり、費用に対して非常にシビアです。
しかし、多くの小売業は物理的に広い面積を分析対象としてカバーしなければならないため、必要なカメラ台数は多い傾向にあります。そのため、画像解析の際に一番問題になるのは、既存の監視カメラで分析できるかという問題です。新規でカメラを導入するとROIが合わないのです。
画像解析系でうまくやっている企業としてAWLさんが挙げられると思いますが、まさしく既存の監視カメラでもできるサービスもあったりします。
https://awl.co.jp/前職で大変な思いをした経験がある領域。
このご時世、マスクをつけた人が大半であるから、属性データを人間が納得できる精度で取得するのはほぼ不可能。導線分析も、フロア内が広域で複数台のカメラにまたがっている場合、同じ人間を80~90%の精度で追跡するのは難しい。
ハード的な制約としては、カメラをすごく低い位置に導入するのは商業施設側が嫌がる傾向がある。客としてもカメラが近すぎるのは良い思いがしない。
そもそも人数数えるだけならAI要らない。
赤外線センサーとかPOSデータで十分目的のデータは得られる。
マーケティング要素で使用したいのであれば、「(AI導入によって)向上させたい指標は何か」「コスト削減ならばどのコストを削減したいのか」など目的を十分に理解してから本腰を入れて開発するべき。
■男女性別などの属性データを取得するためには
・現場でカメラをできるだけ低い位置もしくは超ズーム
(天井付近だと頭部しか映らず精度が大幅に低くなる)
・現場で取れる画角や明るさと類似した大量の教師画像データ
・大量の教師データのアノテーション作業
・識別アルゴリズムの選定
・精度検証〜チューニングのループ
・UIの設定
・ユーザー側との結果すり合わせ(定期的)
などなど課題はたくさんある。導線分析は上記に加えて、複数カメラで同一人物を追跡する機能などが求められる。人の導線は大抵の場合複雑な経路(行ったり来たりなど)するので、得られた大量の導線データをどうやって表示するのか。などの課題もある。
一般的なシステム開発会社であれば「とりあえず受注してみる」と言う潮流がある。しかし、リスクは大きい。機械学習エンジニア数人で開発できるタスクでは到底ない。大きな開発コストをかけて、結局「うーん」となる精度のシステムが出来上がってしまうこと。国内にも中国にも導線分析で実績のある企業が多いので、実績のある会社に委託することが本当に重要。
>ただAIが安定してできるのは、まだシンプルな機能だ。例えば小売店舗の改善コンサルティングでは人数を数える機能だけではコンサルにならない。実際には人物の属性や行動など細かな識別が必要になり、これを作り込むと費用がかさむ。"まずやってもらう"という、いわゆるトライアル販売での顧客リレーションの醸成。そこから本加入(本販売)に移ってもらう為の、壁越えのモチベーション向上。
トライアルで、無料ではなくお金はほんの少し払う、という設計にして"支払いハードル"を下げて、そこで商品の有用性を実体験してもらった後に、"本当にやりたい事"に意識を向かせていく。
この流れはどんなサービスにも当てはまるのだと思う。
画像認識のAIサービスがこれだけバーティカルに展開されている事や、各社がPoCには低費用で応えられるよう工夫しながら、顧客獲得に繋ごうとしている状況など、市場の流れを知る事が出来た。