Google Cloud でのトランスフォーメーション

SAP IBP と Google Cloud でサプライチェーンの混乱に対処する方法

Mon, 13 Jun 2022 01:00:00 +0000

※この投稿は米国時間 2022 年 6 月 7 日に、Google Cloud blog に投稿されたものの抄訳です。

ほとんどの需要計画担当者にとって、同時に複数の混乱に対処することが日課になっているのではないでしょうか。需要予測を効果的に行うためには、それぞれに異なり、時に競合する以下のような要素を考慮しながら、予測不能な事態を予測する能力が必要です。

労働力や資材の不足
世界的な健康危機
海外の規制の変化
前例のない天候不順
サステナビリティへの取り組み強化
インフレの進行

イノベーターは、AI やデータ分析の高度な機能を組み込むことで需要予測の精度を向上させ、需要計画もスピードアップしたいと考えています。サプライチェーンの経営者数十人を対象に McKinsey が調査を実施したところ、90% が今後 5 年以内にプランニング用の IT の見直しを行う予定で、80% がプランニングに AI や機械学習を活用する予定、もしくはすでに活用していることがわかりました。

Google Cloud は SAP と提携して、このような課題やサプライチェーンの混乱にお客様が対処できるよう、上流の需要計画プロセスから支援し、統合されたエンジニアリングソリューションを通じて予測の精度とスピードを向上させることに重点的に取り組んでいます。この提携により、SAP IBP for Supply Chain と Google Cloud サービスを組み合わせて使用する需要計画担当者は、増え続けるサードパーティのコンテキストデータのリポジトリにアクセスして予測を行うだけでなく、ワークフローを合理化し予測精度を向上させる AI を活用した手法も利用できるようになります。では、これらの機能について詳しく見ていきましょう。

SAP ソフトウェアからのデータを Google 独自のデータシグナルで統合

需要の予測や計画を行う場合、高品質で関連性の高いコンテキストデータを多く使用するほど成果が向上します。これは、製品販売の影響要因を理解して傾向を把握し、混乱への対処や市場機会の活用をより適切なタイミングで正確に行えるようになるためです。

Google Cloud と SAP の提携拡大により、SAP® Integrated Business Planning for Supply Chain（SAP IBP for Supply Chain）を使用するお客様は、Google Cloud が提供する一般公開データセットや商用データセットを自社の SAP IBP のインスタンスに取り込み、SAP IBP の需要計画モデルで使用できるようになりました。そのため、需要計画担当者は、SAP IBP で通常扱う販売履歴、プロモーション、関係者の情報、顧客データに加え、Google Cloud から広告のパフォーマンス、オンライン検索、消費トレンド、地域の健康に関するデータなど多くのデータシグナルを取り入れて、需要シナリオに取り組むことができます。

より多くのデータによって、より確実で正確なプランニングが可能になるため、Google はデータプロバイダのエコシステムを構築し、Google Cloud で利用可能なデータセットの数を増やし続けています。現在のプロバイダの一部には、米国国勢調査局、米国海洋大気庁、Google Earth などが挙げられますが、企業がリスクを特定および軽減し、回復力のあるサプライチェーンを構築できるよう、Crux、Climate Engine、Craft、Dun & Bradstreet との提携も進めています。

より正確な予測を推進するための第一歩となるのが、追加の外部要因データによる需要計画の補強です。たとえば、地域で開催されるイベントや、商品の売上に影響を与える天候パターンを把握することで、十分な供給ができるようになり、それらの変化に迅速に対応できます。その結果、全体的な計画をより正確に立てることができ、リソースの浪費や在庫切れを削減できます。計画担当者は、拡張されたデータに基づいて、販売、価格、調達、生産、在庫、物流、マーケティング、広告などに関し、より正確できめ細かい日々の予測を使って対応できます。

Google AI でより正確な予測を取得

SAP IBP で利用できる広範なアルゴリズムをさらに拡張したバージョン 2205 のリリースを使用すると、SAP IBP のお客様は、予測プロセスの一環として、Vertex AI（Google Cloud の AI as a Platform サービス）上に構築された Google Cloud のサプライチェーン予測エンジンに SAP IBP 内からアクセスできるようになります。

需要予測に AI を活用したエンジンを使用することのメリットは、予測精度を大幅に向上できる点にあります。今日のほとんどの需要予測は、手作業で設定されたルールベースのモデルによって行われていますが、AI を活用したモデルはより高度で、作業に応じて需要予測の精度を上げていきます。

合理化されたワークフローにより、最短経路でデータから価値を創出

Vertex AI は、需要計画のために関連するコンテキストデータセットを含めることができ、さらにその結果を SAP IBP で表示して、計画担当者がワークフローを構築する際に取り入れることができます。

より正確な予測に加え、計画担当者は潜在的なシナリオを構築する際に、より迅速かつ効率的に作業できます。これはつまり、現在よりも多くのシミュレーションを行い、幅広い混乱をモデル化できることを意味します。SAP IBP のお客様は、手間のかかる作業を行う必要はありません。SAP IBP のデータを Google と共有し、プロセスワークフロー機能を使用して、組み合わせたデータを使用する自動化ワークフローを設定するだけで済みます。Google がデータを利用可能にするため、計画担当者は Vertex AI でワークフローを設定する際にそのデータを利用できます。

Google Supply Chain Twin と SAP IBP のユーザーは、IBP の豊富なプランニングデータを SAP の追加データや他の Google データソースと組み合わせて、サプライチェーンの可視性を向上させることができます。Google Supply Chain Twin は、販売履歴、お客様のオープン注文、過去や今後のプロモーション、価格や競合他社に関するインサイト、消費者履歴シグナル、外部データシグナル、Google データに基づいて、お客様のサプライチェーンをリアルタイムでデジタル表示します。

SAP IBP で Google データシグナルを活用し、より正確な予測を実現

これらの新機能の使用は難しいものではありません。また、より正確な短期的予測を行うことができ、SAP IBP と Google Cloud への投資からより多くの利益を得ることができます。6 月 6～8 日にフロリダ州オーランドで開催される Gartner Supply Chain Symposium に参加される場合は、ぜひ Google のブースにお立ち寄りください。または、今すぐ SAP IBP をご活用ください。

- SAP 戦略およびアーキテクチャ担当パートナーマネージャー Dinesh Vandayar

もう「ノーマル」はない？データと AI を活用したサプライチェーンの構築で備えは万全

Fri, 10 Jun 2022 02:00:00 +0000

※この投稿は米国時間 2022 年 6 月 1 日に、Google Cloud blog に投稿されたものの抄訳です。

この 2 年間の激変やイノベーションを経て、私たちが向かっているのがニューノーマルな時代ではなく、もはやノーマルが存在しない時代だとしたらどうでしょう？

Google Cloud のサプライチェーン兼物流担当マネージングディレクター Hans Thalbauer は、最近の Supply Chain & Logistics Spotlight で「サプライチェーンのプロフェッショナルは日々解決しなければならない非常に大きな課題をいくつも抱えている」と指摘しました。こうした課題の例として、Thalbauer はパンデミックによる変化、消費者需要、労働力不足、気候危機、地政学的不安定、エネルギー不足などを取り上げています。

Thielbauer は次のように投げかけます。「重要なのは、これが単に短期的な問題ではなく、長期的でシステム的な問題だと Google が考えていることです。そこには大きな疑問点があります。世界の貿易はどう変わっていくのでしょうか？本当に何か新しいものに変わっているのでしょうか？世界の貿易はこれまでどおりに機能するのでしょうか？」

まさに今、ホワイトハウスの専門家でさえ同じ疑問を抱いています。Supply Chain & Logistics Spotlight と日を同じくして、大統領経済諮問委員会の年次報告書が発表されましたが、そこでは一つの章すべてがサプライチェーンに割かれていました。その章では、かつて曖昧かつ観念的で目に見えなかったサプライチェーンが「食卓の会話に登場した」と記述されています。それには十分な理由があります。「アウトソーシングやオフショアリング、レジリエンスへの不十分な投資のせいで、多くのサプライチェーンは複雑で脆弱になっている」と、経済学者たちは説明します。また、ロジスティクスの未来を懸念しているのは同委員会だけではありません。

グローバル化かローカル化か、自動化が進むか仲介業者が排除されるか、アジャイルになるか脆弱になるかなど、ロジスティクスの未来がどのような結果になるにしても、最も可能性が高いのは、テクノロジーへの依存が高まるということです。特に、あらゆる混乱や中断に対処できるデータへの依存が進む可能性があります。

The Home Depot、Paack、Seara Foods などのこの分野のリーダーは、エンドツーエンドでのデータ接続、情報へのアクセスと共有のためのプラットフォームの機能、問題が発生したとき、あるいは発生する前に問題を軽減する予測分析の重要性など、いくつかの主要分野で機会を見い出しています。

「可視性、柔軟性、革新性を生み出すことが必要です。企業は往々にして、自社の注文、予測、在庫にばかり目を向け、それ以外の部分を目に入れようとしません。私たちは、公的情報、交通、天候、気候、金融リスクなどを取り込み、それを企業データと結び付ける必要があります。コミュニティデータを活用して、全階層のビジネスパートナーとのコラボレーションを実現する必要があるのです」と Thalbauer は話します。

エンドツーエンドのデータ

企業はこれまで、工場から倉庫、店舗、そして今では玄関先まで、それぞれの間に存在するすべてのポイントの可視化を模索してきました。データ量が増え、それに伴って機能も増加し、すべてのポイントを見通す難しさも、必要性も増しています。それが今の状況を複雑にしているのです。これは人間では管理できない規模なので、データだけでなく、分析や AI の重要性が一層高まっています。

The Home Depot は、このような相互依存性の増大、特に競合しつつも補完関係にある顧客層へのサービスの提供に、いち早く対応してきました。

パンデミックでは、思いがけない機会も到来しました。住宅価格の高騰、可処分所得の増加、DIY 愛好家による（自宅待機中の）自宅での作業などが相まって、木材、小屋を改装したオフィス、ガレージドアまで、あらゆるものが売れ続けました。商品棚を空にしてしまうと、顧客の怒りを買うことになります。

The Home Depot の IT サプライチェーン担当バイスプレジデント Chris Smith 氏は、この状況下で、同社が相手にしていたのは住宅所有者や大家だけではなく、請負業者や大規模デベロッパーもますます重要な存在になっていた、と説明します。いずれもが、異なる商品を、異なる規模かつ異なる方法で買い付けたいと要求し、この要求はパンデミックの間、拡大する一方でした。

グローバル化かローカル化か、自動化が進むか仲介業者が排除されるか、アジャイルになるか脆弱になるかなど、ロジスティクスの未来がどのような結果になるにしても、最も可能性が高いのは、テクノロジーへの依存が高まるということです

「当社には、まさにオムニチャネルアルゴリズムと呼んでいるものがあります」と話すのは The Home Depot の IT サプライチェーン担当バイスプレジデント、Chris Smith 氏です。「このアルゴリズムは、お客様の好みを、当社が把握する生産能力、品揃え、在庫の可用性と結び付けます。それらすべてをまとめ、どうすればお客様の期待に応え、サプライチェーンを最も効率的に活用できるのかを考えます。そうすることで、どこから処理するのか、どこに在庫があるのか、お客様との約束を守りつつ、当社にとって最も経済的な方法でそれを行うにはどうすれば良いかがわかります」。

Paack は、英国、スペイン、フランス、ポルトガル、イタリアでラストワンマイルの配達サービスを提供するスタートアップ企業で、同様にフルフィルメントの既存の枠を超えようとしています。同社はドライバー、お客様、センサー、天候などの豊富なデータを組み合わせ、確実な配達を実現することに重点を置いています。これまでのところ、特別なスケジュール管理ツールを使用して顧客が荷物を確実に受け取れるようにすることで、その成功率は 98% に近づいています。

Paack は、Google Maps Platform のラストワンマイルフリートソリューションを使用して、ドライバーと顧客をリアルタイムで管理しています。

Paack チーフプロダクト兼テクノロジーオフィサーの Olivier Colinet 氏は次のように話します。「ドライバーのルートと計画されたルートのどちらがより効果的か、地元にもっと良いルートがあったらドライバーは経路を変えることができるか、お客様から在宅状況を通知してもらえるかなど、収集できる情報の精度が高く、すべての人にとって優れたエクスペリエンスを構築することが可能になりました。当社では新米ドライバーにも生産性の高いドライバーになってもらいたいと考えていますが、情報の精度という最初のステップがこれを可能にしてくれます」。

プラットフォームの力

Paack の成功は、顧客と従業員のための優れたプラットフォームを構築すること、Google マップのような既存のプラットフォームを利用して自社のプラットフォームを強化することの素晴らしさを示しています。

地球の反対側では、世界最大の食肉供給会社が、自分たちのプラットフォームを提供することで何千人もの牧場主や農家を支援しようとしています。Seara はブラジルを拠点とする豚肉、鶏肉、卵のサプライヤーで、世界に事業を展開する JBS コングロマリット傘下にあります。同社は 2021 年 7 月、SuperAgroTech プラットフォームを立ち上げました。

このプログラムは何年も前から開発されていたものの、世界の食糧供給にこれ以上ないほど重要なタイミングでリリースされることとなりました。このとき食品業界は、すでにパンデミックによる供給不足と操業停止に対処中でしたが、そこにウクライナでの戦争の影響までもが及んでいる状況でした。

Seara のイノベーション兼戦略担当ディレクター Thiago Acconcia 氏は次のように説明します。「全般的に、サプライチェーン全体が影響を受け、事業は新しい労働条件に適応しなければなりませんでした。農場や現場でも状況は同じでした。このデジタルオンラインプラットフォームの構築は、農場に自律性を与えます。データ入力とデジタル通信の手段を提供することで世話役としての役割を果たすのです」。つまり、農家と Seara との間に、これまでにはないつながりが生まれたのです。

この技術は、リリース時点で 9,000 以上の農場に導入されました。さまざまな IoT センサー、モニタリングデバイス、農家、オペレーター、Seara によるデータ入力を通じて、チームは多くの結果を追跡しています。これには収穫量、家畜の健康、利益、さらには消費者にとってますます重要な要素となってきている環境や社会的影響などが含まれます。

最終的な目標は、農場のデジタル管理の割合を 100% にすることです。

「現在では、どこでも、どんな生産者でも数秒で有効化できます」と Acconcia 氏は言います。SuperAgroTech を使用することで、プラットフォームは「国の最南端にあっても中心部にあっても構いません。生産者との関係を強化し、また、これまでにないレベルで各生産者に合わせた対応を実現します」。

このようなプラットフォームでは、これまで提供されることのなかったレベルの可視性と接続性を利用できるようになり、データを収集、分析して、分析情報をプラットフォーム上で再び実行に移すという好循環が生み出されます。予測不可能な世界では、このような統合が不可欠になりつつあります。

積み上げられたコンテナ

予測分析

統合されたデータと堅牢なプラットフォームによって企業のデジタル戦略が進化する現在、絶好の機会の一つとなるのが予測分析とその周辺です。

未来を見通すというのは（少なくとも今のところは）SF の世界だけの話ですが、AI、クラウド、さらには量子コンピューティングによって、トレンドの解明、接続の確立、機会と損失の両方の予測を行うための堅牢な方法が提供されつつあります。

The Home Depot は、消費者データと AI を使用してデジタルストアを迅速に適応させ、エクスペリエンスを改善するとともに、サプライチェーンの問題を円滑化する方法を検討してきました。同社の Chris Smith 氏は、たとえば、在庫のない家電や工具を提示すると、すぐに他の場所や販売商品を提示してくれるといった便利な代替手段を挙げています。

「機械学習をさまざまな方法で適用することで、サプライチェーンにおける在庫の移動のサポートや、お客様をサポートするための生産能力の把握など、より良い、迅速な意思決定を行うことができます。自動化に関しては、配送センターから予測システムや補充システム全体で、今後も最適な判断を下すために最適化、自動化できるところはないか、引き続き探していきます」と Smith 氏。

Paack の場合、予測は交通量や嵐、さらにはリピーターがいるかどうかの可能性という形で、自ずと明らかになるでしょう。

Seara の場合は、データと分析の役割は、ビジネスだけでなく、世界の持続そのものに不可欠です。気候、サプライチェーン、世界的な紛争、移民などの問題が食糧供給を制約し続けるなか、問題を予測することが作物を救えるかどうかの分かれ道となる可能性があります。

Acconcia 氏は次のように話します。「私たちは、リアルタイムの問題を通知するだけでなく、近い将来と遠い将来に何が起こるかを予測することも目的として、AI ツールによる高度な分析の作成を開始しました。私たちは世界中の食糧を扱います。SuperAgroTech は、世界に食糧を供給し、これらの最大の課題を克服する役割を担っているのです」。

- 業界編集者 Matt A.V. Chaban

BigQuery と Looker で継続的なインテリジェンスエコシステムを構築する Mercado Libre の事例

Wed, 20 Apr 2022 02:00:00 +0000

※この投稿は米国時間 2022 年 4 月 9 日に、Google Cloud blog に投稿されたものの抄訳です。

Mercado Libre は、データの持つ力と可能性を解き放つことに本気で取り組んでいます。Mercado Libre には、ベータ版マインドという大切な文化的原則があります。「ベータ版の状態」で運用し、常にデータに対して新たな疑問を持ち、テクノロジーを試験して、最高のエクスペリエンスを生み出すためのビジネスオペレーションを反復して行うという原則です。

組織の概要としては、Mercado Libre は中南米の 6 か国に展開しており、複数のオフィスと数千の自宅オフィスで 30,000 人以上の従業員が働いています。6,500 万人以上のユーザーを抱え、昨年だけで 7,500 万件の決済が処理されました。多くの同業他社と同じく、私たちも、データを核として、極めてインクルーシブで影響力の強い企業文化を多くの拠点で作り上げるべく、組織、トレーニングプログラム、ビジネスのスケーリングに関する新たな課題への対処を模索しているところです。

3 部構成のブログシリーズの第 1 回目となる今回は、継続的なインテリジェンス、最先端の技術、データ文化をテーマに、e コマースで大きな成果を上げ、フィンテックのリーダーになることを目指す私たち Mercado Libre の可能性を明らかにしていきます。

継続的なインテリジェンス - 基盤の構築

Mercado Libre の成功の基盤は、継続的なインテリジェンスエコシステムです。分析チームはシステムやインターフェースを整備し、常時、幅広くユーザーの要望に応えています。

以下は Gartner を参照したものです。

「継続的なインテリジェンスとは、リアルタイム解析がビジネスオペレーションに統合された設計パターンで、現在および過去のデータを処理することで、ビジネス上の重要な瞬間やその他のイベントに対応する行動を導き出します」

Mercado Libre は、分析を提供すると同時に、強力なクラウドデータウェアハウスである Google BigQuery（BQ）からプログラムでデータの取り込みを可能にする設計パターンの構築を目指しています。こうした設計パターンは、Looker のユニバーサルセマンティックモデルのレイヤを使って構築されます。データで可能性を模索すること、そして場面ごとの極めて詳細なニーズに合わせて既存の業務を改革し構築できるようにすること、この 2 つを継続的なインテリジェンスのエコシステムで実現することが Mercado Libre の目標です。

Google BigQuery による大規模なリアルタイム解析

Mercado Libre は、データに基づく意思決定を常に模索しています。意思決定にデータを取り入れるということは、ソースを問わず、データが最新で、信頼性が高く、分析に使用可能でなければならないということです。つまり、エコシステム全体からのデータのストリーミング、収集、提示が必要で、そこには外部データ、内部の管理システム、Google アナリティクスや App Annie のようなプロダクトからのウェブトラフィック、ウェアハウスおよびネットワークログ、クラウドの使用量と費用、そしてもちろん、すべての API が含まれます。

私たちは、増え続けるデータソースの件数とボリュームに対応できる復元性と信頼性を見込んで、エコシステム内のメインのクエリエンジンとして Google BigQuery を選択しています。Google のサーバーレスかつ自動スケーリングのデータウェアハウスによって、数百テラバイトの元データの処理が可能となり、私たちは、パフォーマンスを犠牲にすることも、追加の管理上のオーバーヘッドを負担することもなく、数十万のクエリを毎日実行しています。このようなスピードとオンデマンドのスケーリングの組み合わせは、リアルタイム解析に向けた取り組みを促進し、利用可能な最新の分析情報とデータによる意思決定を強力にサポートしてくれます。

Looker でデータとユーザーの技術的なギャップを解消

元データをパワフルなクエリエンジンで利用できるようにするのは、継続的なインテリジェンスエコシステムの基盤となる要素ですが、それだけでは十分とは言えません。SQL の知識を持つ大勢のアナリストがデータをクエリできるようにしても、ロジックには一貫性がなく、ビジネスルールは統制がとれていないという結果に終わる可能性もあります。

大規模で継続的なインテリジェンスエコシステムで信頼を築くためには、一貫性を持ってプログラマティックにデータを取り込み、Mercado Libre のビジネスのスピードに合わせて成長できる、データモデリングとビジネスインテリジェンスのツールが必要でした。最新のビジネスインテリジェンスおよびデータプラットフォームである Looker では、堅牢なユニバーサルセマンティックモデリングのレイヤと数多くの最新の統合機能を利用することで、簡単にデータをワークフローに取り込むことができます。

Looker のコアとなるのは、コラボレーション指向でバージョン管理のセマンティックモデルで、LookML を使用して作成されています。LookML は従属言語なので、SQL に馴染みがある人であれば、簡単に学習や管理を行うことができます。ディメンション、指標、結合のロジックを一元的に定義することで、ビジネスにとっての信頼できる一つだけの情報源を作り出すことができました。この定義されたロジックは、Mercado Libre のアナリストやビジネスユーザーに代わって一貫性のある SQL ステートメントを自動で生成します。ユーザーは、これを利用することで、信頼性の高い大規模なセルフサービス分析を行えるようになります。

BigQuery+Looker - 人々に力を

このパワフルなデータスタックは、クラウドコンピューティングや分析情報が持つ力とユーザーをつなげます。分析情報は、従来通りのダッシュボードの確認、Slack との統合、メール通知アラートの受信、分析の組み込みなど、あらゆる方法で作成・配信されます。スプレッドシートなど、多くの人が無理なく使用できる非常に一般的な BI ツールからもデータにアクセスできます。Looker が新たに Google スプレッドシートを統合することになったのは本当に良かったと思っています。私たちは、この新たなインテグレーションのアルファ版テスターになり、誰もが慣れ親しんだスプレッドシートのインターフェースを利用した広範なデータへのアクセスを実現することができました。別のツールの使い方を覚える必要がないので、既存のワークフローは大きくは変化しませんが、絶えず進化し続けています。

ビジネスエクスペリエンスとカスタマーエクスペリエンスの向上

ここでは、ビジネスを前進させ、お客様のエクスペリエンスを向上させる、さまざまな成果の例をデータライフサイクルに沿って以下に挙げていきます。BigQuery を使い始めてから、SLA の可用性は 99% に到達しています。これは、Looker 内に構築した 30 以上のほぼリアルタイムモニタリングにフィードする際の処理に求められるもので、ビジネス、トランスポート、運用のチームが意思決定を行うために活用しています。BQ と使いやすい LookerML や Looker で、新しいダッシュボードを作成、デプロイしてアジリティとスピードを獲得し、非常に競争の激しい業界での変化に対応しています。

そして、お客様の価値を創造するために配達予定を（ほぼリアルタイムで）モニタリングして、航空機のキャパシティに基づいてスケジュールを最適化することで、ステークホルダーに信頼性を提供していきます。

基盤への積み上げ - 学習とイノベーションの文化

分析チームの意見としては、会社の成長と同じ速度で対応しスケーリングするのは不可能です。解決できるのはデータに関する質問の 80% であることを承知のうえで、基盤となるレイヤとして継続的なインテリジェンスエコシステムを開発しました。残りの 20% は、さらなるイノベーションを起こすために私たちが提供するツールを使って、各自のビジネス知識や専門知識を活用してもらえるかどうかにかかっています。

結局のところ、本当の継続的なインテリジェンスエコシステムとは、テクノロジーよりも大きなもので、そこには、どのようにデータを利用したいのかを理解し、教育を提供するために、ユーザーの共感が必要なのです。長期的な導入およびデータリテラシーの目標を達成するために、Mercado Libre では従業員が取り組むべき包括的なプログラムを作り上げ、そこでベータ版マインドセットと、革新を生み出し洞察力を鍛えるためのツールの使い方を浸透させています。

ユーザーのデータスキルが Mercado Libre のデータテクノロジーに合わせて発展する中で、私たちの今後のビジョンは、Mercado Libre が構築した継続的なインテリジェンスエコシステムの上で、ユーザーが独自のモデル、フレームワーク、意志決定フレームワークを構築できるようになってもらうことです。この継続的なイテレーションとイノベーションが、Mercado Libre のデータドリブンな文化を加速させています。この 3 部構成のブログのテーマとなっているのが、技術的なデータリテラシーと文化をどう教育するのかということです。

ブログの第 2 弾では、ユーザーがどのようにMercado Libre の継続的インテリジェンス・エコシステムを活用し、革新して、インパクトのある結果を出したか、という事例を紹介します。

Gartner の IT 用語集、継続的なインテリジェンス、2022 年 3 月 28 日現在。

^{Gartner は、Gartner, Inc. および / またはその関係会社の米国およびその他の国における登録商標およびサービスマークであり、同社の許可を得て使用されるものです。著作権はすべて同社に帰属します。}

- Mercado Libre、データ & アナリティクス、テクニカルリーダー Jorge Vidaurre 氏

アジリティとその先へ: Google Cloud サービスで Lowe's がアプリの開発とデプロイを進化させた方法

Fri, 08 Apr 2022 03:00:00 +0000

※この投稿は米国時間 2022 年 3 月 11 日に、Google Cloud blog に投稿されたものの抄訳です。

編集者注: この記事では、ホームセンター大手が Google Cloud サービスを利用し、e コマースだけでなくすべてのソフトウェアのデプロイ方法を変革するエンジニアリングプラットフォームをどのように構築したのかについて、Lowe's の情報セキュリティアーキテクチャ担当ディレクターである Kyle Amboyer 氏が説明しています。

洗濯乾燥機、フローリング材、パレット売りのレンガが必要な場合、Lowe’s のウェブサイトにアクセスするか、Lowe’s のモバイルアプリを起動すれば、オプションを確認し、価格を比較して必要なものを注文できます。商品を受け取りに行くか、自宅への送付を希望するか、トラックでの配達が必要か、Lowe's に伝えることもできます。しかし、この便利さを実現するために必要となるテクノロジーについて考えたことはあるでしょうか？

Lowe’s はこのことについて熟考を重ね、ついに成果を挙げることができました。2020 年の 111% の成長に加え、昨年 e コマースで 18% を超える売上増を記録しました。もちろん、簡単に達成できたわけではありません。私がノースカロライナ州の本社に勤務していた 6、7 年前に、オンラインショッピングに関するお客様の要望と期待が、当社のパッケージ型 e コマースソフトウェアの機能をすぐに超えることはわかっていました。何かしら手を打つ必要があったのです。

Google Cloud サービスを利用し、e コマースだけでなくすべてのソフトウェアのデプロイ方法を変革するエンジニアリングプラットフォームをどのように構築したのかについてご紹介します。

モノリスの購入か構築かという対比から徐々に離れることで新たなアプローチが生まれる

初めの頃、Lowe’s はソフトウェアベンダーが提供する商用ソリューションを主に利用していました。購入か構築かという問題では、購入が一般的なアプローチであり、IT はビジネス価値に貢献するものとしてではなく、サポート機能として捉えられていました。そこで、パッケージ型 e コマースソフトウェアの限界に対処しなければならないと考え、まず再構築に取り組みました。モノリスを徐々に削ぎ落とし、最終的には裏でできることはすべてやったというところまで到達したのですが、それでは不十分でした。

その頃に新しいリーダーが就任し、新しい技術スタックや、構築か購入かという考え方の発展など、変化への意欲が高まりました。リーダーたちによるサポートの下で、いち早く行動してソフトウェア開発のライフサイクルを短縮し、ビジネスの信頼性と予測可能性を高めるオペレーションを実現することを目標として設定しました。マイクロサービスベースのアーキテクチャの採用を決断し、そのマイクロサービスをコンテナ化することにしたのです。大規模なコンテナオーケストレーションを実行するために、Kubernetes を活用すればいいことはわかっていました。準備は整ったものの、こうした高い目標をビジネスに見合った期間でどのように達成するかということが問題となりました。

Google のオープンな API に対する姿勢でビジネスチャンスをつかむ

コンテナによるマイクロサービスアーキテクチャを計画し、ベロシティ、スピード、信頼性の向上を目標にする場合、パブリッククラウドはまさに理にかなっています。Google と話を始めたとき、アーキテクチャを変革し、新しい文化を築き、クラウドに移行するという Lowe's の計画を共有しました。Google はパートナーとして非常に頼もしく思えました。

まず、Google Cloud は他のどのプロバイダよりもオープンソースに投資していました。Google の多くのプロダクトやサービスがオープン API を採用しており、エンタープライズロックインについての懸念はそれほどありませんでした。また Google Cloud は、Lowe's が構築、デプロイ、運用化を行う必要がある何百ものマイクロサービスの処理に最適であり、モニタリングからロギングにいたるまで、あらゆるものを提供してくれました。また、Google Cloud サービスは単に技術を変革するだけでなく、DevOps への移行もサポートしてくれました。

開発から本番へのスムーズなパスを実現するための基礎作り

新しい「構築」アプローチの一環として、Lowe's の開発チームがコントロールしつつも、本番環境へのスムーズなパスを実現したいと考えました。そこから、複数のツールを統合し、CI / CD、セキュリティ、オペレーションのベストプラクティスを推進するためのプラットフォームレイヤが必要だ、という結論に達しました。ロギング、モニタリング、トレースをつなぎ合わせることで、マイクロサービスを構築する開発チームがビジネスロジックとビジネス目標に集中しながらこのプラットフォームを使用できるようになります。

Google Cloud サービスや自社のセキュリティチームと連携し、Carbon という社内プラットフォームの基礎を築きました。Google Kubernetes Engine（GKE）が Carbon の核であり、テレメトリーやロギング、CI / CD、デプロイパイプライン管理などのために、他のオープンソーステクノロジーも統合しています。セキュリティとサービスメッシュの制御には、Istio および Hashicorp がオープンソースで提供している Consul と Vault を組み込み、診断には Google Cloud のオペレーションスイート（旧 Stackdriver）を組み込みました。

Infrastructure as Code に基づき、自動化を主な原動力として、Carbon を一から構築しました。Carbon チームは、組織、プロジェクト、ネットワーキング、権限に至るまで、Lowe's の Google Cloud テナントをブートストラップしましたが、その際に Terraform が重要な役割を果たしました。構築してからまもなく、小売業で最も過酷なテストに挑むこととなりました。あのブラックフライデーです。

ブラックフライデーでの 3 回の成功がソフトウェアデリバリーに大きく影響

Carbon でのブラックフライデー e コマースは 1 年目、2 年目、3 年目と成功を収め、記録的な売上やトラフィックとなりつつも、必要な安定性が確保されました。最初のブラックフライデーで、Carbon と Lowe’s の状況が変わりました。e コマースやモバイルアプリの開発とデプロイにかかる時間が数週間から数時間に減ったことで、社内に噂が広まりました。

他部署の社員が、「こんなアプリがあって、早くテストする必要がある」と私たちのところに言いに来たほどです。他にも、「このコードは数か月前から用意されたままになっていて、インフラを待っているところだ」と言いに来る社員もいました。彼らは Carbon を通じて開発環境に参加することがいかに簡単であるかわかっていたのです。そしてすぐに、マーチャンダイジング、マーケティング、サプライチェーン、データサイエンスなど、さまざまなチームから私たちの元へ集まってきました。

翌年には、Lowes.com のすべてを Google Cloud と Carbon プラットフォームの大部分で動作するように変換したのですが、それにより可用性と継続性を高める必要が生じました。マルチリージョンを採用し、現在では Carbon とそのすべてのワークロードを米国東部リージョンと米国中部リージョンで稼働させています。独自のデータセンターともう少し深く統合し、より多くのハイブリッド通信を橋渡しする必要がありました。最終的には、Carbon がソフトウェアデリバリーのエンタープライズプラットフォームとなるまで規模を拡大しました。Carbon は現在、オンプレミス、店舗、Google Cloud で利用され、1,000 を超える独立したワークロードで Lowe’s のビジネスの全分野をサポートしています。

Carbon は見事なサクセスストーリーです。DevOps に向けて社内文化を発展させる立役者となるだけでなく、技術的な変革を解き放つという点で、期待を上回る成長を遂げました。Lowe’s では、ワークロードを抱え、最も抵抗の少ないパスを探している全社員に Carbon が用意されています。マイクロサービスは、水のように最も抵抗の少ないところを通ります。このプラットフォームは、マイクロサービスが本番環境に向かって流れる際の抵抗の少ないパスを確立しました。そして Google Cloud は、Lowe’s の成功に欠かせない要素となりました。

- Lowe's 情報セキュリティアーキテクチャ担当ディレクター Kyle Amboyer

手のひらにラボを: Cue Health は、COVID-19（新型コロナウイルス感染症）とその先の医療診断をどう革新していくか

Thu, 31 Mar 2022 02:00:00 +0000

※この投稿は米国時間 2022 年 3 月 16 日に、Google Cloud blog に投稿されたものの抄訳です。

編集者注: COVID-19 のパンデミックに対応するため、Cue Health は、携帯型の Cue Health Monitoring System と Cue COVID-19 At-Home Test を開発しました。Google Cloud は、同社の迅速な変革とバックエンドオペレーションのスケーリングをサポートしています。2010 年の創業からずっと、Cue Health はいわゆる研究開発モードの会社であったと言えます。しかし、ほぼ一夜にして、全米に数百万台の Cue ユニットを製造、展開する商業モードの会社に移行する必要に迫られたのです。

Cue の最初のゴールは、シンプルな遠隔診断検査を適正な価格で手に入れやすくすることでした。しかし、特にパンデミック時におけるさらなる重要なミッションは、公衆衛生当局や研究者が地域医療の全体像を把握する手助けをすることでした。Cue は Google Cloud の安全なインフラストラクチャを利用して、COVID-19 のパンデミックに関するよりタイムリーで正確な情報を当局に提供するための、重要なデータのスケーリング、保存、保護を迅速にサポートしました。また、このデータから得られる継続的なフィードバックを活かしながら、Cue の検査がユーザーにとっての最も正確な COVID-19 のセルフテストであり続けられるように努力を続けています。

Cue のこれまでたどってきた道のりをご紹介します。

現代の微生物学は、バクテリアが発見された 17 世紀に始まりました。2 世紀ののち、Louis Pasteur は微生物学の原理を応用して細菌と疾病の関連性を研究していましたが、狂犬病の原因の究明に苦戦していました。狂犬病は当時の標準的な装置では検出できないほど小さいウイルスによって引き起こされていたからです。しかし、4 年にも及ぶたゆまぬ実験の結果、Pasteur は、狂犬病に感染した組織を弱毒化した抽出物が狂犬病を防ぐかもしれないことを発見したのです。これが、最初のワクチンが誕生した瞬間だと考えらえています。この歴史的発見以降、科学者たちは実験を通して答えを探し続けました。そして 1930 年代、電子顕微鏡の発明によって、contagium vivum fluidum（生命を持った感染性の液体）、つまりウイルスを実際に目で見て研究をすることができるようになり、そこからワクチンの改良が進んでいきました。

COVID-19 の終息に何十年も何世紀もかかるとは考えにくいですが、疲弊した社会からすると、このパンデミックとの闘いは、1 日 1 日が永遠に思えることでしょう。医療の世界でウイルスへの対策を日々模索する現代の戦士たちにとっては、ウイルスを目で見て、性質を特定し、治療法を見つける実験を行うだけでは不十分なのです。データの収集と分析は、病原体の傾向を追跡し、どの治療法が最も効果的に病原体を中和するかを理解するために最も強力な方法の一つと言えます。

これまでのところ、タイムリーで包括的なデータはパンデミックにおいては真価を発揮できておらず、結果、2 年以上にもわたりパンデミックが猛威を振るうままになっています。

Pasteur の時代からの目覚ましい進化にもかかわらず、またこれほどのデータが利用可能であるにもかかわらず、データがばらばらのままになっている理由は明白です。「現在使用されている医療診断のインフラストラクチャの大部分は、何十年も前に確立されたシステム上に構築されているのです。」こう話すのは、Cue Health のチーフ戦略オフィサーである Chris Achar 氏です。

Achar 氏によると、従来の診断のシステムはこうです。患者は予約をして医師の診察を受け、医師は患者が提供した検体を中央検査室に送ります。検査結果が出て、医師が患者に結果を知らせて治療法を提案するまで数日、時には 1 週間かかることもあります。診断データは通常、一元管理され、患者のアクセスは許可されていません。

COVID-19 のパンデミックでは、こうした時間のずれが公衆衛生当局に明白な問題を引き起こしました。最初の症状が出てから最終検査結果が出るまでに数週間かかることもあり、この時間の隔たりのせいで、世間がその存在を知る前に変異が広がってしまう可能性があるのです。「この国における DNA 配列データの処理には平均 28 日かかります」と Acher 氏は説明します。「デルタ株は、30 日もかからずに支配的な変異株となりました。」

公衆衛生当局がその存在を認知したときには、すでにデルタ株に置き換わっていたのです。

オミクロンのような変異株が現れたとき、感染を恐れる人々は、自宅でできる迅速な抗体検査に群がりました。従来のラボでの診断より早く結果が得られますが、結果の信頼性は劣ります。さらに、多くの人は陽性であっても報告しないため、公衆衛生当局は本当の陽性率、発生場所、感染拡大の速度を把握できません。そのため、予想外の変異が発生した場合に、対策のために当局が利用するツールのほとんどは、すでに古くなっている情報に依存しているものでした。「これにより、国全体で大きな盲点が発生していました」と Achar 氏は言います。

COVID-19 に似た症状が現れて具合が悪くなったときに必要なものは、迅速で正確な検査と診断です。同様に衛生当局も、時間内に対応を策定して効果を発揮できるよう、迅速で正確、かつ接続されたデータ報告を必要としています。このデータの壁を超えない限りは、社会はこのパンデミックの新たな局面やそれに続く新たなパンデミックに翻弄され続けることになるでしょう。

家庭用分子検査のパイオニア

Cue Health は、2010 年から家庭用の分子検査の技術の開拓に取り組んでいます。創立者である Ayub Khattak 氏と Clint Sever 氏は、2009 年の豚インフルエンザの大流行としても知られる H1N1 のパンデミックの際、診断のキャパシティ不足や当時の医療現場の状況を目の当たりにして、Cue Health を立ち上げました。

「彼らが目指したものは、高速で現場にデプロイ可能で信頼性の高いもの、またデータを公共医療システムに戻すことができるものでした」と Achar 氏は話します。「医療従事者と、最終的には消費者が同様に使用できるもので、多くの分子分析を行うことができるプラットフォーム機能です。」

そうした彼らの努力は、Cue Health Monitoring System として実を結びました。これは、Bluetooth で動作する、充電式の携帯デバイスである Cue Reader をベースとしています。また、Cue Test Cartridge は、核酸増幅検査（NAAT）の実施に必要なすべての化学物質とコンポーネントを含む 1 回限りの使い捨てユニットです。極めつけは、モバイルアプリである Cue Health アプリです。これをダウンロードすると、ユーザーが検査結果を管理できるだけでなく、必要に応じて管理対象の検査を受けたり、アプリ上のバーチャルケアを通して医師と話したり、電子処方箋機能を利用したりできます。

使用法は簡単です。Cue Reader に新しいカートリッジを装着して、付属の棒で検体を採取し、カートリッジに挿入するだけです。後は Cue アプリがやってくれます。「Cue Reader は Bluetooth を通じてモバイルアプリに接続されており、電子処方箋と医療システムに統合されています」と Achar 氏は説明します。Cue Health は、検査結果を匿名化し、ほぼリアルタイムで傾向を分析し、公衆衛生当局に貴重な分析情報を提供します。

COVID-19 のパンデミック以前から、Cue はすでに、米国保健社会福祉省の医療技術の発展を目的とした部門であるアメリカ生物医学先端研究開発局（BARDA）と協力していました。BARDA は、パンデミックへの対応に注力しながら米国の医療インフラを維持していく一環として、Cue の技術に関心を持ったのです。

この関係性を通じて、Cue Health は、2020 年の初めに COVID-19 のゲノム配列が利用可能になったとき、すぐアクセスすることができた数少ない企業の一つとなりました。Cue Health Monitoring System は当初から適応性を考慮して設計されていたため、Cue Health のエンジニアは、カートリッジ内の化学物質を変更するだけで、COVID-19 検出用の新しいセットを作ることができたのです。3 週間で高性能の検査薬が完成しました。この検査薬は、家庭用分子診断薬として初めて米国食品医薬品局（FDA）の認可を受けることになりました。

Mayo Clinic の独立臨床調査の検証によると、Cue Health の COVID-19 検査は、ラボベースの PCR 検査と比べた場合、実に 97.8% の精度を誇ります。

「Cue Reader を使えば、どこからでも COVID-19 の検査が可能です」と Achar 氏は言います。「ラボ並みの精度を持つ分子検査の結果が、20 分以内にモバイルデバイスに届くのです。」

パンデミックレベルの需要に応える

正確で信頼性の高い COVID-19 検査の開発は最も重要なステップではありましたが、最初の一歩にすぎません。この検査への需要は、少数の個人や地域のレベルを超えて拡大しうると思われます。地球上のあらゆるコミュニティや国がこの検査の恩恵を受けられるでしょう。次なる、そしてはるかに高いハードルは、地球規模のパンデミックにおける需要に応えられるだけの数の検査を製造、配布、処理することです。

「今の社会の状況を見るにつけ、もっと良い方法があるはずだと考えていました。」Cue Health の共同創立者の一人である CEO の Ayub Khattak 氏は言います。「この問題を解決するために力を合わせ、それに適した技術の創造に着手したのです。」米国国防総省からパンデミックのインフラストラクチャ構築のための助成金を得て、Cue Health は、研究開発から商業規模に事業を転換する際に直面するあらゆる問題を洗い出して対処するための支援を求めました。

「COVID-19 と豚インフルエンザは、医療情報へのアクセスが抱える非常に根本的な問題に光を当ててくれました」Khattak 氏はそう話します。「拡張性のある製品を構築する必要がありました。」非常に大きな需要に応えることを求められ、特にプライバシーとセキュリティに関するヘルスケアの厳しい要件を満たすには、オンプレミスのインフラストラクチャの拡張性では追い付かないことを、Cue Health 自身も認識していました。このビジョンを実現するため、Cue Health は既存の環境をクラウドに移行する手助けを Google Cloud に求めたのです。まず、パンデミックの正確な全体像の把握のために必要な、膨大な検査結果データを保存できるヘルスケアデータレイクを一元化することから始めました。

「保健福祉省と国防総省の信頼を得るためには、セキュリティ、HIPAA、スケーラビリティ、冗長性に関するデータコンプライアンスとアプローチを共有する必要がありました」と Achar 氏は説明します。「それは Google Cloud の得意とするところでした。また、国際的な観点からも、認可された各地域内でヘルスデータを保管しなければならなかったのですが、Google Cloud があれば、毎回一から作り直さなくてもよいのです。たとえばカナダやシンガポールなど、認可を受けた国における Google Cloud の機能の中で、データを分離して保管することができます。」

Cue Health が Google Cloud を選んだ理由は他にもあります。HL7v2 や FHIR といった業界固有のデータ標準をネイティブサポートしていることや、HIPAA に準拠した環境が事前に構築されているため、環境をまたいだ迅速なスケーリングが非常に容易であることなどです。また、Google Cloud は、患者や医療従事者が刻々と変わるデータに簡単かつ安全にアクセスできるようにするとともに、Google Cloud Healthcare API でデータを匿名化し、研究者がそのデータを利用して医療関連のトレンドをほぼリアルタイムで分析できるようにしています。

「今は 21 世紀ですから、」Achar 氏は続けます。「私たちの健康に関するデータは非常に個人的なものであると同時に、私たち自身のものでもあります。そのため、もっと簡単にアクセスできるようにする必要があります。Google Cloud は私たちが必要としていたスケーラビリティとセキュリティを提供してくれました。人々のデータがどう使われるかやどこに報告されるのかなどは、非常に重要なトピックだからです。」

データを使って一歩先んじる

さらに、Cue は現在、検査を受けて陽性となった人の COVID-19 サンプルを別途家庭用の Sequencing Collection Kit を使って DNA の塩基配列を決定できる機能も提供しています。配列決定されたゲノムデータは Google Cloud に保存され、高度な AI と機械学習ツールを使った大規模なスケールでの解析が可能です。

「これは、より多くの配列決定データが集まり、他の重要なデータレイヤーに接続することができれば、今後の予測をする際に非常に有意な情報となるという考えに基づいています」と Khattak 氏は言います。

携帯型の検査ソリューションが広く利用可能となった今、診断のできるラボ施設を持たないコミュニティにおいても、ラボと同等の精度を持った検査が広く可能になり、新しい変異株を特定するのに要する期間を現在の 10 日間からさらに短縮できると期待しています。また、どの人口層が高リスクを抱えているのか、またどんな人がどの治療法に向いているのかなどの判断を医療コミュニティが行う際にも非常に役立つと考えています。

「サービスの行き届かないコミュニティ、地方のコミュニティ、それに部族地域などにも届けています」と Achar は話します。「これは、ラボと同等の精度の分子 PCR 検査へのアクセスを持たない人々にとって大いなる一歩です。」

このデータの壁を超えることで、公衆衛生当局は、あらゆる人を助けるための的確な予防措置を取ることができます。むやみやたらに多くの人々に、遅すぎる措置を行う代わりにです。「Google Cloud と共同で発表したとおり、現在、公衆衛生当局が利用できるダッシュボードを構築しています」と Achar は説明します。「私たちは、ある地域において、他の地域と比べて陽性が増加する時期を示すミニメッシュソナーネットワークを想定しています。これにより、公衆衛生当局は抗ウイルスチームやサージ対応チームをどこにより多く配置するかを決定できます。」

Pasteur の足跡をたどってきた科学者たちにとって、病気とは解明すべき複雑な構造であり、生命をも左右しかねない、治療を必要とする人間の状態であると言えます。しかし、病気を研究するには、その生物学的な構造を学ぶだけでは不十分です。病気を食い止める方法を学ぶためには、病気がどのように発生して広がっていくのか、またどのように個人や人々に影響するのかを理解しなければなりません。Cue Health のようなパイオニアが、一日でも一刻でも早く、重要な診断データを医療従事者や科学者に届けることができれば、疲弊した医療界がこの公衆衛生の危機に先手を打ち、次の危機に優位に立ち向かえるようになるのです。

「接続性やデータを持つこと、そしてパンデミックだけでなく医療全般に対してより良いアクションを取ることの意味は非常に大きなものです」と Achar 氏は言います。「これはまだ始まったばかりなのです。」

- Google Cloud メドテック戦略とソリューショングローバルリード、Alissa Hsu Lynch

クラウドでの音声取引 - 専用回線のデジタルトランスフォーメーション

Tue, 29 Mar 2022 02:00:00 +0000

※この投稿は米国時間 2022 年 3 月 29 日に、Google Cloud blog に投稿されたものの抄訳です。

Google は、金融サービス業界のお客様と協力してきたこれまでの経験を活かし、大手インターディーラーブローカーと提携を結びました。この提携において、コア音声取引インフラストラクチャのモダナイゼーションに関する共同イノベーションに取り組んでいます。同ブローカーの動機はシンプルでした。トレーダーがリモートで働くことができ、レジリエンスとスケーリングを備えた新しい拠点でのオンボーディングを簡単に実現でき、音声による文字変換や分析などの新しい機能を利用できるようにしたいと考えていました。同時に、クラウドベースの新しい音声ネットワークには、高い信頼性、高速性、そしてもちろん安全性を求めていました。この記事で、Google がたどり着いたソリューションについて詳しくご紹介します。

音声取引の現在

インターディーラーブローカー、銀行、バイサイド間の音声取引市場では、中核となる取引機能として通信事業者から貸与された専用線と、ポイントツーポイントの専用回線を使用することで、取引先との継続的な通信を可能にし、取引所以外の場所で取引された資産に対する安定的かつ継続的な利益を生み出しています。

取引業界の技術は飛躍的に進歩しています。しかし、モダナイゼーションの観点から見ると、音声取引用の専用回線インフラストラクチャは大きく後れを取っている状況です。電子取引の進歩にもかかわらず、音声ベースの取引の大部分は、いまだに時分割多重（TDM）回線などの旧来のテクノロジーで実行されています。これらの回線は、地理的な場所に拘束される特殊なハードウェアインターフェースとゲートウェイに大きく依存しています。

ブローカーは今まで、主にオフィスのデスクからのみ取引していたため、専用回線をクラウドに移行する意欲はそれほど高くありませんでした。しかし、COVID-19（新型コロナウイルス感染症）により、音声による仲介業務用の最新のプロトコルに基いたソフトウェア定義ソリューションに対する需要が高まりました。特に、在宅勤務によって、固定のポイントツーポイント回線からインターネット電話インフラストラクチャへの転換に拍車がかかっています。パンデミック後にはハイブリッドな勤務形態が増加し、クラウドベースのソリューションに対する需要は持続していく見込みです。

コストと収益の観点から考えると、利用中の通信サービスプロバイダや Google Cloud と連携して TDM から移行し、専用回線をクラウド接続することで、大幅なコスト削減を実現できます。回線ごとに固定コストを支払う代わりに、使用量モデルに変更すると、音声の送受信に必要なデータの下り（外向き）データに対してのみ支払いが発生します。

音声取引市場の変革

Google Cloud の Network Connectivity Center は、音声取引市場を補完する役割を担います。Network Connectivity Center を使用すると、Google のグローバルネットワークを活用してオンプレミスネットワークをクラウドに接続してデータを転送できます。また、オフィス間、銀行、バイサイドの取引先などのオンプレミスロケーション間で高性能音声データ接続を利用でき、必要な場所、タイミングで、すぐに新しい場所を簡単に追加できる柔軟性を獲得できます。

金融市場の音声ネットワークをクラウド、特に Google Cloud に移行することで、アジリティ、パフォーマンス、柔軟性の向上やコスト削減が実現します。Google Cloud 独自のソフトウェア定義ネットワークは、あらゆるクラウドプロバイダの中で最も広範囲に及ぶネットワークであり、パフォーマンス、可用性、レイテンシを大幅に改善します。同時に、音声データを文字に変換して分析する機能は、新しい「指標となる」市場のデータフィードから新たな利益の流れを生み出し、コンプライアンスを徹底した履歴レコードを生成するのに役立ちます。

ソリューション

以下は、Google Cloud のネットワークと Google Cloud の AI / ML 機能と組み合わせて通信サービスプロバイダ（CSP）のラストワンマイルを活用することにより、最新の取引デスクのニーズに対応する方法の概要です。設計の詳細については、以下をご確認ください。

サイト間の接続に Google のグローバルネットワークを活用

Network Connectivity Center は、Google のグローバルネットワークを使用してオンプレミスサイト間のデータ転送を可能にするハブアンドスポークモデルを使用します。ハブとは、アタッチされたスポークを接続する簡単な方法を提供する中央接続管理プレーンです。スポークとは、インターディーラーブローカーのオフィスなどのオンプレミスのロケーション、または音声取引エコシステム内のバイサイドとセルサイドのエンティティを表すネットワークリソースです。スポークネットワークリソースは、VLAN アタッチメント、VPN トンネル、ネットワーク仮想アプライアンスなどです。すべてのスポークは、他のすべてのスポークとの間で動的ルーティング情報を伝播するCloud Router に関連付けられています。これにより、Google のグローバルネットワークを経由した SIP と RTCP トラフィックのサイト間転送が可能になります。

Network Connectivity Center は、グローバル接続ポリシーを管理するための単一の場所を提供し、Google Cloud、マルチクラウドネットワーク、オンプレミスネットワーク全体のさまざまなお客様のロケーション間でのオンデマンド接続を可能にします。そのため、スポークとしてオンボーディングすることにより、トレーダーの音声や顧客との接続を新しいオフィスに非常に簡単かつ柔軟に接続できます。

最高水準のネットワークセキュリティ、フォレンジック、テレメトリー

高性能で低レイテンシの Google グローバルネットワーク上に構築された包括的なセキュリティソリューションを活用して、音声取引市場に必要な最高水準のエンタープライズセキュリティを提供します。

組織のポリシーを中央制御として利用して、組織のリソースの使用方法に関する制限を構成できます。組織のポリシーで次のような制約を与えます。

ドメインに基づいてリソースの共有を制限します。たとえば、音声取引システムと対話する相手側の ID セットを制限できます。
新しく作成されたリソースの物理的なロケーションを制限して、データがキャプチャおよび処理されるロケーションで、制御を必要とする金融規制および法令のニーズに対してデータ所在地の要件が満たされるようにします。
Network Connectivity Center ハブにスポークとして接続する VPN ピアを制限します。

次に、階層型ファイアウォールポリシーを利用して、GCP 組織全体で一貫したファイアウォールポリシーを作成および適用できます。これにより、承認された送信元と宛先との間でのみ、音声ネットワークトラフィックが許可されます。これらのポリシーは、組織レベルで実施されます。

Cloud IDS 侵入検知サービスを使用して、ネットワークトラフィックを完全に可視化し、侵入、マルウェア、スパイウェア、その他のラテラルムーブメントの攻撃に対する脅威を検出できます。これにより、Google Cloud の音声取引システムは、高度な脅威の検出とコンプライアンスの要件を満たすことができます。

最後に、Network Intelligence Center は、Google Cloud ネットワークの可視性、モニタリング、トラブルシューティングを管理するための拠点となる単一のコンソールとして活用できます。レイテンシとパケット損失の指標を可視化することは、世界クラスの音声取引ソリューションを提供するうえで重要です。ネットワークトポロジは、インターディーラーブローカー間、または音声取引のシステム上のバイサイドとセルサイド間のすべての接続のトポロジと、それに関連する指標を表示する視覚化ツールとして使用できます。さらに、パフォーマンスダッシュボードで、パケット損失とレイテンシの指標をきめ細かくモニタリングできます。

コンプライアンス、分析、AI / ML

音声取引インフラストラクチャと専用回線を Google Cloud に移行することで、音声データをネットワークから取り込めるようになります。取り込んだデータは、CFTC 規制 23.201-203 の一環として、リスク軽減および取引記録履歴のために規制当局から要求されます。これらのライブキャプチャと履歴レコードから、Speech-to-Text（STT）API などの Google Cloud AI サービスを利用して、音声や聴覚データを文字起こしテキストに変換できます。こうして、Natural Language API や Vertex AI AutoML Natural Language などの自然言語処理サービスを利用して、分析に利用できる有用なデータを豊富に生成できます。

専用回線をクラウドに移行することは、コスト削減だけではなく、利益の創出にもつながる取組みです。音声キャプチャから生成されたデータと分析情報によって、関心の表明（IOI）や取引履歴の完全な再構築や、指標となる市場データの新しいソースの作成が可能になるため、金融機関、規制当局、調査会社にとって非常に価値があります。生成されたデータを活用して、分析を通じて新しい分析情報を作成できます。さらに、貴重な OTC 市場データフィードなどの新しいサービスの作成を開始して、ブローカーに新しい収益源を生み出すことができます。一方、取引データの完全なセットを利用できるようにすることは、MiFID II、AML、シニアマネージャーレジームなどの規制遵守に大いに役立ちます。

クラウドでの安全な音声取引が現実のものに

旧来の専用音声回線に代わるエンドツーエンドのクラウドソリューションがついに登場し、多くの金融サービス組織が時流に乗ろうとしています。Google Cloud は、専用回線による音声インフラストラクチャを効率的に置き換えるだけでなく、新しい付加価値機能によって機能を強化するためのテクノロジーを完全に補完するものです。クラウドの専用回線インフラストラクチャの詳細については、今後のホワイトペーパーに注目してください。また、その他のユースケースについてのご相談は、gcp-private-wire-team@google.com までご連絡ください。ご意見をお待ちしています。

謝辞

Andy Mather 氏（FSI 社クライアントパートナー）に対し、このブログ記事への多大な貢献に感謝の意を表します。

- Google Cloud カスタマーエンジニアHarrison Tse

- Google Cloud ネットワーキングプロダクトスペシャリスト Kayode Salawu

Virta Health が Google Cloud を利用して 2 型糖尿病の治療を変革

Mon, 28 Mar 2022 02:00:00 +0000

※この投稿は米国時間 2022 年 3 月 11 日に、Google Cloud blog に投稿されたものの抄訳です。

新型コロナウイルス感染症のパンデミックによって、代謝性疾患患者、特に米国において 2 型糖尿病を患う何百万人もの米国人患者の危機が明らかになりました。米国糖尿病学会によると、米国の人口の 11.3%（3,700 万人以上）が糖尿病を患っていますが、推定 850 万人の米国人が受診しておらず、足の切断、失明、腎臓障害、心臓病、早死といった合併症の危険にさらされています。経済的な負担も大きく、米国における 2 型糖尿病患者の負担は、全体で年間 4,000 億米ドルを超え、患者一人当たり平均で 13,240 米ドルとなっています。新型コロナウイルス（COVID-19）で死亡した人の 40% が糖尿病の患者であることから、2 型糖尿病の患者が COVID-19 の検査で陽性になると、致命的となる可能性があることがわかっています。CDC のデータによると、新型コロナウイルスで入院した患者の 78% が体重過多や肥満体でした。

Virta Health は、この感染症と闘うために臨床的に証明された治療法を用いて、薬物療法や手術を使用せずに、2 型糖尿病などの慢性代謝性疾患を安全かつ持続的に改善する治療法の発見に取り組んでいます。患者の症状を改善するために、Virta は患者に専用の仮想ケアチームと体系的な教育を利用する機会を提供し、患者が、特定の食品が慢性高血糖にもたらす影響を理解して、必要な食生活を見直せるようにしています。患者の食生活の変化が定着したら、Virta は薬の処方を安全に中止します。Virta は、栄養生化学、データサイエンス、AI、デジタルツールの技術革新と臨床の専門知識を組み合わせて、Google Cloud ベースの使いやすいアプリで、同社ならではのテクノロジー、医師、ヘルスコーチの融合を実現しています。

Google は Google Cloud の役割を、Virta の患者を中心としたエコシステムを次の 3 つの方法で支援することだと考えています。

1. Virta のインフラストラクチャへの柔軟性とコントロールの提供

2015 年に小規模な医療スタートアップとしてスタートした Virta は、有力企業となった今、2025 年までに 2 型糖尿病患者 1 億人を治療することを目標として数万人の患者を治療しています。企業が成長するにつれ、インフラストラクチャのニーズも高まっていました。2020 年、Virta は一連の遠隔診療プラットフォームを、コンプライアンス対応のコンテナオーケストレーションプラットフォームの Aptible から、Google Cloud のマネージド Google Kubernetes Engine サービスに移行する時期であると判断しました。Aptible から GKE への移行には、次のようないくつかの主要な動機がありました。

優れた選択性: ネットワーキング、スケーリング、ツールの決定における柔軟性とコントロール
きめ細かい権限設定: さまざまなワークフローへの権限とアクセス権を付与すると同時にそれ以外の権限を制限するきめ細かい機能。エンジニアリングチームの規模が大きいほど重要
マネージドツール: Cloud Functions、BigQuery、Google Cloud Healthcare API などの業界をリードするマネージドツールの利用が可能

2. 相互運用可能なデータプラットフォームと情報レイヤの確立

このレイヤは、データの取得、キュレーション、管理、ストレージ、相互運用性を扱い、エコシステムが動作できる共通のデータセットを作成します。Virta がより多くのワークロードを FHIR ストアに移行する際、Google Cloud Healthcare API により、すぐに使える FHIR ストアが提供されました。これは、規格に準拠した検証済みの機能的なもので、移行の主要な動機づけの要因となりました。Google Cloud の Cloud Healthcare API により、相互運用を実現する強固な基礎が確立され、オープンスタンダードを活用して患者のデータを照合する Virta の革新的な手法が引き出されます。糖尿病を治療および克服する最初のステップは、リスクのある集団を特定することです。BigQuery を活用することで高度な分析の実施が可能となり、代謝マーカー、栄養摂取、投薬データを組み合わせることでデータをさらに充実させることができます。

3. 人工知能と機械学習を使用したインテリジェントシステムの開発を可能に

機械学習（ML）と人工知能（AI）は、臨床医の治療ワークフローと患者のケア全体を向上させるシステムで重要な役割を果たします。

医療提供者（医師、看護師、ヘルスコーチ）は、毎日患者と 1 対 1 で向き合っています。患者に糖尿病の治療方法について教育し、学んだ内容を患者が毎日の生活で実践できるようサポートしています。一人ひとりの患者にあった治療を行うために、医療提供者はリアルタイムで情報を入手する必要があります。Virta の医療提供者は、受動的にも能動的にも患者に関わっています。受動的なケアとは、たとえば、食事療法について患者の質問に答えるなどといった患者からのサポート要請に応じることです。能動的なケアの例としては、血糖値不足の記録に気づいた際に連絡すること、治療の成果をほめること、食事療法の効果が出たときに投薬を調整すること、などがあります。

Virta の ML エンジニアは、数多くの Google Cloud プロダクト（Kubernetes Engine、BigQuery、Google Cloud Storage、Cloud Build など）を使用して、メッセージ、バイオマーカー、ラボ、健康転帰などの匿名化されたデータを組み合わせて、能動的なケアによるメリットが最も大きい患者を特定する AI システムを開発しました。この AI システムは、パイプラインの一部として機能し、その結果として「患者エンゲージメントの機会（患者と関わるべきタイミング）」について臨床医にアラートを出し、個別の診療に役立つコンテキスト情報を提供します。このパイプラインは、AI 適用、臨床運用、設計、プロダクトといった Virtans の部門横断型チームによって継続的に反復処理されています。

Virta は、ML を使用して治療を止めてしまう可能性が最も高い患者を示すことができるため、医療提供者は早期に介入して患者に治療を続けることができます。また、ML を使用して患者の HbA1c（血糖の基準値）を推定し、現在の回復までの進行状況を判断します。こうした入力情報やその他の情報に基づいて臨床医にアラートが表示され、臨床医は対処方法を判断できます。これは、Virta の増え続ける患者の安全を守りながら治療を行うために不可欠です。

エンゲージメントに優先順位を付けるために、チームはルールと ML 手法を組み合わせたハイブリッドアプローチを採用し、次のものに高い優先順位を付けています。

最も時間の影響を受けるエンゲージメントの機会
最近コーチからメッセージを受け取っていない患者
つい最近治療を開始した患者（適切なスタートを切れているか確認するため）

チームは 2021 年、ヘルスコーチのアラートと、コーチの行動につながる確率を増やす方法に焦点を当てました。役に立たないアラートが多すぎる場合は、エンゲージメントの最適化基準を見直して厳しくし、優先順位付けアルゴリズムを調整し、ヘルスコーチによって特定されたギャップを埋めるために新しいアラートを導入しました。その結果、ヘルスコーチの行動が約 20% 増加し、より効率的かつ効果的に活動できるようになり、それが患者の大きな成功へとつながっていきました。

Google は、Virta が数百万人の患者の 2 型糖尿病を治療するという目標を達成するうえで非常に大きな役割を果たしています。Virta は、2022 年には顧客数と患者数が対前年度比で 100% 以上増加すると見込んでいます。患者数の増加に伴い、Virta は引き続き ML と AI にさらに注力し、患者に糖尿病治療に安全に取り組んでもらい、治療を成功させるとともに、臨床医やヘルスコーチのワークフローの合理化を継続していきます。

- Google Cloud、グローバルヘルスケアソリューション担当ディレクター Aashima Gupta

市場をリードするインクルーシブなハイブリッド業務環境実現のための 8 つのステップ

Thu, 24 Mar 2022 02:00:00 +0000

※この投稿は米国時間 2022 年 3 月 9 日に、Google Cloud blog に投稿されたものの抄訳です。

世界中の多くの経営幹部は、ハイブリッドな働き方へのモデル転換の影響力を感じています。この大規模な移行は、従来のオフィス文化からの無視できない脱却を表しています。ビジネスリーダーは、柔軟な業務モデルのインフラストラクチャの運用を試みる一方、この新しい状況下で従業員を引き付け、定着させるのに何が必要かを評価しています。個別に取り組むのではなく、ハイブリッドな働き方とダイバーシティ、エクイティ、インクルージョン（DEI: diversity, equity, and inclusion）戦略に焦点を当てながら取り組むことで、企業文化を集合的に見直す絶好の機会となります。

DEI とハイブリッドな働き方戦略を組み合わせることで、より包括的な文化を実現

ビジネスリーダーが DEI に焦点を当てているからといって、過小評価グループ（ある集団において、全世界における人口比よりも小さな割合しかもたないグループ）の個人に、特定の属性カテゴリに当てはまるという理由で特別な役割やプラットフォームを提供しているわけではありません。仕事の質に対する基準が欠如していると、反感と文化的不平等が生まれます。ここでダイバーシティとは、（同じ実力をもつ）すべての人が平等な賃金と平等な機会を与えられる実力主義を創出することを意味します。

DEI とハイブリッドな働き方戦略を慎重に組み合わせた組織は、従業員のエクスペリエンスとビジネスのアジリティを向上させる文化を生み出します。統合された DEI とハイブリッドな職場では、次の方策によりビジネス成果の向上を実現することができます。

利用可能な人材プールの拡張。企業は、検索の方法と場所を広げて、幅広い網で志願者を獲得する必要があります。フレックスタイム制度を追加すると、子育てをしている人、介護をしている人などが、家庭の事情に合った最適な時間を選択できるようになるため、潜在的な人材が増加します。求職者は在宅勤務ができるかどうかを高優先事項としていて、たとえば、FlexJobs の調査によると、24% の労働者が、在宅勤務が可能であることが非常に重要であり、リモートで仕事をするために 10～20% の賃金がカットされても構わないと回答し、21% が休暇が減っても許容できると答えています。
よりインクルーシブな文化の創造。求職者は DEI を優先させている企業で働きたいと考えています。最近の CNBC および SurveyMonkey の従業員調査によると、労働者の 80% 近くが、ダイバーシティ、エクイティ、インクルージョンを重視する企業で働きたいと答えています。職場文化が DEI に重点を置いていれば、求職者に自分に適した場所であると考えてもらえる可能性があります。
より広い視野によるイノベーションと収益性の促進。一般的に、ダイバーシティとインクルージョンは、さまざまなバックグラウンドをもつ人々からのアイデアの表出を促進し、創造力、イノベーションにつながるだけでなく、新規顧客の関心の獲得においても突破口になります。職場の DEI プログラムは、顧客基盤を厳密に反映した従業員基盤を作成します。幅広い民族、人種、年齢、出生時に決定された性別、および社会経済的背景を代表する多様性のあるチームは、潜在的な市場機会を逃す可能性が低くなります。2020 年の McKinsey 分析によると、エグゼクティブの民族的および文化的ダイバーシティが上位 25% の企業は、下位25%の企業よりも収益性の平均が 36% 高い傾向があることがわかっています。

ハイブリッドな働き方が DEI の取り組みの妨げとなってはいけない

DEI とハイブリッドな働き方戦略を統合することには多くの利点がありますが、課題がないと考えるのは甘いかもしれません。ハイブリッドモデルへの移行が、新たな不公平を生み出し、既存の不公平を悪化させるリスクもあります。問題の一つに、どの従業員がリモートで働けるか、というものがあります。HBR の記事によると、COVID-19（新型コロナウイルス感染症）以前、リモートで柔軟な働き方が選択できた労働者は全体の 30% 未満で、アジア系の労働者（37%）と白人の労働者（30%）と比較して、ラテン系の労働者では 16%、黒人の労働者では 19% に留まっていました。

従業員がリモートで働ける環境であっても、「近接性バイアス」をなくすことは不可欠です。SHRM による調査では、調査対象となった管理職の 67% が、組織の職場で働く人よりもリモートで働く人の方が入れ替えやすいと考えていることを認めています。さらに、管理職の 72% が、チーム全員がオフィスで働いている方が好ましいと回答しています。

適切なハイブリッド環境では、個人が自分の価値を実感でき、誰にも昇進の機会が平等にあるという柔軟性と包括性のバランスが取れています。別の調査では、研究者は「在宅勤務者と職場勤務者の昇進率は変わらない」と結論付けていましたが、在宅勤務者の給与の伸びは低かったことが明らかになっています。先進的な企業は、物理的にフルタイムでオフィスにいることは、最高の成果をあげるための必須要件ではないと気づいています。

ダイバーシティがあるハイブリッドな職場文化を創出するための 8 つのステップ

DEI が新しいビジネスに不可欠となりつつある現在、組織は無意識のバイアスを最小限に抑え、すべての労働者に市場ベースの給与体系を作成し、人材育成をサポートする教育プログラムを導入するように取り組む必要があります。次の具体的な手順で、この取り組みを開始することができます。

DEI とハイブリッドな働き方の問題について、現在および将来のリーダーを教育する。ハイブリッドな働き方の戦略を構築するときは、無意識のバイアスを見つけて、理解することが重要です。Deloitte によると、企業には全体論的な DEI の学習戦略が必要です。たとえば、無意識のバイアスに関するトレーニングや長期的な行動変化に対する条件の整備などです。
DEI とハイブリッドな職場をサポートするツールの導入する。組織は、テクノロジーと AI 対応の HR ソフトウェアを活用して、取り組みをサポートできます。コラボレーションツールを使用すれば、誰がどこにいても全員に音声が提供されます（たとえば、Google Workspace のチームチャット向けスペースを使用することで、全員が同じ情報にアクセスできるようになります）。音声文字変換や翻訳などのビデオ通話機能は、視聴覚に障害のある人や異なる言語を話す従業員をサポートします。AI テクノロジーを搭載した人材採用向けソリューションを購入することも可能です。志願者を評価する際にバイアスや差別が入り込む可能性を減らすことができます。
DEI と実力主義を組み合わせて文化を強化する。個人の採用と昇進のシステムとプロセスが透明かつ公平であるようにする明確なガイドラインも必要です。この目標を達成するための方法の一つは、役割ごとに詳細な職務要件と指標を定義して、特定の職務に関連付けられているスキルを把握することです。また、このようなプロセスは、バイアスを確実に排除するように作成されている必要があります。先進的な企業は、分析ツールを導入して、システムの公平性を評価し、システムがダイバーシティの目標に向かって進展しているかどうかを追跡しています。
スキルアップのためのプログラムを作成して従業員を育成する。多くの組織が、適切なスキルをもつ人材を見つけるのに苦心しています。この問題に対する解決策の一つは、既存の従業員の教育に投資することです。企業は、経営幹部への昇進候補者のパイプラインを作り上げるためには、あらゆるレベルで多様な人材を育成する必要があります。大卒者に管理者教育プログラムを提供するのと同じように、組織は、新入社員や中堅社員を対象にしたスキルアップのためのプログラムを作成することが必要です。ほとんどの仕事には、ある程度の技術的スキルが必要です。組織は、既存の人材のスキルアップを図る必要があります。
従業員が退職する前に報酬を見直す。新入社員を採用して育成するよりも、従業員をつなぎ留めておく方が簡単です。アトランタ連邦準備銀行の賃金上昇率トラッカーによると、2011 年以来、転職した人の賃金が 1 つの企業に留まっている人の賃金を上回る状況が続いています。人材をつなぎ留める手段の一つとなるのが、競争市場のレートに見合った額の給与です。
お金がすべてではないことを覚えておく。お金のために転職する人もいますが、企業文化が理由でその職に留まる人も少なくありません。トップクラスの従業員のエクスペリエンスを創出することで、人材を維持できるようになります。在宅勤務プログラム、フレックスタイム制、育児手当などの進歩的なプログラムは、その基盤を築くために利用できます。一方で、インクルージョンを求める人はますます増えています。McKinsey の調査によると、組織の一員であることを感じている従業員は、そこで働くことに意欲的で、組織の成功に全力を注ぐ傾向が 3 倍高いことが報告されています。人材の離職に焦点を当てた McKinsey の別のレポートによると、従業員は主に、自分の価値を実感できない、または組織の一員であると感じられないことが理由で退職しています。
リソースへのコミットも忘れずに。大半の組織は、DEI とハイブリッドな働き方が必要条件になる前に組織文化を構築済みです。このような企業は、新しい作業ツールと教育プログラムに投資し、人材の雇用と管理に対する新しい慣習を作る必要があります。柔軟でインクルーシブな組織文化をサポートする投資とプロセスを実行すれば、企業はより少ないリソースでより大きな成果をあげることができます。
行動が DEI の透明度測定で裏付けされていることを確認する。DEI に対応しようとするプレッシャーは、結果よりも行動が賞賛される状況につながる恐れがあります。問題がある箇所を機敏に察知し、透明性を保つことは簡単ではありませんが、雇用主は現状を把握する必要があります。現状をありのままにさらけ出し、将来の目標を作成し、測定可能な行動計画を立て、その進捗状況を追跡する必要があります。非常に多くの変数と未知数があるため、人材担当のリーダーはハイブリッドな働き方と DEI の取り組みの進捗を追跡することが重要です。

ダイバーシティは自身で作り上げる文化であるため、取り組みの一環である必要があります。しかし、ダイバーシティへの取り組みを無視すると、悪影響が生じる可能性もあります。たとえば、Goldman Sachs は 2021 年、米国と欧州では取締役会に多様性を表すメンバーが少なくとも 2 人いる企業に対してのみ IPO を引き受けると発表しました。また、米国証券取引委員会は昨年夏、新しい規則を採用しました。この規制では、ナスダック上場企業は、多様性を表す取締役を少なくとも 2 人（女性 1 人と過小評価グループの少なくとも 1 人のメンバーを含む）置くことを要求されます。

企業は文化的および行動的な変化を起こして、職場がダイバーシティのメリットを享受できるようにする必要があります。ICSM レポートに書かれているとおり、組織は「認知しているかどうかにかかわらず、組織内にはダイバーシティに関する改善の余地が常にあるため、現状に満足せずに取り組む」ことが求められます。過去に人材を引き付けるために行ってきたことが、現在では効果がない、というのは明らかです。ダイバーシティに富んだ職場では、より良いアイデアとより強力なコミュニティが生まれ、その過程で顧客との関係を強化することができます。将来的には、多様性と包括性を兼ね備えたハイブリッドな職場文化のための組織の投資は、競合他社と一線を画し、ビジネスのアジリティを高め、財務的な成果を向上させることにつながるはずです。

- Lopez Research、創業者 / アナリスト / 著述家 Maribel Lopez 氏

サステナビリティによって推進される産業の変革

Wed, 16 Mar 2022 03:10:00 +0000

※この投稿は米国時間 2022 年 3 月 5 日に、Google Cloud blog に投稿されたものの抄訳です。

100 年の間に世界中で工業化が進んだことで、大気中の温室効果ガスの増加という意図しない悲惨な結果がもたらされました。現在、この危機に対処するために残された時間は、100 年よりもはるかに短い時間しかありません。今後 10 年間で温室効果ガスの排出量を過去 10 年間の 5 倍の速さで削減する必要があります。どうすればこの削減活動を加速できるでしょうか？

もはや意識の問題ではありません。月曜日に、気候変動に関する政府間パネル（IPCC）は、2021 年 8 月以来となる最新のアセスメントを発表しました。現在の気候への影響に関する何千もの科学論文を評価および総括している IPCC は、「気候変動によって、人類の健康と地球の健全が脅かされています。地球規模の協調行動が遅れてしまうと、住みやすい未来を守るために最後に残されたわずかな時間すら失われます」と述べています。

そうした破滅的な状況によって、世界中の企業がすでに認知している切迫感はさらに高まっています。2021 年に、世界中の最高経営責任者（CEO）1,200 人以上を調査した国連とアクセンチュアの共同レポートによると、CEO の半数近くが異常気象によってサプライチェーンに深刻な影響が出ていると述べ、81% が電化、サステナブルな設計、サステナブルな素材を活用した新製品やサービスをすでに開発中であることを明らかにしました。

私は長年にわたって気候とサステナビリティの問題について企業と協力してきましたが、科学的報告においても、ビジネスリーダーの認識においても、これは新たな緊急課題（つまり産業の変革）であると断言できます。CEO のグループが集まって、システムの障壁を取り除いてデータを共有しようとしています。サステナビリティをビジネスの中核として受け入れる企業こそが、一歩先んじる企業となるでしょう。これが「行動の 10 年」です。

しかし、物事をもっと早く進めるにはどうしたら良いでしょうか？問題に取り組んで新しいビジネスモデルの扉を開くリーダーシップ、コラボレーション、テクノロジーのすべてがソリューションの中核です。

私が今までお会いしてきた CEO の方々は、方針を指示し、お客様と従業員の忠誠心を獲得し、刺激的な新しいイノベーションやビジネスの課題を克服して、情熱的な個人活動を共有しています。Sundar Pichai 氏は、気候変動は私たちが直面している最大の課題であり、私たち全員にそれぞれ深刻な影響を与えるものだと述べています。あらゆる権力レベルで、リーダーたちは気候変動が及ぼす個人的な影響について語っています。その内容は、美しい景観の破壊や、孫の世代が住む世界がどのようなものか考えたときの深い悲しみや、もっと何かしたいと望んでいる従業員たちからの不満など、人によってさまざまです。

驚くべきことに、企業の顔が見えないと言われる時代において、リーダーたちの個人的な情熱や、現状に対する焦りや抵抗感が、進歩と成功の強力な決定要因となっています。信念を持ち、サステナビリティを取り入れた新しいビジネスモデルの創造で競争に勝つリーダーが先頭に立つでしょう。

次は、コラボレーションです。気候変動によって、さまざまな関係の巨大なリセットが進行しています。国と国、政府と企業、企業とパートナー、顧客、従業員との間で巨大なリセットが行われています。企業はこのリセットを自社の力で解決することはできません。企業は、サプライチェーンと協力して影響を完全に把握する必要があります。また、顧客や投資家と協力してビジネスモデルの変革をサポートし、業界レベルで協力してビジネスのルールによってこの新しいモデルを実現できるようにしなければなりません。これは、協力の新しい基盤、新しい共有目標、成功を判断するための新しい標準や指標を見つけるチャンスです。これらは、すべての関係者が透過的に行動し、人類が抱える最も複雑な問題の一つを解決するというコミットメントを共有したときに実現します。

最後は、優れたデータとテクノロジーです。奇妙に感じるかもしれませんが、COVID-19（新型コロナウイルス感染症）が気候変動との闘いに間接的にプラスの影響を与えた可能性があります。ウイルスの蔓延によって、個人、政府、企業がいかに素早く行動様式を変えられるかということが示されたためです。気候変動との闘いには、デジタルテクノロジーが非常に役立ちます。新しくてよりクリーンなエネルギー源やモビリティの電化だけでなく、デジタルテクノロジーによるスマートで効率的な働き方を通じて、企業がこの変革の中核となり、テクノロジーが重要な要素となります。企業がより多くの情報に基づいて影響力のある意思決定を行うことができるように、データの可視性を高めることが不可欠です。サステナビリティへの変革の基礎はデータです。

これまでの産業プロセスとは異なり、デジタルテクノロジーでは環境、プロセス、修復の測定が大幅に向上します。つまり、より複雑なシステムを分析し、システム全体の視野で発生した影響を確認できます。ソフトウェアの量が増えるほど、たとえ製造や輸送などの分野であっても、システムは柔軟になり、条件の変化にも対応できるようになります。

私は最近 Google Cloud に加わりました。デジタル時代によって産業時代の予期せぬ結果を改善できると信じているからです。クラウドコンピューティングは、可能な限り最も効率的な方法で、デジタル時代のセンサー、分析、ソフトウェアエンジニアリングに焦点を当てています。既存のシステムを最適化して、システムを大幅に変更することができます。そのシステムは、製品寿命の延長から、エネルギーシステムの柔軟性、よりスマートな流通、世界の多くの地域の住民にとってより公平な調達と製造に至るまで、あらゆるものに及んでいます。

Google Cloud は業界で最も地球環境に優しいクラウドを運用し、新しい製品、サービス、研究を提供して飛躍的な改善を行っています。最上位レベルで、Google は 2030 年までに 24 時間 365 日のカーボンフリーのエネルギーを達成するという目標のもと、世界のエネルギー供給網を大幅に再構築する取り組みを行っているため、Google も他の企業も今から 8 年以内に完全にカーボンフリーのエネルギーで運営できるようになります。Google と提携するすべての電力会社とパートナー、および Google Cloud を使用するすべての企業によって、このグローバルな使命が強化されます。

クラウドベースのセンサー、コンピュータ上で動作する気候モデル、機械学習、AI の使用拡大に関連する数多くの課題があります。これは、気候変動による山火事の期間の長期化および深刻度の悪化かもしれません。火災の追跡と予測を改善するために AI を活用して取り組んでいる課題です。生物の多様性と環境の保全に関する課題もあります。ユニリーバや政府および非政府組織とともに取り組んできました。個人レベルでは、企業が環境への影響を最小限に抑えながらビジネスを成長させるために役立つ検索ツールやソフトウェア開発ツールを作成しています。

これはマクロなソリューションとミクロな行動の組み合わせです。改善すべき既存のシステムもあれば、立案および構築すべきまったく新しいものもあります。現在の危機を招いた原因がたった 1 つではないのと同様に、たった 1 つの組織がすべての答えを持っているわけではありません。それよりも、世界を体系的に捉え、もっと前向きに行動したいと願うことで、回復への動きを加速できます。これこそが変革のアジェンダであり、お客様の変革を支援するスケール、リーチ、データを Google Cloud が提供します。最終的には、サステナブルなオプションが優れたオプションとなります。

- Google Cloud グローバルサステナビリティ担当マネージングディレクター Justin Keeble

AI の潮流に乗る方法

Mon, 14 Mar 2022 02:20:00 +0000

※この投稿は米国時間 2022 年 3 月 3 日に、Google Cloud blog に投稿されたものの抄訳です。

ビジネスリーダーたちは、費用削減、顧客へのサービスの提供、何を構築するかの検討に対する新たな方法など、人工知能（AI）に大きな期待を寄せています。しかし、AI にどう対処するかを決めるのは難しい問題です。AI に乗り出す際は、費用、データの整合性、プロジェクトの期間に関する疑問に加え、計画や実行といった問題も発生します。難しいのも当然といえば当然です。

IT の導入や活用に携わる CIO（最高情報責任者）にとっては、これは重要な問題です。このブログ投稿では、一つの方法として、この難題を早期の自動化、学習と作業、システムビューという 3 つのエリアに分解して説明します。

良いニュースからお伝えしましょう。AI は遠い未来の希望で、まだ研究段階であり、業務では安全に使用できないと考えている読者の誤解を解いておきたいと思います。現実として、AI はそこかしこで活用されています。職場のほぼ全員が毎日 AI を利用しているともいえるでしょう。Google 検索、フォト、ドキュメントのオートコンプリート機能、Google Pixel のリアルタイム翻訳、ほかにも多数の場面で、人は AI と連携しています。また、多くの企業が AI を製品に利用しています。

IDC は、AI 関連のソフトウェア、ハードウェア、サービスの市場が 2023 年に 5,000 億ドルを突破すると予測しています

さらに、AI は 1 回限りの購入で終わるのではなく（それもアリですが）、さまざまな処理に応用できることが徐々に明らかになっています。最近の Alphabet の業績発表で、CEO の Sundar Pichai は、Google の短期的な戦略には「AI への投資が鍵」であるとして、さまざまな用途に向けてより迅速かつ簡単に AI をトレーニングし構築できる新たなテクノロジーについて言及しました。加えて、Google は AI を活用した「分析情報、新たなツール、自動化」を広告クライアントに提供しています。これについて特筆すべきは、ある分野での AI の開発が、その他、多数の分野の成長にもつながったという点です。

では、IT のリーダーは、どのようにして関係者にこうした成長過程を理解してもらうのでしょうか。これは、認識、学習、拡大という確立された段階を先導することによって実現できます。詳しく説明します。

認識: 早期の自動化

消費者向け AI は、音声認識、翻訳、文章を書くヒントといったコミュニケーション機能が特に優れています。これはビジネス向けの場合も同様で、最も効果の出ている職場における AI の初期インスタンスは、Contact Center AI（CCAI）で、顧客との基本的なコミュニケーションの管理、一般的な質問への自動返答、通話に人間のサポートが必要かどうかの優先付けなどに対応しています。CCAI は、ルーチン作業を自動化し、価値の高い想像力を要する活動を人間に任せるという、自動化がもともと得意としていたことを行っています。CCAI は、行政機関、小売業者、通信会社など、幅広いユースケースで活用されています。

CCAI などと同じく言語を重視したプロダクト、請求書や領収書などから情報を抽出する DocAI や、ビジネスの契約書から情報を抽出する AI には多数のメリットがあります。その一つは、正式な立ち上げが必要となる研究プロジェクトとは異なり、投資が比較的管理しやすいことです。また、見返りも明白です。特にコールセンターの場合、自動化でスタッフのストレスが緩和され、ロイヤルティが向上し、離職率の高い業界での離職が鈍化します。どちらの例も、良好な結果が証拠となって、より複雑な課題に取り組む前に賛同者を増やすことができます。

中でも最高のメリットはおそらく、基本的なビジネス向けの AI サービスに対する関心を生じさせることです。つまり、初期のメリットを認識し、次を期待するようになり、より深く学びたいと興味を持つようになるのです。

学習: 人的要素

既製の、「すぐに使用できる」AI プロダクトである自然言語処理（NLP）は、当然のことながらより高度なレベルでの使用が可能です。たとえば Twitter は、4,000 億の異なるイベントをリアルタイムで処理しており、スタッフは高度な NLP を使用してこの情報の山をクエリして質問に答え、カスタマーエクスペリエンスを向上させています。

Call Center AI と Twitter の 1 日に 4,000 億のイベントを処理する AI とでは明らかに大きな差がありますが、この差がどれほどの速さで縮まって来ているかはあまり認識されていません。ここ数年間で、どれほどのプロダクト、パートナー、トレーニングリソースが登場したかを考えてみてください。AI の意味（大規模なデータセット、優れたアルゴリズム、十分なコンピューティングなど）と AI の価値というものはどちらも新しいもので、その限りにおいては差が僅少なのも頷けます。

AI が次々とスプレッドシートや分析ツールのような標準的なエンタープライズツールに組み込まれるようになり、使いやすい AI は多くの人にとって手の届くスキルになってきています（高度なエリアはより複雑化しているため、「使いやすい」という前提はしばらく続くことになります）。

AI のスキルとして求められる要素は非常に新しいため、従来型の教育ではその需要に合致していません。つまり、標準外のスキルトレーニングと就労先での社内学習という豊富な機会を作り出す必要があるということです。AI スキルのトレーニングを提供する企業は、競争上の優位性を十分に勝ち取り、しっかりスタッフを留めることが可能です。

拡大: システムビューの構築

新しいテクノロジーを獲得し人気が高まれば、新たな活用法を探すか、異なるユースケース間のつながりを構築したくなるものです。ネットワーク化されたコンピューティングはその一つの例ですが、車が誕生して間もなくトラックや消防車が続いて誕生したことや、ワイヤレス電話のデータサービスがほどなくしてアプリエコノミーに姿を変えたことを考えてみてください。役に立つものがあれば、さらに成長させようとするのが人というものです。

AI はどう成長するのでしょうか。同僚の Dominik Wee が最近、AI が間もなくサプライチェーンを変え、プロダクトの設計を変え、サステナビリティを増進させていく、という記事を書いています。最も興味深いのは、元は分かれていた品質検証データを品質管理プロセスのシステム全体のビューと組み合わせた場合、製造業者はどのようにコストや労力を削減し、分析情報を獲得できるかを書いた部分です。

AI がそういった数多くのシステムビューを促進すると考える理由はいくつかあります。AI が上手く動けば、より多くの場所からのより頻繁なデータ収集が促進され、分析情報が生成される（そしてデータ収集のコストは下がっている）、というのが理由の一つです。また、AI は明らかになっていないパターンとインタラクションを見つけることが得意です。加えて、AI は予測やシナリオの計画に使用され、それが大規模なシステムの相互作用に対する理解を深めることにつながっています。

AI を利用し、人工衛星、センサー、ソーシャルメディアなどから世界を観る方法がいくつも生まれています。サプライチェーンの危機から人権問題や調達の規制、パートナーシップの実態、オンラインや実社会におけるさまざまなメディアでの顧客との関係性まで、あらゆることに対して人々のインタラクションの意識が向上し、理解したいという欲求が高まっています。

偶然であれ計算尽くであれ、AI の時代とはウェブでのつながりが十分にあり、これまで以上に選択や行動が反響を呼びやすく、組織が自分たちのことをより正確に把握できる時代です。こうした意識は、競争力を持つツールであると同時に、より大きな責任を求めるものでもあります。それを正しく理解する組織は、顧客との関係性の強化や従業員の充足感の向上も可能かもしれません。

一夜にしてすべての場所で変化が起こるわけではないとはいえ、あらゆる企業で変革が起ころうとしています。AI が人や組織をサポートし、彼らを学習させ、彼らに育ててもらい、世界に対するより深い洞察を提供する、という AI の潮流は、たとえそれが簡単なレベルであっても、誰かが AI に触れるたびに確実なものになっています。

- Google Cloud、編集責任者 Quentin Hardy

BBVA の Google Cloud トレーニングプログラムが記録的な参加率を達成した方法

Thu, 10 Mar 2022 00:00:00 +0000

※この投稿は米国時間 2022 年 2 月 24 日に、Google Cloud blog に投稿されたものの抄訳です。

編集者注: 金融業界のパイオニアであるビルバオビスカヤアルヘンタリア銀行（BBVA）は、「21 世紀のデジタル銀行」になりました。同銀行は、技術的なイノベーションの基盤として Google Cloud を使用しています。何年にもわたって協力してきた BBVA と Google Cloud は、カスタマイズされたトレーニングプログラム「Ninja Cloud Academy」を開発しました。このプログラムを通じて、銀行の従業員はテクノロジーについての理解を深め、自分の仕事に応用する方法を知ることができます。その 1 年後、BBVA は世界でも最高水準の完了率を達成しただけでなく、クラウドテクノロジーに関する専門知識を多くの従業員に身につけさせ、銀行が今後ますます発展するための態勢を整えることができました。

資産額においてスペインで 2 番目、世界でも 42 番目の銀行になったことは、偶然ではありません。そのためには戦略と先駆的な取り組みが必要であり、BBVA ではデジタル化によってそれを行いました。スペインの銀行の中でもいち早く、クラウドテクノロジー、データドリブンの意思決定、次世代のセキュリティを取り入れました。2011 年に BBVA が Google Workspace を導入することで Google とのコラボレーションを開始した際、長期的戦略の第一歩として始めたことがすぐに競争上の優位性となり、コラボレーションと生産性が大きく改善されました。その後何年にもわたり、Google Chronicle から人工知能（AI）と ML に至るまで Google ツールを BBVA のプラットフォームに統合してきました。イノベーションの計画を成功させるためには適切なツールと適切なパートナーが欠かせないとはいえ、従業員の準備ができていることも等しく重要です。そこで 2016 年に、BBVA の社内トレーニングの取り組みとして最大級である「The Ninja Project」を企画し、リリースしました。これは包括的なマルチトラックカリキュラムであり、従業員に社内の最新テクノロジーに関するスキルを向上させる機会を提供します。

意図的なアプローチの策定

当初から、すぐに役立つものであると同時に、従業員が楽しめるプログラムにしたいと思っていました。そのために、いくつかの戦略的な要素を取り入れました。まず、参加を完全に自主的なものにしました。そして、報酬制度を伴うゲーミフィケーションを取り入れ、従業員がトレーニングを完了するにつれてニンジャベルトの色が進展していくようにしました。そうすることで、BBVA の総裁との朝食のような報奨も得られます。次に、従業員が自分の仕事と関連のあるトピックを含むトラックを柔軟に選べるようにしました。たとえば、Google Cloud の基礎や、サイバーセキュリティのような専門的なテーマなどです。最後に、講義、ラボ、ワークショップなど、さまざまな形式を提供することに決めました。講義は事前に録画したものを放送するのではなく、ライブ配信することを選択しました。その方が、スペイン、メキシコ、ペルー、ウルグアイ、コロンビア、アルゼンチンという 6 つの国に住む参加者たちに、一貫したインタラクティブな指導を提供するのが容易だったからです。

トレーニングの内容を詳細に検討する際には、トレーニングをエンジニアだけでなく、もっと多くの従業員に提供したいことが念頭にありました。つまり、テクノロジーの理解の程度がさまざまに異なる人々に合わせてモジュールを作成する必要があったということです。

最初のロールアウトは 400 人の従業員を対象としたもので、その後すべての従業員に対して公開しました。リリースから 5 年が経過して、BBVA は Google Cloud と協力してトレーニングプログラムの重要な部分となる Ninja Cloud Academy を作成しました。この Google Cloud トレーニングプログラムでは、従業員は BBVA で使用する特定の Google Cloud プロダクトについての教育を受けることができ、BigQuery、Cloud SQL、App Engine、Chronicle、Security Command Center について深く理解できます。

構想から実現までわずか 4 週間

一連の建設的な対話において、BBVA は Google Cloud のアカウントマネージャー David Doctor 氏と協力して、プログラムガイドラインのレビュー、目標の特定、オーディエンスの分類を行いました。Doctor 氏のアドバイスに基づき、The Ninja Project の形式に完全に適合する、カスタマイズされたトレーニングモジュールを設計し、2021 年の 5 月に、わずか 4 週間で Ninja Cloud Academy をリリースしました。これほど早く実現することができたのは、BBVA のデジタルトランスフォーメーションを通じて Google Cloud が緊密な協力者であり、BBVA のプロダクト、技術的ニーズ、The Ninja Project の手法を熟知していたからです。

Ninja Cloud Academy には 2 つの学習プランがあります。1 つ目はすべての人を対象としたもので、Identity and Access Management（IAM）、Google Cloud ネットワークプロダクト、Compute Engine、App Engine、Google Kubernetes Engine（GKE）、Cloud Storage、データベース、Cloud Monitoring など、Google Cloud の基本的な概念を学べます。

基本だけではなく、専門分野について深く学びたい従業員は他のコースを並行して選択できます。1 つはデータ、AI、ML についてであり、もう 1 つはセキュリティと Kubernetes に関するものです。それぞれには理論的な学習と実践的応用が含まれており、さらに Google Cloud Skills Boost プラットフォームを使用して提供される、ラボの膨大なライブラリも含まれます。これらは 30 分から 2 時間の範囲の実践的な演習で、従業員は学んだことを実践してみることができます。

Ninja Cloud Academy は 2021 年 5 月に開始しました。最初の講義には、1,140 人がオンラインで参加しました。最初の 6 か月に、受講生は 1,000 回のラボを完了しました。それぞれの「ニンジャ」はプログラムを完了するのにおおよそ 6 か月かかり、その時点で、今後も学び続けるか、とりあえずはすでに学んだことを活用していくかを決めることができました。

管理面については、Google Cloud チームが運営のための試験的な機能を提供してくれたため、データダッシュボードを介して学習者の進捗状況を評価し、観察することができました。BBVA ではその機能を社内の学習プラットフォームと統合することにより、プログラムの初期段階で興味や維持率を判断することができ、BBVA が重点を置くデータドリブンの改善と足並みをそろえることができました。

Ninja Cloud Academy が成功した理由の 1 つは、この機会についての従業員への伝え方にありました。上層部が後援者となり、経営陣が、メールのメッセージ、タウンホールミーティング、インタビュー、その他の手段で The Ninja Project を宣伝しました。Google Cloud は、BBVA が従業員とのコミュニケーションにおいて Google Cloud のロゴを使用することを認めてくれたため、従業員はこのロゴによって、プログラムの質が高いものであることを知ることができました。こうしたコミュニケーションが効率的だったため、プログラムを発表してからの数分間で非常に多くの従業員が登録を行いました。

クライアントソリューションから企業文化に至るまで、違いを生み出す

「素晴らしい学習体験でした。内容がどれもとてもわかりやすく、リアルタイムで実践する方法もありました。」

「私は Google Cloud 認定資格を持つエンジニアですが、自分の知識を固め、さらに多くの新しい知識を学ぶことができました。」

「ハンズオンラボによって知識を強化できました。知識を応用し、学んだことをチームと共有することもできます。」

これらの回答は、トレーニング後のアンケートでニンジャたちから得られた熱いフィードバックのほんの一部にすぎません。さらに、BBVA のプロダクトと、職場のカルチャーにも効果が現れています。

たとえば、エンジニアリングチームとクライアントソリューションチームのコラボレーションがさらに容易になりました。これらのチームは、データ分析を使用してお客様にカスタマイズされたソリューションを提供するという BBVA のミッションの中心的な存在です。The Ninja Project に参加したクライアントソリューションチームのメンバーは、プロジェクトの背後にあるテクノロジーについてより深く把握したことで、技術的な観点でできること、できないことを理解できるようになりました。こうした共通の基盤により、より効率的なコラボレーションが促進され、結果として BBVA のデジタル売り上げが飛躍的に増加しました。

加えて、このプログラムにより、従業員の積極性が高まっています。参加者はオフィスでニンジャ T シャツを着ているため、コミュニティの意識が生まれ、認知度が高まっています。メールの署名にニンジャの認定を含める人までいて、このようなチームスピリットから他の人も刺激を受けて、トレーニングに申し込むようになっています。多くの人にとって、The Ninja Project は BBVA での昇進に役立ってきました。一部の人にとっては、プログラムが BBVA 内の他の職務に異動するきっかけとなり、さらにやりがいを感じています。

現時点までに、世界中で 9,000 人の BBVA 従業員がトレーニングを受けました。BBVA では少なくとも毎日 1 つの講義をストリーミングしており、昨年は合計で 400 回以上のストリーミングを行いました。今日の学習はすべて、明日のイノベーションに取り組むための助けになります。新しいプロダクト開発から反復的な改善に至るまで、プログラムは競争上の優位性を与えてくれています。

継続的な学習により BBVA は競合相手の先を歩み続ける

BBVA にとっての次の課題は、提供するデジタルプロダクトとサービスの安全性と信頼性を常に保証しつつ、テクノロジーとデータによって裏打ちされた、プロアクティブでパーソナライズされたアドバイスをお客様に提供することです。The Ninja Project のおかげで、従業員の準備は整っています。

BBVA が Ninja Cloud Academy のスキルを見直し、改善していく過程で、Google Cloud は引き続き BBVA と協力しています。これには、新しい種類の活動によってトレーニングを拡張していくことが含まれます。すでに従業員の大部分がトレーニングを受けたために登録のペースは落ちています。そこで、受け入れ可能な参加者の数を 2 倍にするとともに、新しい学習トラックを追加することを検討しています。BBVA が重点を置くのは、現在使用しているものと今後導入する予定の Google テクノロジーについての最新情報にニンジャたちが精通できるようにすることです。

意外なことに、先生も生徒になりました。BBVA でのラボの完了率は世界的に高水準であるため、Google Cloud は従業員の高い参加率を促進する方法についての知識を深めています。BBVA は、このような状況での成功に不可欠ないくつかのアプローチを証明してきました。学習を自主的なものにすること、ゲーミフィケーションを取り入れること、会社の経営陣からの後援を効果的に伝えることなどです。

多くの企業は、このレベルでの成功は無理だと考えています。BBVA もそうでした。しかし、今は可能であることを知っています。

- BBVA's Ninja Program 担当グローバルデベロップメントマネージャー Julio Pimentel del Olmo 氏

BigQuery でビジネス成果を創出している SAP ユーザー 6 社

Thu, 24 Feb 2022 05:00:00 +0000

※この投稿は米国時間 2022 年 2 月 17 日に、Google Cloud blog に投稿されたものの抄訳です。

デジタルテクノロジーは企業に変革の道を開きます。しかし、その道中にひどいでこぼこ道があることも珍しくはありません。つまずきの原因になりがちな分野の一つがデータの活用です。意思決定を加速するために最適なデータを最適なタイミングで、リアルタイムに使用することは至難の業といえるでしょう。SAP をご利用中で自社データの価値を最大限まで高めたいお客様に、Google Cloud は数々の機能を提供しています。

BigQuery はフルマネージド型のスケーラビリティと費用対効果に優れたサーバーレスマルチクラウドデータウェアハウスです。ビジネスにアジリティをもたらすべく設計されており、ペタバイト級の構造化データ、非構造化データを統合、集計、分析できます。IDC によると、BigQuery を導入した SAP ユーザーは生産性の向上、IT スタッフの効率改善、IT インフラストラクチャの費用削減の相乗効果で、結果的に 320% 以上の投資収益率を実現しています。さらに BigQuery Connector for SAP のリリースにより、迅速、簡単かつ低コストで SAP アプリケーション上のデータ変更を直接、少ない遅延でリアルタイムに BigQuery に複製できるようになりました。

Google Cloud Cortex Framework は、SAP ユーザーが自社データの価値の最大化を加速するのに役立つツールです。これを使用すると、計画から実装までの道のりをリファレンスアーキテクチャ、パッケージ化サービス、デプロイアクセラレータのガイドに沿って進め、すばやくシステムを構築して稼働させることができ、分析情報の獲得と価値の実現が短期間で可能になります。Google Cloud Cortex Framework のアクセラレータコンテンツは、Google Cloud や信頼できる Google パートナーから提供された、特定のユースケースやビジネスシナリオ向けのテンプレート化されたソリューションとしてご活用いただけます。

Google Cloud と BigQuery が SAP ユーザーに新たな価値をもたらす

では、SAP ユーザーは実際にどのように BigQuery の能力を活用し事業運営の変革やカスタマーエクスペリエンスの改善に成功しているのでしょうか。6 社の事例をご紹介します。

ATB Financial はカナダの金融機関です。巨大なデータセンターのモダナイゼーションイニシアチブを後押しするため BigQuery を選択しました。同社にはオンプレミスのデータセンターをよりフレキシブルでアジャイルなクラウドフレームワークへ移行し、そこで SAP ベースのコアバンキングアプリケーションを稼働させる計画がありました。

BigQuery の導入で、社内外の多種多様なソースから既存のデータを幅広くリアルタイムに取り込めるようになったほか、高度な分析や人工知能を通じたデータの拡充やセルフサービス型の分析と機械学習モデルの使用が可能になるなど、ATB Financial は数々の先進的な機能を新たに獲得しました。そして現在は、複数のデータソースからビジネス分析情報を従来の 117 倍の速度で取得できるようになっています。

Breuninger はドイツの高級デパートチェーンで、ファッションとライフスタイル業界で最も成功している小売店の一つです。同社では買い物アシスタントや送迎シャトルなど 15 種類のお得意様向けサービスを提供しています。個々のお客様にきめ細かく価値の高いサービスを提供するというビジネスモデルを維持するには、5,500 人の従業員を擁する組織全体で誰もがデータに基づいて瞬時に意思決定できるようにする必要がありました。

Google Cloud は Breuninger のビジネスモデルを新たなレベルへと押し上げました。BigQuery と SAP に加えて Google の Kubernetes Engine を最大限活用することで、多種多様なデータソースからのリアルタイムなデータ抽出が可能になりました。たとえば、顧客カードのデータを商品の配送情報と一緒に抽出することもでき、これによって、販売マネージャーは特定商品の配達日をお得意様ごとに正確に把握し、電話やメールでのフォローアップサービスへとつなげています。

Carrefour Belgium は世界最大手の食料品小売企業 Carrefour Group 傘下のスーパーマーケットです。数年前からデータセンターが老朽化しどんどん時代遅れになっていくことへの対応に追われていました。当時は 2 つのクラウド上で複数のシステムがそれぞれ稼働しており、その結果、ベルギーに 700 以上ある店舗全体のデータを十分に活用して高度な分析を行うことがますます困難になっていました。

そこで、核となるエンタープライズアプリケーションを Google Cloud 上の SAP S/4HANA アプリケーションスタックへ移行したところ、顧客行動やサプライチェーンの効率から財務指標に至るまで、あらゆる情報を即座に把握できるようになりました。また、データを単一のデータレイクに移行したことも多大な価値の創出につながっています。これにより適切な品揃え計画や価格設定、シームレスなユーザーエクスペリエンスの実現に加えて、買い物客への優れたデジタルエクスペリエンスの提供にも成功しています。

Herfy はサウジアラビアで最大かつ最も成功している外食企業の一つです。同社の課題は国内に点在する 390 の直営店と、クウェートおよびバングラデシュにあるフランチャイズ各店の実績を把握することでした。当時はデータの確認や報告のための機能が圧倒的に不足していました。その結果、事業環境が変化しても即座に対応できず、IT ヘルプデスクに殺到する問い合わせへの対応で貴重な時間とリソースが浪費されている状態でした。

SAP S/4HANA を Google Cloud へ移行すると、信頼性やセキュリティ機能の向上、コスト削減などの大きな成果が現れました。現在は 20 億件以上もあるレコードを対象にデータ分析情報の収集が可能になったため、以前は不可能だった前年比レポートが（Chromebook のようなデバイスでも）作成できるようになりました。最終的に Herfy は月末決算用の材料台帳の運用に要していた時間の 50% 削減、IT ヘルプデスクへの問い合わせは 48% の大幅削減に成功しています。

Lixil は 2011 年に日本の建材および住宅設備機器大手 5 社が合併して発足し、現在 150 か国以上に拠点を持つ、水回り設備、住宅、ビル用建材の世界的メーカーです。加速度的に増加する店舗データからさらなる価値を引き出したいと考えていましたが、オンプレミスのデータセンターが容量不足になっているうえ、各データは多数の社内システムに格納されてサイロ化していました。

そこで同社は、既存の SAP インフラストラクチャ（S/4 HANA）を Google Cloud へ移行しました。その理由の一つは、処理能力やスケーラビリティ、使いやすさ、コストパフォーマンスに優れる BigQuery を利用するためでした。その効果は直ちに現れ、同社はデータを迅速に活用して自社の企業価値の提供につなげています。

The Home Depot は 2,300 の直営店と 50 万以上の提携店を抱える世界最大のホームセンターグループです。同社は改革を進めて現場の従業員とお客様に質の高い情報を提供する必要があると認識していました。中でも特に実現を望んでいたのが、お客様がオンラインで始めた買い物を実店舗で完結できる「相互接続された小売」の導入でした。

そこで、情報提供や処理の速度、スケール、柔軟性を最大化するため Google Cloud と SAP を選択し、S/4HANA、カスタマーアクティビティリポジトリ、総勘定元帳、BusinessObjects などのアプリケーションを Google Cloud に移行しました。BigQuery の導入によって今では高度な分析機能が備わり、サプライチェーンデータは信頼できる単一の情報源に格納されるようになっています。

BigQuery + SAP = データドリブンの成功

Google Cloud と BigQuery が SAP のお客様にもたらす価値を高く評価する組織は増え続けています。Google Cloud Cortex Framework は実証済みのテンプレート化されたソリューションリファレンスとコンテンツの基盤を提供し、そのようなお客様がリスクや複雑性、費用を抑えながらビジネス成果を短期間で得られるようサポートしています。

BigQuery が貴社にもたらす価値についてご関心がおありでしたら、IDC のレポートをダウンロードしてその可能性をぜひご確認ください。

- Google Cloud SAP 担当マネージングディレクター Snehanshu Shah

データサイエンスと AI チームの価値の計測と最大化

Tue, 15 Feb 2022 05:00:00 +0000

※この投稿は米国時間 2022 年 2 月 8 日に、Google Cloud blog に投稿されたものの抄訳です。

人工知能（AI）への投資は、組織に競争上の優位性をもたらしてくれる可能性があります。AI もしくはデータサイエンスチームの責任者であったならば、自分がもたらす価値を見極め、最大化したいと思うはずです。ここでは、長年にわたるこの分野での経験に基づくアドバイスを紹介します。

プロジェクトを実行に移す際のチェックリスト:

プロジェクトを実行に移すときは、以下のエリアをカバーするようにしましょう。

お客様がいること。自分の行う業務にはお客様がいて、そのお客様は自分が成し遂げようとしていることに賛同している、これが重要です。お客様にどのような価値を提供するのかを正しく把握しましょう。
ビジネスケースを用意する。 これは推定や仮説を頼りに行う作業で、場合によってはほんの数分で完了します。ビジネスケースは常に見直していくべきですが、なにを基準にチームの取り組みを正当に評価するのか、自分自身（およびお客様）はなにを得るのかをいつも念頭に置きましょう。
どの手順を変更または構築するかを把握する。本番環境で動作させることを考えるときには、どのビジネスオペレーションに変更が生じるのか、または自分の業務の周辺でどのようなビジネスオペレーションが発生するのかを明らかにし、実現のために誰に関わってもらう必要があるのかを知ることが重要です。
計測プランを用意する。現在進行中の取り組みが、関連するビジネス指標に影響を与えていることを示したいときには、段階的に成果を計測して示しましょう。プロジェクトがなければそのままだったものが、プロジェクトのおかげでどれほど変化したかを証明することが計測の目的です。時期による変動や計測に影響を及ぼす可能性のある他のビジネス上の変更といった、その他の要素も忘れずに考慮に入れましょう。
以上のすべての要素を活用して、チームや業務のために組織からの支持を取り付けましょう。

活用すべき計測方法とは

業務を開始したときに、チームの作業が組織にとって役立つものであることを示すために、どのような計測方法や指標を活用できるでしょうか。

意思決定を行う回数はどのくらいか。ML の主な機能は、意思決定を自動化および最適化することです。たとえば、どのプロダクトをおすすめするべきか、どのルートに進むべきかといった内容の意思決定です。ログを活用して、システムが行っている意思決定の数を追跡してみましょう。

収益や費用に対する変化はどの程度か。より的確かつ迅速な意思決定は、収益の増加やコストの削減につながる場合が多くあります。可能な場合はそうした数値を直接的に計測し、難しい場合は概算で見積もってみましょう（たとえば、移動の距離が短くなったことで節約できた燃料費や、パーソナライズされたサービスによって増加した購入件数など）。

たとえば、イリノイ州雇用対策課では Contact Center AI を活用して仮想エージェントを迅速にデプロイし、100 万人以上の市民からの失業保険の申請に対応しています。チームは成果計測のために、以下の 2 つの数値を追跡しました。（1）対応したウェブからの問い合わせおよび音声通話の件数。（2）導入後のコールセンターの全体的な費用。導入後に処理した電話やウェブからの問い合わせ件数は 1 日あたり 14 万件を超え、さらに、4 万件以上の営業時間外の電話にも対応しています。イリノイ州は、IDES の仮想エージェントデータの初期分析に基づいて、年間約 1 億ドルの節約を見込んでいます（詳しくは事例紹介のリンクをご覧ください）。

実装コスト。収益増加やコスト削減には、実装した成果物にどれほどの費用がかかっているかという側面も関係します。チームが負担するテクノロジーの費用を示し、そのうえで、それ以上の価値をより効率的に提供する方法を示すことができれば理想的です。

どのくらいの時間を節約できたか。 たとえば、チームが経路設定システムを構築していれば移動時間を削減できますし、メールの分類システムを構築していれば読む時間を削減できます。システムの効率化のおかげで組織に還元できた時間を数値化しましょう。

医療現場では、より迅速な診断が重要です。ジョンズホプキンス大学の Brain Injury Outcomes（BIOS）部門では、脳内出血の研究に焦点を当て、医療成果の向上を目指しています。チームは、分析情報の取得にかかる時間がビジネスの成功を測るうえでの主要な指標であると考えました。チームはイテレーションの迅速化を目指し、分散型トレーニング向けに Dataflow、Cloud Healthcare API、Compute Engine、AI Platform などのさまざまなクラウドコンピューティングソリューションを試行しました。その結果、500 人の患者のスキャンから分析情報を取得するまでに要した時間が、2,500 時間から 90 分に短縮されたことが最近の研究で明らかになっています。

いくつのアプリケーションをチームでサポートできるか。組織の運営においては、ML を活用しないところも（会計台帳の調整など）、活用するところもあります。組織内のどの部分が、チームが生み出す効率化や自動化の恩恵を受けられるのかを把握しましょう。

ユーザーエクスペリエンス。苦情の減少、レビューの向上、レイテンシの低減、インタラクションの増加などから、カスタマーエクスペリエンスを測定できる場合があります。これは、外部および内部のどちらのステークホルダーにとっても有用です。Google では使用量を計測し、内部システムまたはプロセスに対するフィードバックを定期的にもらっています。

Google のお客様であるメンフィス市は、VisionAI と ML を使用して、よく起こるけれども非常に対応が難しい道路の穴の特定と処理という問題に取り組んでいます。実装チームは、道路の穴を特定できた割合の増加率、さらにその正確性とコスト削減という点を主要な指標ととらえました。このソリューションでは一般車両の映像を取り込んで、Compute Engine、AI Platform、BigQuery のような Google Cloud 機能を活用し、動画のレビューを自動化しています。このプロジェクトでは、道路の穴の検出率が 75% アップし、精度は 90% 以上向上しています。こうした成果を計測しはっきり示すことで、チームは優れた費用対効果かつクラウドベースの機械学習モデルの実行可能性を証明できました。さらに、メンフィス市では公共サービスをより向上させるために AL や ML の新たなアプリケーションを模索しており、652,000 人の住民のよりよい未来の構築を目指しています。

謝辞

Filipe と Payam は、同僚でありこの投稿の執筆に等しく貢献した共著者の Mona Mona（AI/ML カスタマーエンジニア、ヘルスケアとライフサイエンス）に感謝します。

- AI ML カスタマーエンジニア、Filipe Gracio 博士
- AI ML カスタマーエンジニア、Payam Mousavi

Newsweek、Recommendations AI によって 1 回のアクセスあたりの総収益を 10% 増加

Mon, 07 Feb 2022 04:00:00 +0000

※この投稿は米国時間 2022 年 2 月 2 日に、Google Cloud blog に投稿されたものの抄訳です。

Newsweek は、国際問題、テクノロジー、ビジネス、文化、政治に関する最新ニュース、深く掘り下げた分析、さまざまな見解を世界中の読者に提供しています。編集者がトップページや各トピックのページに掲載する最適な記事を選定していますが、個々の読者の興味に合った、最新の情報に基づいた関連性の高いおすすめ記事を通じて、パーソナライズされたエクスペリエンスを提供することも Newsweek にとってきわめて重要です。このようなニーズは、パンデミックの間に読者が常に最新ニュースを入手して自分の生活や仕事への影響を把握したいと考える中で、さらに重要視されるようになりました。

Recommendations AI を使用したパーソナライズ

Google には、長年にわたって Google 広告、Google 検索、YouTube といった主力サービスでおすすめのコンテンツを提供してきた実績があります。Recommendations AI は Google のレコメンデーションに関する専門知識を活用しており、最先端の機械学習モデルを搭載しています。フルマネージドサービスであるため、自動モデルトレーニングやレコメンデーション提供インフラストラクチャを利用して Newsweek のグローバルなニーズに対応できます。

Newsweek は、ユーザーのかなりの割合が記事を 1 件しか読まずにウェブサイトから離れてしまうことを憂慮しており、ユーザーエンゲージメントを高めるために記事の詳細ページに機械学習ベースのレコメンデーションを導入することを検討していました。Newsweek と Google Cloud が期待したのは、Recommendations AI が提供する高度にパーソナライズされたレコメンデーションによって、読者が関心の高い記事を見つけやすくなり、表示されるおすすめ記事のクリック率（CTR）が大幅に向上することでした。

Newsweek はパソコンとモバイルの両方で A/B テストを実施し、既存のソリューションと Recommendations AI によるおすすめのコンテンツを比較しました。テストでは、Recommendations AI がユーザーの閲覧履歴に加え、カテゴリ、タイトル、記事の公開時刻といった記事のメタデータを活用して、関連性が高く、最新の情報に基づいてパーソナライズされたレコメンデーションを提供できるようにしました。その結果、ビジネス指標は著しく改善しました。

Newsweek の最高技術責任者を務める Michael Lukac 氏は次のように述べています。「Google Cloud の Recommendations AI によって、当社のクリック率が 50%～75% 向上、サブスクリプションへのコンバージョン率が 10% 向上しただけでなく、1 回のアクセスあたりの総収益を 10% 増加させることができました。フルマネージドサービス、高度な AI、リアルタイムパーソナライズを活用することで、ユーザーエンゲージメントを強化できました。読者一人ひとりに合わせたコンテンツやパーソナライズされたアセットの多様性が促進されました。Newsweek では、ダッシュボードで簡単にモデルの作成と編集を行うのと並行して、毎日モデルを再トレーニングしてカタログの変化に対応できるようになりました。」

次のステップ

Newsweek は、パーソナライズを通じて優れた読者エクスペリエンスを生み出す Recommendations AI の機能から大きな効果を得ています。Newsweek のサイトやアプリ、さらにはパーソナライズされたニュースレターなどの他のチャネルでも Google の担当範囲を広げることにより、読者のジャーニーをさらに改善する可能性を見い出しています。Google Cloud の Recommendations AI がビジネスにもたらすメリットについては、こちらをクリックしてご覧ください。

- プロダクトマネージャー Guangsha Shi

Google Cloud で予測市場を作成する

Tue, 14 Dec 2021 03:00:00 +0000

※この投稿は米国時間 2021 年 12 月 2 日に、Google Cloud blog に投稿されたものの抄訳です。

予測分析は長い間、革新的な企業が戦略的優位性を獲得するための情報源となってきました。高い業績を上げている企業は、将来の結果をより正確に予測し、未知の出来事に対する計画を立て、製品の機会や顧客機会を見つけるために、強力な予測分析を使用しています。

予測分析における課題の一つは、予測の精度を上げるために行う過去のデータの生成です。非常に重要な質問であっても、利用できるデータが少なく、機械学習モデルのトレーニングが困難な場合も少なくありません（例: COVID-19（新型コロナウイルス感染症）によってサプライチェーンはどのような影響を受けているか、新しいテクノロジーにはどのような効果があるか）。

予測分析のお客様は、従業員、パートナー、ベンダーの判断に頼ることでそのギャップを埋めているのが現状です。そこで Google は考えました。どうすれば予測分析はより厳密なものになるでしょうか。Google の集合知を予測モデルで機械学習と組み合わせたらどうなるでしょうか。

2020 年、パンデミックにより先行きの見えない状況に直面した Google 社員の一グループは、これを Google Cloud で試すために内部的な予測市場を立ち上げました。Google は 2005 年から 2007 年にかけて初めて予測市場を実行し、有望な結果を残しました。現在のチームには、2005 年にはなかった 2 つの強みがありました。Google に参加できる多くの人材がいることと、Google Cloud 上にプラットフォームを構築できることです。

構造化と設計を繰り返し、1 万人以上の Google 社員から寄せられた 175,000 件以上の予測を分析しました。今回はその中で、COVID-19 や、エンジニアリングマイルストーン、新しいテクノロジーのトレンドなど、難易度の高い分野で正確な予測を生成するのに役立った設計パターンとテクノロジーをご紹介します。

予測市場を構造化する方法

予測市場の背後にある分析情報の中核は、適切な人にインセンティブを与えて正確な予測をさせることで、どの個人よりも正確なコンセンサス予測を生成することです。

たとえば、「2022 年に金利が上昇するか」という質問について予測するとします。顧客行動の予測や、さらにはマクロ経済の動向の予測を行う ML モデルがすでにあるかもしれません。しかし、この種のイベント予測には、組織内の人材の知識と判断を活用する必要があります。

このような質問について未来を正確に予測することは非常に困難です。その一方で、ついつい単純な答えに飛びつきたくなってしまいますし、反対に誰も知り得ないと悲嘆するのも簡単です。しかし実際には、正しい構造を使用すれば組織は驚くべき精度を達成できることが、予測市場や予測トーナメントによって実証されています。

Google はこれまでの経験に基づき、組織から正確な予測を引き出すための 5 つの基本原則を導き出しました。順を追って説明します。

1. 適切な UI を用意することで、きめ細かい正確な予測が表現しやすくなる。

ほとんどの質問は、確率（下の例を参照）、日付（「金利はいつ上昇するか」）、または数値（「来年の金利はいくらになるか」）の予測として提起できます。これらを予測するにあたり、2 つの方法を選べるようにしました。（a）ワンクリックで、現在のコンセンサスよりも確率 / 日付 / 数値が低いか高いかを予測する方法、そして（b）具体的な予測を範囲で示す方法です。

例として次のような確率の市場を考えてみましょう。

上部の UI から、確率がコンセンサスの範囲を下回っていると思うか、上回っていると思うかを素早く指定できます。また、確率の範囲を設定することで、よりきめ細かい予測の指定が可能になります。この際、確率が水準内に収まるかどうかの確信の度合いを下限と上限で個別に指定することができます。

全員が同じことを予想できるよう、解決の条件を厳密に設定することに特に注意を払ってください。正確な予測は、質問が正確に定義されて初めて可能になります。新しい質問の提案を確認するために組織から管理者を任命し、ソースデータと期間が正しく選択されるようにします。

2. 組織からスペシャリストを選出してインセンティブを与え、豊富な知見に基づいて質問に対する予測を行ってもらう。

他の予測市場と同様、Google のインセンティブシステムにもオプション市場との類似があります。予測を「bid（売値）」と「ask（買値）」に変換し、確率、数値、日付を「price（価格）」と解釈、信頼度を「volume（数量）」と解釈します。アプリケーションブローカーは、対立する bid と ask を最適な price でマッチさせます。次の疑似コードで示されるように、取引が行われると、当事者間に契約が成立します。

code_block: <ListValue: [StructValue([('code', 'def process_bid(event, bid):\r\n """Trades a bid against the best priced asks."""\r\n unfilled_bid_volume = volume\r\n for ask in _get_asks_by_increasing_price(event):\r\n # 次の ask price が bid price より高いか、この bid で\r\n # 約定した場合、それ以上の取引は行われません。\r\n if unfilled_bid_volume == 0 or ask.price > bid.price: \r\n break\r\n\r\n # この ask が残りの volume の約定に必要な値より大きい場合、\r\n # 残りを取引します\r\n if ask.volume > unfilled_bid_volume:\r\n ask.volume -= unfilled_bid_volume\r\n _execute_trade(event, bid, ask)\r\n break\r\n\r\n # そうでない場合は、この bid で ask のすべての volume を取引します。\r\n unfilled_bid_volume -= ask_volume\r\n ask.mark_filled()\r\n _execute_trade(event, bid, ask)'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f5496d5af40>)])]>

金融市場が注文を効率的にマッチさせることでコンセンサス価格を見つけるのと同様に、予測市場は予測を効率的にマッチさせることでコンセンサス予測を見つけます。これにより、予測者のインセンティブが最大化され、よりよい予測を行うことで市場を修正する機会を生み出します。現実の世界で更新が行われて問題が解決すると、取引された契約一つ一つで、一方の当事者がインセンティブを得ます。同時に、双方ともにその経験から学ぶことができます。

3. 継続的な予測をサポートすることで、新しい情報が入ってきたときにコンセンサス予測がリアルタイムに更新されるようにする。

予測分析でとりわけ問題となるのは、新しい情報がどの時点でも表面化する可能性があることです。bid と ask として解釈された予測の傾向は、時間の経過とともに、参加者全員のコンセンサスを表すようになります。bid-ask スプレッド（取引相手が見つかっていない時点の bid と ask の値）をグラフ化することで、コンセンサスの進化を確認できます。

これは、COVID-19 に関連する確率（0～100%）の質問に対するコンセンサス予測の例です。青い線は bid の最高値、赤い線は ask の最低値を表しています。イベントが 9 か月間にわたって展開されるにつれ、確率が最低 10% から最高 90% まで変動しているのが確認できます。

4. 予測者へのパフォーマンスに関するフィードバックで、予測精度の長期的な改善を促す。

質問が解決したら、ユーザーに結果を通知するだけでなく、パフォーマンスを状況に合わせて分析できます。たとえば、そのカテゴリ、または現四半期でどのくらいの成果を上げているでしょうか。トップの予測者と比べてどうでしょうか。

好成績の予測者へのインセンティブとして、リーダーボードやバッジを付与するだけでなく、市場コンセンサスへの影響力が強まるよう、その人の予測の信頼性を高めます。次第に予測者は、より正確に予測できるトピックに魅力を感じるようになり、結果的に市場全体の予測精度も向上します。

職場で使用する他の多くのスキルと同様に、予測も時間をかけて改善させていくものです。インセンティブとフィードバックが適切に構造に組み込まれていれば、個人レベルでも市場全体でも精度の向上が期待できます。ここで重要なのは、より短い時間軸で質問を設定することです。「来年の新しいサービスの採用率はどうなるか」を問うのではなく、次の四半期の採用率を予測することから始め、それを反復します。

Google の内部予測市場に寄せられた、確率に関する最初の 200 の質問。質問に対する答えが得られる 6 か月前、3 か月前、2 か月前、1 か月前、1 週間前に集計した Google 社員のコンセンサスの確率（0～10%、10～20% など）を基準に質問をグループ化し、実際に起こったことと比較します。

青い線は完全な精度を表しています。つまり、10% の確率で起こると予測されたイベントが、10% の確率で実際に起こるということです。赤い線は市場コンセンサスの予測を表しています。非常に難易度の高い質問であっても、市場はかなり正確です。

5. 市場予測を機械学習と総合的に扱う

予測市場は、過去のデータが十分でなく、機械学習だけに頼ることができない場合に、そのギャップを埋めることができます。戦略的な意思決定に役立つデータはある程度持っているものの、正しい選択を判断できるほど十分ではないというのはよく見受けられる状況です。たとえば、あるプラットフォームにはお客様の消費行動に関する十分な時系列データがあるが、リリース前の新しいプラットフォームにはまだ何もないかもしれません。

予測市場と機械学習を総合的に利用する方法は 2 つあります。1 つ目の方法は、予測市場の出力をより大規模な予測分析システムの入力として使用する方法です。入力用のデータは、時系列データに対して機械学習の推論を実行することでも引き出すことができます。2 つ目の方法は、機械学習システムをマーケットメーカーとして追加し、ベースラインとなる bid-ask スプレッドと流動性を提供することで、正確な予測に対するインセンティブを高める方法です。

Google Cloud 上でプラットフォームを設計する

Google Cloud Platform（GCP）を活用することで、Google は少人数のチームで 1 年以内にプラットフォーム全体を構築し、何千人ものユーザーにスケーリングできました。堅牢なプラットフォームを非常に短期間でプロトタイプ化、構築、拡張するために使用した GCP ツールを具体的にご紹介します。

サーバーレスをプラットフォームの主軸として使用しました。App Engine を使用し、さらに取引のバックエンドを実装するために Cloud Run と Cloud Functions でもテストを行っています。

サーバーレスは優れたツールキットで、アプリケーションをビルドしてから、Compute Engine 上で使用するセルフマネージドのバックエンドの種類を決定できます。デプロイ、バージョニング、リソースのスケーリングに追加のコードを記述する必要がないため、バックエンドのアーキテクチャの柔軟性が確保されます。

Cloud Scheduler と Cloud Tasks はサーバーレスアーキテクチャをうまく補完し、成績優秀者へのバッジ付与のような定期ジョブや、市場の解決や分析の計算といった長時間にわたるバックグラウンドタスクの実行が容易になります。
Cloud Firestore は Datastore モードで実行し、アプリケーションデータベースとして利用します。スケーラブルな NoSQL クラウドデータベースなので、フロントエンドを柔軟性に作成でき、新しい機能を設計してビルドしてもすぐにスキーマを更新できます。また、複雑な階層構造のデータもサポートしています。今回のケースでは、bid、ask、取引済みポジションをマーケットエンティティの子として保存することで、データのクエリを迅速かつ簡単に実行できるようにしました。

データポータルを使用することで、たとえば、時間の経過に伴う市場全体のトレンドを可視化するなど、予測結果から得られる分析情報をダッシュボード化できます。Looker を使用すれば、市場予測と既存の予測分析を集約して、どちらか一方だけでは生成できない優れた分析情報を生み出すことができます。
分析向けの BigQuery や機械学習向けの BigQuery ML への簡単なエクスポートにも対応しており、人間のコンセンサスをアルゴリズムで絞り込むことができます。そのデータを基に GCP の Vertex AI の機能で予測モデルをトレーニングすれば（ほとんどコードを記述する必要はありません）、難しい戦略的な質問に対しても、人間と機械の推論を最良の形で組み合わせることができます。

Dataflow では、バックアップからの復元など、データストアでの大規模なバッチ処理を、マネージドプロセスとして実行できます。

予測市場の運営面でも、さまざまな基本的な GCP ツールを使用しています。使用したもの:

Logs Explorer を使用して、クエリがタイムアウトしたときや、内部 API で問題が発生したときなど、厄介な状況でのデバッグを実行しました。
Cloud Profiler と Cloud Trace は、非同期でよい Cloud Firestore クエリの不必要な同期実行といったスケーリングのボトルネックを早期に特定するのに役立ちました。
Cloud Error Reporting により、エラーのモニタリングの構成、根本的な問題への素早いアプローチ、より頻繁に発生しているエラーの特定が容易になりました。

使ってみる

予測分析を一つ上のレベルに引き上げ、組織の知恵を存分に活用する準備はできましたか。Google Cloud を利用したこのようなプラットフォームの構築についてさらに説明をお受けになりたい場合は、こちらのフォームにご自身の情報をご記入ください。

- シニアソフトウェアエンジニア Dan Schwarz

- 製造担当主要アカウントディレクター Lindsay Taylor

倫理的 AI の種をまこう: 軌道に乗るための 4 つのタスク

Wed, 01 Dec 2021 03:00:00 +0000

※この投稿は米国時間 2021 年 11 月 17 日に、Google Cloud blog に投稿されたものの抄訳です。

未来の AI は、最初から倫理と責任が組み込まれた、さらに良いものになっていくでしょう。これは同時に、モデルが公正な結果を出すように、きちんと機能した戦略とプロセスが確立されるまでは、AI 変革に待ったがかかるということを意味します。この必要性を認識していないと、利益を脅かすことになります。以下の投稿では、アルゴリズムへの信頼度を高めつつ、ビジネスを正しい方向に導くために従うべきシンプルなフレームワークを紹介します。

AI は本質的に社会技術的なものです。AI システムは、人間とテクノロジーの相互関連性を表しており、特定のコンテキスト内で人間が使用し、情報を得るように設計されています。AI が誇る速度と規模は、すなわち種々の責任の欠如も同じような速度と規模で再現されるということを意味します。責任とは例えばバイアス、安全性、プライバシー、科学的卓越性などです。倫理と責任が設計段階から組み込まれていないと、AI システムは長期的な成功のカギとなる「インプット」や社会的コンテキストを致命的に欠くことになります。

特定のグループに偏重した AI システムを原因とする訴訟が増えてきています。2020 年 8 月、気象チャンネルアプリで、データの不適切な収集を行ったとしてロサンゼルス市から提訴されていた IBM は、同市との和解を余儀なくされました。ヘルスサービスの会社である Optum は、医師や看護師がより重症の黒人よりも白人の患者に注意を向けさせるよう推奨するアルゴリズムを作成した疑いで、規制当局の捜査を受けています。また、Facebook は、政治関連団体である Cambridge Analytica に 5,000 万人以上の個人データへのアクセスを許可したとして、訴訟に巻き込まれています。 Google は、アルゴリズムが重大なミスを犯すという問題にも遭遇しています。

訴訟などの問題ももちろんですが、倫理的 AI が収益に直結する基本的な理由は、信頼です。信頼がなければ、お客様の関心は徐々に薄れ、より信頼のおけるブランドを選ぶことになるでしょう。世界規模のブランドエクイティの調査（50 市場にわたる 400 万人の消費者、18,000 ブランド）を実施している Kantar が行った調査によると、ブランドエクイティの約 9% は企業の評判に大きく左右され、中でも責任感は重要な属性であることが明らかになりました。過去 10 年間で、ブランド選択における企業の消費者に対する責任の重要性は 3 倍に増えました。

同調査によると、世界で最も信頼され、責任感があると評価されているブランドには、共通した 3 つの重要な要素があることがわかりました。これらの要素は、新しい市場においても、消費者の信頼と確信を築くために特に重要であるとされています。その要素は以下の 3 つです。

誠実さとオープン性
尊重とインクルージョン
お客様とのつながりと思いやり

こういった要素を強く持つブランドは、ブランド価値を守り、成長させるうえで、競合他社よりも優位に立つ傾向があります。

クリックして拡大

テクノロジーとビジネスのリーダーは、倫理的 AI の戦略をうまく機能させるために、次の 4 つの分野に力を入れる必要があります。Lopez Research は、これらのタスクグループの頭文字をとって SEED と名付けました。Security（セキュリティ）、Ethics（倫理）、Explainability（説明可能性）、そして Data（データ）です。これらのテーマはそれぞれが 1 つの記事になるほどのものですが、この投稿ではいくつかの重要な要素を定義します。

セキュリティ（SECURITY）

一見してわからないかもしれませんが、堅牢な AI 戦略には埋め込み型のセキュリティ戦略が必要です。企業は、GPU や CPU などのコンポーネントにも、ハードウェアレベルのセキュリティを求めるべきです。IT リーダーは、モデルにソフトウェアセキュリティを構築し、ポイズニング、回避、ディープフェイク、バックドア、モデル抽出といった攻撃を最小限に抑える必要があります。敵対的なデータポイズニングは、モデルの正確性を損なうよう設計された不正確なデータを悪意を持って導入し、機械学習モデルを攻撃します。もう一つのセキュリティ脅威はモデル抽出で、モデルクローニングとも呼ばれます。これは、ハッカーがブラックボックスの機械学習モデルを再構築したり、トレーニングデータを抽出する方法を見つけたりする攻撃です。セキュリティ攻撃に対する第一の防御ラインは、セキュリティを最初の段階から設計することですが、次善の策は、モデルが計画通りに動作しているかどうかを頻繁にテストすることです。ビジネスリーダー、データサイエンスエキスパート、そして IT リーダーは、協力して定期的に AI モデルの状況をレビューしていく必要があります。

倫理（ETHICS）

組織は、ソリューションの初期段階で倫理を設計して組み込む必要があることを理解しなければなりません。倫理のプロセスは、ビジネスが作り上げるポジティブおよびネガティブな潜在的効果を定義するところから始まります。チームが害を及ぼしうる影響を評価したら、つまりテクノロジーと相互接続するシステム、信念、階層、ダイナミクスを見つけたら、こうした影響を排除または最小化する必要があります。また、本番環境のモデルの影響を確認し、問題のあるモデルをシャットダウンすることも非常に重要です。例として、Microsoft がデプロイした Tay Chatbot の公開ベータ版が、ネガティブなバイアスを伝播したため、すぐに廃止されたことなどが挙げられます。

多くの組織は、まだこうした行動を起こしていません。FICO の調査によると、93% の企業が、責任を持つ AI は成功に欠かせないと答えたのに対し、こうしたモデルが期待通りに運用されているかを確認するために AI モデルの効果を測定している企業は、そのうちのわずか 33% でした（モデルドリフトの測定）。Pew Research による別の調査では、68% が、2030 年までに、公共の利益のための倫理原則がほとんどの AI システムに採用されることはないと考えていることが明らかになりました。

組織が倫理的 AI のフレームワークを採用するか否かにかかわらず、規制がこの流れを変える可能性があります。欧州委員会が提案した AI の法的枠組みなど、AI におけるデータの倫理的利用を規定する法律は、早ければ 2022 年には確定する見込みです。当初から AI の倫理的な使用を念頭に置いている組織は、顧客のプライバシーに関する懸念や規制の遵守に対処するうえで有利になります。

説明可能性（EXPLAINABILITY）

モデルが洗練されていくにつれて、そのモデルがどのようにしてその判断を下したのかを説明するのも難しくなります。FICO の責任ある AI レポートによると、回答者のうち 65% が、AI モデルの判断や予測がどのように行われているかを説明できず、自身の組織が透明性と説明責任のある方法で AI を使用できるよう努力していると回答したのは、わずか 35% でした。しかし、例えばローン審査の拒絶、特定の戦略の実装、採用時における候補者の選考基準のように、AI モデルが下した判断の理由を知ることは非常に重要です。最初から説明可能な AI モデルを作成できれば一番いいのですが、現在のモデルの多くはこの機能を備えていません。すべての組織は、既存のモデルを見直し、機械学習モデルの解釈可能性と説明可能性をサポートする Github.com に掲載されているオープンソースツールキットを使用する必要があります。

説明可能性は、万能ではないということを心に留めておいてください。ステークホルダーによって必要とされる情報の種類は異なります。これまでの説明可能性の多くは、「ブラックボックスを開ける」ことに焦点が当てられており、データサイエンティストにしか役に立たない情報と思われていました。もちろんそれも重要なのですが、AI がワークフローに組み込まれているビジネスラインのユーザーや、AI の判断の理由を知りたいエンドユーザー、データサイエンスのバックグラウンドを持たない意思決定者などの助けにはなりません。

データ（DATA）

倫理において同じように重要なのはデータです。倫理は、モデルを作成、更新するための正しいデータを持つことから始まります。主な問題として、代表的なデータ、既存のデータにある固有バイアス、不正確なデータの 3 つが挙げられます。多くの企業がモデルを作成する際に見落としがちな重要な問題として、現在のデータセットが市場の状況を忠実に表しているとは限らないということです。最近の Capgemini Research Institute のレポートによると、経営幹部の 65% が、こういったシステムで「差別的なバイアスの問題を認識していた」と答えました。

気づきは最初のステップですが、組織はこの問題を解決するためにアクションを起こさなければなりません。過去のデータは、モデル作成における現在のニーズにはそぐわないかもしれません。さらに、過去の記録は、特定のグループへのバイアスを含んでいるおそれもあります。例えば、過去の犯罪データの記録では、人種や民族ごとの収監状況に不均衡が見られ、モデルにバイアスがかかっていると考えられます。また、法律や社会的規範も変化していきます。過去には特定のグループが性的嗜好で起訴されたこともありましたが、この情報は現在、不正確なモデルを作成してしまいかねません。

また、マーケティングで一般的に行われているユーザー層データの使用も、モデルバイアスにつながる可能性があることに企業は気づき始めています。例えば、主に現金を使用して取引を行う人や、ある郵便番号の地域に住んでいる人は、銀行の信用度を判定するモデルでは不利な立場にありました。こうした問題を最小限に抑えるため、企業は民族、性別、年齢、行動、経済的プロファイルなどの分野において完全な表現でデータを補強する必要があります。

クリックして拡大

継続的なフィードバックループで AI モデルを設計

さらに顕著で厄介なのが、データの正確性という問題です。よく言うように、「ゴミを入れたら、ゴミが出てくる」のです。AI モデルのライフサイクルの中で、最も評価されていないものの、間違いなく一番重要な要素は、モデルが常に正確なデータを持っていることです。データハイジーンが悪かったり、セキュリティ上の理由でデータが改ざんされたりすることによる不正確なデータは、モデルの失敗の原因となります。正しいデータを確保するために、組織は時間とリソースを投資する必要があります。データプライバシーも取り組むべき重要な要素ですが、データプライバシー、主権、セキュリティのコンセプトについては、非常に重要なので改めて別の記事で紹介します。

全体的に見て、データは豊富にあるものの、将来的にモデル化したいものを表していない可能性が高いことは明らかです。成功する AI 戦略とは、倫理的な AI 戦略と言えます。組織はモデルの作成において、正確なデータを幅広く表現することに配慮し、モデルが安全で期待通りに動作することをテストする必要があります。

組織は、継続的なフィードバックループで AI モデルのライフサイクルを定義することにより、より優れたインテリジェンスの恩恵を受けることができます。そのためには、お客様とより強固で長期的な信頼関係を築き、新しい法律や規制に適切に対応することが肝要です。

- Lopez Research 設立者/アナリスト/著者 Maribel Lopez 氏

Google Cloud でのトランスフォーメーション

SAP IBP と Google Cloud でサプライ チェーンの混乱に対処する方法

SAP ソフトウェアからのデータを Google 独自のデータシグナルで統合

Google AI でより正確な予測を取得

SAP IBP で Google データシグナルを活用し、より正確な予測を実現

Google Cloud と SAP は大企業の大きな課題をどのように解決するか

もう「ノーマル」はない？データと AI を活用したサプライ チェーンの構築で備えは万全

エンドツーエンドのデータ

プラットフォームの力

予測分析

最新の調査で、消費者によるブランド価値観に対する関心がこれまでで最も高いことが判明

買い物客は自分の価値観に合うブランドから購入する

消費財企業はサステナビリティに優先的に取り組む必要がある

商品の在庫があることが最低限の要件

ブランドとしてなにができるのか

1. ノーブランドにならない。

2. 明確で一貫性のある価値観を生み出す。

3. サステナビリティの習慣を発展させ、その影響を一般の人に伝える。

4. 顧客のロイヤリティに報いる。

BigQuery と Looker で継続的なインテリジェンス エコシステムを構築する Mercado Libre の事例

継続的なインテリジェンス - 基盤の構築

Google BigQuery による大規模なリアルタイム解析

Looker でデータとユーザーの技術的なギャップを解消

BigQuery+Looker - 人々に力を

ビジネス エクスペリエンスとカスタマー エクスペリエンスの向上

基盤への積み上げ - 学習とイノベーションの文化

Google スプレッドシートから Looker のモデル化データを分析する

アジリティとその先へ: Google Cloud サービスで Lowe's がアプリの開発とデプロイを進化させた方法

モノリスの購入か構築かという対比から徐々に離れることで新たなアプローチが生まれる

Google のオープンな API に対する姿勢でビジネス チャンスをつかむ

開発から本番へのスムーズなパスを実現するための基礎作り

ブラック フライデーでの 3 回の成功がソフトウェア デリバリーに大きく影響

Lowe’s が Google SRE プラクティスで顧客の要求に応えている方法

手のひらにラボを: Cue Health は、COVID-19（新型コロナウイルス感染症）とその先の医療診断をどう革新していくか

家庭用分子検査のパイオニア

パンデミック レベルの需要に応える

データを使って一歩先んじる

クラウドでの音声取引 - 専用回線のデジタル トランスフォーメーション

音声取引の現在

音声取引市場の変革

ソリューション

サイト間の接続に Google のグローバル ネットワークを活用

最高水準のネットワーク セキュリティ、フォレンジック、テレメトリー

コンプライアンス、分析、AI / ML

クラウドでの安全な音声取引が現実のものに

Virta Health が Google Cloud を利用して 2 型糖尿病の治療を変革

1. Virta のインフラストラクチャへの柔軟性とコントロールの提供

2. 相互運用可能なデータ プラットフォームと情報レイヤの確立

3. 人工知能と機械学習を使用したインテリジェント システムの開発を可能に

市場をリードするインクルーシブなハイブリッド業務環境実現のための 8 つのステップ

DEI とハイブリッドな働き方戦略を組み合わせることで、より包括的な文化を実現

ハイブリッドな働き方が DEI の取り組みの妨げとなってはいけない

ダイバーシティがあるハイブリッドな職場文化を創出するための 8 つのステップ

リプレゼンテーションの重要性: ビジネスに DEI を取り入れるための 6 つのヒント

サステナビリティによって推進される産業の変革

新しい Active Assist の推奨事項で二酸化炭素排出量を削減

AI の潮流に乗る方法

認識: 早期の自動化

学習: 人的要素

拡大: システムビューの構築

データ サイエンスと AI チームの価値の計測と最大化

BBVA の Google Cloud トレーニング プログラムが記録的な参加率を達成した方法

意図的なアプローチの策定

構想から実現までわずか 4 週間

クライアント ソリューションから企業文化に至るまで、違いを生み出す

継続的な学習により BBVA は競合相手の先を歩み続ける

BBVA による次世代 IT イニシアチブへの Cloud SQL の活かし方

BigQuery でビジネス成果を創出している SAP ユーザー 6 社

Google Cloud と BigQuery が SAP ユーザーに新たな価値をもたらす

BigQuery + SAP = データドリブンの成功

Google Cloud Cortex Framework による SAP イノベーションの加速

データ サイエンスと AI チームの価値の計測と最大化

プロジェクトを実行に移す際のチェックリスト:

活用すべき計測方法とは

Newsweek、Recommendations AI によって 1 回のアクセスあたりの総収益を 10% 増加

Recommendations AI を使用したパーソナライズ

次のステップ

小売業のレコメンデーションに Recommendations AI を活用するコツ

Google Cloud で予測市場を作成する

予測市場を構造化する方法

SAP IBP と Google Cloud でサプライチェーンの混乱に対処する方法

もう「ノーマル」はない？データと AI を活用したサプライチェーンの構築で備えは万全

BigQuery と Looker で継続的なインテリジェンスエコシステムを構築する Mercado Libre の事例

ビジネスエクスペリエンスとカスタマーエクスペリエンスの向上

Google のオープンな API に対する姿勢でビジネスチャンスをつかむ

ブラックフライデーでの 3 回の成功がソフトウェアデリバリーに大きく影響

パンデミックレベルの需要に応える

クラウドでの音声取引 - 専用回線のデジタルトランスフォーメーション

サイト間の接続に Google のグローバルネットワークを活用

最高水準のネットワークセキュリティ、フォレンジック、テレメトリー

2. 相互運用可能なデータプラットフォームと情報レイヤの確立

3. 人工知能と機械学習を使用したインテリジェントシステムの開発を可能に

データサイエンスと AI チームの価値の計測と最大化

BBVA の Google Cloud トレーニングプログラムが記録的な参加率を達成した方法

クライアントソリューションから企業文化に至るまで、違いを生み出す

データサイエンスと AI チームの価値の計測と最大化

継続的なフィードバックループで AI モデルを設計